数据可视化——Matplotlib(1)

导入相关模块

import matplotlib.pyplot as plt

import pandas as pd

import numpy as np

基本图表

散点图：scatter

N = 1000

x = np.random.randn(N)

y = np.random.randn(N)

plt.scatter(x,y)

plt.show()

scatter的函数签名如下

scatter(x,y,s=None,c=None,marker=None,cmap=None,norm=None,vmin=None,vmax=None,alpha=None,linewidths=None,verts=None,edgecolors=None,hold=None,data=None,**kwargs)

x,y：形如shape（n,）的数组
s：点的大小，默认20
c：点的取色序列，默认蓝色
marker：点的形状，默认是圆（具体的点的形状可以在matplotlib的官网中搜索markers查看。）
alpha：点的透明度
edgecolors：边缘颜色

plt.scatter(x,y,c='rykgm',s=100,marker='>')

plt.show()

plt.scatter(x,y,alpha=0.5)

plt.show()

plt.scatter(x,y,edgecolors='r')

plt.show()

柱状图：bar

data = [5, 20, 15, 25, 10]

plt.bar(range(len(data)), data)

plt.show()

bar的函数签名如下：

bar(left, height, width=0.8, bottom=None, **kwargs)

事实上，left，height，width，bottom这四个参数确定了柱体的位置和大小,具体定位如下：

(left - width / 2, bottom)为左下角位置
(left + width / 2, bottom + height)为右上角位置

plt.bar([0.3,1.7,4,6,7], data, width=0.6,bottom=[10,0,5,0,5])

plt.show()

对于柱状图，还可以设置以下参数：

颜色：color
描边：edgecolor（ec）：边缘颜色；linestyle（ls）：边缘样式；linewidth（lw）：边缘粗细
填充：hatch：可取值为： / , \ , | , - , + , x , o , O , . , *
位置标志：tick_label

labels = ['Tom', 'Dick', 'Harry', 'Slim', 'Jim']

plt.bar(range(len(data)),data, color='rgb',ec='r',ls='--',lw=2,hatch='o',tick_label=labels)

plt.show()

堆叠柱状图

通过bottom参数，可以轻松实现堆叠柱状图

size = 5

x = np.arange(size)

a = np.random.random(size)

b = np.random.random(size)

plt.bar(x, a, label='a')

plt.bar(x, b, bottom=a, label='b')

plt.legend()

plt.show()

并列柱状图

并列柱状图则需要通过left属性添加偏移量来实现

total_width, n = 0.8, 2

width = total_width / n

x = x - (total_width - width) / 2

plt.bar(x, a,  width=width, label='a')

plt.bar(x + width, b, width=width, label='b')

plt.legend()

plt.show()

条形图

类似bar方法，仅换了方法名称：barh（bar-horizontal）

plt.barh(range(len(data)), data)

plt.show()

barh的签名为

barh(bottom, width, height=0.8, left=None, **kwargs)

因此，使用时可以看成是bar的旋转，其方法完全一样

正负条形图

可以通过barh方法轻松获得

a = np.array([5, 20, 15, 25, 10])

b = np.array([10, 15, 20, 15, 5])

plt.barh(range(len(a)), a)

plt.barh(range(len(b)), -b)

plt.show()

折线图：plot

a = np.array([5, 20, 15, 25, 10])

plt.plot(a)

plt.show()

和柱状图类似，plot也提供了一些常用的参数，折线图含有两种对象：点和线，因此，可以分别对点和线进行设置，对线的设置与柱状图类似，参数有ls、lw；对点的设置可以参照scatter中的参数，为了区分点和线，规定在点参数前添加一个字母m（marker）来表示，至于线的颜色，可以通过color（c）参数来设置。因此，一个简单的参数设置可以如下表示：

plt.plot(a, color='r',ls='--',lw=2,marker='o',mec='b',ms=10, mfc='w')

plt.show()

plot还提供了一个更简洁的方法：合并color、marker、linestyle三个参数为一个字符串，方便设置。

plt.plot(a,'ro--')

plt.show()

在做数据可视化的时候，常用的基本图表有折线图、散点图和柱状图三种，其它诸如饼图、箱形图等出现较少，第一部分暂不处理。有了这些图标已经可以做一些基本的分析了，下一节中，将介绍一些常用的设置，诸如坐标轴、标签等。

参考