Matplotlib绘制图形 Python数据可视化之用Matplotlib绘制常用图形
tzr0725 人气:0想了解Python数据可视化之用Matplotlib绘制常用图形的相关内容吗，tzr0725在本文为您仔细讲解Matplotlib绘制图形的相关知识和一些Code实例，欢迎阅读和指正，我们先划重点：Matplotlib绘制常用图形,Python,Matplotlib库，下面大家一起来学习吧。
一、散点图
散点图用两组数据构成多个坐标点，考察坐标点的分布，判断两变量之间是否存在某种关联或总结坐标点的分布模式。
特点：判断变量之间是否存在数量关联趋势，表示离群点的分布规律。
散点图绘制：
plt.scatter(x,y) # 以默认的形状颜色绘制散点图
实例： 假设我们获取到了上海2020年5,10月份每天白天的最高气温(分别位于列表a、b)，那么此时如何观察气温和随时间变化的某种规律。
# 绘制图形所需的数据 y_5 = [11,17,16,11,12,11,12,13,10,14,8,13,12,15,14,17,18,21,16,17,30,14,15,15,15,19,21,22,22,22,23] y_10 = [26,26,28,19,21,17,16,19,18,20,20,19,22,23,17,20,21,20,22,15,11,15,5,13,15,10,11,13,12,13,6]
代码如下：
import matplotlib.pyplot as plt
# 设置字体
plt.rcParams['font.sans-serif']=['SimHei'] # 替换sans_serif字体
plt.rcParams['axes.unicode_minus']=False # 解决坐标轴负数的负号显示问题
plt.figure(figsize=(12,5), dpi=100)
y_5 = [11,17,16,11,12,11,12,13,10,14,8,13,12,15,14,17,18,21,16,17,30,14,15,15,15,19,21,22,22,22,23]
y_10 = [26,26,28,19,21,17,16,19,18,20,20,19,22,23,17,20,21,20,22,15,11,15,5,13,15,10,11,13,12,13,6]
x = range(1, 32)
plt.scatter(x, y_5, label='五月份')
plt.scatter(x, y_10, label='十月份')
# 增加标题，坐标描述
plt.xlabel("时间")
plt.ylabel("日期")
plt.title("气温和随时间变化的某种规律")
# 添加图形注释
plt.legend(loc='best')
plt.show()
上图虽然绘制出5、10月气温随日期的变化，但两者混在一起，不便于观察，现通过修改x数据，将10月的坐标点集体往坐标轴右侧移动，改进的代码如下：
import matplotlib.pyplot as plt
# 设置字体
plt.rcParams['font.sans-serif']=['SimHei'] # 替换sans_serif字体
plt.rcParams['axes.unicode_minus']=False # 解决坐标轴负数的负号显示问题
plt.figure(figsize=(12,5), dpi=100)
y_5 = [11,17,16,11,12,11,12,13,10,14,8,13,12,15,14,17,18,21,16,17,30,14,15,15,15,19,21,22,22,22,23]
y_10 = [26,26,28,19,21,17,16,19,18,20,20,19,22,23,17,20,21,20,22,15,11,15,5,13,15,10,11,13,12,13,6]
x_5 = range(1, 32)
x_10 = range(33, 64)
plt.scatter(x_5, y_5, label='五月份')
plt.scatter(x_10, y_10, label='十月份')
# 刻度显示
x_t = list(x_4)+list(x_10)
x_l = ["5月{}号".format(i) for i in x_4]
x_l += ["10月{}号".format(i-31) for i in x_10]
plt.xticks(x_t[::3], x_l[::3], rotation=45)
# 添加图形注释
plt.legend(loc='best')
plt.show()
二、柱状图
柱状图是用宽度相同的条形的高度或长短来表示数据多少的图形。柱状图可以横置或纵置，纵置时也称为柱形图。
特点：
能够直观反映出各个数据的大小；
易于比较数据之间的差别。
柱状图绘制：
plt.bar(x, width, align=‘center', **kwargs)
Parameters:
x : sequence of scalars.
width : scalar or array-like, optional, 柱状图的宽度
align: {‘center', ‘edge'}, optional, default: ‘center'
Alignment of the bars to the x coordinates:
‘center': Center the base on the x positions.
‘edge': Align the left edges of the bars with the x positions.
每个柱状图的位置对齐方式, 默认柱状图的中心与x坐标中心对齐
**kwargs:
color: 选择柱状图的颜色
水平条形图绘制
plt.barh(y, width) # 绘制以y为y轴位置的水平条形图
实例：假设我们获取到了2019年内地电影票房前20的电影(列表a)和电影票房数据(列表b)，绘制柱状图直观地展示数据，代码如下：
import matplotlib.pyplot as plt
# 设置字体
plt.rcParams['font.sans-serif']=['SimHei'] # 替换sans_serif字体
plt.rcParams['axes.unicode_minus']=False # 解决坐标轴负数的负号显示问题
plt.figure(figsize=(15,10),dpi=100)
# 准备电影的名字以及电影的票房数据
movie_name = ["流浪地球","复仇者联盟4:终局之战","哪吒之魔童降世","疯狂的外星人",
"飞驰人生","蜘蛛侠:英雄远征","扫毒2天地对决","烈火英雄","大黄蜂",
"惊奇队长","比悲伤更悲伤的故事","哥斯拉2:怪兽之王","阿丽塔:战斗天使",
"银河补习班","狮子王","反贪风暴4","熊出没","大侦探皮卡丘","新喜剧之王",
"使徒行者2:谍影行动","千与千寻"]
y = [56.01,26.94,17.53,16.49,15.45,12.96,11.8,11.61,
11.28,11.12,10.49,10.3,8.75,7.55,7.32,6.99,6.88,6.86,6.58,6.23,5.22]
# 放进横坐标的数字列表
x = range(len(movie_name))
# 画出条形图
# 颜色color参数表示条形图的顺序颜色，可循环
plt.bar(x, y, width=0.5, color=['b','r','g','y','c','m','y','k','c','g','g'])
# 修改刻度名称，并旋转90度
plt.xticks(x, movie_name, rotation=90)
# 展示图形
plt.show()
# 水平条形图 plt.figure(figsize=(15,10),dpi=100) plt.barh(movie_name, y, color=['b','r','g','y','c','m','k']) plt.show()
有时候为了公平起见，我们需要对比不同电影首日和首周的票房收入，让数据更有说服力。假设数据如下：
movie_name = ['雷神3：诸神黄昏','正义联盟','寻梦环游记'] first_day = [10587.6,10062.5,1275.7] # 首日票房 first_weekend=[36224.9,34479.6,11830] # 首周票房
绘制不同电影首日和首周票房的数据图，代码如下：
import matplotlib.pyplot as plt # 设置字体 plt.rcParams['font.sans-serif']=['SimHei'] # 替换sans_serif字体 plt.rcParams['axes.unicode_minus']=False # 解决坐标轴负数的负号显示问题 plt.figure(figsize=(15,10),dpi=100) # 准备数据 movie_name = ['雷神3：诸神黄昏','正义联盟','寻梦环游记'] # 构造首日票房，首周票房数据 first_day = [10587.6,10062.5,1275.7] first_weekend=[36224.9,34479.6,11830] x = range(len(movie_name)) # 绘制第一个柱状图 plt.bar(x, first_day, width=0.25) # 接着绘制第二个柱状图 plt.bar([i+0.25 for i in x], first_weekend, width=0.25) # 修改刻度名称 # 显示x轴中文，固定在首日和首周的中间位置 plt.xticks([i+0.125 for i in x], movie_name) plt.show()
注意点：
x轴坐标刻度显示位置的调整，既可以通过绘制图形时调整x数据，也可以通过绘制x轴刻度时调整刻度的方法来实现x轴刻度显示在两个柱状图中间。如果不做任何调整，它是默认与第一个柱状图中间对齐的。
三、直方图
直方图，形状类似柱状图却有着与柱状图完全不同的含义。直方图牵涉统计学的概念，首先要对数据进行分组，然后统计每个分组内数据元的数量。 在坐标系中，横轴标出每个组的端点，纵轴表示频数，每个矩形的高代表对应的频数，称这样的统计图为频数分布直方图。
特点：绘制连续性的数据，展示一组或者多组数据的分布情况，用于统计数据分布的特征。
相关概念：
组数：在统计数据时，把数据按照不同的范围分成几个组，分成的组的个数称为组数；
组距：每一组两个端点的差。
直方图绘制
plt.hist(x,bins=None)
绘制以x为数值，bins为组数，组数 = 极差/组距
实例：假设我们获取到了一些电影的时长，绘制直方图展示电影时长的分布情况，代码如下：
import matplotlib.pyplot as plt
# 设置字体
plt.rcParams['font.sans-serif']=['SimHei'] # 替换sans_serif字体
plt.rcParams['axes.unicode_minus']=False # 解决坐标轴负数的负号显示问题
plt.figure(figsize=(15,10),dpi=100)
# 准备数据，电影时长
time =[131, 98, 125, 131, 124, 139, 131, 117, 128, 108,
135, 138, 131, 102, 107, 114, 119, 128, 121, 142,
127, 130, 124, 101, 110, 116, 117, 110, 128, 128,
115, 99, 136, 126, 134, 95, 138, 117, 111, 78,
132, 124, 113, 150, 110, 117, 86, 95, 144, 105,
126, 130,126, 130, 126, 116, 123, 106, 112, 138,
123, 86, 101, 99, 136,123, 117, 119, 105, 137,
123, 128, 125, 104, 109, 134, 125, 127,105, 120,
107, 129, 116, 108, 132, 103, 136, 118, 102, 120,
114,105, 115, 132, 145, 119, 121, 112, 139, 125,
138, 109, 132, 134,156, 106, 117, 127, 144, 139,
139, 119, 140, 83, 110, 102,123,107, 143, 115,
136, 118, 139, 123, 112, 118, 125, 109, 119, 133,
112, 114, 122, 109, 106, 123, 116, 131, 127, 115,
118, 112, 135,115, 146, 137, 116, 103, 144, 83,
123, 111, 110, 111, 100, 154,136, 100, 118, 119,
133, 134, 106, 129, 126, 110, 111, 109, 141, 120,
117, 106, 149, 122, 122, 110, 118, 127, 121, 114,
125, 126,114, 140, 103, 130, 141, 117, 106, 114,
121, 114, 133, 137, 92,121, 112, 146, 97, 137,
105, 98, 117, 112, 81, 97, 139, 113,134, 106,
144, 110, 137, 137, 111, 104, 117, 100, 111, 101,
110, 105, 129, 137, 112, 120, 113, 133, 112, 83,
94, 146, 133, 101, 131, 116, 111, 84, 137, 115,
122, 106, 144, 109, 123, 116, 111,111, 133, 150]
# 组距
bins = 2
# 组数，极差/组距
groups = int((max(time) - min(time)) / 2)
# 绘制直方图
plt.hist(time, groups)
# 指定x轴刻度的范围
plt.xticks(list(range(min(time), max(time)))[::2])
# 添加坐标描述
plt.xlabel('电影时长大小')
plt.ylabel('电影的数量')
# 增加网格显示
plt.grid(True, linestyle='--', alpha=0.5)
plt.show()
四、扇形图
扇形图，用整个圆表示总数，用圆内各个扇形的大小表示各部分数量占总数的百分数。
扇形图绘制
plt.pie(x, explode=None, labels=None)
x：扇形数据
explode：设置某几个分块是否要分离饼图
labels：每块扇形标签
autopct：百分比数据标签
shadow：是否显示阴影
plt.pie()有3个返回值：
patches：绘制饼图每一块的对象
texts：文本的列表
autotexts：百分比的文本列表
实例：假设我们获取到了一些电影的排片数据，绘制扇形图展示电影的排片占比情况，代码如下：
import matplotlib.pyplot as plt
# 设置字体
plt.rcParams['font.sans-serif']=['SimHei'] # 替换sans_serif字体
plt.rcParams['axes.unicode_minus']=False # 解决坐标轴负数的负号显示问题
# 饼图绘制
plt.figure(figsize=(15, 10), dpi=100)
# 电影排片数据
movie_name = ['雷神3：诸神黄昏','正义联盟','东方快车谋杀案','寻梦环游记','全球风暴','降魔传','追捕','七十七天','密战','狂兽','其它']
place_count = [60605,54546,45819,28243,13270,9945,7679,6799,6101,4621,20105]
# 绘制扇形图
plt.pie(place_count, labels=movie_name, autopct="%1.2f%%")
# 指定显示的pie是正圆
plt.axis('equal')
# 设置图例和标题
plt.legend(loc="best")
plt.title("排片占比情况")
plt.show()
扇形图优化的手段添加阴影，分离特定数据等：
import matplotlib.pyplot as plt
# 设置字体
plt.rcParams['font.sans-serif']=['SimHei'] # 替换sans_serif字体
plt.rcParams['axes.unicode_minus']=False # 解决坐标轴负数的负号显示问题
plt.figure(figsize=(15, 10), dpi=100)
movie_name = ['雷神3：诸神黄昏','正义联盟','东方快车谋杀案','寻梦环游记','全球风暴','降魔传','追捕','七十七天','密战','狂兽','其它']
place_count = [60605,54546,45819,28243,13270,9945,7679,6799,6101,4621,20105]
# 绘制扇形图，添加阴影效果,并让占比最大的雷神3分离
explode = [0.1, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0]
res = plt.pie(place_count, labels=movie_name, explode=explode, autopct="%1.2f%%", shadow=True)
patches, texts, autotexts = res
print(patches) # 表示每个扇形的对象
print(texts) # 每个文本对象
print(autotexts) # 每个百分比对象
# 指定显示的pie是正圆
plt.axis('equal')
# 设置图例和标题
plt.legend(loc="best")
plt.title("排片占比情况")
plt.show()
打印的扇形图返回值：
优化后的扇形图：
总结
本文讲述了使用Matplotlib绘制散点图、柱状图、直方图、扇形图的基本操作。
加载全部内容