python数据分析————matplotlib数据可视化

内容导读

互联网集市收集整理的这篇技术教程文章主要介绍了python数据分析————matplotlib数据可视化，小编现在分享给大家，供广大互联网技能从业者学习和参考。文章包含4015字，纯文字阅读大概需要6分钟。

内容图文

数据可视化

• 数据可视化：将数据以图表的形式表示，数据视觉表现形式的科学技术研究

• 数据可视化的作用：数据分析的最终目标、数据探索的重要手段

常见图表类型

• 折线图：以折线方式反应数据变化趋势
• 直方图：利用方块大小反应数据差异
• 条形图：显示各个项目之间的比较情况，和直方图有类似的作用
• 饼图：显示各数据的百分比情况
• 散点图：显示若干数据系列中各数值之间的关系
• 箱型图：用来显示一组数据分散情况的统计图，在识别异常值方面有一定的优越性

matplotlib

m a t p l o t l i b ， 风 格 类 似 M a t l a b 的 基 于 P y t h o n 的 图 表 绘 图 系 统 。 \color{red}{matplotlib，风格类似 Matlab 的基于 Python 的图表绘图系统。} matplotlib，风格类似Matlab的基于Python的图表绘图系统。是 P y t h o n \color{black}{Python} Python最著名的绘图库，它提供了一整套和 matlab 相似的命令 API，十分适合交互式地进行制图。

• 导入库

import matplotlib.pyplot as plt

简单绘图

• matplotlib中，pyplot默认产生一个Figure对象，可以理解为一张空白的画布，用于容纳图表的各种组件

1. plot函数：一个简单的绘图函数

plt.plot(np.arange(10))

2. figure函数：创建新的空白画布，或使用当前的活动画布

plt.figure(facecolor='green',figsize=(3,4))
ax = plt.plot(np.arange(50))
plt.show()

3. subplot函数：Figure对象允许划分为多个绘图区域，每个区域
   都有自己的坐标系，成为子图，subplot函数可以创建单个子图。

plt.subplot(nrows, ncols, index, **kwargs)
# 当nrows, ncols, index都小于10时可以简写

ls = range(10)
# 分成2*1的矩阵区域，占用编号为1的区域，即第1行的子图
plt.subplot(211)
plt.plot(ls)
# 分成2*2的矩阵区域，占用编号为3的区域，即第2行第1列的子图
plt.subplot(223)
plt.plot(ls)
# 分成2*2的矩阵区域，占用编号为4的区域，即第2行第2列的子图
plt.subplot(224)
plt.plot(ls)
plt.show()

4. 根据索引创建子图

num = np.arange(100)
# 分成2*2的矩阵区域，返回子图数组axes
fig, axes = plt.subplots(2, 2)
ax1 = axes[0, 0]  # 根据索引［0，0］从Axes对象数组中获取第1个子图
ax2 = axes[0, 1]   # 根据索引［0，1］从Axes对象数组中获取第2个子图
ax3 = axes[1, 0]   # 根据索引［1，0］从Axes对象数组中获取第3个子图
ax4 = axes[1, 1]   # 根据索引［1，1］从Axes对象数组中获取第4个子图
# 在选中的子图上作图
ax1.plot(num, num)
ax2.plot(num, -num)
ax3.plot(num, num**2)
ax4.plot(num, np.log(num))
plt.show()

标签和图例

• 光有图还不够，我们还应该在图的基础上添加相应的标题、标签和注释等，这样才能够使图表更加立体，数据更加丰富、饱满。

legend函数只能plot函数之后设置，其他的可前可后

data = np.arange(10)
plt.title("Title")
plt.xlabel("X")
plt.ylabel("Y")
plt.xticks([0,2,4,5,8,10])
plt.yticks([0,100,300,600])
plt.plot(data,data**2)
plt.plot(data,data**3)
plt.legend(["y=x^2","y=x^3"])
plt.show()

• plot函数为我们提供了很多的绘图风格

a=np.arange(10)
plt.plot(a,a*1.5,'go-',a,a*2.5,'rx--',a,a*3.5,'bv-.',a,a*4.5,'y:')
plt.show()

中文显示

• pyplot并不默认支持中文显示，需要rcParams修改字体实现

1. 第一种方法，使用使用rcParams修改字体为中文字体

matplotlib.rcParams['font.family']='SimHei'
plt.plot([3,1,4,5,2])
plt.ylabel("纵轴(值)")
plt.show()

2. 第二种方法，在有中文输出的地方，增加属性fontproperties

a = np.arange(0.0,5.0,0.02)
plt.xlabel('横轴：时间',fontproperties='SimHei',fontsize=20)
plt.ylabel('纵轴：振幅',fontproperties='Kaiti',fontsize=10)
plt.plot(a,np.cos(2*np.pi*a),'r--')
plt.show()

保存图片

# 在show函数之前设置
plt.savefig('test.png')

内容总结

以上是互联网集市为您收集整理的python数据分析————matplotlib数据可视化全部内容，希望文章能够帮你解决python数据分析————matplotlib数据可视化所遇到的程序开发问题。 如果觉得互联网集市技术教程内容还不错，欢迎将互联网集市网站推荐给程序员好友。

内容备注

版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 gblab@vip.qq.com 举报，一经查实，本站将立刻删除。

内容手机端