Python语言和matplotlib库做数据可视化分析

陆勤_数据人网

发布于 2020-02-18 16:50:32

7410

发布于 2020-02-18 16:50:32

文章被收录于专栏：数据科学与人工智能数据科学与人工智能

以下文章来源于数据思践，作者王路情

这是我的第51篇原创文章，关于数据可视化分析。

阅读完本文，你可以知道：

1 Python语言的可视化库—matplotlib?

2 使用matplotlib实现常用的可视化？

前言

数据记者和信息设计师，David McCandless，在他的TED演讲中谈到数据可视化的重要性时说过，“通过信息可视化，我们把它变成了一个你可以用眼睛探索的风景，一幅信息地图。当你迷失在信息中时，信息地图是很有用的。”

数据可视化分析可以提供许多数据不能够提供的洞见。Python语言拥有一些优秀的数据可视化工具。matplot库是Python语言基础的数据可视化库，可以设计和实现许多基础的绘图类型。

matplotlib库

matplotlib库是Python语言最流行和基础的数据可视化库，是一个二维图形库。它是Python社区中广泛使用的绘图库，已经有数十年的历史了。它功能强大，并提供了跨平台的交互式环境。matplotlib可用于Python脚本，Python和IPython Shell、Jupyter notebook 和 Web 应用服务程序。它是一个非常通用的可视化库，只需要几行代码，就可以生成柱状图、直方图、功率谱图、散点图、误差图、饼图和许多其他类型的图。关于matplotlib的详细介绍和学习，可以查阅它的官方网址。

matplotlib的网址：

https://matplotlib.org/

matplotlib库做数据可视化

0 准备工作

0.1 导入matplotlib库的函数

代码片段

# 导入matplotlib库所需的函数集
import matplotlib.pyplot as plt

0.2 绘图的模板，显示和保存

代码片段

# 绘图的通用格式
plt.plot(...)
# 绘图结果的显示
plt.show()
# 绘图结果的保存
plt.savefig('my_img.png')

1 常用可视化

1.1 线状图（Line Plot）

代码片段

import numpy as np
import matplotlib.pyplot as plt

x = [x * 0.1 for x in range(100)]
y = np.cos(x)

plt.plot(x, y) # 绘制线状图
plt.show() # 显示图形结果

1.2 柱状图（Bar Chart）

代码片段

from random import seed
from random import randint
import matplotlib.pyplot as plt

seed(1234)
x = ['A', 'B', 'C']
y = [randint(0, 100), randint(0, 100), randint(0, 100)]

plt.bar(x, y) # 画柱状图
plt.show()

1.3 直方图

代码片段

from numpy.random import seed
from numpy.random import randn

import matplotlib.pyplot as plt

seed(1234)
#高斯分布生成随机数
x=randn(1000)

#生成直方图
plt.hist(x)

plt.show()

1.4 盒箱图

代码片段

from numpy.random import seed
from numpy.random import randn

import matplotlib.pyplot as plt

seed(1234)

x = [randn(100), 5*randn(100), 10*randn(100)]

# 生成盒箱图
plt.boxplot(x)

plt.show()

1.5 散点图

代码片段

from numpy.random import seed
from numpy.random import randn

import matplotlib.pyplot as plt

seed(1234)

x = 10*randn(100) + 100
y = x + (10*randn(100) + 50)

# 生成散点图
plt.scatter(x, y)

plt.show()

1.6 误差图

代码片段

import numpy as np
import matplotlib.pyplot as plt

x = np.arange(0.1, 4, 0.5)
y = np.exp(-x)

plt.figure()
plt.errorbar(x, y, xerr=0.2, yerr=0.4)
plt.title(u'简单的误差图', fontproperties='simHei', fontsize=20)
plt.show()