matplotlib相关图形绘制(二)

朱小五

发布于 2020-03-05 11:46:59

8980

发布于 2020-03-05 11:46:59

文章被收录于专栏：凹凸玩数据凹凸玩数据

大家好，我是黄同学

我们之前已经讲述了matplotlib的绘图原理，本文介绍相关图形绘制。

主要是箱线图、散点图、气泡图、雷达图。

《matplotlib绘图的核心原理》

《matplotlib绘图技巧详解(一)》

《matplotlib绘图技巧详解(二)》

《matplotlib绘图技巧详解(三)》

1、绘制箱线图

1）作用

箱线图是由一组数据的最大值、最小值、中位数、两个四分位数(上、下四分位数)这五个特征值绘制而成的，它主要的作用是反应原始数据分布的特征，还可以进行多组数据分布特征的比较。

2）语法格式与相关参数说明

① 语法格式

plt.axhline(x,vert,widths,labels)

② 参数说明

x表示要绘制图型的数据源
vert表示箱线图方向，如果为True则表示纵向；如果为False则表示横向；默认为True。
widths表示箱线图的宽度。
labels表示箱线图的标签。

3）演示说明

① 绘制8门课程考试成绩的箱线图

df = pd.read_excel(r"C:\Users\黄伟\Desktop\matplotlib.xlsx",sheet_name="直方图")

plt.figure(figsize=(6,5),dpi=100)
labels = ["英语","经济数学","西方经济学","市场营销学","财务管理",
          "基础会计学","统计学","计算机应用基础"]

x = [df["英语"],df["经济数学"],df["西方经济学"],df["市场营销学"],
     df["财务管理"],df["基础会计学"],df["统计学"],df["计算机应用基础"]]
widths = np.array([0.5]*8)
plt.boxplot(x,labels=labels,vert=True,widths=widths,patch_artist = True,
            boxprops={'color':'orangered','facecolor':'pink'})
plt.xticks(rotation=70)
plt.yticks(np.arange(50,101,10))
plt.title("8门课程考试成绩的箱线图",fontsize=15)

plt.tight_layout()
plt.savefig("8门课程考试成绩的箱线图",dpi=300)

结果如下：

② 绘制11名学生考试成绩的箱线图

df = pd.read_excel(r"C:\Users\黄伟\Desktop\matplotlib.xlsx",sheet_name="箱线图1")

plt.figure(figsize=(6,5),dpi=100)
labels = ["学生"+str(i) for i in range(1,12)]

x = [df[1],df[2],df[3],df[4],df[5],df[6],df[7],df[8],df[9],df[10],df[11]]
widths = np.array([0.5]*11)
plt.boxplot(x,labels=labels,vert=True,widths=widths,patch_artist = True,
            boxprops={'color':'orangered','facecolor':'pink'})
plt.xticks(rotation=70)
plt.yticks(np.arange(50,101,10))
plt.title("11名学生考试成绩的箱线图",fontsize=15)
plt.tight_layout()
plt.savefig("11名学生考试成绩的箱线图",dpi=300)

结果如下：

2、绘制散点图与气泡图

散点图与气泡图一起讲是因为它们所用的参数一致。

1）作用

散点图作用：散点图是用二维坐标展示两个变量之间关系的一种图形，强调是衡量两个变量之间的关系。

气泡图作用：气泡图用于展示三个变量之间的关系。与散点图类似，绘制时将一个变量放在横轴，另一个变量放在纵轴，而第三个变量则是用气泡的大小来表示。

注意：散点图，气泡图所有的参数一致。

2）语法格式与相关参数说明

① 语法格式

plt.scatter(x,y,s,c,marker,linewidths,edgecolors)

② 参数说明

x,y表示散点的坐标。
s表示散点的大小。
c表示每个点的颜色。
makers表示每个点的标记。
linewidths表示每个散点的线宽。
edgecolors表示每个散点外轮廓的颜色。

3）演示说明

① 绘制小麦产量与降雨量的散点图

df = pd.read_excel(r"C:\Users\黄伟\Desktop\matplotlib.xlsx",sheet_name="散点图与气泡图")

plt.figure(figsize=(6,5),dpi=100)
x = df["降雨量"]
y = df["产量"]

plt.scatter(x,y,c="orangered",marker="o",s=100)
plt.title("小麦产量与降雨量的散点图")
plt.xlabel("降雨量")
plt.ylabel("产量")

plt.xticks(np.arange(0,141,20))
plt.yticks(np.arange(0,10001,2000))

plt.tight_layout()
plt.savefig("小麦产量与降雨量的散点图",dpi=300)

结果如下：

② 绘制小麦产量与降雨量和温度的气泡图

df = pd.read_excel(r"C:\Users\黄伟\Desktop\matplotlib.xlsx",sheet_name="散点图与气泡图")

plt.style.use('fivethirtyeight')
plt.figure(figsize=(6,5),dpi=100)
x = df["温度"]
y = df["降雨量"]

colors = y*10
area = y*10

plt.scatter(x,y,c=colors,marker="o",s=area)
plt.title("小麦产量与降雨量和温度的气泡图",fontsize=15)
plt.xlabel("降雨量")
plt.ylabel("产量")

plt.xticks(np.arange(0,26,5))
plt.yticks(np.arange(0,141,20))

plt.grid(True,axis="y")

for xy in zip(x,y):
    plt.annotate("{}".format(xy[1]),xy=xy,ha="center",va="center",color="black")

plt.tight_layout()
plt.savefig("小麦产量与降雨量和温度的气泡图",dpi=300)

结果如下：

3、雷达图

1）作用

雷达图是显示多个变量的常用图示方法。雷达图在显示或对比各变量的数据总和时十分有用。此外，利用雷达图也可以研究多个样本之间的相似程度。

2）演示说明

① 绘制城乡居民家庭人均消费支出构成的雷达图

plt.figure(figsize=(6,4),dpi=100)

### 有几个构成，n就是几
n = 8

### 数据源序列
data1 = df["城镇居民"]
data2 = df["农村居民"]

### 平分角度
angles = np.linspace(0,2*np.pi,n,endpoint=False)

### 每个角度上对应的标签
labels = ["食品","衣着","家庭设备用品及服务","医疗保健",
          "交通通讯","教育文化娱乐服务","居住","杂项商品与服务"]

### 将数据源形成一个闭合的环
data1 = np.append(x1,x1[0])
data2 = np.append(x2,x2[0])

### 将角度形成一个闭合的环
angles = np.append(angles,angles[0])

### 绘图
plt.polar(angles,data1,"r*--",linewidth=1,label="城镇")
plt.polar(angles,data2,"go-",linewidth=1,label="农村")

plt.thetagrids(angles*180/np.pi,labels)
plt.ylim(0,50)

plt.legend(loc=(1,0.9))

plt.tight_layout()
plt.savefig("城乡居民家庭人均消费支出构成的雷达图",dpi=300)

结果如下：