matplotlib相关图形绘制(一)

朱小五

发布于 2020-03-05 11:50:31

9630

发布于 2020-03-05 11:50:31

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X轴、Y轴平行线

1）作用

绘制X轴、Y轴平行线，主要用来做对比参考。

2）语法格式与相关参数说明① 语法格式

绘制X轴平行线
plt.axhline(y,xmin,xmax)
绘制Y轴平行线
plt.axvline(x,ymin,ymax)

② 参数说明

3）演示说明

① 绘制X轴平行线

plt.subplot(121)
plt.axhline(0.5,0,1,c="r",lw=3)
plt.subplot(122)
plt.axhline(0.5,0.2,0.8,c="g",lw=3)

结果如下：

② 绘制Y轴平行线

plt.subplot(121)
plt.axvline(0.5,0,1,c="r",lw=3)
plt.subplot(122)
plt.axvline(0.5,0.2,0.8,c="g",lw=3)

结果如下：

2、绘制折线图

1）作用

折线图用于显示随时间或有序类别而变化的趋势。折线图其实是由多个点连接在一起得到了，当点足够多的时候，折线图就变成了平滑的曲线。

2）语法格式和参数说明

① 语法格式

plot(y)
plot(y,‘格式’)
plot(x,y)
plot(x,y,‘格式’)
plot(x1,y1,‘格式1’,x2,y2,‘格式2’ …… xn,yn,“格式n”)

② 参数说明

3）演示说明

① 绘制一个点

plt.plot(50, marker="D")

结果如下：

② 绘制多个点

当只传入一组数据的时候，那么每个元素的下标相当于X轴横坐标，这一组数据中的每个值相当于Y轴的纵坐标。当传入两组数据，第一组数据相当于X轴横坐标，第二组数据相当于Y轴的纵坐标。

plt.subplot(121)
plt.plot([8,2,9,15,-3],c="g",marker="v",ls="--")
plt.subplot(122)
plt.plot([-3,-1,5,8,12], [2,-10,9,3,6],c="r",marker="*",ls="-")

结果如下：

③ 绘制对比折线图

plt.figure(dpi=100)
x = np.arange(1,13)
y1 = np.array([568,645,789,412,435,673,345,632,467,876,912,1222])
y2 = np.array([675,412,545,645,831,345,459,734,812,611,1500,900])
plt.plot(x,y1,c="r",marker="*",ls="-",label="2019年销售额")
plt.plot(x,y2,c="g",marker="v",ls="--",label="2020年销售额")
plt.legend(loc="best",ncol=2)

plt.title("2019-2020年销售额对比图")
plt.xlabel("月份")
plt.ylabel("销售额")

plt.xticks(np.arange(1,13),[str(i)+"月" for i in range(1,13)])

p1 = zip(x,y1)
p2 = zip(x,y2)
for x,y1 in p1:
    plt.text(x,y1,y1,ha="center",va="bottom",fontsize=10)
    
for x,y2 in p2:
    plt.text(x,y2,y2,ha="center",va="bottom",fontsize=10)

plt.savefig("2019-2020年销售额对比图",dpi=300)

结果如下：

3、绘制柱形图

1）作用

柱形图又叫条形图、柱状图，用来比较两个或以上的价值（不同时间或者不同条件），只有一个变量，通常利用于较小的数据集分析。

2）语法格式和参数说明

① 语法格式

plt.bar(x,height,color,edgecolor,width=0.8,bottom=None,align=“center”)

② 参数说明

x 表示在x轴的哪个位置绘制柱形图；height表示每个柱子的高度。
color 表示柱子的颜色。
edgecolor 表示柱子边缘的颜色。
width 表示每个柱子的宽度。柱子的宽度可以相同，可以不同。
bottom 表示每个柱子的底部位置。每个柱子的底部位置可以相同，可以不同。
align 表示柱子的位置与x值的对应关系。可选center、edge参数。center表示柱子位于x值的中心位置，edge表示柱子位于x值的边缘位置。

3）演示说明

① 绘制某超市饮料类型和顾客性别的条形图

plt.figure(dpi=100)
x1 = [1,2,3,4,5]
y1 = [6,10,11,8,15]
x2 = [1,2]
y2 = [22,28]

plt.subplot(121)
plt.bar(x1,y1,width=0.5,align="center",color="r")
plt.title("不同饮料类型的人数对比图")
plt.xlabel("饮料类型")
plt.ylabel("数量")

plt.xticks([1,2,3,4,5],["果汁","矿泉水","绿茶","其它","碳酸饮料"])
plt.yticks(np.arange(0,16,3))

for x1,y1 in zip(x1,y1):
    plt.text(x1,y1,y1,ha="center",va="bottom",fontsize=10)

plt.subplot(122)
plt.bar(x2,y2,width=0.8,align="center",color="g")
plt.title("不同顾客性别的人数对比图")
plt.xlabel("顾客性别")
plt.ylabel("数量")

plt.xticks([1,2],["男","女"])
plt.yticks(np.arange(0,31,5))

for x2,y2 in zip(x2,y2):
    plt.text(x2,y2,y2,ha="center",va="bottom",fontsize=10)
    
plt.subplots_adjust(wspace=0.5)
plt.savefig("饮料类型和顾客性别",dpi=300)

结果如下：

② 绘制某超市不同饮料类型下，男女人数的对比图

plt.figure(dpi=100)
x = np.array([1,2,3,4,5])
y1 = np.array([1,6,7,2,6])
y2 = np.array([5,4,4,6,9])

plt.bar(x,y1,width=0.5,label="男",color="g")
plt.bar(x+0.5,y2,width=0.5,label="女",color="b")

plt.title("某超市不同饮料类型下男女人数的对比图")
plt.xlabel("饮料类型")
plt.ylabel("数量")

plt.legend(loc="best",title="顾客性别")

plt.xticks(x+0.15,["果汁","矿泉水","绿茶","其它","碳酸饮料"])
plt.yticks(np.arange(0,11,2))

for x,y1 in zip(x,y1):
    plt.text(x,y1,y1,ha="center",va="bottom",fontsize=10)

for x,y2 in zip(x+0.5,y2):
    plt.text(x,y2,y2,ha="center",va="bottom",fontsize=10)
    
plt.savefig("某超市不同饮料类型下男女人数的对比图",dpi=300)

结果如下：

4、绘制不同饮料类型的帕累托图

1）演示说明

① 绘制不同类型饮料的帕累托图

plt.figure(dpi=100)
x = np.array([1,2,3,4,5])
y1 = np.array([6,10,11,8,15])
# 先将y1中的元素，进行降序排序
y1 = np.sort(y1)[::-1]
y2 = y1.cumsum()/np.sum(y1)

plt.bar(x,y1,width=0.3,color="g")
plt.xlabel("饮料类型")
plt.ylabel("数量")
plt.xticks(x,["碳酸饮料","绿茶","矿泉水","其它","果汁"])
for xy1 in zip(x,y1):
    plt.annotate("{}".format(xy1[1]),xy=xy1,ha="center",va="bottom")

plt.twinx()
plt.plot(x,y2,color="r",lw=3)
plt.ylabel("百分比")
plt.yticks(np.arange(0,1.1,0.2))

plt.title("不同类型饮料的帕累托图")
plt.savefig("不同类型饮料的帕累托图",dpi=300)

结果如下：

5、绘制饼图

1）作用

饼图用圆形及圆内扇形的角度来表示数值大小的图形，它主要用于表示一个样本(或总体)中各组成部分的数据占全部数据的比例。对于研究一个总体的结构性组成很有作用。

2）语法格式和参数说明

① 语法格式

plt.pie(x,y,height,color,edgecolor,width=0.8,bottom=None,align=“center”)

② 参数说明

x 表示要绘图的数据。
labels 每个部分显示的标签。
explode 指定每个部分距离圆心的偏移量(单位为半径的长度)。
colors 指定每个部分的颜色。
autopct 设置每个部分显示的比例值(格式化)。
counterclock 是否逆时针绘图。默认为True。
startangle 初始绘图点位置(逆时针偏移x轴的角度)，默认为偏移0度(x轴)。
shadow 是否含有阴影，默认为False。(用处不大)

一些重要参数的图示说明：

3）演示说明

① 绘制不同饮料类型构成的饼图

plt.figure(dpi=100)
x1 = np.array([6,10,11,8,15])
x = x1/np.sum(x1)

labels = ["果汁","矿泉水","绿茶","其它","碳酸饮料"]
colors=["r", "g", "b", "y", "m"]
explode = [0.05,0,0,0,0]

plt.pie(x,labels=labels,colors=colors,autopct="%.0f%%",
        explode=explode,startangle=90,counterclock=False)
plt.axis("equal")

plt.savefig("不同饮料类型构成的饼图",dpi=300)

结果如下：

② 绘制环形图：以绘制三环形为例

操作如下：

plt.figure(figsize=(8,5),dpi=100)
x1 = [3496.57,1161.55,1251.09,1961.07]
x2 = [1383.36,775.09,595.09,1605.61]
x3 = [3756.56,1623.36,1730.51,3255.94]

labels = ["劳动者报酬","生产税金额","固定资产折旧","营业盈余"]
colors=['pink','greenyellow','lightcoral','cyan']
plt.pie(x1,colors=colors,autopct="%.0f%%",radius=1.3,
        wedgeprops=dict(width=0.3,edgecolor="w"),
        startangle=90,counterclock=False,pctdistance = 0.9)

plt.pie(x2,colors=colors,autopct="%.0f%%",radius=1,
        wedgeprops=dict(width=0.3,edgecolor="w"),
        startangle=90,counterclock=False,pctdistance = 0.85)

plt.pie(x3,colors=colors,autopct="%.0f%%",radius=0.7,
        wedgeprops=dict(width=0.3,edgecolor="w"),
        startangle=90,counterclock=False,pctdistance = 0.75)
plt.legend(labels=labels,loc="best",title="生产总值构成")

plt.title("生产总值构成的环形图")

plt.axis("equal")
plt.savefig("生产总值构成的环形图",dpi=300)

结果如下：

6、绘制直方图

① 语法格式

plt.pie(x,y,height,color,edgecolor,width=0.8,bottom=None,align=“center”)

② 参数说明

x 表示要绘图的数据。
labels 每个部分显示的标签。
explode 指定每个部分距离圆心的偏移量(单位为半径的长度)。
colors 指定每个部分的颜色。
autopct 设置每个部分显示的比例值(格式化)。
counterclock 是否逆时针绘图。默认为True。
startangle 初始绘图点位置(逆时针偏移x轴的角度)，默认为偏移0度(x轴)。
shadow 是否含有阴影，默认为False。(用处不大)

③ 演示说明

df = pd.read_excel(r"C:\Users\黄伟\Desktop\matplotlib.xlsx",sheet_name="直方图")
def func(x):
    if x>=140 and x<150:
        return "(140,150]"
    elif x>=150 and x<160:
        return "(150,160]"
    elif x>=160 and x<170:
        return "(160,170]"
    elif x>=170 and x<180:
        return "(170,180]"
    elif x>=180 and x<190:
        return "(180,190]"
    elif x>=190 and x<200:
        return "(190,200]"
    elif x>=200 and x<210:
        return "(200,210]"
    elif x>=210 and x<220:
        return "(210,220]"
    elif x>=220 and x<230:
        return "(220,230]"
    elif x>=230 and x<240:
        return "(230,240]"
    
df["分组"] = df["销售量"].apply(func)
df1 = df.groupby("分组")["销售量"].count()
df1 = pd.DataFrame(df1)
df1 = df1.reset_index()
df1["频率"] = df1["销售量"].apply(lambda x:x/np.sum(df1["销售量"]))
df1["频率"] = df1["频率"].apply(lambda x:"{:.2%}".format(x))

plt.figure(figsize=(6,5),dpi=100)
plt.hist(df["销售量"],bins=[140,150,160,170,180,190,200,210,220,230,240],edgecolor='white',color="pink")
x = np.array([140,150,160,170,180,190,200,210,220,230,240])
plt.xticks(x+5,["{}-{}".format(x,x+10) for x in range(140,231,10)],rotation=90)
plt.yticks(np.arange(0,31,5))

for z in zip(x+2.5,df1["销售量"]):
    plt.annotate("{}".format(z[1]),xy=z,color="black")

plt.tight_layout()
plt.savefig("某电脑公司销售量分布的直方图",dpi=300)

结果如下：