数据可视化分析工具：Matplotlib
绘图是数据分析工作中的重要一环，是进行探索过程的一部分。Matplotlib是当前用于数据可视化的最流行的Python工具包之一，它是一个跨平台库，用于根据数组中的数据制作2D图，主要用于绘制一些统计图形，例如散点图、条形图、折线图、饼图、直方图、箱型图等。
1.散点图
散点图通常用在回归分析中，描述数据点在直角坐标系平面上的分布图。散点图表示因变量随自变量而变化的大致趋势，据此可以选择合适的函数对数据点进行拟合。下面是绘制散点图的例子。
import numpy as np
import matplotlib.pyplot as plt
x = np.arange(30)
y = np.arange(30)+3*np.random.randn(30)
plt.scatter(x, y, s=50)
plt.show()
2.条形图
条形图（bar chart）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。条形图可以横置或纵置，纵置时也称为柱状图（column chart）。此外，条形图有简单条形图、复式条形图等形式。例如下面一个例子，假设现在我们拿到了2017年内地电影票房前10的电影和电影票房数据，现在我们想直观比较各电影票房数据大小，那么条形图显然是最合适的呈现方式，代码如下。
import numpy as np
import matplotlib.pyplot as plt
a = ['战狼2', '速度与激情8', '功夫瑜伽', '西游伏妖篇', '变形金刚5:最后的骑士', '摔跤吧！爸爸', '加勒比海盗5:死无对证','金刚：骷髅岛', '极限特工:终极回归', '生化危机6：终章']
# 单位：亿
b=[56.01,26.94,17.53,16.49,15.45,12.96,11.8,11.61,11.28,11.12]
# 用来正常显示中文标签
plt.rcParams['font.sans-serif']=['SimHei','Times New Roman']
plt.rcParams['axes.unicode_minus']=False
# bar要求传递两个数字，可以单独设置x轴的显示
plt.bar(range(len(a)), b, width=0.3)
plt.xticks(range(len(a)), a, rotation=90) #字体倾斜角度
plt.grid(False)
plt.show()
3.折线图
折线图是排列在工作表的列或行中的数据可以绘制到折线图中。折线图可以显示随时间（根据常用比例设置）而变化的连续数据，因此非常适用于显示在相等时间间隔下数据的趋势。
import numpy as np
import matplotlib.pyplot as plt
x = ['5.20','5.21','5.22','5.23','5.24']
y = [14.8,16.6,17.2,15.9,19.1]
plt.plot(x, y)
plt.show()
4.饼图
饼图英文名为Sector Graph，常用于统计学模块。2D饼图为圆形，仅排列在工作表的一列或一行中的数据可以绘制到饼图中。饼图常用图显示一个数据系列中各项的大小与各项总和的比例。以下是某家庭10月份家庭支出情况，我们用饼图来体现各部分支出占家庭整体支出情况，代码如下。
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif']=['SimHei'] #用来正常显示中文标签
labels = ['娱乐','育儿','饮食','房贷','交通','其他']
sizes = [4,10,18,60,2,6]
explode = (0,0,0,0.1,0,0)
plt.figure(figsize=(10,7))
plt.pie(sizes,explode=explode,labels=labels,autopct='%1.1f%%',shadow=False,startangle=150)
plt.title("饼图示例-10月份家庭支出")
plt.show()
5.直方图
直方图（Histogram），又称质量分布图，是一种统计报告图，由一系列高度不等的纵向条纹或线段表示数据分布的情况。一般用横轴表示数据类型，纵轴表示分布情况。下面我们以kaggle经典比赛案例——泰坦尼克号数据集为例，绘制乘客年龄的频数直方图，查看各年龄段乘客的年龄分布情况，代码如下。
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import matplotlib.mlab as mlab
#显示中文与正负号
plt.rcParams['font.sans-serif'] = [u'SimHei']
plt.rcParams['axes.unicode_minus'] = False
# 读取Titanic数据集
titanic = pd.read_csv('train.csv')
# 检查年龄是否有缺失
any(titanic.Age.isnull())
# 删除含有缺失年龄的样本
titanic.dropna(subset=['Age'], inplace=True)
# 设置图形的显示风格
plt.style.use('ggplot')
# 绘图
plt.hist(titanic.Age,bins = 20,cor= 'steelblue',edgecolor = 'k',label = '直方图' )
# 去除图形顶部边界和右边界的刻度
plt.tick_params(top='off', right='off')
# 显示图例
plt.legend()# 去除网格线
plt.grid(False)
plt.show()
6.箱型图
箱形图（Box-plot）又称箱线图，是一种用于显示一组数据分散情况的统计图。因形状如箱子而得名。它主要用于反映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。
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
df = pd.DataFrame(np.random.rand(10,5),columns=['a','b','c','d','e'])
# 箱型图
plt.boxplot(df,patch_artist=True) #默认垂直摆放箱体
plt.show()
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
df = pd.DataFrame(np.random.rand(10,5),columns=['a','b','c','d','e'])
# 箱型图
plt.boxplot(df,vert=False,patch_artist=True) #水平箱型图
plt.show()
7.组合图
前面我们介绍的都是在figure对象中创建单独的图像，但有时候我们需要在同一个画布中创建多个子图或者说组合图，这时候我们可以用add_subplot来创建一个或多个subplot来创建组合图。
from numpy.random import randn
import matplotlib.pyplot as plt
#在同一个figure中创建一组2行2列的
subplotfig = plt.figure()
ax1 = fig.add_subplot(2,2,1) #表示4个subplot中的第一个
ax2 = fig.add_subplot(2,2,2) #表示4个subplot中的第二个
ax3 = fig.add_subplot(2,2,3) #表示4个subplot中的第三个
ax4 = fig.add_subplot(2,2,4) #表示4个subplot中的第四个
ax1.scatter(np.arange(30),np.arange(30)+3*randn(30))
ax2.bar(np.arange(8),[1,2,3,7,8,5,6,4])
ax3.hist(randn(100),bins=20)
ax4.plot(randn(60).cumsum())
plt.show()
明天6月7日是一年一度的高考日，预祝所有高考学子，考试顺利，金榜题名！
以上内容来自《Python广告数据挖掘与分析实战》
腾讯云开发者
