Python可视化数据分析10、Matplotlib库

红目香薰

发布于 2022-11-30 18:51:55

91300

代码可运行

文章被收录于专栏：CSDNToQQCodeCSDNToQQCode

运行总次数：0

代码可运行

Python可视化数据分析10、Matplotlib库

📋前言📋 💝博客：【红目香薰的博客_CSDN博客-计算机理论,2022年蓝桥杯,MySQL领域博主】💝 ✍本文由在下【红目香薰】原创，首发于CSDN✍ 🤗2022年最大愿望：【服务百万技术人次】🤗 💝Python初始环境地址：【Python可视化数据分析01、python环境搭建】💝

环境需求环境：win10 开发工具：PyCharm Community Edition 2021.2 数据库：MySQL5.6

前置环境

pip3 config set global.index-url https://repo.huaweicloud.com/repository/pypi/simple
pip3 config list
pip3 install --upgrade pip
pip3 install numpy
pip3 install matplotlib

东西比较大引入的慢一些，别急。

前言

Matplotlib是Python中最常用的可视化工具之一，可以非常方便地创建海量2D图表和一些基本的3D图表。 Matplotlib首次发表于2007年，在开源和社区的推动下，现在基于Python的各个科学计算领域都得到了广泛应用。 Matplotlib中应用最广的模块是pyplot模块，pyplot模块中的每个绘图函数都可以对图形进行一些更改。

绘制直线

import numpy as np
from matplotlib import pyplot as plt
plt.rcParams['font.sans-serif'] = ['SimHei']  # 用来正常显示中文标签
plt.rcParams['axes.unicode_minus'] = False  # 用来正常显示负号
x = np.arange(1, 11)
y = 2 * x
plt.title("我是标题")
plt.xlabel("我是X轴")
plt.ylabel("我是Y轴")
plt.plot(x, y)
plt.show()

不规律数值

import numpy as np
from matplotlib import pyplot as plt

plt.rcParams['font.sans-serif'] = ['SimHei']  # 用来正常显示中文标签
plt.rcParams['axes.unicode_minus'] = False  # 用来正常显示负号
x = np.arange(1, 11)
y = 2 * x
plt.title("我是标题")
plt.xlabel("我是X轴")
plt.ylabel("我是Y轴")
plt.plot((1, 5, 1, 5, 7, 5, 5, 9, 1, 5), y)
plt.show()

plot函数

plot()函数可以传入多个参数，其中第3个参数表示线条的颜色以及类型，第4个参数表示线条的宽度

字符	含义
-	实线样式
--	短横线样式
-.	点划线样式
:	虚线样式
.	点标记
,	像素标记

o	圆标记
v	倒三角标记
^	正三角标记
<	左三角标记
>	右三角标记
1	下箭头标记
2	上箭头标记
3	左箭头标记
4	右箭头标记
s	正方形标记

p	五边形标记
*	星形标记
h	六边形标记1
'H'	六边形标记2
+	加号标记
x	X标记
D	菱形标记
'd'	窄菱形标记
\|	竖直线标记
_	水平线标记

b	蓝色
g	绿色
r	红色
c	青色
m	品红色
y	黄色
k	黑色
w	白色

import numpy as np
from matplotlib import pyplot as plt

plt.rcParams['font.sans-serif'] = ['SimHei']  # 用来正常显示中文标签
plt.rcParams['axes.unicode_minus'] = False  # 用来正常显示负号
x = np.arange(1, 11)
y = 2 * x
plt.title("我是标题")
plt.xlabel("我是X轴")
plt.ylabel("我是Y轴")
plt.plot(x, y, "^m")
plt.show()

绘制柱状图

import numpy as np
import matplotlib.pyplot as plt

plt.rcParams['font.sans-serif'] = ['SimHei']  # 用来正常显示中文标签
plt.rcParams['axes.unicode_minus'] = False  # 用来正常显示负号
x = ['2018年', '2019年', '2020年', '2021年', '2022年']
y = np.random.randint(0, 100, 5)
plt.bar(x, y)
plt.title("产量变化")
plt.show()

堆积柱状图

import numpy as np
import matplotlib.pyplot as plt

plt.rcParams['font.sans-serif'] = ['SimHei']  # 用来正常显示中文标签
plt.rcParams['axes.unicode_minus'] = False  # 用来正常显示负号
x = ['2018年', '2019年', '2020年', '2021年', '2022年']
y1 = np.random.randint(10, 20, 5)
y2 = np.random.randint(10, 20, 5)
plt.bar(x, y1)
plt.bar(x, y2, bottom=y1)
plt.ylabel("产量(万亿吨)")
plt.legend(labels=["粮食", "小麦"], loc="upper left")
plt.show()

绘制并列柱状图

import numpy as np
import matplotlib.pyplot as plt

plt.rcParams['font.sans-serif'] = ['SimHei']  # 用来正常显示中文标签
plt.rcParams['axes.unicode_minus'] = False  # 用来正常显示负号

x1 = np.arange(5)
y1 = np.random.randint(10, 20, 5)
y2 = np.random.randint(10, 20, 5)
bar_width = 0.35
plt.bar(x1, y1, bar_width)
plt.bar(x1 + bar_width, y2, bar_width)
plt.ylabel("产量(万亿吨)")
tick_label = ['2018年', '2019年', '2020年', '2021年', '2022年']
plt.xticks(x1 + bar_width / 2, tick_label)
plt.legend(labels=["粮食", "小麦"], loc="upper left")
plt.show()

绘制直方图

import numpy as np
import matplotlib.pyplot as plt
import random

plt.rcParams['font.sans-serif'] = ['SimHei']  # 用来正常显示中文标签
plt.rcParams['axes.unicode_minus'] = False  # 用来正常显示负号

a = [random.randint(80, 150) for i in range(250)]
print(a)
print(max(a) - min(a))

# 计算组数
d = 3  # 组距
num_bins = (max(a) - min(a)) // d

# 设置图形大小
plt.figure(figsize=(20, 8), dpi=80)
plt.hist(a, num_bins)

# 设置x轴刻度
plt.xticks(range(min(a), max(a) + d, d))

# 设置网格
plt.grid(alpha=0.4)
plt.show()

绘制饼图

import numpy as np
import matplotlib.pyplot as plt

plt.rcParams['font.sans-serif'] = ['SimHei']  # 用来正常显示中文标签
plt.rcParams['axes.unicode_minus'] = False  # 用来正常显示负号

labels =['2018年', '2019年', '2020年', '2021年', '2022年']
y = np.random.rand(5)
plt.pie(y,
        labels=labels,
        autopct="%3.1f%%",
        startangle=45,  # 第一个饼片旋转角度
        shadow=True,
        pctdistance=0.8,
        labeldistance=1.2)
plt.show()

绘制分裂式饼图

import numpy as np
import matplotlib.pyplot as plt

plt.rcParams['font.sans-serif'] = ['SimHei']  # 用来正常显示中文标签
plt.rcParams['axes.unicode_minus'] = False  # 用来正常显示负号

labels =['2018年', '2019年', '2020年', '2021年', '2022年']
y = np.random.rand(5)
plt.pie(y,
        explode=(0.1, 0.1, 0.1, 0.1, 0.1),  # 边缘偏离直径的百分比
        labels=labels,
        autopct="%3.1f%%",
        startangle=45,  # 第一个饼片旋转角度
        shadow=True,
        pctdistance=0.8,
        labeldistance=1.2)
plt.show()

绘制散点图

散点图又称为散点分布图，它以一个特征为横坐标，以另一个特征为纵坐标，利用坐标点（散点）的分布形态反映特征间的统计关系。散点图可以提供两类关键信息：特征之间是否存在数值或者数量的关联趋势，关联趋势是线性的还是非线性的如果某一个点或者某几个点偏离大多数点，则这些点就是离群值，可以进一步分析这些离群值是否在建模分析中产生很大的影响

import numpy as np
import matplotlib.pyplot as plt

plt.rcParams['font.sans-serif'] = ['SimHei']  # 用来正常显示中文标签
plt.rcParams['axes.unicode_minus'] = False  # 用来正常显示负号

x = np.arange(0, 100)
y = np.random.normal(1, 20, 100)
plt.scatter(x, y, label='坐标点', color='k', s=25, marker="o")
plt.xlabel('X轴')
plt.ylabel('Y轴')
plt.title('标题')
plt.legend()
plt.show()

绘制3D图像

3D曲面图

import numpy as np
import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D

plt.rcParams['font.sans-serif'] = ['SimHei']  # 用来正常显示中文标签
plt.rcParams['axes.unicode_minus'] = False  # 用来正常显示负号

fig = plt.figure()  # 使用figure对象
ax = Axes3D(fig)  # 创建3D轴对象
X = np.arange(-2, 2, 0.1)  # X坐标数据
Y = np.arange(-2, 2, 0.1)  # Y坐标数据
X, Y = np.meshgrid(X, Y)  # 计算3维曲面分格线坐标


# 用于计算X/Y对应的Z值
def f(x, y):
    return (1 - y ** 5 + x ** 5) * np.exp(-x ** 2 - y ** 2)


# plot_surface()函数绘制对应的曲面
ax.plot_surface(X, Y, f(X, Y), rstride=1, cstride=1)
plt.show()  # 显示图形

3D散点图

import numpy as np
import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D

plt.rcParams['font.sans-serif'] = ['SimHei']  # 用来正常显示中文标签
plt.rcParams['axes.unicode_minus'] = False  # 用来正常显示负号

xs = np.random.randint(30, 40, 100)
ys = np.random.randint(20, 30, 100)
zs = np.random.randint(10, 20, 100)
xs2 = np.random.randint(50, 60, 100)
ys2 = np.random.randint(30, 40, 100)
zs2 = np.random.randint(50, 70, 100)
xs3 = np.random.randint(10, 30, 100)
ys3 = np.random.randint(40, 50, 100)
zs3 = np.random.randint(40, 50, 100)
fig = plt.figure()
ax = Axes3D(fig)
ax.scatter(xs, ys, zs)
ax.scatter(xs2, ys2, zs2, c='r', marker='^')
ax.scatter(xs3, ys3, zs3, c='g', marker='*')
ax.set_xlabel('X label')
ax.set_ylabel('Y label')
ax.set_zlabel('Z label')
plt.show()

3D条状图

import numpy as np
import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D

plt.rcParams['font.sans-serif'] = ['SimHei']  # 用来正常显示中文标签
plt.rcParams['axes.unicode_minus'] = False  # 用来正常显示负号

x = np.arange(8)
y = np.random.randint(0, 10, 8)
y2 = y + np.random.randint(0, 3, 8)
y3 = y2 + np.random.randint(0, 3, 8)
y4 = y3 + np.random.randint(0, 3, 8)
y5 = y4 + np.random.randint(0, 3, 8)
clr = ['red', 'green', 'blue', 'black', 'white', 'yellow', 'orange', 'pink']
fig = plt.figure()
ax = Axes3D(fig)
ax.bar(x, y, 0, zdir='y', color=clr)
ax.bar(x, y2, 10, zdir='y', color=clr)
ax.bar(x, y3, 20, zdir='y', color=clr)
ax.bar(x, y4, 30, zdir='y', color=clr)
ax.bar(x, y5, 40, zdir='y', color=clr)
ax.set_xlabel('X label')
ax.set_ylabel('Y label')
ax.set_zlabel('Z label')
plt.show()