数据可视化：认识Matplotlib

数据经过NumPy和Pandas的计算，最终得到了我们想要的数据结论，但是这些数据结论并不直观，所以想要把数据分析的结论做到可视化，让任何其他人看起来毫无压力，那么Matplotlib将派上用场。

Matplotlib简介

Matplotlib是一个Python全面的绘图库，用于创建静态、动画和交互式可视化。通过 Matplotlib，我们可以仅需要写几行代码，就可以生成绘图，直方图，功率谱，条形图，错误图，散点图等，方便数据展示。

Matplotlib的官网地址为https://matplotlib.org/，这里有权威的官网资料，同样与numpy和pandas一样，文档是英文的表达，对读者有一定的能力要求。

折线图

代码运行结果会生成y=2x的坐标图，如图所示。如果不设置plt的rcParams的参数值，那么生成的图片中将无法正常显示中文。

绘制折线图方法plt.plot(x,y,format_string,**kwargs)

x:x轴数据，列表或数组，可选

y:y轴数据，列表或数组

format_string：控制曲线的格式字符串，可选，由颜色字符、风格字符和标记字符组成。

**kwargs：表示可选多个

常用的控制曲线格式的字符串如下几种：

color:控制颜色，color=’g’

linestyle:线条风格，简写ls，例如ls='-'。'--'表示长虚线

marker:标记风格，例如marker = 'o'，

markerfacecolor:标记颜色，简写用mfc，例如mfc= 'red'

markersize:标记尺寸，简写用ms，例如ms= 10

下面使用上面的自定义参数制作一个个性化的图表：

代码运行结果如图所示

常用的颜色字符的简写如表所示，基本上可以用颜色英文单词的首字母。如果需要更多颜色，也支持使用16进制的RGB色彩模式。

常用风格字符

常见的标记字符

散点图

代码运行结果会生成x轴和y轴指定点的坐标图，如图所示。scatter ()函数中的color表示颜色，marker表示点的形状,与plot的值通用。

直方图

代码运行结果如图所示。randn()函数的作用就是从标准正态分布中返回一个或多个样本值。标准正态分布俗称高斯分布，正态分布是大自然中最常见的分布，标准正态分布就是期望为0，方差为1的正态分布。

在hist()方法中参数含义如下：

data:必选参数，绘图数据

bins:直方图的长条形数目，默认为10,为了更加明显地看出正态分布，可以设置大一些。

fc:全写为facecolor，长条形的颜色

ec:全写为edgecolor，长条形边框的颜色

条形图

在之前的小节中得到了高分电影上映年份的TOP，现在我们就将此数据做成可视化的条形图。

代码运行结果如图所示，得到这个可视化的图表后，在简单意义上已经完成了一个简单的数据获取、分析以及可视化的过程。

条形图绘制函数bar(),基本用法如下：

bar(x, height, width=0.8, bottom=None, *, align='center', data=None, **kwargs)

x: 横坐标（序列）

height：纵坐标（系列）

width：条形图的宽度，默认是0.8，可以根据实际大小设置，以更加美观

bottom：用于绘制堆叠条形图，默认值为None

align：x轴刻度标签的对齐方式，包括：'center'，'edge'，默认是'center'

饼图

代码运行结果如图所示。

pie()方法用来绘制饼图, pie的参数有很多，如下所列出：

pie方法常用的参数有以下几个：

x:饼图百分比数据

labels：设置饼图中各个部分的标签

autopct：设置百分比信息的字符串格式化方式，默认值为None,不显示百分比

shadow：设置饼图的阴影，使得看上去有立体感，默认值为False

startangle：设置饼图中第一个部分的起始角度

radius：设置饼图的半径，数值越大，饼图越大

counterclock：设置饼图的方向，默认为True，表示逆时针方向，值为False时为顺时针方向

colors：颜色设置，默认值为None, 会使用默认的调色盘，所以通常情况下，不需要设置该参数。但是调色盘会有10个颜色，上图例子中有11个部分，这样造成了首位颜色一样，不好区分，所以设置自定义11个颜色的调色盘

explode：设置突出显示饼图中的指定部分，参数值需要与x的个数一致