给 iOS 开发者的 python 学习日记十七

之前我们讨论过关于资料角力( Data wranging) 他的目的多半是为了后续的数据视觉话或者建立机器学习的模型。

Python中的视觉化套件有静态的matplotlib跟seaborn套件还有动态的bokeh套件。

我们今天就试着用matplotlib来画出一些基本的图行，包含了

直方图（Histogram）

散布图（Scatter plot）

线图（Line plot）

长条图（Bar plot）

盒须图（Box plot）

我们的开发环境是Jupyter Notebook，这个指令可以让图形不会在新视窗呈现。

%matplotlib inline

直方图（Histogram）

使用matplotlib.pyplot的hist()方法。

散布图（Scatter plot）

使用matplotlib.pyplot的scatter()方法。

%matplotlib inline

import matplotlib.pyplot as plt

speed = [4, 4, 7, 7, 8, 9, 10, 10, 10, 11, 11, 12, 12, 12, 12, 13, 13, 13, 13, 14, 14, 14, 14, 15, 15, 15, 16, 16, 17, 17, 17, 18, 18, 18, 18, 19, 19, 19, 20, 20, 20, 20, 20, 22, 23, 24, 24, 24, 24, 25]

dist = [2, 10, 4, 22, 16, 10, 18, 26, 34, 17, 28, 14, 20, 24, 28, 26, 34, 34, 46, 26, 36, 60, 80, 20, 26, 54, 32, 40, 32, 40, 50, 42, 56, 76, 84, 36, 46, 68, 32, 48, 52, 56, 64, 66, 54, 70, 92, 93, 120, 85]

plt.scatter(speed, dist)

plt.show()

线图（Line plot）

使用 matplotlib.pyplot 的 plot() 方法。

%matplotlib inline

import matplotlib.pyplot as plt

speed = [4, 4, 7, 7, 8, 9, 10, 10, 10, 11, 11, 12, 12, 12, 12, 13, 13, 13, 13, 14, 14, 14, 14, 15, 15, 15, 16, 16, 17, 17, 17, 18, 18, 18, 18, 19, 19, 19, 20, 20, 20, 20, 20, 22, 23, 24, 24, 24, 24, 25]

dist = [2, 10, 4, 22, 16, 10, 18, 26, 34, 17, 28, 14, 20, 24, 28, 26, 34, 34, 46, 26, 36, 60, 80, 20, 26, 54, 32, 40, 32, 40, 50, 42, 56, 76, 84, 36, 46, 68, 32, 48, 52, 56, 64, 66, 54, 70, 92, 93, 120, 85]

plt.plot(speed, dist)

plt.show()

长条图（Bar plot）

使用 matplotlib.pyplot 的 bar() 方法。

%matplotlib inline

from collections import Counter

import matplotlib.pyplot as plt

import numpy as np

cyl = [6 ,6 ,4 ,6 ,8 ,6 ,8 ,4 ,4 ,6 ,6 ,8 ,8 ,8 ,8 ,8 ,8 ,4 ,4 ,4 ,4 ,8 ,8 ,8 ,8 ,4 ,4 ,4 ,8 ,6 ,8 ,4]

labels, values = zip(*Counter(cyl).items())

width = 1

plt.bar(indexes, values)

plt.xticks(indexes + width * 0.5, labels)

plt.show()

盒须图（Box plot）

使用matplotlib.pyplot的boxplot()方法。

输出图形

使用圖形物件的savefig()方法。

小結

我们练习使用Python的视觉化套件matplotlib绘制基本的图形。