使用Python Matplotlib庫繪製圖表的步驟和方法是什麼?

WBOY
發布: 2023-05-08 17:16:17
轉載
1599 人瀏覽過

    中文字體設定:

    # 字体设置
    plt.rcParams['font.sans-serif'] = ["SimHei"]
    plt.rcParams["axes.unicode_minus"] = False
    登入後複製

    1、基本使用

    Matplotlib:是一個Python的2D繪圖庫,透過Matplotlib,開發者可以只需要幾行程式碼,便可以產生折線圖,直方圖,長條圖,餅狀圖,散佈圖等。
    plot是一個畫圖的函數,他的參數:plot([x],y,[fmt],data=None,**kwargs)

    #1.1、線條樣式& 顏色

    (1)點線形式

    使用Python Matplotlib庫繪製圖表的步驟和方法是什麼?

    #(2)線條顏色

    使用Python Matplotlib庫繪製圖表的步驟和方法是什麼?

    import matplotlib.pyplot as plt
    import numpy as np
    # 原始线图
    plt.plot(range(10),[np.random.randint(0,10) for x in range(10)])
    # 点线图
    plt.plot(range(10),[np.random.randint(0,10) for x in range(10)],"*")
    # 线条颜色
    plt.plot([1,2,3,4,5],[1,2,3,4,5],'r') #将颜色线条设置成红色
    登入後複製

    運行結果:

    使用Python Matplotlib庫繪製圖表的步驟和方法是什麼?

    #1.2、軸&標題

    • ##1、設置圖片標題:plt.title

    • 2、設定軸標題:plt.xlabel & plt.ylabel  -  標題名稱

    • 3、設定軸刻度:plt.xticks & plt.yticks  -  刻度長度,刻度標題

    範例:##

    x = range(10)
    y = [np.random.randint(0,10) for x in range(10)]
    plt.plot(x,y,linewidth=10,color='red')
    # 设置图标题
    plt.title("sin函数")
    # 设置轴标题
    plt.xlabel("x轴")
    plt.ylabel("y轴")
    # 设置轴刻度
    plt.xticks(range(10),["第%d天"%x for x in range(1,10)])
    plt.yticks(range(10),["第%d天"%x for x in range(1,10)])
    # 加载字体
    plt.rcParams['font.sans-serif'] = ["SimHei"]
    plt.rcParams["axes.unicode_minus"] = False
    登入後複製

    # 運行結果:

    使用Python Matplotlib庫繪製圖表的步驟和方法是什麼?1.3、marker設定

    marker:关键点重点标记
    登入後複製

    範例:

    x = range(10)
    y = [np.random.randint(0,10) for x in range(10)]
    plt.plot(x,y,linewidth=10,color='red')
    # 重点标记
    plt.plot(x,y,marker="o",markerfacecolor='k',markersize=10)
    登入後複製

    運行結果:

    使用Python Matplotlib庫繪製圖表的步驟和方法是什麼?1.4、註解文字

    annotate:注释文本
    登入後複製

    #範例:

    x = range(10)
    y = [np.random.randint(0,10) for x in range(10)]
    plt.plot(x,y,linewidth=10,color='red')
    # 重点标记
    plt.plot(x,y,marker="o",markerfacecolor='k',markersize=10)
    
    # 注释文本设置
    plt.annotate('local max', xy=(5, 5), xytext=(10,15),
    arrowprops=dict(facecolor='black',shrink=0.05),
    )
    登入後複製

    執行結果:

    使用Python Matplotlib庫繪製圖表的步驟和方法是什麼?1.5、設定圖形樣式

    plt.figure:调整图片的大小和像素
    	`num`:图的编号,
    	`figsize`:单位是英寸,
    	`dpi`:每英寸的像素点,
    	`facecolor`:图片背景颜色,
    	`edgecolor`:边框颜色,
    	`frameon`:是否绘制画板。
    登入後複製

    範例:

    x = range(10)
    y = [np.random.randint(0,10) for x in range(10)]
    # 设置图形样式
    plt.figure(figsize=(20,10),dpi=80)
    plt.plot(x,y,linewidth=10,color='red')
    登入後複製

    運行結果:

    使用Python Matplotlib庫繪製圖表的步驟和方法是什麼?2、長條圖

    #應用場景:

      1 . 數量統計。
    • 2. 頻率統計。
    相關參數:

    barh:長條圖

      1. `x`:一個陣列或列表,代表需要繪製的長條圖的x軸的座標點。 
    • 2. `height`:一個陣列或列表,代表需要繪製的長條圖y軸的座標點。 
    • 3. `width`:每個長條圖的寬度,預設是0.8的寬度。
    • 4. `bottom`:`y`軸的基線,預設是0,也就是距離底部為0.  
    • ##5. `align`:對齊方式,預設是`center`,也就是跟指定的`x`座標居中對齊,還有為`edge`,靠邊對齊,具體靠右邊還是靠左邊,看`width`的正負。 
    • 6. `color`:長條圖的顏色。
    • 2.1、橫向長條圖範例
    • movies = {
          "流浪地球":40.78,
          "飞驰人生":15.77,
          "疯狂的外星人":20.83,
          "新喜剧之王":6.10,
          "廉政风云":1.10,
          "神探蒲松龄":1.49,
          "小猪佩奇过大年":1.22,
          "熊出没·原始时代":6.71
      }
      plt.barh(np.arange(len(movies)),list(movies.values()))
      plt.yticks(np.arange(len(movies)),list(movies.keys()),fontproperties=font)
      plt.grid()
      登入後複製
    運行結果

    2.2、分組長條圖使用Python Matplotlib庫繪製圖表的步驟和方法是什麼?

    範例:

    movies = {
        "流浪地球":[2.01,4.59,7.99,11.83,16],
        "飞驰人生":[3.19,5.08,6.73,8.10,9.35],
        "疯狂的外星人":[4.07,6.92,9.30,11.29,13.03],
        "新喜剧之王":[2.72,3.79,4.45,4.83,5.11],
        "廉政风云":[0.56,0.74,0.83,0.88,0.92],
        "神探蒲松龄":[0.66,0.95,1.10,1.17,1.23],
        "小猪佩奇过大年":[0.58,0.81,0.94,1.01,1.07],
        "熊出没·原始时代":[1.13,1.96,2.73,3.42,4.05]
    }
    plt.figure(figsize=(20,8))
    width = 0.75
    bin_width = width/5
    movie_pd = pd.DataFrame(movies)
    ind = np.arange(0,len(movies))
    
    # 第一种方案
    for index in movie_pd.index:
        day_tickets = movie_pd.iloc[index]
        xs = ind-(bin_width*(2-index))
        plt.bar(xs,day_tickets,width=bin_width,label="第%d天"%(index+1))
        for ticket,x in zip(day_tickets,xs):
            plt.annotate(ticket,xy=(x,ticket),xytext=(x-0.1,ticket+0.1))
    # 设置图例
    plt.ylabel("单位:亿")
    plt.title("春节前5天电影票房记录")
    # 设置x轴的坐标
    plt.xticks(ind,movie_pd.columns)
    plt.xlim
    plt.grid(True)
    plt.show()
    登入後複製
    運行結果:

    2.3、堆疊長條圖使用Python Matplotlib庫繪製圖表的步驟和方法是什麼?

    範例:

    menMeans = (20, 35, 30, 35, 27)
    womenMeans = (25, 32, 34, 20, 25)
    groupNames = ('G1','G2','G3','G4','G5')
    xs = np.arange(len(menMeans))
    plt.bar(xs,menMeans)
    plt.bar(xs,womenMeans,bottom=menMeans)
    plt.xticks(xs,groupNames)
    plt.show()
    登入後複製
    運行結果:

    ##3、直方圖

    使用Python Matplotlib庫繪製圖表的步驟和方法是什麼?

    plt.hist:直方圖

    #1. x:陣列或可以循環的序列;

    • 2. bins:數字或序列(陣列/列表等);

    • 3. range:元組或None,如果為元組,那麼指定`x`分割區間的最大值和最小值;

    • 4. density:預設是`False`,如果等於`True`,那麼將會使用頻率分佈直方圖;

    • #5. cumulative:如果這個和`density`都等於`True`,那麼傳回值的第一個參數會不斷的累加,最後等於`1`。

    • 應用場景:

    #1. 顯示各組資料數量分佈的情況。

    • 2. 用於觀察異常或孤立資料。

    • 3. 抽取的樣本數太小,將會產生較大誤差,可信度低,也就失去了統計的意義。因此,樣本數不應少於50個。

    • 3.1、直方圖

    範例:

    durations = [131,  98, 125, 131, 124, 139, 131, 117, 128, 108, 135, 138, 131, 102, 107, 114, 119, 128, 121, 142, 127, 130, 124, 101, 110, 116, 117, 110, 128, 128, 115,  99, 136, 126, 134,  95, 138, 117, 111,78, 132, 124, 113, 150, 110, 117,  86,  95, 144, 105, 126, 130,126, 130, 126, 116, 123, 106, 112, 138, 123,  86, 101,  99, 136,123, 117, 119, 105, 137, 123, 128, 125, 104, 109, 134, 125, 127,105, 120, 107, 129, 116, 108, 132, 103, 136, 118, 102, 120, 114,105, 115, 132, 145, 119, 121, 112, 139, 125, 138, 109, 132, 134,156, 106, 117, 127, 144, 139, 139, 119, 140,  83, 110, 102,123,107, 143, 115, 136, 118, 139, 123, 112, 118, 125, 109, 119, 133,112, 114, 122, 109, 106, 123, 116, 131, 127, 115, 118, 112, 135,115, 146, 137, 116, 103, 144,  83, 123, 111, 110, 111, 100, 154,136, 100, 118, 119, 133, 134, 106, 129, 126, 110, 111, 109, 141,120, 117, 106, 149, 122, 122, 110, 118, 127, 121, 114, 125, 126,114, 140, 103, 130, 141, 117, 106, 114, 121, 114, 133, 137,  92,121, 112, 146,  97, 137, 105,  98, 117, 112,  81,  97, 139, 113,134, 106, 144, 110, 137, 137, 111, 104, 117, 100, 111, 101, 110,105, 129, 137, 112, 120, 113, 133, 112,  83,  94, 146, 133, 101,131, 116, 111,  84, 137, 115, 122, 106, 144, 109, 123, 116, 111,111, 133, 150]
    plt.figure(figsize=(15,5))
    nums,bins,patches = plt.hist(durations,bins=20,edgecolor='k')
    plt.xticks(bins,bins)
    for num,bin in zip(nums,bins):
        plt.annotate(num,xy=(bin,num),xytext=(bin+1.5,num+0.5))
    plt.show()
    登入後複製

    運行結果:

    使用Python Matplotlib庫繪製圖表的步驟和方法是什麼?

    3.2、频率直方图

    density:频率直方分布图
    登入後複製

    范例:

    nums,bins,patches = plt.hist(durations,bins=20,edgecolor='k',density=True,cumulative=True)
    plt.xticks(bins,bins)
    for num,bin in zip(nums,bins):
        plt.annotate("%.4f"%num,xy=(bin,num),xytext=(bin+0.2,num+0.0005))
    登入後複製

    运行结果:

    使用Python Matplotlib庫繪製圖表的步驟和方法是什麼?

    3.3、直方图

    cumulative参数:nums的总和为1
    登入後複製

    范例:

    plt.figure(figsize=(15,5))
    nums,bins,patches = plt.hist(durations,bins=20,edgecolor='k',density=True,cumulative=True)
    plt.xticks(bins,bins)
    for num,bin in zip(nums,bins):
        plt.annotate("%.4f"%num,xy=(bin,num),xytext=(bin+0.2,num+0.0005))
    登入後複製

    运行结果:

    使用Python Matplotlib庫繪製圖表的步驟和方法是什麼?

    4、散点图

    plt.scatter:散点图绘制:

    • 1. x,y:分别是x轴和y轴的数据集。两者的数据长度必须一致。

    • 2. s:点的尺寸。

    • 3. c:点的颜色。

    • 4. marker:标记点,默认是圆点,也可以换成其他的。

    范例:

    plt.scatter(x =data_month_sum["sumprice"]     #传入X变量数据
                ,y=data_month_sum["Quantity"]     #传入Y变量数据
                ,marker='*'     #点的形状
                ,s=10           #点的大小
                ,c='r'          #点的颜色
               )
    plt.show()
    登入後複製

    运行结果:

    使用Python Matplotlib庫繪製圖表的步驟和方法是什麼?

    5、饼图

    饼图:一个划分为几个扇形的圆形统计图表,用于描述量、频率或百分比之间的相对关系的。
    登入後複製

    matplotlib中,可以通过plt.pie来实现,其中的参数如下:

    x:饼图的比例序列。labels:饼图上每个分块的名称文字。explode:设置某几个分块是否要分离饼图。autopct:设置比例文字的展示方式。比如保留几个小数等。shadow:是否显示阴影。textprops:文本的属性(颜色,大小等)。 范例

    plt.figure(figsize=(8,8),dpi=100,facecolor='white')
    plt.pie(x = StockCode.values,                  #数据传入
            radius=1.5,                            #半径
            autopct='%.2f%%'                       #百分比显示
            ,pctdistance=0.6,                      #百分比距离圆心比例
            labels=StockCode.index,                #标签
            labeldistance=1.1,                     #标签距离圆心比例
            wedgeprops ={'linewidth':1.5,'edgecolor':'green'}, #边框的线宽和颜色
            textprops={'fontsize':10,'color':'blue'})  #文本字体大小和颜色
    plt.title('商品销量占比',pad=100)              #设置标题及距离坐标轴的位置
    plt.show()
    登入後複製

    运行结果:

    使用Python Matplotlib庫繪製圖表的步驟和方法是什麼?

    6、箱线图

    箱图的绘制方法是:

    • :1、先找出一组数据的上限值、下限值、中位数(Q2)和下四分位数(Q1)以及上四分位数(Q3)

    • :2、然后连接两个四分位数画出箱子

    • :3、再将最大值和最小值与箱子相连接,中位数在箱子中间。

    中位数:把数据按照从小到大的顺序排序,然后最中间的那个值为中位数,如果数据的个数为偶数,那么就是最中间的两个数的平均数为中位数。
    上下四分位数:同样把数据排好序后,把数据等分为4份。出现在`25%`位置的叫做下四分位数,出现在`75%`位置上的数叫做上四分位数。但是四分位数位置的确定方法不是固定的,有几种算法,每种方法得到的结果会有一定差异,但差异不会很大。

    上下限的计算规则是:

    • IQR=Q3-Q1

    • 上限=Q3+1.5IQR

    • 下限=Q1-1.5IQR

    matplotlib中有plt.boxplot来绘制箱线图,这个方法的相关参数如下:

    x:需要绘制的箱线图的数据。notch:是否展示置信区间,默认是False。如果设置为True,那么就会在盒子上展示一个缺口。sym:代表异常点的符号表示,默认是小圆点。vert:是否是垂直的,默认是True,如果设置为False那么将水平方向展示。whis:上下限的系数,默认是1.5,也就是上限是Q3+1.5IQR,可以改成其他的。也可以为一个序列,如果是序列,那么序列中的两个值分别代表的就是下限和上限的值,而不是再需要通过IQR来计算。positions:设置每个盒子的位置。widths:设置每个盒子的宽度。labels:每个盒子的labelmeanlineshowmeans:如果这两个都为True,那么将会绘制平均值的的线条。

    范例:

    #箱线图 - 主要观察数据是否有异常(离群点)
    #箱须-75%和25%的分位数+/-1.5倍分位差
    plt.figure(figsize=(6.4,4.8),dpi=100)
    
    #是否填充箱体颜色,是否展示均值,是否展示异常值,箱体设置,异常值设置,均值设置,中位数设置
    plt.boxplot(x=UnitPrice                               #传入数据
                ,patch_artist=True                                #是否填充箱体颜色
                ,showmeans=True                                   #是否展示均值
                ,showfliers=True                                  #是否展示异常值
                ,boxprops={'color':'black','facecolor':'white'}    #箱体设置
                ,flierprops={'marker':'o','markersize':4,'markerfacecolor':'red'} #异常值设置
                ,meanprops={'marker':'o','markersize':6,'markerfacecolor':'indianred'} #均值设置
                ,medianprops={'linestyle':'--','color':'blue'}   #中位数设置
               )
    plt.show()
    登入後複製

    运行结果:

    使用Python Matplotlib庫繪製圖表的步驟和方法是什麼?

    7、雷达图

    雷达图:又被叫做蜘蛛网图,适用于显示三个或更多的维度的变量的强弱情况
    登入後複製

    plt.polar来绘制雷达图,x轴的坐标点应该为弧度(2*PI=360°)

    范例:

    import numpy as np
    properties = ['输出','KDA','发育','团战','生存']
    values = [40,91,44,90,95,40]
    theta = np.linspace(0,np.pi*2,6)
    plt.polar(theta,values)
    plt.xticks(theta,properties)
    plt.fill(theta,values)
    登入後複製

    运行结果:

    使用Python Matplotlib庫繪製圖表的步驟和方法是什麼?

    注意事项:

    • 因為polar並不會完成線條的閉合繪製,所以我們在繪製的時候需要在theta中和values中在最後多重複加入第0個位置的值,然後在繪製的時候就可以和第1個點進行閉合了。

    • polar只是繪製線條,所以如果想要在裡面進行顏色填充,那麼需要呼叫fill函數來實現。

    • polar預設的圓圈的座標是角度,如果我們想要改成文字顯示,那麼可以透過xticks來設定。

    #

    以上是使用Python Matplotlib庫繪製圖表的步驟和方法是什麼?的詳細內容。更多資訊請關注PHP中文網其他相關文章!

    相關標籤:
    來源:yisu.com
    本網站聲明
    本文內容由網友自願投稿,版權歸原作者所有。本站不承擔相應的法律責任。如發現涉嫌抄襲或侵權的內容,請聯絡admin@php.cn
    熱門教學
    更多>
    最新下載
    更多>
    網站特效
    網站源碼
    網站素材
    前端模板