案例数据：https://cloud.189.cn/t/aYbUv2JbEzUn
一、Matplotlib绘图区域
绘图时，一般包括从大到小三个层次：画板、画布、绘图区。窗口是画板，Figure是绘制对象，Axes是绘图区。一个绘制对象中可以包含多个Axes子图，每个Axes都拥有自己坐标系的绘图区域。
可以使用plt.gcf（get current figure）获取当前绘制对象，plt.gca（get current Axes）获取当前绘图区域，plt.sca（set current figure）设置当前操作的绘图区域。
1.1 创建绘图对象
- fugure（num=None,figsize=None,dip=None,facecolor=None,...）
- num：图像编号或者名称
- figsize：图像的宽和高，单位为英寸（1英寸=2.54cm）
- dip：指定绘图对象的分辨率，即每英寸多少个像素
1.2 创建单个子图
- subplot（nrows,ncols,index,**kwargs）
- nrows：总行数
- ncols：总列数
- index：从左到右、从上到下指定编号。如果nrows、ncols、index三个参数都小于10，可以去掉都好，如222
1.3 示例
fig = plt.figure(figsize=(10,8))
fig.suptitle("test1")
ax1 = plt.subplot(221)
ax1.set_title("test221")
ax1.plot([1,2,3,4,5],[4,8,12,16,20])
ax2 = plt.subplot(222)
ax2.plot([5,4,3,2,1])
ax3 = plt.subplot(223)
ax3.plot([1,2,3,3,3])
ax4 = plt.subplot(224)
ax4.plot([5,4,3,3,3])
二、汉字、负号显示问题
plt.figure(figsize=(6,4))
# 中文显示问题
plt.rcParams['font.sans-serif']=['SimHei']
plt.text(0,0,u'这是一个测试')
# 负号显示问题
plt.rcParams['axes.unicode_minus']=False
三、常见图形
3.1 散点图
# 设置图片大小
plt.rcParams['figure.figsize']=8,6
# 设置画板颜色
sns.set_palette(sns.color_palette("muted"))
# 随机生成50个点，x轴取值范围0-20
x = np.random.rand(50)*20
# 随机生成50个点，y轴取值范围0-10
y = np.random.rand(50)*10
plt.plot(x,y,'o')
3.2 气泡图
# 生成50个点
N = 50
x = np.random.rand(N)
y = np.random.rand(N)
# 点的颜色
colors = np.random.rand(N)
# 点的半径
area = (30*np.random.rand(N))**2
# alpha：透明度0.5
plt.scatter(x,y,s=area,c=colors,alpha=0.5)
plt.show()
3.3 线图
t = np.arange(0.0, 2.0, 0.1)
s = np.sin(t*np.pi)
plt.plot(t,s,'r--',label='aaaa')
plt.plot(t*2, s, 'b--', label='bbbb')
plt.xlabel('x')
plt.ylabel('y')
plt.title('test')
# legend 图例 说明
plt.legend()
3.4 小提琴图
类似于箱线图，除了最大值、最小值和中位数，它两侧的曲线还描述了概率密度
data = np.random.rand(20,5)
plt.violinplot(data,showmedians=True,showmeans=False)
3.5 柱状图
# 导入包
import pandas as pd
import seaborn as sns
import numpy as np
import matplotlib.pyplot as plt# 读取数据
df=pd.read_csv("./data/HR.csv")
s = df["salary"]
df.head(4)# 柱状图
plt.title("SALARY")
plt.xlabel("salary")
plt.ylabel("count")
# 添加横轴的标注
plt.xticks(np.arange(len(s.value_counts()))+0.5,s.value_counts().index)
# 设置x轴和y轴最小值、最大值
plt.axis([0,4,0,10000])
# bar(x坐标int或者float，条形的高度int或者float，线条的宽度0-1)
plt.bar(np.arange(len(s.value_counts()))+0.5,s.value_counts(),width=0.5)
for x,y in zip(np.arange(len(s.value_counts()))+0.5,s.value_counts()):
plt.text(x,y,y,ha="center",va="bottom")
plt.show() 
# seaborn绘柱状图
# 设置背景颜色
sns.set_style(style="darkgrid")
plt.rcParams['figure.figsize']=6,6
# 设置字体、字体大小等
sns.set_context(context="poster",font_scale=0.8)
# 设置调色板
# sns.set_palette("spring")
sns.set_palette(sns.color_palette("RdBu",n_colors=7))
sns.countplot(x="salary",data=df)
'''
plt.rcParams['font.sans-serif']=['SimHei'] # 用来显示中文标签
plt.rcParams['axes.unicode_minus']=False # 用来显示负号
plt.rcParams['figure.figsize'] = (16.0, 10.0) # 调整生成的图表最大尺寸
'''
# 设置图片大小
# hue多层绘制
plt.rcParams['figure.figsize']=10,8
sns.countplot(x="salary",hue="department",data=df) 
3.6 直方图
# 去除异常值
df=df.dropna(how="any",axis=0)
df=df[df["last_evaluation"]<=1][df["salary"]!="nme"][df["department"]!="sale"]
# 直方图
f = plt.figure()
f.add_subplot(1,3,1)
# distplot(kde=False):不显示包围曲线
# distplot(hist=False):不显示直方图
sns.distplot(df["satisfaction_level"],kde=False,bins=10)
f.add_subplot(1,3,2)
sns.distplot(df["last_evaluation"],bins=10)
f.add_subplot(1,3,3)
sns.distplot(df["average_monthly_hours"],bins=10)
plt.show()
3.7 箱线图
#箱线图
sns.boxplot(y=df["last_evaluation"],saturation=0.75)
plt.show()
3.8 折线图
# 折线图
# 第一种画法
# sub_df=df.groupby("time_spend_company").mean()
# sns.pointplot(x=sub_df.index,y=sub_df["left"])
# 另一种画法
sns.pointplot(x="time_spend_company",y="left",data=df)
3.9 饼图
# lables标签
lbs=df["department"].value_counts().index
# explode：离开整体，如果某个区域等于sales，离开0.1倍的间隔
explodes=[0.1 if i=="sales" else 0 for i in lbs ]
# autopct：显示百分比，精度小数点后一位
plt.pie(df["department"].value_counts(normalize=True),explode=explodes,autopct='%1.1f%%',colors=sns.color_palette("Reds", n_colors=7),labels=lbs)
plt.show()