数据分析与展示---Matplotlib基本绘图函数

一：基本绘图函数（这里介绍16个，还有许多其他的）

二：pyplot饼图plt.pie的绘制

三：pyplot直方图plt.hist的绘制

（一）修改第二个参数bins:代表直方图的个数，均分为多段，取其中的每段均值

 （二）normed为1代表我们要使用归一化数据（所占比例）在y轴，为0表示每个期间所占个数

四：pyplot极坐标图bar的绘制（角度空间内展示效果不错，在生活中不常用）

五：pyplot散点图的绘制（面向对象绘制：各种绘制函数变为当前图表区域对象的方法，这是推荐的方法）

一：基本绘图函数（这里介绍16个，还有许多其他的）

二：pyplot饼图plt.pie的绘制

import matplotlib
import matplotlib.pyplot as plt

labels = 'Frogs','Hogs','Dogs','Logs'
sizes = [15,30,45,10]　　#这是各个区域所占的大小，不一定是100，会自动换算为百分比
explode = (0,0.1,0,0)　　#0.1是表示这个区域突出的程度

plt.pie(sizes,explode=explode,labels=labels,autopct="%1.1f%%",shadow=False,startangle=90)　　#explode是突出比例，startangle起始角度
plt.show()

plt.axis("equal")　　#将饼图变水平

 

三：pyplot直方图plt.hist的绘制

import numpy as np
import matplotlib.pyplot as plt

np.random.seed(0)
mu,sigma = 100,20 #均值和标准差
a = np.random.normal(mu,sigma,size=100)　　#正态分布，size=100，表示一维数组，长度100

plt.hist(a,20,normed=1,histtype="stepfilled",facecolor="b",alpha=0.75)
plt.title("Histogram")

plt.show()

def hist(x, bins=10, range=None, normed=False, weights=None, cumulative=False,
         bottom=None, histtype='bar', align='mid', orientation='vertical',
         rwidth=None, log=False, color=None, label=None, stacked=False,
         hold=None, data=None, **kwargs):

（一）修改第二个参数bins:代表直方图的个数，均分为多段，取其中的每段均值

plt.hist(a,10,normed=1,histtype="stepfilled",facecolor="b",alpha=0.75)

 

plt.hist(a,20,normed=1,histtype="stepfilled",facecolor="b",alpha=0.75)

plt.hist(a,40,normed=1,histtype="stepfilled",facecolor="b",alpha=0.75)

 

 （二）normed为1代表我们要使用归一化数据（所占比例）在y轴，为0表示每个期间所占个数

plt.hist(a,20,normed=1,histtype="stepfilled",facecolor="b",alpha=0.75)

 

plt.hist(a,20,normed=0,histtype="stepfilled",facecolor="b",alpha=0.75)

 

四：pyplot极坐标图的绘制（角度空间内展示效果不错，在生活中不常用）

import numpy as np
import matplotlib.pyplot as plt   
　　
N = 20　　#表示极坐标图中数据的个数
theta = np.linspace(0.0,2*np.pi,N,endpoint=False)　　#起始值0，结束值2∏，元素个数（等分角度），是否将最后结束值放入数据
radii = 10*np.random.rand(N)　　#生成每个元素对应的值，一维数组含20列
width = np.pi/4*np.random.rand(N)　　#∏/4*np.random..rand(N)  生成宽度值

ax = plt.subplot(111,projection="polar")　　#111绘制一个绘图区域，projection给出了polar绘制极坐标图的指示
bars = ax.bar(theta,radii,width=width,bottom=0.0)　　#left（绘制极坐标区域中那些颜色区域的时候是从哪开始的<角度>）,height（中心点到边缘的长度）,width（每个绘图区域在角度范围内辐射的面积）

for r,bar in zip(radii,bars):
    bar.set_facecolor(plt.cm.viridis(r/10.))　　#使用for循环对每一个绘图区域进行颜色和透明度的设置，若是没有这个那么全是蓝色
    bar.set_alpha(0.5)
    
plt.show()

 

修改N和width

N = 10
width = np.pi/2*np.random.rand(N)

 五：pyplot散点图的绘制（面向对象绘制：各种绘制函数变为当前图表区域对象的方法，这是推荐的方法）

import numpy as np
import matplotlib.pyplot as plt

fig, ax = plt.subplots()　　#返回图表以及图表相关的区域，为空代表绘制区域为111
ax.plot(10*np.random.randn(100),10*np.random.randn(100),'o')　　#randn标准正态分布，有100个元素在一维数组中,乘以10，使值分布大些，plot参数x,y‘o’是实心圆标记
ax.set_title("Simple Scatter")

plt.show()

补充：

subplots和subplot方法作用相似：

subplots会返回一个图表和图表相关的区域
subplot只会返回区域

总结