Python3数据分析入门实战_06 绘图可视化 Matplotlib

版权声明：未经博主本人同意，请勿私自转发分享。 https://blog.csdn.net/Nerver_77/article/details/85279895

4. 绘图可视化之Matplotlib

写在开头，matplotlib 是 可用于Python脚本，Python和IPython shell，Jupyter，Web应用程序の可视化 2D绘图库。

• Matplotlib Architecture(架构简述)

  • Backend：图表显示位置的控制
  • Artist：图表显示样式
  • Scripting：pyplot等语法API进行绘图

• 主要方法：plot()

  • show()

    import numpy as np
    import matplotlib.pyplot as plt
    a = [1,2,3]
    plt.plot(a)
    plt.show() # 在jupyter中可采用下述 magic func 减少show()方法的重复使用
    

    

  • magic function：IPython中将任何第一个字母为%的行视为Magic函数的特殊调用，可以控制IPython，为其增加许多系统功能。

    • %matplotlib inline：可以在Ipython编译器里直接使用，功能是可以内嵌绘图，并且可以省略掉plt.show()这一步操作。
    • %timeit：对于任意语句，它会自动多次执行以产生一个非常精确的平均执行时间。

  • plot()相关属性举例

    # 准备数据
    t = np.arange(0.0, 2.0, 0.1)
    s = np.sin(t*np.pi)
    # plot()绘图 label为该图表线标签，于legend()控制label是否展示
    # 'b--'：代表蓝色，线style为 --
    plt.plot(t, s, 'b--',label='aaaa')
    plt.plot(t*2, s ,'r--',label='bbbb')
    # 添加坐标轴标签
    plt.xlabel('this is x')
    plt.ylabel('this is y')
    plt.legend()
    

  
  更多API用法请见：https://matplotlib.org/api/_as_gen/matplotlib.pyplot.html?highlight=plot#module-matplotlib.pyplot

• subplot(line, column, position)

  • 分模块区域画图

    # subplot()切换子图(行，列，位置) 
    # 模块1
    plt.subplot(2, 2, 1)
    plt.plot(x, y1, 'b--', label='sin(x*pi)')
    plt.ylabel('y1 value')
    # 模块2
    plt.subplot(2, 2, 2)
    plt.plot(x, y2, 'r--', label='sin(x*pi)')
    plt.ylabel('y2 value')
    # 模块3
    plt.subplot(2, 2, 3)
    plt.plot(x, y2, 'r*', label='sin(x*pi)')
    plt.ylabel('y1 value')
    # 模块4
    plt.subplot(2, 2, 4)
    plt.plot(x, y1, 'b*', label='sin(x*pi)')
    plt.ylabel('y1 value')
    

    

  • subplots()：方法会返回画图对象和坐标对象ax，figsize是子图长宽信息

    figure, ax = plt.subplots(2,2)
    # 分别在[0][0] 和 [1][1] 区域绘图
    ax[0][0].plot(x, y1, 'b--')
    ax[1][1].plot(x, y2, 'g--')
    

  

写在开头，Series以及DataFrame均含有plot()方法进行绘图，API相关如下：

Series.plot()：http://pandas.pydata.org/pandas-docs/stable/generated/pandas.Series.plot.html#pandas.Series.plot

Series.plot(kind='line', ax=None, figsize=None, use_index=True, title=None, grid=None, 
legend=False, style=None, logx=False, logy=False, loglog=False, xticks=None, yticks=None, 
xlim=None, ylim=None, rot=None, fontsize=None, colormap=None, table=False, yerr=None, 
xerr=None, label=None, secondary_y=False, **kwds)

DataFrame.plot()：http://pandas.pydata.org/pandas-docs/stable/generated/pandas.DataFrame.plot.html

DataFrame.plot(x=None, y=None, kind='line', ax=None, subplots=False, sharex=None, 
sharey=False, layout=None, figsize=None, use_index=True, title=None, grid=None, 
legend=True, style=None, logx=False, logy=False, loglog=False, xticks=None, yticks=None, 
xlim=None, ylim=None, rot=None, fontsize=None, colormap=None, table=False, yerr=None, 
xerr=None, secondary_y=False, sort_columns=False, **kwds)

• Series绘图

  # 累加和
  s1 = Series(np.random.randn(10)).cumsum()
  s2 = Series(np.random.randn(10)).cumsum()
  # 绘图
  s1.plot(kind='line', label='S1', title='this is a series', grid=True)
  s2.plot(label='S2',grid=True)
  plt.legend()
  

  

  # 通过子图绘制多个图表
  fig, ax = plt.subplots(2, 1)
  ax[0].plot(s1)
  ax[1].plot(s2)
  

  

• DataFrame绘图

  # 构造数据框
  df = DataFrame(
    np.random.randint(1,10,40).reshape(10,4),
    columns=['A','B','C','D']
  )
  # 默认按列画图 [横向柱状图、使用堆叠效果]
  df.plot(kind='barh', stacked=True)
  

  

  # 快速按行画图，转置数据框后操作
  df.T.plot()
  # 循环按行画图
  for i in df.index:
      df.iloc[i].plot(label=str(i))
  plt.legend()
  plt.show()
  # 效果同上
  

  

  # 按照某一列画图
  df['A'].plot(kind='bar')
  

  

  #按照某一行画图 [基于index]
  df.iloc[5].plot(kind='bar')
  

  

• 直方图和密度图

  s = Series(np.random.randn(1000))
  

  • 直方图：hist()

    plt.hist(s,rwidth=0.8, color='r', bins=20)
    

  

  • 密度图：plot(kind='kde')

    s.plot(kind='kde')