数据可视化—使用matplotlib绘制常用类型图表

1.折线图的绘制——plot()

语法如下：

matplotlib.pyplot.plot(x,y,format_string,**kwargs)

参数说明：

x:x轴数据
y:y轴数据
format_string:控制曲线格式的字符串，包括颜色、线条样式和标记样式
** kwargs:键值参数，相当于一个字典，比如，输入参数为：（1,2,3,4,k,a=1,b=2,c=3）,args =（1，2，3，4，k）,*kwargs={‘a’:1,’b’:2,’c’:3}.

import pandas as pd
import matplotlib.pyplot as plt
#读取本地excel文件，转化为DataFrame对象
df = pd.read_excel(r'/Users/jackeroo/Downloads/Python数据分析从入门到实践-源码/05/12/data.xls')
#多折线图，x轴和多y轴定义
x = df['姓名']
y1 = df['语文']
y2 = df['数学']
y3 = df['英语']
#设置中文字体，防止乱码
plt.rcParams['font.sans-serif'] = ['SimHei','KaiTi','FangSong','PingFang']
#设置坐标轴的刻度线向内向外显示
plt.rcParams['xtick.direction'] = 'out'
plt.rcParams['ytick.direction'] = 'in'
#设置画布大小、分辨率和背景颜色
plt.figure(figsize=(5,3),dpi=300,facecolor='white')
#设置图标标题
plt.title('语数外成绩大比拼',fontsize=10)
#绘制三条折线图
plt.plot(x,y1,label='语文',color='r',marker='p',)
plt.plot(x,y2,label='数学',color='g',linestyle=':',marker='.',mfc='r',ms=8,alpha=0.7)
plt.plot(x,y3,label='英语',color='b',linestyle='-.',marker='*')
plt.grid(axis='y')  #y轴网格线显示
plt.ylabel('分数',fontsize=8)  #设置Y轴标签
plt.yticks(range(70,150,10),fontsize=6) #y轴的刻度范围设置
plt.xticks(fontsize=7)  #设置x轴的字体大小
plt.legend(['语文','数学','英语'],fontsize=6) #设置图标图例
plt.show()

png

2. 柱状图的绘制——bar()

语法如下：

matplotlib.pyplot.bar(x,height,width,bottom=None,*,align='center',data=None,** kwargs)

参数说明

x: x轴数据
height:柱子的高度，也就是y轴数据
width: 浮点型，柱子的宽度，默认值为0.8，可以指定固定值
bottom:标量或数组，可选参数，柱形图的y坐标，默认值为None
*:星号本身不是参数，星号表示其后面的参数为命名关键字参数，命名关键字参数必须传入参数名，否则程序会出现错误
align:对齐方式，如center是居中对齐，edge是边缘对齐，默认值为center
data: data关键字参数。如果给定一个数据参数，所有位置和关键字参数将被替换
** kwargs: 关键字参数，其他可选参数，如color（颜色），alpha（透明度），label（每个柱子显示的标签）等

2.1基本柱状图的绘制

import pandas as pd
import matplotlib.pyplot as plt
df = pd.read_excel(r'/Users/jackeroo/Downloads/Python数据分析从入门到实践-源码/05/14/books.xlsx',sheet_name='Sheet1')
plt.rcParams['font.sans-serif'] = ['SimHei']
#设置画布大小、分辨率和背景颜色
plt.figure(figsize=(5,3),dpi=300,facecolor='white')
#设置x轴和y轴数据
x = df['年份']
height = df['销售额']
plt.grid(axis='y',which='major',color='gray',linestyle='-.',linewidth=0.5,alpha=0.3)  #设置y轴的网格线样式
#设置X轴也Y轴以及图标标题
plt.xlabel('年份',fontsize=8)
plt.ylabel('线上销售额(百万)',fontsize=8)          
plt.title('2013-2019年线上图书销售额分析图',fontsize=10)
plt.bar(x,height,width=0.5,align='center',color='b',alpha=0.5)   #绘制柱形图
#为每个柱子标注数据
for a,b in zip(x,height):
    plt.text(a,b,format(b,','),ha='center',va='bottom',fontsize=7,color='r',alpha=0.9)
plt.xticks(fontsize=6)
plt.yticks(range(110000,2300000,400000),fontsize=6)  #设置y轴刻度
plt.legend(['销售额'],fontsize=8)   #设置图标图例
plt.show()

png

2.2多柱形图的绘制

import pandas as pd
import matplotlib.pyplot as plt
df = pd.read_excel(r'/Users/jackeroo/Downloads/Python数据分析从入门到实践-源码/05/14/books.xlsx',sheet_name='Sheet2')
plt.rcParams['font.sans-serif'] = ['SimHei']
#设置画布大小、分辨率和背景颜色
plt.figure(figsize=(5,3),dpi=300,facecolor='white')
#设置x轴和y轴数据
x = df['年份']
y1 = df['京东']
y2 = df['天猫']
y3 = df['自营']
width =0.25
plt.grid(axis='y',which='major',color='gray',linestyle='-.',linewidth=0.5,alpha=0.3)  #设置y轴的网格线样式
#设置X轴也Y轴以及图标标题
plt.xlabel('年份信息',fontsize=8)
plt.ylabel('线上销售额(百万)',fontsize=8)          
plt.title('2013-2019年线上图书销售额分析图',fontsize=10)


plt.bar(x,y1,width = width,color='darkorange')   #绘制京东销售额柱形图
plt.bar(x+width,y2,width=width,color='deepskyblue')   #绘制天猫销售额柱形图
plt.bar(x+2*width,y3,width=width,color='g')   #绘制自营销售额柱形图

#为每个柱子标注数据
for a,b in zip(x,y1):
    plt.text(a,b,format(b,','),ha='center',va='bottom',fontsize=4,color='r',alpha=0.9)

for a,b in zip(x,y2):
    plt.text(a+width,b,format(b,','),ha='center',va='bottom',fontsize=4,color='g',alpha=0.9)    

for a,b in zip(x,y3):
    plt.text(a+2*width,b,format(b,','),ha='center',va='bottom',fontsize=4,color='black',alpha=0.9)    

plt.xticks(fontsize=8)
plt.yticks(range(100000,1600000,300000),fontsize=8)  #设置y轴刻度
plt.legend(['京东','天猫','自营'],fontsize=6)   #设置图标图例
plt.show()

png

3. 直方图的绘制

语法如下：

matplotlib.pyplot.hist(x,bins=None,range=None,density=None,bottom=None,histtype='bar', align='mid',log=False,color=None,label=None,stacked=False,normed=None)

参数解释

x：数据集
bins:统计数据的区间分布
range: 元组类型，显示的区间
density: 布尔型，显示频率统计结果，默认值为None。设置为False不显示频率统计结果，设置为True则显示频率统计结果。频率统计结果=区间数目/（总数x区间宽度）。
histtype: 可选参数，设置为bar，barstacked，step或sepfilled，默认值为bar，推荐使用默认配置，step使用的是梯状，stepfilled则会对梯状内部进行填充，效果与bar参数类似
align: 可选参数，值为left，mid或right，默认值为mid，控制柱状图的水平分布，left或者right会有部分的空白区域，推荐使用默认值
log:布尔型，默认值为False，即y坐标轴是选择指数刻度
stacked: 布尔型，默认为False，是否为堆积状图

import pandas as pd
import matplotlib.pyplot as plt
df = pd.read_excel(r'/Users/jackeroo/Downloads/Python数据分析从入门到实践-源码/05/17/grade1.xls')
plt.rcParams['font.sans-serif'] = ['SimHei']
#设置画布大小、分辨率和背景颜色
plt.figure(figsize=(5,3),dpi=300,facecolor='white')
plt.grid(axis='y',which='major',color='gray',linestyle='-.',linewidth=0.5,alpha=0.3)  #设置y轴的网格线样式
x = df['得分']
bins = [0,25,50,75,100,125,150]
plt.xlabel('分数',fontsize=8)
plt.ylabel('学生数量',fontsize=8)
plt.title('高一数学成绩分布直方图',fontsize=10)
plt.hist(x,bins=bins,facecolor='yellow',edgecolor='black',alpha=0.7)
plt.show()

png

4饼图的绘制——`pie()`

语法如下：

matplotlib.pyplot.pie(x,explode=None,labels=None,colors=None,autopct=None, pctdistance=0.6,shadow=False,labeldistance=1.1,startangle=None,raduis=None, counterclock=True,wedgeprops=No,textprops=None,center=(0,0),frame=False,rotatelabels=False,hold=None,data=None)

参数解释

x: 每一块饼形图的比例，如果sum(x)>1会使用sum(x)经行归一化
labels: 每一块饼形图外侧显示的说明文字
explode: 每一块饼形图离中心的距离
startangle: 起始绘制角度，默认是从x轴正方向逆时针画起，如设置值为90，则从y轴正方向画起
shadow：在饼形图下面画一个阴影，默认是为False，即不画阴影。
labeldistance: 标记的绘制位置，相对于半径的比例，默认值为1.1，如小于1，则绘制在饼图内侧。
autopct:设置饼图百分比，可以使用格式化字符串或format函数，如’%1.1f’保留小数后一位。
pctdistance:类似于labeldistance参数，指定百分比的位置刻度，默认值为0.6
radius: 饼图半径，默认为1
countclock: 指定指针方向，布尔型，可选参数，默认值为True，表示逆时针，如果值为False，则表示顺时针
wedgeprops: 字典类型，可选参数，默认值为None。字典传递给wedge对象用来画一个饼图，例如wedgeprops={‘linewidth’:2}设置wedge线宽为2
textprops: 设置标签的比例文字的格式，字典类型，可选参数，默认值为None。传递给text对象的字典参数。
center：浮点类型的列表，可选参数，默认值为（0，0），表示图表中心位置。
frame：布尔型，可选参数，默认值为False，不显示轴框架（也就是网络）；如果值为True，则显示轴框架，与grid函数配合使用。在实际应用中建议使用默认设置，因为显示轴框架会干扰饼形图效果
ratatelabels: 布尔型，可选参数，默认值为False；如果值为True，则旋转到每个标签到指定的角度

4.1 简单饼形图的绘制

import matplotlib.pyplot as plt
plt.figure(figsize=(5,3),dpi=300,facecolor='white')
x = [2,5,12,70,2,9]
plt.pie(x,autopct='%1.1f%%')
plt.show()

png

4.2 基础饼形图的绘制

# -- coding: utf8 --
import pandas as pd
from matplotlib import pyplot as plt
df1 = pd.read_excel(r'/Users/jackeroo/Downloads/Python数据分析从入门到实践-源码/05/19/data2.xls')
#设置中文字体
plt.rcParams['font.sans-serif'] = ['SimHei']
#设置画布大小，分辨率，背景颜色
plt.figure(figsize=(5,3),dpi=300,facecolor='white')
#定义数据
labels = df1['省']
sizes = df1['销量']
#设置饼形图每块的颜色
colors = ['red','yellow','slateblue','green','magenta','cyan','darkorange','lawngreen','pink','gold']
plt.pie(sizes,
        labels=labels,
        colors=colors,
        #explode = (0.1,0.02,0.03,0.01,0,0,0.05,0,0,0.1),  #设置分裂出来的块与中心的距离
        labeldistance = 1.06,
        autopct = '%.1f%%',
        startangle = 90,
        radius = 0.5,
        center = (0.2,0.2),
        textprops ={'fontsize':6,'color':'black'},
        pctdistance = 0.6)

#设置x,y轴刻度一致，保证饼图为圆形
plt.axis('equal')
#设置图表标题
plt.title('2020年1月份各省销量占比情况分析',fontsize=8)
plt.show()

png

4.3分裂饼形图

# -- coding: utf8 --
import pandas as pd
from matplotlib import pyplot as plt
df1 = pd.read_excel(r'/Users/jackeroo/Downloads/Python数据分析从入门到实践-源码/05/19/data2.xls')
#设置中文字体
plt.rcParams['font.sans-serif'] = ['SimHei']
#设置画布大小，分辨率，背景颜色
plt.figure(figsize=(5,3),dpi=300,facecolor='white')
#定义数据
labels = df1['省']
sizes = df1['销量']
#设置饼形图每块的颜色
colors = ['red','yellow','slateblue','green','magenta','cyan','darkorange','lawngreen','pink','gold']
plt.pie(sizes,
        labels=labels,
        colors=colors,
        explode = (0.1,0.02,0.03,0.01,0,0,0.05,0,0,0.1),  #设置分裂出来的块与中心的距离
        labeldistance = 1.06,
        autopct = '%.1f%%',
        startangle = 90,
        radius = 0.5,
        center = (0.2,0.2),
        textprops ={'fontsize':6,'color':'black'},
        pctdistance = 0.6)

#设置x,y轴刻度一致，保证饼图为圆形
plt.axis('equal')
#设置图表标题
plt.title('2020年1月份各省销量占比情况分析',fontsize=8)
plt.show()

png

4.3 环形图

# -- coding: utf8 --
import pandas as pd
from matplotlib import pyplot as plt
df1 = pd.read_excel(r'/Users/jackeroo/Downloads/Python数据分析从入门到实践-源码/05/19/data2.xls')
#设置中文字体
plt.rcParams['font.sans-serif'] = ['SimHei']
#设置画布大小，分辨率，背景颜色
plt.figure(figsize=(5,3),dpi=300,facecolor='white')
#定义数据
labels = df1['省']
sizes = df1['销量']
#设置饼形图每块的颜色
colors = ['red','yellow','slateblue','green','magenta','cyan','darkorange','lawngreen','pink','gold']
plt.pie(sizes,
        labels=labels,
        colors=colors,
        explode = (0.1,0.02,0.03,0.01,0,0,0.05,0,0,0.1),  #设置分裂出来的块与中心的距离
        labeldistance = 1.06,
        autopct = '%.1f%%',
        startangle = 90,
        wedgeprops = {'width':0.16,'edgecolor':'k'},
        radius = 0.5,
        center = (0.2,0.2),
        textprops ={'fontsize':6,'color':'black'},
        pctdistance = 0.85)

#设置x,y轴刻度一致，保证饼图为圆形
plt.axis('equal')
#设置图表标题
plt.title('2020年1月份各省销量占比情况分析',fontsize=8)
plt.show()

png

4.4 内嵌环形图

5. 散点图的绘制

语法如下
matplotlib.pyplot.scatter(x,y,s=None,c=None,marker=None,cmap=None,norm=None, vmin=None,vmax=None,alpha=None,linewidths=None,verts=None,edgecolor=None,data=None, ** kwargs)

参数解释

x，y:数据
s:标记大小，以平方磅为单位的标记面积，设置值如下：
- 数值标量：以相同的大小绘制所有标记
- 行或列向量：使每个标记具有不同的大小，x,y和sz中的相应元素确定每个标记的位置和面积，sz的长度必须等于x和y的长度。
- [] 使用36平方磅的默认面积
c: 标记颜色，可选参数，默认为蓝色
marker：标记样式，可选参数，默认值为’o’.
cmap: 颜色地图，可选参数
norm：可选参数
vmin，vmax: 标量，可选
alpha：透明度，可选参数，0~1之间的数，表示透明度
linewidths: 线宽，标记边缘的宽度，可选参数
verts: （x，y）的序列，可选参数，如果参数marker为None，这些顶点将用于构建标记，标记的中心位于在（0，0）为标准化单位，整体标记重新调整由参数s完成
edgecolors：轮廓颜色，和参数c类似，可选参数，默认值为None
data： data关键字参数，如果给定一个数据参数，所有的位置和关键字参数将被替换
**kwargs：关键字参数，其他可选参数

import pandas as pd
import matplotlib.pyplot as plt
plt.figure(figsize=(5,3),dpi=300,facecolor='white')
aa = r'/Users/jackeroo/Downloads/Python数据分析从入门到实践-源码/05/24/JDdata.xls'
bb = r'/Users/jackeroo/Downloads/Python数据分析从入门到实践-源码/05/24/JDcar.xls'
dfaa = pd.DataFrame(pd.read_excel(aa))
dfbb=pd.DataFrame(pd.read_excel(bb))
df1=dfaa[['业务日期','金额']]
df2=dfbb[['投放日期','支出']]
#去除空日期和金额为0的记录
df1=df1[df1['业务日期'].notnull() & df1['金额'] !=0]
df2=df2[df2['投放日期'].notnull() & df2['支出'] !=0]
df1['业务日期'] = pd.to_datetime(df1['业务日期'])
df2['投放日期'] = pd.to_datetime(df2['投放日期'])
dfData = df1.set_index('业务日期',drop=True)
dfCar=df2.set_index('投放日期',drop=True)
# 按月度统计并显示销售金额
dfData_month=dfData.resample('M').sum().to_period('M')
# 按月度统计并显示广告费支出金额
dfCar_month=dfCar.resample('M').sum().to_period('M')
#x为广告费用，y为销售收入
x=pd.DataFrame(dfCar_month['支出'])
y=pd.DataFrame(dfData_month['金额'])
plt.rcParams['font.sans-serif']=['SimHei'] #解决中文乱码
plt.title('销售收入与广告费散点图',fontsize=10)   #图表标题
plt.scatter(x, y,  color='r') #真实值散点图
plt.show()

png

6. 面积图的绘制

语法如下

matplotlib.pyplot.stackplt(x,*args,data=None,**kwargs)

参数解释

x：x轴的数据
args：当传入的参数个数未知时，使用 args，这里指y轴数据中可以传入多个y轴；
data： data关键字参数，如果给定一个数据参数，所有位置和关键字参数将被替代
**kwargs：关键字参数，其他可选参数，如颜色color,透明度alpha等

6.1 简单面积图的绘制

import matplotlib.pyplot as plt
plt.figure(figsize=(5,3),dpi=300,facecolor='white')
x = [1,2,3,4,5]
y1 = [6,9,5,8,4]
y2 = [3,2,5,4,3]
y3 = [8,7,8,4,3]
y4 = [7,4,6,7,12]
plt.title('简单面积图的绘制结果',fontsize=10)   #图表标题
plt.stackplot(x,y1,y2,y3,y4,colors=['r','g','b','c'])
plt.legend(['x','y1','y2','y3','y4'],fontsize=6)
plt.show()

png

6.2 标准面积图的绘制

import pandas as pd
import matplotlib.pyplot as plt
plt.figure(figsize=(5,3),dpi=300,facecolor='white')
df = pd.read_excel(r'/Users/jackeroo/Downloads/Python数据分析从入门到实践-源码/05/26/books.xlsx')
plt.rcParams['font.sans-serif'] = ['SimHei']
x = df['年份']
y = df['销售额']
plt.title('2013-2019年线上图书销售情况',fontsize=10)
plt.xlabel('销售年份',fontsize=8)
plt.ylabel('销售额（百万元）',fontsize=8)
plt.xticks(fontsize=7)
plt.yticks(fontsize=7)
plt.stackplot(x,y)
plt.show()

png

6.3 堆叠面积图

import pandas as pd
import matplotlib.pyplot as plt
plt.figure(figsize=(5,3),dpi=300,facecolor='white')
df = pd.read_excel(r'/Users/jackeroo/Downloads/Python数据分析从入门到实践-源码/05/26/books.xlsx',sheet_name='Sheet2')
plt.rcParams['font.sans-serif'] = ['SimHei']
x = df['年份']
y1 = df['京东']
y2 = df['天猫']
y3 = df['自营']
plt.title('2013-2019年线上图书销售情况',fontsize=10)
plt.xlabel('销售年份',fontsize=8)
plt.ylabel('销售额/百万',fontsize=8)
plt.xticks(fontsize=7)
plt.yticks(fontsize=7)
plt.stackplot(x,y1,y2,y3,colors=['red','yellow','skyblue'])
plt.ylim(100000,1600000,400000)
plt.legend(['京东','天猫','自营'],loc='upper left',fontsize=6)
plt.show()

png

7. 热力图的绘制

语法如下

matplotlib.pyplot.imshow(x)

7.1 简单热力图的绘制

import matplotlib.pyplot as plt
plt.figure(figsize=(5,3),dpi=300,facecolor='white')
x = [[1,2],[3,4],[5,6],[7,8],[9,10]]
plt.imshow(x)
plt.show()

png

7.2 使用本地数据绘制热力图

import pandas as pd
import matplotlib.pyplot as plt
plt.figure(figsize=(5,3),dpi=300,facecolor='white')
df = pd.read_excel(r'/Users/jackeroo/Downloads/Python数据分析从入门到实践-源码/05/29/data1.xls',sheet_name='高二一班')
plt.rcParams['font.sans-serif'] = ['SimHei']
X = df.loc[:,'语文':'生物'].values
name = df['姓名']
plt.imshow(X)
plt.xticks(range(0,6,1),['语文','数学','英语','物理','化学','生物'],fontsize=6)
plt.yticks(range(0,12,1),name,fontsize=6)
plt.colorbar()
plt.title('学生成绩统计热力图',fontsize=8)
plt.show()

png

8.箱型图的绘制-`boxplot()`

语法如下

matplotlib.pyplot.boxplot(x,notch=None,sym=None,vert=None,whis=None, positions=None,widths=None,patch_artist=None,meanline=None,showmeans=None, showcaps=None,showbox=None,showfliers=None,boxprops=None,labels=None, flierprops=None,medianprops=None,meanprops=None,capprops=None,whiskerprops=None)

参数解释

x:指定要绘制箱型图的数据
notch:是否以凹口的形式展现箱型图，默认非凹口
sym: 指定异常点的形状，默认为加号（+）显示
vert: 是否需要将箱型图垂直摆放，默认垂直摆放
whis：指定上下限与上下四分位的距离，默认为1.5倍的四分位差
positions：指定箱型图的位置，默认为 [0,1,2,3…]
widths: 指定箱型图的宽度，默认为0.5
patch_artist: 是否填充箱体的颜色
meanline: 是否用线的形式表示平均值，默认用点来表示
showmeans: 是否显示均值，默认不显示
showcaps：是否显示箱型图的顶端和末端的两条线，默认显示
showbox: 是否显示箱型图的箱体，默认显示
showfliers:是否显示异常值，默认显示
boxprops：设置箱体的属性，如边框颜色、填充色
labels: 为箱型图添加标签，类似于图例的作用
flierprops: 设置异常值的属性，如异常点的形状，大小，填充色等
medianprops:设置中位数的属性，如线的类型，粗细等
meanprops：设置均值的属性，如点的大小，颜色等
capprops: 设置箱型图的顶端和末端线的属性，如颜色和粗细等
whiskerprops: 设置必须的属性，如颜色，粗细和线的类型等

8.1 简单箱型图的绘制

import matplotlib.pyplot as plt
plt.figure(figsize=(5,3),dpi=200,facecolor='white')
x1 = [1,3,5,7,9]
x2 = [10,22,13,15,8,19]
x3 = [18,31,18,19,14,29]
plt.title('箱型图的绘制结果',fontsize=10)
plt.boxplot([x1,x2,x3],vert=True,patch_artist=True,showmeans=True,notch=False,widths=0.6)
plt.show()

png

8.2 通过箱型图判断异常值

箱型图每部分具体含义以及如何通过箱型图识别异常值

下四分位：上图中的下四分位数是指数据的25%分位点所对应的值（Q1）。计算分位数可以使用Pandas的quantile函数。例如，Q1=df[‘总消费’].quantile(q=0.25);
中位数：中位数即为数据的50%分位点所对应的值（Q2）；
上四分位：上四分位则为数据的75%分位点所对应的值（Q3）；
上限：上限的计算公式为：Q3+1.5(Q3-Q1)
下限：下限的计算公式为：Q1-1.5(Q3-Q1)
分位差：Q3-Q1。

如果使用箱型图识别异常值，其判断标准是，当变量的数值大于箱型图的上限或者小于箱型图的下限时，就可以将这样的数据判定为异常值。

异常值：x > Q3+1.5(Q3-Q1) 或者 x < Q1-1.5(Q3-Q1)
极端异常值：Q3+3(Q3-Q1) 或者 x < Q1-3(Q3-Q1)

import matplotlib.pyplot as plt
import pandas as pd
#设置画布大小和DPI
plt.figure(figsize=(5,3),dpi=200,facecolor='white')
#设置中文字体，防止乱码
plt.rcParams['font.sans-serif'] = ['SimHei']
df = pd.read_excel(r'/Users/jackeroo/Downloads/Python数据分析从入门到实践-源码/05/32/tips.xlsx')
plt.boxplot(x=df['总消费'],
            whis = 1.5,
            widths = 0.3,
            patch_artist = True,
            showmeans = True,
            boxprops = {'facecolor':'RoyalBlue'},
            #指定异常值填充色，边框色和大小
            flierprops = {'markerfacecolor':'red','markeredgecolor':'red','markersize':3},
            #指定中位数的标记符号和颜色
            meanprops = {'marker':'h','markeredgecolor':'black','markersize':8},
            #指定均值点的标记符号，填充色和大小
            medianprops = {'linestyle':'--','color':'orange'},
            labels = [''] #去除x轴的刻度值
)
plt.title('箱型图绘制结果',fontsize=10)
plt.show()
#计算上四分位数和下四分位数
Q1 = df['总消费'].quantile(q=0.25)
Q3 = df['总消费'].quantile(q=0.75)
#基于1.5倍的四分位数差计算上下限对应的值
low_limit = Q1-1.5*(Q3-Q1)
up_limit = Q3+1.5*(Q3-Q1)
#查找异常值
val = df['总消费'][(df['总消费'] > up_limit) | (df['总消费'] < low_limit)]
print('异常值如下：')
print(val)

png

异常值如下：
26     44.30
77     43.11
131    48.27
163    48.17
171    50.81
182    45.35
184    40.55
194    48.33
230    41.19
Name: 总消费, dtype: float64

9 绘制3D图表

额外安装工具包

pip install -- upgrade matplotlib

安装好这个模块后，即可调用mpl_tookits下的mplot3d类进行3D图表的绘制

9.1 3D柱形图的绘制

import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d.axes3d import Axes3D
import numpy as np
#设置画布大小和DPI
fig = plt.figure(figsize=(5,3),dpi=300,facecolor='white')
#设置中文字体，防止乱码
plt.rcParams['font.sans-serif'] = ['SimHei']
axes3d = Axes3D(fig)
zs = [1,5,10,15,20]
for z in zs:
    x = np.arange(0,10)
    y = np.random.randint(0,30,size=10)
    axes3d.bar(x,y,zs=z,zdir='x',color=['red','green','yellow','c'])
plt.title('3D柱形图绘制结果',fontsize=6)
plt.show()

png

9.2 3D曲面图

from matplotlib import cm
from mpl_toolkits.mplot3d import Axes3D
import matplotlib.pyplot as plt
import numpy as np
#设置中文字体，防止乱码
plt.rcParams['font.sans-serif'] = ['KaiTi']
fig = plt.figure(figsize=(5,3),dpi=300,facecolor='white')
ax = fig.gca(projection='3d')
X = np.arange(-5, 5, 0.25)
Y = np.arange(-5, 5, 0.25)
X, Y = np.meshgrid(X, Y)
R = np.sqrt(X**2 + Y**2)
Z = np.sin(R)
surf = ax.plot_surface(X, Y, Z, rstride=1, cstride=1, cmap=cm.coolwarm)
plt.show()

png

10. 绘制多个子图表

语法如下

matplotlib.pyplot.subplot(*args,**kwargs)

参数解释

args: 当传入的参数未知时，使用 args
** kwargs：关键字参数，可他参数可选

10.1绘制多子图的空表——`subplot()`

import matplotlib.pyplot as plt
fig = plt.figure(figsize=(5,3),dpi=200,facecolor='white')
plt.subplot(2,3,1)
plt.subplot(2,3,2)
plt.subplot(2,3,3)
plt.subplot(2,3,4)
plt.subplot(2,3,5)
plt.subplot(2,3,6)
plt.show()

png

10.2 绘制包含多个子图的图表

import matplotlib.pyplot as plt
plt.figure(figsize=(5,3),dpi=300,facecolor='pink')
#绘制第一个子图——折线图
plt.subplot(2,2,1)
plt.plot([1,2,3,4,5])
#绘制第二个子图——散点图
plt.subplot(2,2,2,)
plt.plot([1,2,3,4,5],[2,5,8,12,18],'ro')
#绘制第三个图表——柱形图
plt.subplot(2,1,2)
x = [1,2,3,4,5,6]
height = [10,20,30,40,50,60]
plt.bar(x,height)
plt.show()

png

10.3 `subplots()`绘制多子图

语法如下：

matplotlib.pyplot.subplots(nrows,ncols,sharex,sharey,squeeze,subplot_kw,gridspec_kw,**fig_kw)

参数解释

nrows,ncols:表示画布分割成几行几列，例如nrows=2,ncols=2表示将画布分割成2行2列，且起始值都为0，当调用画布中的坐标时，ax[0,0]表示调用左上角的坐标，ax[1,1]表示调用右下角的坐标
sharex, sharey: 表示坐标轴的属性是否相同，

10.3.1 绘制空表

import matplotlib.pyplot as plt
figure,axes = plt.subplots(2,3)
plt.show()

png

10.3.2 使用`subplots()`绘制多子图图表

import matplotlib.pyplot as plt
figure,axes = plt.subplots(2,2)
axes[0,0].plot([1,2,3,4,5])
axes[0,1].plot([1,2,3,4,5],[2,5,8,12,15],'ro')
#绘制第三个子图表
x = [1,2,3,4,5,6]
height = [10,20,30,40,50,60]
axes[1,0].bar(x,height)
#绘制第四个子图表
x = [2,5,12,70,2,9]
axes[1,1].pie(x,autopct='%1.1f%%')
plt.show()

png

数据可视化—使用matplotlib绘制常用类型图表

1.折线图的绘制——plot()

2. 柱状图的绘制——bar()

2.1基本柱状图的绘制

2.2多柱形图的绘制

3. 直方图的绘制

4饼图的绘制——pie()

4.1 简单饼形图的绘制

4.2 基础饼形图的绘制

4.3分裂饼形图

4.3 环形图

4.4 内嵌环形图

5. 散点图的绘制

6. 面积图的绘制

6.1 简单面积图的绘制

6.2 标准面积图的绘制

6.3 堆叠面积图

7. 热力图的绘制

7.1 简单热力图的绘制

7.2 使用本地数据绘制热力图

8.箱型图的绘制-boxplot()

8.1 简单箱型图的绘制

8.2 通过箱型图判断异常值

9 绘制3D图表

9.1 3D柱形图的绘制

9.2 3D曲面图

10. 绘制多个子图表

10.1绘制多子图的空表——subplot()

10.2 绘制包含多个子图的图表

10.3 subplots()绘制多子图

10.3.1 绘制空表

10.3.2 使用subplots()绘制多子图图表

Jackeroo 钻石

发表评论 取消回复

4饼图的绘制——`pie()`

8.箱型图的绘制-`boxplot()`

10.1绘制多子图的空表——`subplot()`

10.3 `subplots()`绘制多子图

10.3.2 使用`subplots()`绘制多子图图表

发表评论取消回复