Matplotlib（基本用法）
Matplotlib 是數據分析繪圖的常見模塊，可以算是 2D-繪圖（Python）領域使用最廣泛的套件，可以將數據圖形化，並且提供多樣化的輸出格式，利於數據的顯示並分析。
接下來展示的是Matplotlib 常見繪製的圖形，也是我自己對知識的一種總結。
# 模塊的導入
import matplotlib.pyplot as plt
import numpy as np
matplotlib經常會遇到中文顯示不出來的問題，中文亂碼設置一般在設置樣式之後，之前一直沒注意順序，導致一直沒看到效果（😶）
# 設置樣式 plt.style.use('seaborn') # 設置中文亂碼 plt.rcParams['font.sans-serif'] = 'KaiTi' plt.rcParams['font.sans-serif'] = ['SimHei'] #用來正常顯示中文標籤 # 忽視警告 import warnings warnings.filterwarnings('ignore')
繪製折線圖，折線圖可以直觀得對比數據間的變化
# 構造數據 breakfast = [4,8,8,6,10,4] lunch = [25,10,10,15,50,15] dinner = [20,30,10,30,50,40] # 繪製折線圖 plt.plot(breakfast,label='breakfast',linewidth=4,c='green') plt.plot(lunch,label='lunch',linewidth=4,c='blue') plt.plot(dinner,label='dinner',linewidth=4,c='pink')
# 設置樣式
x_ticks = [f’星期{i}’ for i in range(1,7)]
plt.xticks(ticks=range(6),labels=x_ticks) # x軸刻度值所一一對應的值
plt.ylabel(‘消費金額：單位（元）’)
plt.title(‘深圳社畜每天三餐的消費’)
#添加圖例upper right 右上角 邊框 透明度 陰影 邊框寬度
plt.legend(loc=’upper right’,fancybox=True,framealpha=1,shadow=True,borderpad=1)
繪製曲線圖
# 繪製曲線圖 plt.figure(figsize=(15,5)) # 設置畫布 x = np.linspace(1,10,num=100) plt.subplot(1,3,1) # 添加分佈 1行3列 第1列畫布繪製 plt.plot(x,np.sin(x),linewidth='7',color='blue') # 正弦 plt.subplot(1,3,2) # 第2列畫布繪製 plt.plot(x,np.cos(x),linewidth='7',color='red') # 餘弦 plt.subplot(1,3,3) # 第3列畫布繪製 plt.plot(x,np.tanh(x),linewidth='7',color='green') # 正切
繪製散點圖 一般用於查看數據是否線性相關 中間可以添加直線分析
# 繪製散點圖 x = np.random.rand(100) # rand：服從「0~1」均勻分佈的隨機樣本值均勻分佈 y = np.random.rand(100) colors = np.random.rand(100) sizes = np.random.rand(100)*400 plt.scatter(x,y,c=colors,s=sizes)
繪製條形圖 可以多數據（例如每一年4個季度，一起比較分析）
# 繪製縱向條形圖 x=[2020,2025,2030,2035] y=[1000,3000,4000,5000] plt.figure(figsize=(15,5)) # 設置畫布 plt.subplot(1,2,1) plt.xticks(x,[f'{x}年' for x in x]) # 橫坐標的刻度尺 plt.bar(x,y,width=3) plt.xlabel('年') # 橫坐標標籤 plt.ylabel('銷量') # 縱坐標標籤 plt.title('根據年份銷量對比圖') # 繪製橫向條形圖 plt.subplot(1,2,2) plt.yticks(x,[f'{x}年' for x in x]) bars = plt.barh(x,y,height=3,color='lightblue') for bar,d in zip(bars,y): x = bar.get_width() + bar.get_width()*0.01 y = bar.get_y() + bar.get_height()/3 text_data = d plt.text(x,y,text_data,fontsize=13) plt.xlabel('銷量') plt.ylabel('年') plt.title('根據年份銷量對比圖')
繪製餅圖 直觀分辨哪個數據所佔比份最重
# 構造數據 全市 = 17560061 福田區 = 1553225/全市 羅湖區 = 1143801/全市 鹽田區 = 214225/全市 南山區 = 1795826/全市 寶安區 = 4476554/全市 龍崗區 = 3979037/全市 龍華區 = 2528872/全市 坪山區 = 551333/全市 光明區 = 1095289/全市 大鵬新區 = 156236/全市 explode = (0, 0, 0, 0, 0, 0.1, 0, 0, 0, 0) labels = ['福田區','羅湖區','鹽田區','南山區','寶安區','龍崗區','龍華區','坪山區','光明區','大鵬新區'] paches,texts,autotexts = plt.pie([福田區,羅湖區,鹽田區,南山區,寶安區,龍崗區,龍華區,坪山區,光明區,大鵬新區], autopct='%0.1f%%', labels=labels, explode=explode) plt.title('深圳市第七次全國人口普查——分區人口情況') for text in texts: text.set_fontsize(10) text.set_color('blue') for t in autotexts: t.set_fontsize(10) t.set_color('white')
繪製直方圖
# 繪製直方圖 x = np.random.rand(100) plt.hist(x,bins=10,align='mid',rwidth=0.8,histtype='barstacked') # rwidth 控制着間隙的寬度
繪製盒圖 盒圖經常用於觀察數據的離散程度 上下兩條橫線代表最大最小值，上方的空心圓代表異常值
# 繪製盒圖 data = [np.random.normal(0,i,100) for i in range(1,4)] # vert：是否需要將箱線圖垂直擺放，默認垂直擺放 # notch：是否是凹口的形式展現箱線圖，默認非凹口 plt.boxplot(data,vert=True,notch=True) plt.title('boxplot') plt.xticks([1,2,3],['box1','box2','box3']) # 橫坐標三個刻度尺，分別對應三個值
# 繪製三維圖
from mpl_toolkits.mplot3d import Axes3D x = np.linspace(-10,10,100) y = np.linspace(-10,10,100) X,Y = np.meshgrid(x,y) # 網格線 z = np.sqrt(X**2+Y**2) ax = Axes3D(plt.figure()) ax.plot_surface(x,y,z)
