0
点赞
收藏
分享

微信扫一扫

Python数据分析(1):Matplotlib


文章目录

  • ​​一、数据挖掘基础环境安装与使用​​
  • ​​1.1 库的安装​​
  • ​​1.2 jupyter notebook使用​​
  • ​​二、Matplotlib​​
  • ​​2.1 Matplotlib之HelloWorld​​
  • ​​2.1.1 什么是Matplotlib​​
  • ​​2.1.2 为什么要学习Matplotlib​​
  • ​​2.1.3 实现一个简单的Matplotlib画图​​
  • ​​2.1.5 扩展知识点:Matplotlib三层结构​​
  • ​​2.2 折线图(plot)与基础绘图功能​​
  • ​​2.2.1 折线图绘制与保存图片​​
  • ​​2.2.2 完善原始折线图1(辅助显示层)​​
  • ​​2.2.3 完善原始折线图2(图像层)​​
  • ​​2.2.4 多个坐标系显示:plt.subplots(面向对象的画图方法)​​
  • ​​2.2.5 折线图的应用场景​​
  • ​​2.3 散点图(scatter)​​
  • ​​2.3.1 常见图像种类及意义​​
  • ​​2.3.2 散点图绘制​​
  • ​​2.4 柱状图(bar)​​
  • ​​2.4.1 柱状图绘制​​
  • ​​2.5 直方图(histogram)​​
  • ​​2.5.1 直方图介绍​​
  • ​​2.5.3 直方图绘制​​
  • ​​2.6 饼图(pie)​​
  • ​​2.6.1 饼图介绍​​
  • ​​2.6.2 饼图绘制​​

前些天发现了一个巨牛的人工智能学习网站,通俗易懂,风趣幽默,忍不住分享一下给大家。点击跳转到网站:​​人工智能从入门到精通教程​​


一、数据挖掘基础环境安装与使用

1.1 库的安装

本教程基于win10下,Python版本为3.7

  1. 创建虚拟环境

conda create -n data_mining python=3.7

  1. 激活环境

conda activate data_mining

  1. 安装需要的相关库
    整个数据挖掘基础阶段会用到的库,为了统一版本号,安装以下版本

matplotlib==2.2.2
numpy==1.14.2
pandas==0.20.3
TA-Lib==0.4.16 # 技术指标库
tables==3.4.2 # hdf5
jupyter==1.0.0 # 数据分析与展示平台

使用以下命令

pip install matplotlib==2.2.2 -i https://pypi.douban.com/simple
pip install numpy -i https://pypi.douban.com/simple
pip install pandas -i https://pypi.douban.com/simple
pip install tables -i https://pypi.douban.com/simple
pip install jupyter==1.0.0 -i https://pypi.douban.com/simple

安装TA-Lib需要找轮子,安装教程查看此链接:​​博客链接​​

1.2 jupyter notebook使用

jupyter怎么使用查看我的另外一篇博客:​​链接​​ jupyter设置代码自动补全功能:教程链接

优势:

  1. 画图方便
  2. 数据展示方便:按代码块运行

1 界面启动:终端输入:

jupyter notebook

2 cell操作
cell:一块代码块

编辑模式
命令模式:按ESC退出编辑,进入命令模式

2)快捷键操作
shift +enter:执行本单元格代码,并跳转到下一单元
Ctrl+enter:执行本单元代码,留在本单元

Python数据分析(1):Matplotlib_数据挖掘

3 markdown演示

Python数据分析(1):Matplotlib_数据挖掘_02

二、Matplotlib

2.1 Matplotlib之HelloWorld

2.1.1 什么是Matplotlib

专门用于开发2D图表(包括3D图表),画二维图表的工具库
以渐进、交互式方式实现数据可视化

mat:matrix矩阵
plot:画图
lib:library库

2.1.2 为什么要学习Matplotlib

可视化是在整个数据挖掘的关键辅助工具,可以清晰的理解数据,从而调整我们的分析方法。

  • 能将数据进行可视化,更直观的呈现
  • 使数据更加客观、更具有说服力

2.1.3 实现一个简单的Matplotlib画图

import matplotlib.pyplot as plt
#%matplotlib inline
plt.figure()
plt.plot([1,0,9],[4,5,6]) # x,y
plt.show()

Python数据分析(1):Matplotlib_可视化_03


Python数据分析(1):Matplotlib_可视化_04

2.1.5 扩展知识点:Matplotlib三层结构

1 容器层

  • 画板层Canvas
  • 画布层Figure
  • 绘图区

2 辅助显示层

3 图像层

2.2 折线图(plot)与基础绘图功能

2.2.1 折线图绘制与保存图片

为了更好地理解所有基础绘图功能,我们通过天气温度变化的绘图来融合所有的基础API使用

1 matplotlib.pyplot模块
该模块包含了一系列类似于MATLAB的画图函数。它的函数作用于当前图形(figure)的当前坐标系(axes)

import matplotlib.pyplot as plt

2 折线图绘制与显示
展现上海一周的天气,比如从星期一到星期日的天气温度

import matplotlib.pyplot as plt
# 折线图绘图与显示
# 1、创建画布
plt.figure()
# 2、
plt.plot([1,2,3,4,5,6,7],[17,17,18,15,11,11,13])
# 3、显示图像
plt.show()

Python数据分析(1):Matplotlib_数据挖掘_05

3 设置画布属性与图片保存

plt.figure(figsize=(), dpi=)
sigsize:指定图的长度
dpi:图像的清晰度
返回fig对象
plt.savefig(path)

例:

import matplotlib.pyplot as plt
# 折线图绘图与显示
# 1、创建画布
plt.figure(figsize=(20,8), dpi=80)
# 2、创建图像
plt.plot([1,2,3,4,5,6,7],[17,17,18,15,11,11,13])
# 保存图像
plt.savefig("test78.png")

# 3、显示图像
plt.show()

2.2.2 完善原始折线图1(辅助显示层)

1 准备数据并画出初始折线图

import matplotlib.pyplot as plt
import random
# 需求 :画出城市11点到12点1小时内每分钟的温度变化折线图,范围在15~18度
# 1、准备数据 x,y
x = range(60)
y_shanghai = [random.uniform(15, 18) for i in x]
#print(len(y_shanghai))
# 2、创建画布
plt.figure(figsize=(20,8), dpi=80)
# 3、绘制图像
plt.plot(x, y_shanghai)
# 4、显示图像
plt.show()

Python数据分析(1):Matplotlib_数据挖掘_06


2 添加自定义x,y刻度

Python数据分析(1):Matplotlib_数据可视化_07

import matplotlib.pyplot as plt
import random
from matplotlib.font_manager import FontProperties # 字体管理器
#font = FontProperties(fname="C:\\Windows\\Fonts\\simsunb.ttf", size=15) # 设置汉字格式
# 需求 :画出城市11点到12点1小时内每分钟的温度变化折线图,范围在15~18度
# 1、准备数据 x,y
x = range(60)
y_shanghai = [random.uniform(15, 18) for i in x]
#print(len(y_shanghai))
# 2、创建画布
plt.figure(figsize=(20,8), dpi=80)
# 3、绘制图像
plt.plot(x, y_shanghai)
# 修改x,y刻度
# 准备x的刻度说明
x_label = ["11点{}分".format(i) for i in x]
plt.xticks(x[::5], x_label[::5])
plt.yticks(range(40)[::5]) # y刻度
# 4、显示图像
plt.show()

Python数据分析(1):Matplotlib_数据挖掘_08


4 添加网格显示

为了更加清楚地观察图形对应的值

# 添加网格显示
plt.grid(True, linestyle='--', alpha=0.5)

Python数据分析(1):Matplotlib_数据分析_09

5 添加描述信息
添加x轴,y轴描述信息及标题

import matplotlib.pyplot as plt
import random
from matplotlib.font_manager import FontProperties # 字体管理器
#font = FontProperties(fname="C:\\Windows\\Fonts\\simsunb.ttf", size=15) # 设置汉字格式
# 需求 :画出城市11点到12点1小时内每分钟的温度变化折线图,范围在15~18度
# 1、准备数据 x,y
x = range(60)
y_shanghai = [random.uniform(15, 18) for i in x]
#print(len(y_shanghai))
# 2、创建画布
plt.figure(figsize=(20,8), dpi=80)
# 3、绘制图像
plt.plot(x, y_shanghai)
# 修改x,y刻度
# 准备x的刻度说明
x_label = ["11点{}分".format(i) for i in x]
plt.xticks(x[::5], x_label[::5])
plt.yticks(range(40)[::5]) # y刻度
# 添加网格显示
plt.grid(True, linestyle='--', alpha=0.5)
# 添加标题
plt.xlabel("time")
plt.ylabel("temperature")
plt.title("figure_1")
# 4、显示图像
plt.show()

Python数据分析(1):Matplotlib_可视化_10

2.2.3 完善原始折线图2(图像层)

需求:再添加一个城市的温度变化

Python数据分析(1):Matplotlib_python_11

显示图例
注意:如果只在plt.plot()中设置label还不能最终显示出图例,还需要通过plt.legend()将图例显示出来。

plt.legend(loc='best')

Python数据分析(1):Matplotlib_数据挖掘_12

import matplotlib.pyplot as plt
import random
from matplotlib.font_manager import FontProperties # 字体管理器
#font = FontProperties(fname="C:\\Windows\\Fonts\\simsunb.ttf", size=15) # 设置汉字格式
# 需求 :画出城市11点到12点1小时内每分钟的温度变化折线图,范围在15~18度
# 1、准备数据 x,y
x = range(60)
y_shanghai = [random.uniform(15, 18) for i in x]
y_beijing = [random.uniform(1, 3) for j in x]

# 2、创建画布
plt.figure(figsize=(20,8), dpi=80)
# 3、绘制图像
plt.plot(x, y_shanghai, color="r", linestyle='-.', label='shanghai')
plt.plot(x, y_beijing, color='b', label='beijing')

# 显示图例
plt.legend(loc='lower right')

# 修改x,y刻度
# 准备x的刻度说明
x_label = ["11:{}".format(i) for i in x]
plt.xticks(x[::5], x_label[::5])
plt.yticks(range(40)[::5]) # y刻度

# 添加网格显示
plt.grid(True, linestyle='--', alpha=0.5)

# 添加标题
plt.xlabel("time")
plt.ylabel("temperature")
plt.title("figure_1")

# 4、显示图像
plt.show()

Python数据分析(1):Matplotlib_可视化_13

2.2.4 多个坐标系显示:plt.subplots(面向对象的画图方法)

Python数据分析(1):Matplotlib_python_14

import matplotlib.pyplot as plt
import random
from matplotlib.font_manager import FontProperties # 字体管理器
#font = FontProperties(fname="C:\\Windows\\Fonts\\simsunb.ttf", size=15) # 设置汉字格式
# 需求 :画出城市11点到12点1小时内每分钟的温度变化折线图,范围在15~18度

# 1、准备数据 x,y
x = range(60)
y_shanghai = [random.uniform(15, 18) for i in x]
y_beijing = [random.uniform(1, 3) for j in x]

# 2、创建画布
#plt.figure(figsize=(20,8), dpi=80)
figure, axes = plt.subplots(nrows=1, ncols=2, figsize=(20,8), dpi=80)

# 3、绘制图像
axes[0].plot(x, y_shanghai, color="r", linestyle='-.', label='shanghai')
axes[1].plot(x, y_beijing, color='b', label='beijing')

# 显示图例
axes[0].legend(loc='lower right')
axes[1].legend(loc='lower right')

# 修改x,y刻度
# 准备x的刻度说明
x_label = ["11:{}".format(i) for i in x]
axes[0].set_xticks(x[::5])
axes[0].set_xticklabels(x_label[::5])
axes[0].set_yticks(range(40)[::5]) # y刻度
axes[1].set_xticks(x[::5])
axes[1].set_xticklabels(x_label[::5])
axes[1].set_yticks(range(40)[::5]) # y刻度

# 添加网格显示
axes[0].grid(True, linestyle='--', alpha=0.5)
axes[1].grid(True, linestyle='--', alpha=0.5)

# 添加标题
axes[0].set_xlabel("time")
axes[0].set_ylabel("temperature")
axes[0].set_title("figure_1")
axes[1].set_xlabel("time")
axes[1].set_ylabel("temperature")
axes[1].set_title("figure_2")

# 4、显示图像
plt.show()

Python数据分析(1):Matplotlib_数据分析_15

2.2.5 折线图的应用场景

  • 呈现公司产品每天活跃用户数
  • 呈现APP每天下载数量
  • 呈现产品新功能上线后,用户点击次数随时间的变化
  • 扩展:画各种数学函数图像

import matplotlib.pyplot as plt
import random
import numpy as np
# 绘制数学函数图像
# 1、准备x,y数据
x = np.linspace(-1,1,1000)
y = 2 * x * x

# 2、创建画布
plt.figure(figsize=(20,8), dpi=80)

# 3、绘制图像
plt.plot(x,y)

# 添加网格显示
plt.grid(linestyle='--', alpha=0.5)

# 4、显示图像
plt.show()

Python数据分析(1):Matplotlib_数据可视化_16

2.3 散点图(scatter)

2.3.1 常见图像种类及意义

Python数据分析(1):Matplotlib_python_17


Python数据分析(1):Matplotlib_python_18


Python数据分析(1):Matplotlib_数据可视化_19


Python数据分析(1):Matplotlib_数据可视化_20


Python数据分析(1):Matplotlib_数据分析_21

2.3.2 散点图绘制

需求:探究房屋面积与房屋价格的关系

import matplotlib.pyplot as plt
import random
import numpy as np
# 需求:探究房屋面积和房屋价格的关系

# 1、准备数据
x = [225.98, 247.07, 253.14, 457.85, 241.58, 301.01, 20.67, 288.64,
163.56, 120.06, 207.83, 342.75, 147.9, 53.06, 224.72, 29.51,
21.61, 483.21, 245.25, 399.25, 343.35]
y = [196.63, 203.88, 210.75, 372.74, 202.41, 247.61, 24.9, 239.34,
140.32, 104.15, 176.84, 288.23, 128.79, 49.64, 191.74, 33.1,
30.74, 400.02, 205.35, 330.64, 283.45]

# 2、创建画布
plt.figure(figsize=(20,8), dpi=80)
# 3、绘制图像
plt.scatter(x,y)
# 4、显示图像
plt.show()

Python数据分析(1):Matplotlib_python_22

2.4 柱状图(bar)

2.4.1 柱状图绘制

Python数据分析(1):Matplotlib_可视化_23


需求一:对比每部电影的票房收入

Python数据分析(1):Matplotlib_数据挖掘_24


Python数据分析(1):Matplotlib_数据可视化_25


Python数据分析(1):Matplotlib_数据可视化_26

代码如下:

import matplotlib.pyplot as plt
import random
import numpy as np

# 1、准备数据
movie_names = ['雷神', '正义联盟', '东方快车谋杀案', '寻梦环游记', '全球风暴', '降魔传', '追捕']
tickets = [73853, 57767, 22354, 15969, 8725, 8716, 8318]

# 2、创建画布
plt.figure(figsize=(20,8), dpi=80)

# 3、绘制柱状图
x_ticks = range(len(movie_names))
plt.bar(x_ticks, tickets, color=['b', 'r', 'g', 'y', 'm', 'k', 'c'])

# 修改x刻度
plt.xticks(x_ticks, movie_names)

# 添加标题
plt.title("movies")

# 添加网格
plt.grid(linestyle='--', alpha=0.5)

# 4、显示图像
plt.show()

Python数据分析(1):Matplotlib_数据分析_27


需求二:如何对比电影票房收入才更加有说服力

比较相同天数的票房

Python数据分析(1):Matplotlib_可视化_28

import matplotlib.pyplot as plt
import random
import numpy as np

# 1、准备数据
movie_name = ['雷神', '正义联盟', '寻梦环游记']
first_day = [10587.6, 10062.5, 1275.7]
first_weekday = [36224.9, 34479.6, 11830]

# 2、创建画布
plt.figure(figsize=(20,8), dpi=80)

# 3、绘制柱状图
plt.bar(range(len(movie_name)), first_day, width=0.2, label="first_day")
plt.bar([0.2, 1.2, 2.2], first_weekday, width=0.2, label='first_weekday')

plt.legend() # 显示图例

# 修改刻度
plt.xticks([0.1, 1.1, 2.1], movie_name)

# 4、显示图像
plt.show()

Python数据分析(1):Matplotlib_可视化_29

2.5 直方图(histogram)

2.5.1 直方图介绍

Python数据分析(1):Matplotlib_数据可视化_30


Python数据分析(1):Matplotlib_数据挖掘_31


Python数据分析(1):Matplotlib_数据可视化_32

2.5.3 直方图绘制

Python数据分析(1):Matplotlib_可视化_33

import matplotlib.pyplot as plt
import random
import numpy as np
# 需求:电影时长分布状况

# 1、准备数据
time = [131, 98, 125, 131, 124, 139, 131, 117, 128, 108, 135, 138, 131, 102, 107, 114, 119, 125]

# 2、创建画布
plt.figure(figsize=(20,8), dpi=80)

# 3、绘制柱状图
distance = 2
group_num = int((max(time) - min(time)) / distance)
plt.hist(time, bins=group_num)

# 修改x轴刻度
plt.xticks(range(min(time), max(time), distance))

# 添加网格
plt.grid(linestyle='--', alpha=0.5)

# 4、显示图像
plt.show()

Python数据分析(1):Matplotlib_数据分析_34


3 直方图注意点

Python数据分析(1):Matplotlib_数据可视化_35


Python数据分析(1):Matplotlib_python_36

2.6 饼图(pie)

2.6.1 饼图介绍

Python数据分析(1):Matplotlib_数据分析_37

2.6.2 饼图绘制

Python数据分析(1):Matplotlib_数据分析_38

需求:显示不同的电影的排片占比

import matplotlib.pyplot as plt
import random
import numpy as np
# 需求:显示不同的电影的排片占比

# 1、准备数据
movie_names = ['雷神', '正义联盟', '东方快车谋杀案', '寻梦环游记', '全球风暴', '降魔传', '追捕']
place_count = [73853, 57767, 22354, 15969, 8725, 8716, 8318]

# 2、创建画布
plt.figure(figsize=(20,8), dpi=80)

# 3、绘制柱状图
plt.pie(place_count, labels=movie_names,
colors=['b', 'r', 'g', 'y', 'm', 'k', 'c'], autopct='%1.2f%%')

# 显示图例
plt.legend()

plt.axis('equal')

# 4、显示图像
plt.show()

Python数据分析(1):Matplotlib_数据挖掘_39


总结:

Python数据分析(1):Matplotlib_可视化_40


Python数据分析(1):Matplotlib_可视化_41


举报

相关推荐

0 条评论