Python数据分析（1）：Matplotlib-CFANZ编程社区

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

创建虚拟环境

conda create -n data_mining python=3.7

激活环境

conda activate data_mining

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：

画图方便
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()