matplotlib可视化《1》绘图快速入门

Matplotlib

导入数据

1 import matplotlib.pyplot as plt
2 %matplotlib inline#不需写plot.show直接出图
3 plt.rcParams['font.sans-serif'] = ['SimHei']#显示中文
4 plt.rcParams['axes.unicode_minus'] = False#显示负号
5 import pandas as pd
6 import numpy as np
7 from pandas import Series,DataFrame 
8 test=pd.read_excel("/Users/yaozhilin/Downloads/exercise.xlsx",sep="t")
9 test.head(5)#显示前五行

•离散型数据的可视化

~饼图

需求：计算“所需区域”每个地方的百分比-可视化

1 fig= plt.figure(figsize=(6,6))#调整图的大小
2 t=test["所属区域"].value_counts()
3 plt.pie(list(map(lambda x:x/t.sum(),t)),labels=list(t.index),autopct='%.1f%%',explode = [0,0.1,0,0])

注：labels为标签，autopct调数据显示，explode调突起部分

~条形图

x为分类变量y为连续变量

1 tb=test.groupby(["所属区域"]).agg({"数量":np.mean,})
2 plt.bar(tb.index,list(tb["数量"]))
3 plt.xlabel("地区")
4 plt.ylabel("销售量")
5 plt.title("各地区年销售量")
6 plt.grid(linestyle="-.", axis='y', alpha=0.4)#设置横向网格

1 plt.barh(tb.index,list(tb["数量"]),color="red")2 plt.ylabel("地区")
3 plt.xlabel("销售量")
4 plt.title("各地区年销售量")

•连续性数据的可视化

~箱型图

单变量

1 t=test['数量'].dropna()#切记要去除na
2 plt.boxplot(t)

由图可判断离群值

~直方图

表示连续变量出现的频次

a=np.random.randn(50)#随机正态分布的50个数
plt.hist(a,bins=10)#bins表示切割多少分

~折线图

随时间变化的连续数据

1 tt=test.groupby(test["订购日期"]).agg({"数量":np.sum})#先聚合
2 tt

1 plt.plot(tt.index,tt["数量"],"go--")

关系型数据的可视化

~散点图

1 X=np.random.rand(50)
2 Y=np.random.rand(50)
3 plt.scatter(X,Y,c=np.random.randint(6,8,size=50),s=np.random.randint(10,60,size=50))