python数据分析（Matplotlib）

（1）plt.show()函数

默认情况下，matplotlib.pyplot不会直接显示图像，只有调用plt.show()函数时，图像才会显示出来。

plt.show()默认是在新窗口打开一幅图像，并且提供了对图像进行操作的按钮。

不过在ipython命令行中，我们可以将它插入notebook中，并且不需要调用plt.show()也可以显示：

%matplotlib notebook

%matplotlib inline

不过在实际写程序中，我们还是习惯调用plt.show()函数将图像显示出来。

（2）plt.plot()函数

例子：绘制线型图

plt.plot([1,2,3,4])

plt.ylabel("y")，给Y轴名称赋值。

plt.xlabel("x轴")，给X轴名称赋值。（注意：中文可能显示会乱码）

基本用法

plot函数基本用法，指定x和y，plt.plot(x,y)

默认参数，x为0~N-1

plt.plot(y)

因此，在上面的例子中，我们没有给定X的值，所以默认值为[0,1,2,3]

传入x和y:plt.plot([1,2,3,4],[1,4,9,16])，会直接生成图像，也可以直接plt.show()，相当于打印图像处理出来了。

字符参数

表示颜色的字符参数有：

"b"，蓝色，blue

"g"，绿色，green

"r"，红色，red

"c"，青色，cyan

"m"，品红，magenta

"y"，黄色，yellow

"k"，黑色，black

"w"，白色，white

表示类型的字符参数有：

"-"，实线

"--"，虚线

"-."，虚点线

":"，点线

"."，点

","，像素点

"o"，圆点

"v"，下三角点

"^"，上三角点

"<"，朝左三角形

">"，朝右三角形

"1"，下三叉点

"2"，上三叉点

"3"，左三叉点

"4"，右三叉点

"s"，正方形

"p"，五角点

"*"，星形点

"h"，六边形点1

"H"，六边形点2

"+"，加号点

"x"，乘号点

"D"，钻石形/菱形

"d"，小版钻石形/菱形

"_"，横线点

"|"，垂直线型

例如，我们要画出红色圆点：

plt.plot([1,2,3,4],[1,4,9,16],"ro")

plt.axis([0,6,0,20])，指定坐标轴显示范围plt.axis([xmin,xmax,ymin,ymax])，和MATLAB类似。

plt.show()

传入Numpy数组，在一个图里面画多条线。

t=np.arange(0.,5.,0.2)

plt.plot(t,t,"r--",t,t**2,"bs",t,t**3,"g*")

plt.show()

线条属性

x=np.linspace(-np.pi,np.pi)

y=np.sin(x)

plt.plot(x,y,linewidth=4.0,color="r")，这个参数是设置线条宽度、颜色。

plt.show()

使用plt.plot()的返回值来设置线条属性

plot函数返回一个Line2D对象组成的列表，每个对象代表输入的一堆组合，例如：

line1,line2=plt.plot(x1,y1,x2,y2)

返回3个Line2D对象组成的列表

lines=plt.plot(x1,y1,x2,y2,x3,y3)

我们可以使用这个返回值来对线条属性进行设置:

line1,line2=plt.plot(x,y,"r-",x,y+1,"g-")

line1.set_antialiased(False)，抗锯齿功能（不光滑）

plt.show()

plt.setp()修改线条性质

line-plt.plot(x,y)

plt.setp(line,color="g",linewidth=4)

子图的绘制

figure()函数会产生一个指定编号为num的图：

plt.figure(num)

使用suplot可以在一幅图中生成多个子图。

plt.subplot(numrows,numcols,fignum)

当行列小于10，中间逗号可以省略。plt.subplot(211)等价于plt.subplot(2,1,1)

def f(t):

      return np.exp(-t)*np.cos(2*np.pi*t)

t1=np.arange(0.0,5.0,0.1)，0.0到5.0之间步长为0.1的数组

t1=np.arange(0.0,5.0,0.02)

plt.figure(figsize=(10.6))

plt.subplot(211)

plt.plot(t1,f(t1),"bo",t2,f(t2),"k")

 

plt.subplot(212)

plt.plot(t2,no,cos(2*np.pi*t2),"r--")

plt.show()

 

电影数据绘图

关闭警告功能

import warnings

warnings.filterwarnings("ignore")

导入库

import pandas as pd

import numpy as np

import mathplotlib.pyplot as plt

plt.rcParams['font.sans-serif'] = ['SimHei']，设置为黑体

plt.rcParams["axes.unicode_minus"]=False，正常显示负号

以上是雷达不变的设置，写在前面就行。

（1）绘制每个国家或地区的电影数量的柱状图

data=df["产地"].value_counts()

x=data.index

y=data.values

plt.figure(figsize=(10.6))，figsize主要设置图片大小

plt.title("各国家或地区电影数量",fontsize=20)，设置标题和字体大小。

plt.xlabel("国家或地区",fontsize=18)，x轴的标题

plt.ylabel("电影数量",fontsize=18)，y轴的标题

plt.tick_params(labelsize=14)，坐标轴的字体的大小

plt.xticks(rotation=90)，把坐标轴名称顺序，横纵向转换。

for a,b in zip(x,y):

     plt.text(a,b+10,b,ha="center",va="bottom",fontsize=10)，第一个a是x轴的位置，第二个b是y轴的位置（稍微上去一点避免重合），第三个b是y的值，第四个是水平对齐，第五个垂直对齐bottom是图形在字体下面，top会有重叠，所以用bottom，第六个是字体大小。

plt.grid()，在图像中画网格线。

plt.bar(x,y,color="g")，这就是设定柱状图

（2）绘制每年上映的电影数量的曲线图/折线图

如果画线图，就要写

x=什么

y=什么

plt.plot(x,y,color="b")，线图用这句，柱状图没有这句

如果要每隔十年显示一个数据，和柱状图不同

for a,b in zip(x[::10],y[::10]):

     plt.text(a,b+10,b,ha="center",va="bottom",fontsize=10)

添加极值点，facecolor是箭头的填充颜色，edgecolor是箭头的边缘颜色，xy是注释位置，xytext是注释文字位置。

plt.annotate("2012年达到最大值",xy=(2012,data[2012]),xytext=(2025,2100),arrrowprops=dict(facecolor="black",edgecolor="red"))

plt.text(1980,1000,"电影数量开始快速增长")，指定位置放文本文字

plt.show()

（3）根据电影的长度绘制饼图，用于分类不是很多的数据

函数原型pie(x, explode=None, labels=None, colors=None, autopct=None, pctdistance=0.6, shadow=False, labeldistance=1.1, startangle=None, radius=None, counterclock=True, wedgeprops=None, textprops=None, center=(0, 0), frame=False, rotatelabels=False, hold=None, data=None)

参数：
x(每一块)的比例，如果sum(x)>1会使用sum(x)归一化

labels(每一块)饼图外侧显示的说明文字

exlode(每一块)离开中心的距离

startangle起始绘制角度，默认图是从x轴正方向逆时针画起，如设定=90则从y轴正方向画起。

shadow在饼图下面画一个阴影。默认值：False，即不画阴影；

labeldistance：labe绘制位置，相对于半径的比例，默认值为1.1，如<1则绘制在饼图内侧

autopct空值饼图内百分比设置，可以使用format字符串或者format function，"%1.1f"指小数点前后位数（没有用空格补齐）,%.1f小数位一位的浮点数。"%.1f %%"百分之几点几这样。

pctdistance类似于labeldistance，指定autopct的位置刻度，默认值为0.6

radius控制饼图半径，默认值为1.

counterclock ：指定指针方向；布尔值，可选参数，默认为：True，即逆时针。将值改为False即可改为顺时针。

wedgeprops ：字典类型，可选参数，默认值：None。参数字典传递给wedge对象用来画一个饼图。例如：wedgeprops={'linewidth':3}设置wedge线宽为3。

textprops ：设置标签（labels）和比例文字的格式；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：(0,0)。图标中心位置。

frame ：布尔类型，可选参数，默认值：False。如果是true，绘制带有表的轴框架。

rotatelabels ：布尔类型，可选参数，默认为：False。如果为True，旋转每个label到指定的角度。

返回值：如果没有设置autopct，返回（patches,texts）如果设置了，就会返回（patches,texts,autopct）。

data=pd.cut(df["时长"],[0,60,90,110,1000]).value_counts()

y=data.values

y=y/sum(y)，可有可无，因为会自动归一化。

plt.figure(figsize=(10,10)) ，饼图尽可能使用正方向的图形，不然会压扁，很丑。

plt.title("电影时长占比",fontsize=15)

patches,1_text,p_text=plt.pie(y,labels=data.index,autopct="%.1f %%",color="bygr",startangle=90)

for i in p_text:

     i.set_size(15)

     i.set_color("w")       这是函数返回值的修改来修改图形颜色，字体大小等等，图形内

for i in 1_text:

     i.set_size(15)

     i.set_color("r")     这是饼图外的数据

plt.legend()，这是加图例的代码

plt.show()

（4）根据电影评分绘制频率分布直方图

plt.figure(figsize=(10,6))

plt.hist(df["评分"],bins=20) ，这基本的图就出来了。

也可以继续加条件加黑色边框，plt.hist(df["评分"],bins=20,edgecolor="k")

直方图颜色太深，想调淡一点，plt.hist(df["评分"],bins=20,edgecolor="k",alpha=0.5)

plt.show()

参数：很多，但常用的就6个，第一个的必须，后面可选

arr：需要计算直方图的一维数组。

bins：直方图的柱数，可选项，默认值为10

normed：是否将得到的直方图向量归一化，默认值为0

facecolor：直方图颜色

edgecolor：直方图边框颜色

alpha：透明度

histtype：直方图类型，"bar","barstacked","step","stepfilled"

直方图进阶——双轴图的画法，就是在直方图上加了条线

import matplotlib.mlab as mlab

plt.figure(figsize=(10,8))

ax1=fig.add.subplot(111)，一行一列的图，画的第一个。

n,bins,patches=ax1.hist(df["评分"],bins=20,edgecolor="k",color="m")

ax1.set_ylabel("电影数量",fontsize=15)

ax1.set_xlabel("评分",fontsize=15)

ax1.set_title("频率分布图",fontsize=20)

y=mlab.normpdf(bins,df["评分"].mean(),df["评分"].std())

ax2=ax1.twinx()

ax2.plot(bins,y,"b--")

ax2.set_ylabel("概率分布",fontsize=15)

plt.show()

（5）根据电影时长和电影评分绘制散点图

x=df["时长"][::100]

y=df["评分"][::100]

plt.figure(figsize=(10,6))

plt.scatter(x,y,color="c",marker="*")

plt.legend()

plt.title("电影时长与评分散点图",fontsize=20)

plt.xlabel("时长",fontsize=18)

plt.ylabel("评分",fontsize=18)

plt.show()

由于数据量太大，所以画出的图很冗杂，所以选取原来的百分之一。就在x，y的代码上去修改。

（6）绘制各个地区的评分箱形图

一般计算过程

1、计算上四分位数（Q3），中位数，下四分位数（Q1）

2、计算上四分位数和下四分位数之间的差值，即四分位数差（IQR）Q3-Q1

3、绘制箱线图的上下范围，上限为上四分位数，下限为下四分位数。在箱子内部中位数的位置绘制横线。

4、大于上四分位数1.5倍的四分位数差的值，或者下雨下四分位数1.5倍四分位数差的值，划为异常值。

5、异常值之外，最靠近上边缘和下边缘的两个值处，画横线，作为箱线图的触须

6、极端异常值，即超出四分位数差3倍距离的异常值，用实心点表示，较为温和的异常值，即1.5-3倍之间的数，用空心点表示。

7、为箱线图添加名称，数轴等。

参数详解：

plt.boxplot(x,notch=None,sym=None,vert=None,whis=None,positions=None,widths=None,patch_artist=None,bootstrap=None,usermedians=None,conf_intervals=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,manage_xticks=True,autorange=False,zorder=None,hold=None,data=None)

x：指定要绘制箱线图的数据；

notch：是否是凹口的形式展现箱线图，默认非凹口；

sym：指定异常点的形状，默认为+号显示；

vert：是否需要将箱线图垂直摆放，默认垂直摆放；

whis：指定上下须与上下四分位的距离，默认为1.5倍的四分位差；

positions：指定箱线图的位置，默认为[0,1,2…]；

widths：指定箱线图的宽度，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：是否显示箱线图顶端和末端的两条线，默认显示；

showbox：是否显示箱线图的箱体，默认显示；

showfliers：是否显示异常值，默认显示；

boxprops：设置箱体的属性，如边框色，填充色等；

labels：为箱线图添加标签，类似于图例的作用；

filerprops：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：设置箱线图顶端和末端线条的属性，如颜色、粗细等；

whiskerprops：设置须的属性，如颜色、粗细、线的类型等；

美国电影评分的箱线图

data=df[df.产地=="美国"]["评分"]

plt.figure(figsize=(10,6))

plt.boxplot(data,whis=2,flierprops={"marker":"o","markerfacecolor":"r","color":"k"},patch_artist=True,boxprops={"color":"k","facecolor":"#9999ff"})

浅紫色：#9999ff

plt.title("美国电影评分",fontsize=20)

plt.show()

多组数据的箱线图

data1=df[df.产地=="中国大陆"]["评分"]

data2=df[df.产地=="中国香港"]["评分"]

data3=df[df.产地=="日本"]["评分"]

data4=df[df.产地=="英国"]["评分"]

data5=df[df.产地=="法国"]["评分"]

plt.figure(figsize=(12,8))

plt.boxplot([data1,data2,data3,data4,data5],labels=["中国大陆","中国香港","日本","英国","法国"],whis=2,flierprops={"marker":"o","markerfacecolor":"r","color":"k"},patch_artist=True,boxprops={"color":"k","facecolor":"#9999ff")

以下三行是对图像的背景进行设置。

ax=plt.gca()

ax.patch.set_facecolor("gray")

ax.patch.set_alpha(0.3)

plt.title("电影评分箱线图",fontsize=20)

plt.show()

通过vert属性可以把图像旋转过来。vert=Fasle就是横向展示。

（7）相关系数矩阵图——热力图

data=df[["投票人数","评分","时长"]]

画出各个属性之间的散点图，对角线是分布图,diagonal="hist"，对角线就是直方图，kde就是核密度估计

%pylab inline

result=pd.scatter_matrix(data[::100],diagonal="kde",color="k",alpha=0.3,figsize=(10,10))

画出电影时长，投票人数，评分的一个相关系数矩阵图。

seaborn是一个精简的python库，可以直接用pandas的DataFrame类型。

import seaborn as sns

corr=data.corr()

只看相关程度，不看正负相关就加一句corr=abs(corr)

fig=plt.firue(figsize=(10,8))

ax=fig.add_subplot(figsize=(10,8))

ax=sns.heatmap(corr,vmax=1,vmin=0,annot_kws={"size":13,"weight":"bold"},linewidths=0.05)

plt.xticks(fontsize=15)

plt.yticks(fontsize=15)

plt.show()

参数详解

seaborn.heatmap(data, vmin=None, vmax=None, cmap=None, center=None, robust=False, annot=None, fmt=’.2g’, annot_kws=None, linewidths=0, linecolor=’white’, cbar=True, cbar_kws=None, cbar_ax=None, square=False, xticklabels=’auto’, yticklabels=’auto’, mask=None, ax=None, **kwargs)

1、热力图输入数据参数: 

data:矩阵数据集，可以是numpy的数组（array），也可以是pandas的DataFrame。如果是DataFrame，则df的index/column信息会分别对应到heatmap的columns和rows，即pt.index是热力图的行标，pt.columns是热力图的列标

2、热力图矩阵块颜色参数: 

vmax,vmin:分别是热力图的颜色取值最大和最小范围，默认是根据data数据表里的取值确定 

cmap:从数字到色彩空间的映射，取值是matplotlib包里的colormap名称或颜色对象，或者表示颜色的列表；改参数默认值：根据center参数设定 

center:数据表取值有差异时，设置热力图的色彩中心对齐值；通过设置center值，可以调整生成的图像颜色的整体深浅；设置center数据时，如果有数据溢出，则手动设置的vmax、vmin会自动改变 

robust:默认取值False；如果是False，且没设定vmin和vmax的值，热力图的颜色映射范围根据具有鲁棒性的分位数设定，而不是用极值设定

3、热力图矩阵块注释参数: 

annot(annotate的缩写):默认取值False；如果是True，在热力图每个方格写入数据；如果是矩阵，在热力图每个方格写入该矩阵对应位置数据 

fmt:字符串格式代码，矩阵上标识数字的数据格式，比如保留小数点后几位数字 

annot_kws:默认取值False；如果是True，设置热力图矩阵上数字的大小颜色字体，matplotlib包text类下的字体设置；官方文档：https://matplotlib.org/api/text_api.html#matplotlib.text.Text

4、热力图矩阵块之间间隔及间隔线参数： 

linewidths:定义热力图里“表示两两特征关系的矩阵小块”之间的间隔大小 

linecolor:切分热力图上每个矩阵小块的线的颜色，默认值是’white’

5、热力图颜色刻度条参数： 

cbar:是否在热力图侧边绘制颜色刻度条，默认值是True 

cbar_kws:热力图侧边绘制颜色刻度条时，相关字体设置，默认值是None 

cbar_ax:热力图侧边绘制颜色刻度条时，刻度条位置设置，默认值是None

square:设置热力图矩阵小块形状，默认值是False 

xticklabels, yticklabels:xticklabels控制每列标签名的输出；yticklabels控制每行标签名的输出。默认值是auto。如果是True，则以DataFrame的列名作为标签名。如果是False，则不添加行标签名。如果是列表，则标签名改为列表中给的内容。如果是整数K，则在图上每隔K个标签进行一次标注。 如果是auto，则自动选择标签的标注间距，将标签名不重叠的部分(或全部)输出 

mask:控制某个矩阵块是否显示出来。默认值是None。如果是布尔型的DataFrame，则将DataFrame里True的位置用白色覆盖掉 
ax:设置作图的坐标轴，一般画多个子图时需要修改不同的子图的该值 

**kwargs:All other keyword arguments are passed to ax.pcolormesh