matplotlib
matplotlib
1、为什么要学习matplotlib
1）能将数据进行可视化，更直观的呈现
2）使数据更加客观、更具说服力
2、什么是matplotlib
matplotlib: 最流行的Python底层绘图库，主要做数据可视化图表,名字取材于MATLAB，模仿MATLAB构建
3、matplotlib基本要点
包：from matlotlib import pyplot as plt
设置图形大小：plt.figure(figsize=(a, b), dpi=dpi)
其中：
figsize 设置图形的大小，a 为图形的长， b 为图形的高，单位为英寸
dpi 为设置图形每英寸的点数。
如：1200*600的图形可设置为figsize=(12, 6)，dpi=100
调整刻度：plt.xticks()
1）调整间距----传一个参数，步长合适即可。如：plt.xticks(x[::2])
2）添加字符串到x轴----传入两个参数，分别是两个可迭代对象，数字和字符串应一一对应，只显示字符串
显示中文字体：
import matplotlib
font = {'family':'Microsoft Yahei', 'size' : '10' }
matplotlib.rc("font",**font)
旋转：rotation = 旋转角度
添加图形的描述：
x轴：plt.xlabel()
y轴：plt.ylabel()
标题：plt.title()
图例：
1.展示这条折线是什么：plt.plot(label="")----显示图例的时候用
2.plt.legend(loc=“best”)—自动选择放置图例最佳位置
图形风格----绘制的时候指定
线条颜色：color=""
线条风格：linestyle="–"
线条粗细：linewidth=5
透明度：alpha=0.5
网格：plt.grid(alpha=,linestyle=)
保存：plt.savefig(“路径”)
展示：plt.show()
4、折线图
定义：以折线的上升或下降来表示统计数量的增减变化的统计图
特点：能够显示数据的变化趋势，反映事物的变化情况。
应用场景：
1）呈现公司产品(不同区域)每天活跃用户数
2）呈现app每天下载数量
3）呈现产品新功能上线后,用户点击次数随时间的变化
…
方法：plt.plot(x,y)
绘制多条折线：plt.plot(x,y)调用多次
案例–绘制折线图观察10点到12点气温的变化情况：
from matplotlib import pyplot as plt
import random
import matplotlib
# windws设置字体的方法
font = {'family' : 'MicroSoft YaHei','weight': 'bold','size': '12'}
matplotlib.rc("font",**font)
x = range(0,120)
# 设置随机种子，让不同时候随机得到的结果都一样
random.seed(10)
y = [random.randint(20,35) for i in range(120)]
# 设置图形大小
plt.figure(figsize=(12,6),dpi=100)
#调整x轴的刻度
_xtick_labels = ["10点{}分".format(i) for i in range(60)]
_xtick_labels += ["11点{}分".format(i) for i in range(60)]
#取步长，数字和字符串一一对应，数据的长度一样
plt.xticks(list(x)[::5],_xtick_labels[::5],rotation=45) # rotaion旋转的度数
#添加描述信息
plt.xlabel("时间")
plt.ylabel("温度 单位(℃)")
plt.title("10点到12点每分钟的气温变化情况")
plt.plot(x,y)
plt.show()
5、直方图
定义：由一系列高度不等的纵向条纹或线段表示数据分布的情况。 一般用横轴表示数据范围，纵轴表示分布情况。
特点：绘制连续性的数据,展示一组或者多组数据的分布状况
应用场景：
1）用户的年龄分布状态
2）一段时间内用户点击次数的分布状态
3）用户活跃时间的分布状态
…
方法：plt.hist(a,num_bin)
其中：a–需要统计的数据；num_bin–组数
组数=（最大值-最小值）/组距-----最好能把整除，否则会发生偏移
组距的选择：一般分为20组左右
案例–统计出时长为100分钟到120分钟电影的数量出现的频率
from matplotlib import pyplot as plt
import matplotlib
font = {'family' : 'MicroSoft YaHei','weight': 'bold','size': '12'}
matplotlib.rc("font",**font)
a=[131, 98, 125, 131, 124, 139, 131, 117, 128, 108, 135, 138, 131, 102, 107, 114, 119, 128, 121, 142, 127, 130, 124, 101, 110, 116, 117, 110, 128, 128, 115, 99, 136, 126, 134, 95, 138, 117, 111,78, 132, 124, 113, 150, 110, 117, 86, 95, 144, 105, 126, 130,126, 130, 126, 116, 123, 106, 112, 138, 123, 86, 101, 99, 136,123, 117, 119, 105, 137, 123, 128, 125, 104, 109, 134, 125, 127,105, 120, 107, 129, 116, 108, 132, 103, 136, 118, 102, 120, 114,105, 115, 132, 145, 119, 121, 112, 139, 125, 138, 109, 132, 134,156, 106, 117, 127, 144, 139, 139, 119, 140, 83, 110, 102,123,107, 143, 115, 136, 118, 139, 123, 112, 118, 125, 109, 119, 133,112, 114, 122, 109, 106, 123, 116, 131, 127, 115, 118, 112, 135,115, 146, 137, 116, 103, 144, 83, 123, 111, 110, 111, 100, 154,136, 100, 118, 119, 133, 134, 106, 129, 126, 110, 111, 109, 141,120, 117, 106, 149, 122, 122, 110, 118, 127, 121, 114, 125, 126,114, 140, 103, 130, 141, 117, 106, 114, 121, 114, 133, 137, 92,121, 112, 146, 97, 137, 105, 98, 117, 112, 81, 97, 139, 113,134, 106, 144, 110, 137, 137, 111, 104, 117, 100, 111, 101, 110,105, 129, 137, 112, 120, 113, 133, 112, 83, 94, 146, 133, 101,131, 116, 111, 84, 137, 115, 122, 106, 144, 109, 123, 116, 111,111, 133, 150]
#计算组数
d = 3 #组距
num_bins = (max(a)-min(a))//d
#设置图形的大小
plt.figure(figsize=(12,6),dpi=100)
plt.hist(a,num_bins)
#设置x轴的刻度
plt.xticks(range(min(a),max(a)+d,d))
plt.xlabel("时长-单位:分钟")
plt.ylabel("数量")
plt.grid()
plt.show()
6、条形图
定义：排列在工作表的列或行中的数据可以绘制到条形图中。
特点：绘制离散的数据,能够一眼看出各个数据的大小,比较数据之间的差别。
应用场景：
1）数量统计
2）频率统计(市场饱和度)
…
方法：
竖着的条形图：plt.bar()–设置长条的宽度用width =
横着的条形图：plt.barh()–设置长条的宽度用height =
注：bar/barh绘制条形图时，只能接受包含数字的可迭代对象
案例–2017年内地前20票房数据
from matplotlib import pyplot as plt
import matplotlib
# windws设置字体的方法
font = {'family' : 'MicroSoft YaHei','weight': 'bold','size': '12'}
matplotlib.rc("font",**font)
a = ["战狼2","速度与激情8","功夫瑜伽","西游伏妖篇","变形金刚5：最后的骑士","摔跤吧！爸爸","加勒比海盗5：死无对证","金刚：骷髅岛","极限特工：终极回归","生化危机6：终章","乘风破浪","神偷奶爸3","智取威虎山","大闹天竺","金刚狼3：殊死一战","蜘蛛侠：英雄归来","悟空传","银河护卫队2","情圣","新木乃伊",]
b=[56.01,26.94,17.53,16.49,15.45,12.96,11.8,11.61,11.28,11.12,10.49,10.3,8.75,7.55,7.32,6.99,6.88,6.86,6.58,6.23]
#设置图形大小
plt.figure(figsize=(12,6),dpi=120)
#绘制横着条形图
plt.barh(range(len(a)),b,height=0.3)
#设置字符串到y轴
plt.yticks(range(len(a)),a)
plt.xlabel("单位：亿")
plt.show()
案例–电影本身的票房以及同其他电影的数据对比情况
from matplotlib import pyplot as plt
import matplotlib
# windws设置字体的方法
font = {'family' : 'MicroSoft YaHei','weight': 'bold','size': '12'}
matplotlib.rc("font",**font)
a = ["猩球崛起3：终极之战","敦刻尔克","蜘蛛侠：英雄归来","战狼2"]
b_16 = [15746,312,4497,319]
b_15 = [12357,156,2045,168]
b_14 = [2358,399,2358,362]
# 错开间距
bar_width = 0.1
x_14 = list(range(len(a)))
x_15 = [i+bar_width for i in x_14]
x_16 = [i+bar_width*2 for i in x_14]
#设置图形大小
plt.figure(figsize=(12,6),dpi=100)
plt.bar(range(len(a)),b_14,width=bar_width,label="9月14日")
plt.bar(x_15,b_15,width=bar_width,label="9月15日")
plt.bar(x_16,b_16,width=bar_width,label="9月16日")
#设置图例
plt.legend()
#设置x轴的刻度
plt.xticks(x_15,a)
plt.show()
7、散点图
定义：用两组数据构成多个坐标点，考察坐标点的分布,判断两变量之间是否存在某种关联或总结坐标点的分布模式
特点：判断变量之间是否存在数量关联趋势,展示离群点(分布规律)
应用场景：
1）不同条件(维度)之间的内在关联关系
2）观察数据的离散聚合程度
…
方法：plt.scatter(x,y)
案例–气温随时间(天)变化的规律：
from matplotlib import pyplot as plt
import matplotlib
# windws设置字体的方法
font = {'family' : 'MicroSoft YaHei','weight': 'bold','size': '12'}
matplotlib.rc("font",**font)
y_3 = [11,17,16,11,12,11,12,6,6,7,8,9,12,15,14,17,18,21,16,17,20,14,15,15,15,19,21,22,22,22,23]
y_10 = [26,26,28,19,21,17,16,19,18,20,20,19,22,23,17,20,21,20,22,15,11,15,5,13,17,10,11,13,12,13,6]
x_3 = range(1,32)
x_10 = range(51,82)
#设置图形大小
plt.figure(figsize=(12,6),dpi=100)
#使用scatter方法绘制散点图,和之前绘制折线图的唯一区别
plt.scatter(x_3,y_3,label="3月份")
plt.scatter(x_10,y_10,label="10月份")
#调整x轴的刻度
_x = list(x_3)+list(x_10)
_xtick_labels = ["3月{}日".format(i) for i in x_3]
_xtick_labels += ["10月{}日".format(i-50) for i in x_10]
plt.xticks(_x[::3],_xtick_labels[::3],rotation=45)
#添加图例
plt.legend(loc="upper left")
#添加描述信息
plt.xlabel("时间")
plt.ylabel("温度")
plt.title("气温随时间变化规律")
#展示
plt.show()
