//2019.07.22
pyhton中matplotlib模块的应用pyhton中matplotlib是可视化图像库的第三方库,它可以实现图像的可视化,输出不同形式的图形1、可视化图形的输出和展示需要调用matplotlib第三方库的函数plt.show(),它的功能类似于print,相当于打印出自己需要输出的可视化图像,当然也可以用一些特殊的输出语句如下:%matplotlib.notebook%matplotlib.inline2、对于一般的二维图像输出可以用函数plt.plot(x,y)来进行输出,另外如果想要修改函数输出图像的一些细节格式,则含有以下几种方式:#对于线条属性的定义plt.figure(3)x=np.linspace(-np.pi,np.pi)y=np.sin(x)plt.plot(x,y,linewidth=4.0,color="r")#使用pot.plot()函数来设置线条属性plt.figure(4)line1,line2=plt.plot(x,y,"r",x,y+1,"g") #输出两个函数图像line1.set_antialiased(False) #对于线条属性进行后续的定义(抗锯齿形输出关闭)#使用plt.setp()进行设置plt.figure(5)line=plt.plot(x,y)plt.setp(line,color="g",linewidth=4.0)plt.setp(line,"color","r","linewidth",4)3、多个函数图像的子图的输出函数一般使用函数plt.subplot(x,y,z)这样来进行多个函数图像的输出,其中x,y代表的是整个函数图像是一个x行y列的图像集合,z代表你所要目前索要输出函数图像的顺序和位置。4、对于柱状图的输出主要用到的函数是plt.bar(x,y)函数,其中x,y是指两个相关的变量取值,对于输出柱状图的图像细节设置和修改主要包含以下几个方面:data=pd.value_counts(df["类型"])print(data)x=data.index #定义柱状图的x/y轴参数取值y=data.valuesplt.figure()plt.title("不同类型酒店的数量",fontsize=20) #设置标题的名称和标题的字体大小plt.xlabel("类型",fontsize=15) #设置x/y轴的名称个字体的大小plt.ylabel("数量",fontsize=15)plt.bar(x,y,color="r")#输出x/y两个变量的柱状图图像需要用函数plt.bar(x,y)plt.tick_params(labelsize=10) #设置坐标轴上数字党的大小尺寸plt.xticks(rotation=90) #设置x坐标轴的标注进行90度的旋转(展示效果会更加好)for a,b in zip(x,y): plt.text(a,b+5,b,ha="center",va="bottom",fontsize=10)#设置柱状图的标注文字形式,ha是指文字的对其方式,va是指柱状图横线在文字的相对位置5、对于任何形式的函数图像,如果想要对其中的某一点进行箭头的专门强调标注,需要用到函数:plt.annotate("评分4.5达到最大值",xy=(4.5,y2[4.5]),xytext=(3.5,55),arrowprops=dict(facecolor="red",edgecolor="green"))#对图像中任何一点进行箭头专门强调式的标注相所需要设置的函数其中xy代表的是需要标注强调的点的位置和坐标xytext表示的是强调标注文字开始的位置arrowprops代表的是对于所标注箭头格式的设置6、对于函数图像中添加任何标注信息需要用到函数plt.text(x,y,z)函数,其中x,y代表的是标注的位置,z表示的是标注的信息7、对于折线图的绘制就用一般的plt.plot(x,y)函数即可进行相应的输出,其中很多函数图像的细节设置主要包含以下几个方面(举例来讲):#折线图的绘制plt.figure()x1=df["评分"]print(x1)y1=df["评分"].value_counts()y2=y1.sort_index()print(y2)x=y2.indexy=y2.valuesplt.plot(x,y,"g")plt.xlabel("评分大小")plt.ylabel("数量")plt.title("评分相同的酒店数量")for a,b in zip(x[::10],y[::10]): plt.text(a,b+3,b) #每隔10个点进行输出plt.annotate("评分4.5达到最大值",xy=(4.5,y2[4.5]),xytext=(3.5,55),arrowprops=dict(facecolor="red",edgecolor="green"))#对图像中任何一点进行箭头专门强调式的标注相所需要设置的函数plt.text(2.0,40,"随着评分的增加,其酒店数量也在增加") #在图像中添加任何一个标注信息使用的函数及其参数设置8、饼图的绘制:#饼图的绘制plt.pie()data=pd.cut(df["评分"],[0,3,4.3,4.6,4.8,5.0]).value_counts()print(data)y1=data.valuesprint(y1)y=y1/sum(y1)plt.figure(figsize=(7,7))plt.title("酒店评分占比")#plt.pie(y1,labels=data.index,autopct="%.1f%%",colors="bygrk") #绘制饼图的函数设置plt.legend() #显示饼图图像的图例patches,l_text,p_text=plt.pie(y1,labels=data.index,autopct="%.1f%%",colors="bygrk") #绘制饼图的格式设置for i in p_text: i.set_size(15) i.set_color("w")for i in l_text: i.set_size(15) i.set_color("r") #对饼图内外文字字体的格式进行相应的设置 9、直方图的绘制:#绘制频率分布直方图plt.hist()plt.figure(figsize=(10,6))plt.hist(df["评分"],bins=20,facecolor="r",edgecolor="k",alpha=0.9,histtype="bar")#直方图胡输出函数参数设置整体运行代码如下:
#导入相应的matplotlib模块及其他常用的可视乎图像常用的模块
import numpy as np import matplotlib.pyplot as plt plt.rcParams["font.sans-serif"]=["SimHei"] #输出图像的标题可以为中文正常输出 plt.rcParams["axes.unicode_minus"]=False #可以正常输出图线里的负号 plt.figure(1) plt.plot([0,1,2,3],[1,2,3,4],label="二维折线原图") plt.ylabel("y") #设置纵轴的名称 plt.xlabel("x") plt.title("函数图像输出") #设置函数的标题 plt.figure(2) plt.plot([1,2,3,4],[1,4,9,16],"r-",label="一次函数图像") #输出函数图像 #plt.axis([0,10,0,20]) #设置坐标轴的显示范围 plt.legend(loc=1) #设置函数图像曲线标注的位置 print(np.arange(0,5,0.2)) t=np.arange(0,5,0.2) plt.plot(t,t,"r--",t,t**2,"b*",t,t**3,"g^") #在同一个plot函数(同一个图像当中)当中输入三条函数图像 #对于线条属性的定义 plt.figure(3) x=np.linspace(-np.pi,np.pi) y=np.sin(x) plt.plot(x,y,linewidth=4.0,color="r") #使用pot.plot()函数来设置线条属性 plt.figure(4) line1,line2=plt.plot(x,y,"r",x,y+1,"g") #输出两个函数图像 line1.set_antialiased(False) #对于线条属性进行后续的定义(抗锯齿形输出关闭) #使用plt.setp()进行设置 plt.figure(5) line=plt.plot(x,y) plt.setp(line,color="g",linewidth=4.0) plt.setp(line,"color","r","linewidth",4) #子图的输出函数 #plt.subplot(numrows,numcols,fignum) def f(t): return np.exp(-t)*np.cos(2*np.pi*t) t1=np.arange(0,5,0.1) t2=np.arange(0,5,0.02) plt.figure(figsize=(10,6)) #输出一个新的函数图像尺寸大小为10x6 plt.subplot(211) #子图1 plt.plot(t1,f(t1),"bo",t2,f(t2),"k") plt.subplot(212) #子图2 plt.plot(t2,np.cos(2*np.pi*t2),"r--") #输出其他一些的可视化常用图形(柱状图、饼图、直方图等) import warnings warnings.filterwarnings("ignore")#对警告的信息进行忽略 import numpy as np import pandas as pd import matplotlib.pyplot as plt plt.rcParams["font.sans-serif"]=["SimHei"] #输出图像的标题可以为中文正常输出 plt.rcParams["axes.unicode_minus"]=False #可以正常输出图线里的负号 #导入我们所需要的各自第三方库 df=pd.read_excel("D:/Byrbt2018/Study/Python数据分析课程+练习+讲解/Python数据分析课程+练习+讲解/作业/作业4/作业4/酒店数据1.xlsx")#导入w我们的表格数据文件 print(df) print(df.index) print(df.columns) #绘制柱状图plt.bar()
data=pd.value_counts(df["类型"]) print(data) x=data.index #定义柱状图的x/y轴参数取值 y=data.values plt.figure() plt.title("不同类型酒店的数量",fontsize=20) #设置标题的名称和标题的字体大小 plt.xlabel("类型",fontsize=15) #设置x/y轴的名称个字体的大小 plt.ylabel("数量",fontsize=15) plt.bar(x,y,color="r") #输出x/y两个变量的柱状图图像需要用函数plt.bar(x,y) plt.tick_params(labelsize=10) #设置坐标轴上数字党的大小尺寸 plt.xticks(rotation=90) #设置x坐标轴的标注进行90度的旋转(展示效果会更加好) for a,b in zip(x,y): plt.text(a,b+5,b,ha="center",va="bottom",fontsize=10) #设置柱状图的标注文字形式,ha是指文字的对其方式,va是指柱状图横线在文字的相对位置 #折线图的绘制 plt.figure() x1=df["评分"] print(x1) y1=df["评分"].value_counts() y2=y1.sort_index() print(y2) x=y2.index y=y2.values plt.plot(x,y,"g") plt.xlabel("评分大小") plt.ylabel("数量") plt.title("评分相同的酒店数量") for a,b in zip(x[::10],y[::10]): plt.text(a,b+3,b) #每隔10个点进行输出 plt.annotate("评分4.5达到最大值",xy=(4.5,y2[4.5]),xytext=(3.5,55),arrowprops=dict(facecolor="red",edgecolor="green")) #对图像中任何一点进行箭头专门强调式的标注相所需要设置的函数 plt.text(2.0,40,"随着评分的增加,其酒店数量也在增加") #在图像中添加任何一个标注信息使用的函数及其参数设置 #饼图的绘制plt.pie() data=pd.cut(df["评分"],[0,3,4.3,4.6,4.8,5.0]).value_counts() print(data) y1=data.values print(y1) y=y1/sum(y1) plt.figure(figsize=(7,7)) plt.title("酒店评分占比") #plt.pie(y1,labels=data.index,autopct="%.1f%%",colors="bygrk") #绘制饼图的函数设置 plt.legend() #显示饼图图像的图例 patches,l_text,p_text=plt.pie(y1,labels=data.index,autopct="%.1f%%",colors="bygrk") #绘制饼图的格式设置 for i in p_text: i.set_size(15) i.set_color("w") for i in l_text: i.set_size(15) i.set_color("r") #对饼图内外文字字体的格式进行相应的设置 #绘制频率分布直方图plt.hist() plt.figure(figsize=(10,6)) plt.hist(df["评分"],bins=20,facecolor="r",edgecolor="k",alpha=0.9,histtype="bar") #直方图胡输出函数参数设置 plt.show() #输出相应的二维图像