前言
导入绘图库：
import matplotlib.pyplot as plt
import numpy as np
import pandas as pd
import os读取数据(数据来源是一个EXCLE表格,这里演示的是如何将数据可视化出来)
os.chdir(r'E:\jupyter\数据挖掘\数据与代码')
df = pd.read_csv('air_data.csv',na_values= '--') 1.折线图
- plt.plot(x,y,ls=,lw=,c=,marker=,markersize=,markeredgecolor=,markerfacecolor, label=)
- x: x轴上的数值
- y: y轴上的数值
- ls- -函数线条风格(=‘-’ 实线, ‘–’ 虚线 ,‘-.’ 点划线 ,‘:’ 实点线)
- lw: 线条宽度
- c: 颜色
- marker: 线条上点的形状, 常用为’o’,即圆点形状
- markersize: 线条上点的形状
- markeredgecolor: 点的边框色
- markerfacecolor: 点的填充色
# 绘制观察窗口内的飞行次数和观测窗口内的总飞行里程数
# 支持中文显示
plt.rcParams['font.sans-serif']=['SimHei']# 字体
plt.rcParams['axes.unicode_minus']=False
x=np.linspace(0,10,100)
y=np.sin(x)
plt.plot(x,y,ls='-',lw=2,marker='o',markersize=5,c='red',markeredgecolor='black',markerfacecolor='lightskyblue')
plt.show()
2.直方图
- hist:数据
- bins:组距
- color:填充色
- edgecolor:边框色
- density:是否绘制成概率密度形式
- xlabel:横坐标
- ylabel:纵坐标
- labelpad/pad:离坐标轴的距离
# 绘制年龄的分布情况
plt.hist(x=df['AGE'],bins=30,color='r',edgecolor='black',density=True) # density=True 代表是否绘制概率密度形式
plt.xlabel('客户年龄',fontsize=15,labelpad=20)
plt.ylabel('频数',fontsize=15,labelpad=20)
plt.title('年龄分布图',fontsize=15,pad=20)
plt.show()
3.箱线图
- plt.boxplot（x，notch，sym，vert，whis，position，widths，patch_artist，meanline，showmeans， boxprops，labels，flierprops）
- x： 数据
- 宽度：宽度
- patch_artist： 是否填充箱体颜色
- meanline：是否显示均值
- showmeans： 是否显示均值
- meanprops;设置均值属性，如点的大小，颜色等
- medianprops：设置中位数的属性，如线的类型，大小等
- showfliers： 是否表示有异常值
- boxprops：设置箱体的属性，边框色和填充色
- cappops： 设置箱线顶端和末端线条的属性，如颜色，粗细等
age=df[df['AGE'].notnull()]['AGE'] # 剔除年龄的空值
plt.boxplot(x=age,patch_artist=True,boxprops={'color':'red'})
plt.show()
4.柱状图
# 将字符型数据转换date格式
df['FFP_DATE']=pd.to_datetime(df['FFP_DATE'],format='%Y/%m/%d',errors='coerce') # errors 避免报错
data=df['FFP_DATE'].dt.year.value_counts()
x_data=data.index
y_data=data.values
plt.bar(x=x_data,height=y_data,align='center',color='y',tick_label=x_data)
plt.title('不同年份的会员数量',pad=5)
plt.show()
5.饼图
autopct:设置百分比的格式
data=df['GENDER'].value_counts()
# 绘制饼图
plt.pie(x=data.values,labels=data.index,colors=['lightskyblue','lightcoral'],autopct='%.1f%%')
plt.show()
6.散点图
# 飞行次数与总飞行公里数的关系
plt.scatter(x=df['FLIGHT_COUNT'],y=df['SEG_KM_SUM'],color='steelblue',marker='o',s=100)
plt.title('飞行次数与总飞行公里数的关系')
plt.show()
到此这篇关于Python matplotlib数据可视化图绘制的文章就介绍到这了,更多相关Python matplotlib 图绘制内容请搜索编程网以前的文章或继续浏览下面的相关文章希望大家以后多多支持编程网！
