前言:
互联网时代下,在网络中每天都会产生很多数据,通过对数据分析之后,如何更好的诠释数据背后的意义,我们需要对数据进行可视化展示。
在数据可视化中,Python 也支持第三模块
- matplotlib 模块:
Python
使用最多的可视化库 - seaborn 模块:基于
matplotlib
的图形可视化 - pycharts 模块:用于生成
Echarts
图表的类库
接下来我们对matplotlib
模块提供的图形方法进行学习
1. matplotlib 模块概述
matplotlib 模块是第三方开源的,由John Hunter团队研发而成,NumFOCUS 的赞助项目。
matplotlib 模块是用于Python创建静态、动态和交互式可视化综合性的库。
matplotlib 模块特点
- 易创建图表如出版质量图、交互式数据可放大、缩小
- 定制化图表可完全控制线条样式、导入并嵌入多种文件格式
- 扩展性高,可以与第三方模块进行兼容
- matplotlib 模块资料手册信息丰富,可快速上手
matplotlib 模块获取
matplotlib
是Python
主流第三方可视化模块,我们需要使用pip进行下载
pip install matplotlib
matplotlib 模块使用
在matplotlib模块中,pyplot类是最常用的。
方式一:
from matplotlib import pyplot
方式二:
import matplotlib.pyplot as plt
重要说明:
- matplotlib 模块官方资料
- 查看matplotlib内部代码说明
2. matplotlib.pyplot 相关方法
matplotlib.pyplot 模块是我们画图标最常用的模块之一
方法 | 作用 |
---|---|
pyplot.title(name) | 图表的 |
pyplot.xlabel(name) | 图表的X轴名字 |
pyplot.ylabel(name) | 图表的y轴名字 |
pyplot.show() | 打印出图表 |
pyplot.plot(xvalue,yvalue) | 绘制折线图表 |
pyplot.bar(xvalue,yvalue) | 绘制柱状图表 |
pyplot.axis(data) | 获取或设置一些轴属性的便捷方法 |
pyplot.scatter(data) | 绘制散点图 |
pyplot.subplot(data) | 绘制子图 |
pyplot.grid(boolean) | 显示网状,默认为False |
pyplot.text() | 对文本进行处理 |
pyplot.pie(data) | 绘制饼图 |
pyplot.boxplot(data) | 绘制箱形图 |
pyplot.hist(data) | 绘制直方图 |
3. matplotlib.pyplot 图表展示
from matplotlib import pyplot
# 设置图表字体格式
pyplot.rcParams["font.sans-serif"]=['SimHei']
pyplot.rcParams["axes.unicode_minus"]=False
pyplot.plot([1,2,3,4,5,6],[45,20,19,56,35,69])
pyplot.title("data analyze")
pyplot.xlabel("data")
pyplot.ylabel("sum")
pyplot.show()
绘制柱状图
- 使用pyplot..bar()方法
- 再次使用上面的数据,可以看到直方图
pyplot.bar([1,2,3,4,5,6],[45,20,19,56,35,69])
绘制饼图
- 使用pyplot.pie()方法绘制饼图
- 同时使用pyplot.axis方法设置每一个分区间隔
from matplotlib import pyplot
labels = ["windows","MAC","ios","Android","other"]
sizes = [50,10,5,15,20]
explode = [0,0.1,0,0,0]
pyplot.pie(sizes,explode=explode,labels=labels,autopct='%1.1f%%',shadow=False,startangle=90)
pyplot.axis("equal")
pyplot.title("data analyze")
pyplot.show()
绘制散点图
使用pyplot.scatter(x,y)绘制散点图
import numpy as np
from matplotlib import pyplot
data = {"a":np.arange(50),"c":np.random.randint(0,50,50),"d":np.random.randn(50)}
data['b'] = data['a']+10*np.random.randn(50)
data['d'] = np.abs(data['d'])*100
pyplot.scatter("a","b",c='c',s='d',data=data)
pyplot.title("data analyze")
pyplot.xlabel("元素 a")
pyplot.ylabel("元素 b")
pyplot.show()
总结:
到此这篇关于Python 可视化matplotlib模块基础知识的文章就介绍到这了,更多相关Python 可视化之matplotlib模块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!