开发: C++知识库 Java知识库 JavaScript Python PHP知识库人工智能区块链大数据移动开发嵌入式开发工具数据结构与算法开发测试游戏开发网络协议系统运维
教程: HTML教程 CSS教程 JavaScript教程 Go语言教程 JQuery教程 VUE教程 VUE3教程 Bootstrap教程 SQL数据库教程 C语言教程 C++教程 Java教程 Python教程 Python3教程 C#教程
数码: 电脑笔记本显卡显示器固态硬盘硬盘耳机手机 iphone vivo oppo 小米华为单反装机图拉丁

-> Python知识库 -> Python数据分析（六） -> 正文阅读

[Python知识库]Python数据分析（六）

Python数据分析（六）

打卡第十天啦！！！

Matplotlib库（一）

数据分析中的常用图剖析

折线图：折线图用于显示数据在一个连续的时间间隔或者时间跨度上的变化，它的特点是反映事物随时间或有序类别而变化的趋势。
柱状图：典型的柱状图（又名条形图），使用垂直或水平的柱子显示类别之间的数值比较。其中一个轴表示需要对比的分类，另一个轴代表相应的数值。
直方图：直方图(Histogram)，又称质量分布图，是一种统计报告图，由一系列高度不等的条纹表示数据分布的情况。一般用横轴表示数据类型，纵轴表示分布情况。直方图是数值数据分布的精确图形表示。为了构建直方图，第一步是将值的范围分段，即将整个值的范围分成一系列间隔，然后计算每个间隔中有多少值。这些值通常被指定为连续的，不重叠的变量间隔。间隔必须相邻，并且通常是（但不是必须的）相等的大小。
散点图：散点图也叫 X-Y 图，它将所有的数据以点的形式展现在直角坐标系上，以显示变量之间的相互影响程度，点的位置由变量的数值决定。
饼状图：饼状图通常用来描述量、频率和百分比之间的关系。在饼图中，每个扇区的弧长大小为其所表示的数量的比例。
箱线图：箱线图（Box-plot）又称为盒须图、盒式图或箱型图，是一种用作显示一组数据分散情况资料的统计图。

Matplotlib基本使用

plt.plot可以只传Y轴的值，如果只传Y轴的值，那么X轴就会默认使用range(0,Y的长度)

y = [np.random.randint(0,10) for x in range(10)]
plt.plot(y)

在这里插入图片描述
2. plt.plot的x和y参数不能作为关键字参数来传递，只能作为位置参数来传

y = [np.random.randint(0,10) for x in range(10)]
x = range(10)
plt.plot(x,y)

plt.plot中的data参数可以为一个字典或者DataFrame对象，然后在x和y上指定这个列的名字，那么plot会自动读取，注：因为x、y、fmt都是在前面，所以如果只传x和y，那么可能会产生歧义，这时候我们可以多传一个空的参数作为fmt的参数，就不会有警告了

mydata = {
    'a':range(10),
    'b':[np.random.randint(0,10) for x in range(10)]
}
plt.plot('a','b','',data=mydata)

mydf = pd.DataFrame(data=mydata)
plt.plot('a','b','',data=mydf)

在这里插入图片描述

plt.plot的fmt参数可以设置线条的样式以及颜色

mydf = pd.DataFrame(data=mydata)
plt.plot('a','b','--',data=mydf)

在这里插入图片描述

mydf = pd.DataFrame(data=mydata)
plt.plot('a','b','ob',data=mydf)

在这里插入图片描述

plt.plot的color参数可以使用字母、十六进制，或者是RGBA的方式来设置颜色

mydf = pd.DataFrame(data=mydata)
plt.plot('a','b','',data=mydf,color='#893f23')

mydf = pd.DataFrame(data=mydata)
plt.plot('a','b','',data=mydf,color=(0.2,0.4,0.1,1))

设置折线图的线条样式

使用plot绘图的时候，就可以传递Line2D的属性值进去，来修改线条的样式

y = [np.random.randint(0,10) for x in range(10)] 
plt.plot(y,linewidth=4)

使用plot返回的线条，单独去设置也可以，但是单独设置的时候，是通过set_Line2D属性名()的方式来设置的

y1 = [np.random.randint(0,10) for x in range(10)] 
y2 = [np.random.randint(0,10) for x in range(10)] 
lines = plt.plot(range(10),y1,range(10),y2)
print(lines)
line = lines[0]
line.set_color('r')
line.set_linewidth(4)
line.set_alpha(0.1)

使用plt.setp来一次性设置多个线条的样式

y1 = [np.random.randint(0,10) for x in range(10)] 
y2 = [np.random.randint(0,10) for x in range(10)] 
lines = plt.plot(range(10),y1,range(10),y2)
plt.setp(lines,linewidth=4)

设置图标题和显示中文

设置标题：可以通过plt.title方法来实现。
默认plot是不支持中文的，如果想要支持中文，那么应该创建一个字体对象matplotlib.font_manager.FontProperties，然后指定fname参数，需要具体的路径，这里还需要注意，拷贝出来的字体的字符串，前面有一个乱码，需要把乱码删掉

y = [np.random.randint(10) for a in range(10)]
font = font_manager.FontProperties(fname=r"C:\\Windows\\Fonts\\simsun.ttc",size=15)
plt.plot(y)
plt.title('折线图',fontproperties=font)

设置轴刻度和文本显示

刻度是通过xticks和yticks来设置的，xticks和yticks需要传递两个参数，第一个参数ticks不重要，只要跟数据量保持一致就可以了，比如有20个数据，那么只要产生20个数据的数组或者列表都可以，第二个参数labels是用来设置每个刻度上的文本显示，这个比较重要
轴的名称是通过xlabel和ylabel来设置的

avenger = [17974.4,50918.4,30033.0,40329.1,52330.2,19833.3,11902.0,24322.6,47521.8,32262.0,22841.9,12938.7,4835.1,3118.1,2570.9,2267.9,1902.8,2548.9,5046.6,3600.8]
plt.figure(figsize=(15,5))
plt.plot(avenger,marker="o")
font.set_size(10)
plt.xticks(range(20),["%d"%x for x in range(1,21)],fontproperties=font)
plt.xlabel("天数",fontproperties=font)
plt.ylabel("票房数(万)",fontproperties=font)
plt.grid()

在这里插入图片描述

设置marker和注释文本

使用plt.plot的时候，可以通过marker参数设置坐标点的样式。markerfaceoolor代表的是点的颜色，markeredgeolor代表的是点的边界的颜色，markersize代表的是点的大小。
plt.anotate(text, xy, xytext, arrowprops)是用来做文本注释的，text代表的是需要注释的文本，xy代表的是需要注释的坐标点，xytext代表的是文本的致标点，arrowprops代表的是箭头的一些属性。

plt.plot(np.sin(np.arange(20)),marker='o')
print(np.sin(np.arange(20)))
# plt.annotate("(0,0)",xy=(0,0),xytext=(-0.5,-0.8),arrowprops={'width':2,'headwidth':16,'headlength':20})
for index,value in enumerate(np.sin(np.arange(20))):
    plt.annotate("(%d,%.2f)"%(index,value),xy=(index,value),xytext=(index-0.1,value-0.1))

在这里插入图片描述

画板样式设置和保存图片

画板的样式：通过调用plt.figure来实现，这个函数调用必须要在所有绘图之前来完成，参数解释：
（1）figsize：画板的尺寸，是一个元组，第一个参数是宽度，第二个参数是高度，单位是英寸
（2）facecolor：画板颜色，注意区分Axes的背景颜色
（3）edgecolor：边框颜色，边框默认的宽度是0，因此如果想要看到边框，那么需要设置linewidth
（4）dpi：像素，也就是一个英寸中的像素点，默认是100

plt.figure(figsize=(10,5),facecolor='r',edgecolor='k',linewidth=2,dpi=80)
plt.plot(np.arange(5,10))

保存图片
（1）plt.savefig
（2）右键保存

plt.savefig("C:\\Users\\Rainy_Universe\\Desktop\\abc.png")

绘制多个子图和matplotlib

如果想要在一个图上绘制多根折线，那么直接在plot中传递多个x和y就可以了，或者调用多次plot方法就可以了

x = np.linspace(0,20)
plt.plot(x,np.sin(x),x,np.cos(x))

x = np.linspace(0,20)
plt.plot(x,np.sin(x))
plt.plot(x,np.cos(x))

如果想要在一个画板上绘制多个子图（Axes对象），那么可以使用plt.subplot或plt.subplots方法
plt.subplot：plt.subplot(221)，第一个数字代表行，第二个数字代表列，第三个数字代表当前第几个子图，使用subplot绘制的所有东西都是在当前子图上，直到出现了新的subplot

plt.subplot(221)
plt.plot(np.arange(20))
plt.plot(np.arange(20)**2)
plt.subplot(222)
plt.plot(np.sin(np.arange(20)),'r')
plt.subplot(223)
plt.plot(np.cos(np.arange(20)),'b')
plt.subplot(224)
plt.plot(np.tan(np.arange(20)),'y')

在这里插入图片描述

plt.subplots：figure,axes = plt.subplots(2,2)，第一个代表行，第二个代表列，这个方法是一次性把所有的子图都绘制了，但是在子图上没有任何的东西，我们需要使用它的返回值来绘制，axes就是子图的对象

figure,axes = plt.subplots(2,2)
plt.style.use('ggplot')
axes[0,0].plot(np.arange(20),c='g')
axes[0,1].plot(np.sin(np.arange(20)),c='r')
axes[1,0].plot(np.cos(np.arange(20)),c='b')
axes[1,1].plot(np.tan(np.arange(20)),c='y')

在这里插入图片描述

Matplotlib库（二）

条形图

垂直条形图的绘制

绘制条形图使用的是plt.bar方法，这个方法有很多参数：
（1）x：在x轴上的坐标，可以为一个列表/数组/字符串
（2）y：在y轴上的坐标，可以为一个列表/数组/字符串
（3）data：如果传递了data，那么x和y就可以为data中的key和value，比如data是一个dataframe对象，那么x和y就是这个dataframe对象的某个列的名字

from matplotlib import  font_manager
movies = {
    "流浪地球":40.78,
    "飞驰人生":15.77,
    "疯狂的外星人":20.83,
    "新喜剧之王":6.10,
    "廉政风云":1.10,
    "神探蒲松龄":1.49,
    "小猪佩奇过大年":1.22,
    "熊出没·原始时代":6.71
}
font = font_manager.FontProperties(fname=r"C:\\Windows\\Fonts\\simsun.ttc",size=12)
plt.rcParams['font.sans-serif'] = ['SimSun']
x = list(movies.keys())
y = list(movies.values())
plt.figure(figsize=(15,5))
# 传x和y
plt.bar(x,y,width=-0.4,align='edge',color='r',edgecolor='k')
plt.xticks(font_properties=font)
plt.yticks(range(0,45,5),["%d亿元"%x for x in range(0,45,5)],font_properties=font)

# 传data
movie_df = pd.DataFrame(data={"names":list(movies.keys()),"tickets":list(movies.values())})
plt.bar("names","tickets",data=movie_df)

在这里插入图片描述

横向条形图的绘制

横向条形图：plt.barh，在方法中，y代表的是之前bar中的x，width代表的是bar中的height

plt.barh(list(movies.keys()),list(movies.values()))

在这里插入图片描述

分组条形图的绘制

matplotlib没有提供专门的分组条形图的API来实现，而是需要设置坐标来实现，绘制的规则是，一次性绘制所有电影第一天的数据，然后是第二天…

movies = {
    "流浪地球":[2.01,4.59,7.99,11.83,16],
    "飞驰人生":[3.19,5.08,6.73,8.10,9.35],
    "疯狂的外星人":[4.07,6.92,9.30,11.29,13.03],
    "新喜剧之王":[2.72,3.79,4.45,4.83,5.11],
    "廉政风云":[0.56,0.74,0.83,0.88,0.92],
    "神探蒲松龄":[0.66,0.95,1.10,1.17,1.23],
    "小猪佩奇过大年":[0.58,0.81,0.94,1.01,1.07],
    "熊出没·原始时代":[1.13,1.96,2.73,3.42,4.05]
}
plt.figure(figsize=(20,8))
width = 0.75
bin_width = width/5
movie_pd = pd.DataFrame(movies)
ind = np.arange(0,len(movies))

# 第一种方案
# first_day = movie_pd.iloc[0]
# plt.bar(ind-bin_width*2,first_day,width=bin_width,label='第一天')

# second_day = movie_pd.iloc[1]
# plt.bar(ind-bin_width,second_day,width=bin_width,label='第二天')

# third_day = movie_pd.iloc[2]
# plt.bar(ind,third_day,width=bin_width,label='第三天')

# four_day = movie_pd.iloc[3]
# plt.bar(ind+bin_width,four_day,width=bin_width,label='第四天')

# five_day = movie_pd.iloc[4]
# plt.bar(ind+bin_width*2,five_day,width=bin_width,label='第五天')

# 第二种方案
for index in movie_pd.index:
    day_tickets = movie_pd.iloc[index]
    xs = ind-(bin_width*(2-index))
    plt.bar(xs,day_tickets,width=bin_width,label="第%d天"%(index+1))
    for ticket,x in zip(day_tickets,xs):
        plt.annotate(ticket,xy=(x,ticket),xytext=(x-0.1,ticket+0.1))

# 设置图例
plt.legend(prop=font)
plt.ylabel("单位：亿",fontproperties=font)
plt.title("春节前5天电影票房记录",fontproperties=font)
# 设置x轴的坐标
plt.xticks(ind,movie_pd.columns,fontproperties=font)
plt.xlim
plt.grid(True)
plt.show()

在这里插入图片描述

堆叠条形图的绘制

matplotlib没有提供专门的堆叠条形图的API来实现，我们在绘制往上堆叠数据的时候，可以使用bottom参数，来往上偏移指定的距离，这样就可以实现堆叠的效果

menMeans = (20, 35, 30, 35, 27)
womenMeans = (25, 32, 34, 20, 25)
groupNames = ('G1','G2','G3','G4','G5')
xs = np.arange(len(menMeans))
plt.bar(xs,menMeans)
plt.bar(xs,womenMeans,bottom=menMeans)
plt.xticks(xs,groupNames)
plt.show()

在这里插入图片描述

直方图

直方图的绘制

直方图的绘制方法，使用的是plt.hist方法来实现，这个方法的参数以及返回值如下：
参数：
（1）x：数组或者可以循环的序列。直方图将会从这组数据中进行分组。
（2）bins：数字或者序列（数组/列表等）。如果是数字，代表的是要分成多少组。如果是序列，那么就会按照序列中指定的值进行分组。比如[1,2,3,4]，那么分组的时候会按照三个区间分成3组，分别是[1,2)/[2,3)/[3,4]。
（3）range：元组或者None，如果为元组，那么指定x划分区间的最大值和最小值。如果bins是一个序列，那么range没有有没有设置没有任何影响。
（4）density：默认是False，如果等于True，那么将会使用频率分布直方图。每个条形表示的不是个数，而是频率/组距（落在各组样本数据的个数称为频数，频数除以样本总个数为频率）。
（5）cumulative：如果这个和density都等于True，那么返回值的第一个参数会不断的累加，最终等于1。
返回值：
（1）n：数组。每个区间内值出现的个数，如果density=True，那么这个将返回的是频率/组距。
（2）bins：数组。区间的值。
（3）patches：数组。每根条的对象，类型是matplotlib.patches.Rectangle。

durations = [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]
plt.figure(figsize=(15,5))
nums,bins,patches = plt.hist(durations,20,edgecolor='k')
plt.xticks(bins,bins)
plt.show()