python数据可视化分析—matplotlib

文章目录

python数据可视化分析—matplotlib1.numpy简介：2.散点图：3.折线图：4.条形图：5.直方图6.饼状图：7.箱形图：

1.numpy简介：

存储和处理大型矩阵核心数据对象ndarray： np.array() np.arange() np.loadtxt(‘文件名’,delimiter=’,’,skiprows = 1,usecols = (1,4,6),unpack=False) unpack 写为True ，就可以把这些数据分开放调用函数两种方法：min ,max , median , mean（均值） ,variance（方差） ,sort np.min(data) data.min()排序： np.sort(data) #新生成的不改变原来的 data.sort() #这个是更改原来的

2.散点图：

观察两种变量的相关性plt.scatter()四个常见参数： 颜色：c 点的大小：s（面积） 形状：marker 透明度：alpha

3.折线图：

np.linspace(-10,10,100)在两个数之间等分直接调用 plt.plot()plt.plot_date():自动转换成时间的形式，但是不会是折线图，需要加一个“，‘-’”加了一个线的形状：linestyleimport matplotlib.dates as mdates

4.条形图：

plt.bar(left = index,height = y)调整参数：color width水平的条形图：加参数：orientation = ‘horizontal’,然后变left为0，让bottom=index记录报错：plt.bar(x=0,bottom=x,width=y,color=‘red’,height=0.5,orientation=‘horizontal’) plt.barh(y=x,width=y)层叠式： plt.bar(index,sales_BJ,bar_width,color = ‘b’) plt.bar(index,sales_SH,bar_width,color = ‘r’,bottom=sales_BJ)并列式： plt.bar(index,sales_BJ,bar_width,color = ‘b’) plt.bar(index+bar_width,sales_SH,bar_width,color = ‘r’)

5.直方图

plt.hist(x,bins=10,color,normed=True) bins是分组，normed是频率是True，总数是Falseplt.hist2d(x,y,bins=40):双变量的直方图 `# 随机生成2000个数据，均值为10 ，方差为3 # 绘制两个直方图，bins分别为10,50；normed分别为True和False import numpy as np import matplotlib.pyplot as plt mu = 10 # mean of distribution sigma = 3 # standard deviation of distribution x = mu + sigma * np.random.randn(2000) plt.hist(x, bins=10,normed=True) plt.hist(x, bins=50,normed=False) # 随机生成x和y，分别为2000个，x均值为1，y均值为5 # 绘制2D直方图，bins为40个 import numpy as np import matplotlib.pyplot as plt x=np.random.randn(2000)+1 y=np.random.randn(2000)+5 plt.hist2d(x,y,bins=40)

6.饼状图：

labels = 'A','B','C','D' fracs = [15,30,45,10] explode = [0,0.05,0.08,0] plt.axes(aspect = 1) #比例为1:1 plt.pie(x = fracs,labels = labels,autopct='%.0f%%',explode=explode,shadow=True) # autopct显示每一块所占比例 explode：每一块离圆中心的距离 shadow：

7.箱形图：

不常见但是还挺有用的图上边缘，上四分位数，中位数，下四分位数，下边缘，异常值 np.random.seed(100) data = np.random.normal(size=1000,loc = 0,scale=1) plt.boxplot(data,sym = 'o',whis=1.5) #多组数据 np.random.seed(100) data = np.random.normal(size=(1000,4),loc = 0,scale=1) labels = ['A','B','C','D'] plt.boxplot(data,labels = labels)