4、matplotlib数据可视化

为什么需要可视化？哪些场景适用?

因为密密麻麻的数据的可读性较差并且毫无重点，而数据可视化更加直观有意义，更能帮助数据更易被人们理解和接受。常用类型如下：
对比分类数据：
柱状图
条形图（可解决类别名称过长的问题）
展示数据的趋势变化：
折线图
柱线图
用来展示各类别占比，了解数据的分布情况。
饼图
存在大量数据点时，用于发现各变量之间的关系。
散点图
呈面状但属分散分布的数据，比如人口密度
地图
热力图

柱状图&&条形图

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt

x=[1,5,6,8,8]
y=[5,8,5,3,7]
plt.bar(x,y,color='r')  #柱状图
plt.barh(x,y,color='b') #条形图

折线图

#直接生成
plt.plot(np,random.rand(100))
plt.show()

random
常用的参数配置

data=np.random.rand(25)
data1=np.random.rand(20)
plt.plot(data,labels='data')
plt.xlable('hahah')                                    #添加行标签
plt.ylable('wiuichen')                                 #添加列标签
plt.title('jjjjjj',y=1.05,fontsize=20)          #添加标题
plt.plot(data1,labels='data1')
plt.legend(loc=0)                   #添加图例，loc=0是系统自己决定一个最佳位置，

image.png

散点图

plt.figure(figsize=(10,6))
x=np.random.rand(1000)
y=np.random.rand(1000)
x1=np.random.randn(1000)
y1=np.random.randn(1000)
plt.scatter(x1,y1)
plt.grid()

饼图

plt.figure(figsize=(8,8))
size=[15,30,45,100]
labels=['小米','华为','vivo','oppo']
plt.pie(size,labels=labels,autopct='%1.1f%%',explode=(0.0,0.0,0.0,0.1),startangle=90,shadow=True)
plt.grid()
#autopct='%1.1f%%'是为了显示饼图中的数字，
#explode是为了控制哪个图分离，startangle是为了饼图的显示
#shadow是显示阴影。