6.数据可视化工具
1. matplotlib
Python 的 2D绘图库，为Python构建一个Matlab式的绘图接口，通过 Matplotlib，开发者可以仅需要几行代码，便可以生成绘图，直方图，功率谱，条形图，错误图，散点图等
Matplotlib是最常用绘图库，功能上能够满足我们的应用
serborn是在matplotlib的基础上进行了更高级的API封装，是一个补充
Bokeh 针对web
d3.js 最高级的绘图工具，js来写
官方文档
https://matplotlib.org/users/pyplot_tutorial.html
2.figure
figure可以理解为画布
如果不创建figure对象，matplotlib自动创建一个figure对象
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
fig = plt.figure()
print(fig)
###############运行结果#################
Figure(432x288)
<matplotlib.figure.Figure at 0xb477790>
########################################
3.快速绘图
arr1 = np.random.randn(100)
# print(arr1)
plt.plot(arr1)
plt.show()
运行结果
image.png
4.Subplot
可以通过add_subplot来分割figure，表示可以在figure的不同位置上作图
fig.add_subplot(a, b, c)
a,b 表示将fig分割成 a*b 的区域
c 表示当前选中要操作的区域，
注意：从1开始编号（不是从0开始）
plot 绘图的区域是最后一次指定subplot的位置 (jupyter notebook里不能正确显示)
# jupyter 里不能显示
arr2 = np.random.randn(100)
ax1 = fig.add_subplot(2,2,1)
ax2 = fig.add_subplot(2,2,2)
ax3 = fig.add_subplot(2,2,3)
ax4 = fig.add_subplot(2,2,4)
ax1.plot(arr2)
ax2.plot(arr2)
ax3.plot(arr2)
ax4.plot(arr2)
plt.show()
5. 直方图hist方法
参数一：数据集
bins参数：代表展现数据的直方个数
color参数：可以指定颜色
Alpha：参数可以指定透明度（默认是1，表示不透明）
plt.hist(arr2,bins=20,color='k',alpha=0.5)
plt.show()
运行结果
image.png
6. 散点图 scatter方法
参数1：x轴的坐标
参数2： y轴的坐标
x = [1,2,3,4,5]
y = [5,6,7,4,3]
plt.scatter(x,y,color='r')
plt.show()
运行结果
image.png
x = np.arange(10)
y = np.random.randint(0,5,10)
plt.scatter(x,y)
plt.show()
运行结果
image.png
7. 柱形图bar
x = np.arange(5)
y1,y2 = np.random.randint(1,25,size=(2,5))
width=0.3
plt.bar(x,y1,width,color='r',alpha = 0.6)
plt.bar(x+width,y2,width,color='b',alpha=0.6)
plt.show()
运行结果
image.png
x = np.arange(4)
y1,y2 = np.random.randint(1,25,size=(2,4))
width = 0.2
ax = plt.subplot(1,1,1)
ax.bar(x,y1,width,color='r',alpha=0.6)
ax.bar(x+width,y2,width,color='b',alpha=0.6)
# 指定x轴标记的位置
ax.set_xticks(x+width/2)
ax.set_xticklabels(['q1','q2','q3','q4'])
plt.show()
运行结果
image.png
8. 饼状图
sizes：每个标签占多大，会自动去算百分比
explode：将某部分爆炸出来， 使用括号，将第一块分割出来，数值的大小是分割出来的与其他两块的间隙
labels:定义饼状图的标签，标签是列表
Colors:每部分的颜色
labeldistance，文本的位置离远点有多远，1.1指1.1倍半径的位置
autopct，圆里面的文本格式，%3.1f%%表示小数有三位，整数有一位的浮点数
shadow，饼是否有阴影
startangle：起始角度，0，表示从0开始逆时针转，为第一块。一般选择从90度开始比较好看
pctdistance：百分比的text离圆心的距离
返回值：p_texts饼图内部文本的，l_texts饼图外label的文本
# 调整图形的大小宽高
plt.figure(figsize=(8,6))
# 定义饼状图上显示的标签，列表
labels = ['IE','Chrome','Firefox']
# 每个块的大小，百分比
sizes = [40,50,10]
# 颜色
colors = ['y','k','r']
# 将某一部分爆炸出来，元组()
explode = (0.1,0,0)
patches,l_text,p_text = plt.pie(sizes,explode=explode,labels=labels,colors=colors,
labeldistance=1.1,autopct="%3.1f%%",shadow=True,
startangle=90,pctdistance=0.6)
plt.show()
运行结果
image.png
9. 矩阵绘图imshow
混淆矩阵，三个维度的关系
表示数据分布范围情况
分布越多，值越大（值偏向1），颜色偏白，如果值越小颜色偏绿色
data = np.random.randn(10,10)
print(data)
#################运行结果################
[[ 0.79216876 1.42931622 -1.7647661 1.62640919 0.66178082 0.04921573
-0.76783192 1.07053169 1.40744264 -0.13851484]
[-1.53587478 0.88159123 0.77804888 1.17960306 -1.6264733 0.48013081
1.13327399 1.79135941 -1.0195475 1.14625459]
[ 2.78574643 -0.21493639 1.34915968 1.18572988 -0.18755706 -0.03882507
-0.21560904 0.90186994 0.19319313 1.28486583]
[ 0.2776058 0.10872493 -1.47960929 -1.19917445 0.54804898 0.34829874
-1.18583962 0.14511466 -1.31990892 -0.11012531]
[-0.37740773 1.95613448 0.56153778 0.43202784 1.5774585 0.74983994
0.65840562 0.79909888 1.44862456 -1.55017949]
[-0.37113854 -1.76736113 -2.01355381 -0.61376981 -1.58085291 1.01602926
-1.1105543 0.69310044 0.50535768 -0.35909564]
[ 0.24726569 -0.0084276 -1.149235 0.58459508 1.26921766 -0.03779366
1.99952939 0.32946322 0.36575931 1.13901872]
[-0.82789188 1.22245847 1.30253428 -2.03761498 0.14996945 0.54857007
-0.46994465 0.22950404 1.07208546 -0.0074044 ]
[ 0.83339981 -0.47487887 1.66319774 -0.57931878 2.30565429 -0.24795773
-0.04656456 -0.74630762 -0.30773271 -0.10209038]
[-0.1210547 0.28764046 0.19531414 0.76053103 0.67383264 0.51694679
0.03379526 -0.08532095 1.44249721 0.74751775]]
########################################
plt.imshow(data,cmap=plt.cm.ocean)
plt.colorbar()
plt.show()
运行结果
image.png
10. plt.subplots()
同时返回新创建的figure和subplot对象列表
在jupyter里可以正常显示，推荐使用这种方式创建多个图表
fig,subplot_arr = plt.subplots(2,2)
print(type(subplot_arr))
subplot_arr[0,1].hist(np.random.randn(100),bins = 20, color='b',alpha=0.4)
subplot_arr[1,1].imshow(np.random.rand(5,5))
plt.show()
运行结果
image.png
11. 颜色、标记、线型
颜色
image.png
标记
image.png
线型
image.png
fig,subplot_arr = plt.subplots(2)
arr5 = np.random.randint(0,100,20)
arr6 = np.random.randint(0,100,20)
subplot_arr[0].plot(arr5,'ro-')
subplot_arr[1].plot(arr6,color='b',linestyle='dotted',marker='o')
plt.show()
运行结果
image.png
12. 刻度、标签、图例
设置刻度范围
plt.xlim([xmin,xmax]), plt.ylim([ymin,ymax])
ax.set_xlim(), ax.set_ylim()
设置显示的刻度
plt.xticks(list), plt.yticks(list)
ax.set_xticks(list), ax.set_yticks(list)
设置刻度标签
ax.set_xticklabels()
ax.set_yticklabels()
设置坐标轴标签
ax.set_xlabel(list), ax.set_ylabel(list)
设置标题
ax.set_title()
fig,ax = plt.subplots(1)
ax.plot(np.random.randn(1000).cumsum(),label='line0')
ax.plot(np.random.randn(1000).cumsum(),label='line1')
ax.plot(np.random.randn(1000).cumsum(),label='line2')
# 设置刻度
ax.set_xlim([0,500])
# 设置x轴的显示刻度
ax.set_xticks(range(0,800,100))
# y标签
ax.set_yticklabels(['Jan','Feb','Mar'])
# 坐标轴标签
ax.set_xlabel('number')
ax.set_ylabel('month')
# 标题
ax.set_title('Example')
# 图例
ax.legend(loc='best')
plt.show()
运行结果
image.png
