数据可视化

13 数据可视化

13.1 数据可视化的目的

在信息呈现的三种表现形式中，

最直观的是图。

在这里插入图片描述

数据可视化的目的，就是借助于图形化手段，清晰有效地传达与沟通信息。

13.2 数据可视化的基本流程

13.2.1 整理数据

  • 对数据进行规范
  • 明确可视化哪些数据
  • 提取需要可视化的数据

13.2.2 明确目的

  • 思考本次可视化的目的
  • 斟酌展示的数据
  • 明确想要传达的信息

13.2.3 寻找合适的表现形式

  • 针对本次可视化的目的选择合适的表现形式
  • 明确各类信息展示需要的图表种类(条形图，折线图，扇形图…)

13.2.4 绘图

  • 依设计，对各类信息所需要的图表进行绘制

  • 查看实际效果，进行细化和调控

13.3 图表的基本组成元素

在这里插入图片描述

元素 含义
画布 绘图界面。即图表呈现的区域。
坐标系 用于标识变量。一块画布当中可以建立多个坐标系。坐标系分为直角坐标系，球坐标系和极坐标系三种，其中直角坐标系最常用。
坐标轴 坐标轴是坐标系中的概念，用以显示变量范围和确定数据点。二维直角坐标系有两根坐标轴。横轴x轴一般代表自变量，纵轴y轴一般代表因变量，且因变量一般不止一个。
坐标轴标题 顾名思义。即每根坐标轴的名称。用于显示坐标轴代表的变量的实际含义
图表标题 整个图表的名称。用于介绍整个图表展示的整体内容
数据标签 用于展示一个数据点的确切数值或意义
数据表 一般展示在图的下方。用于辅助图进行数据展示
网格线 网格线是坐标轴的一系列平行线。用于更加明确地揭示变量的数值所在范围
图例 用于分辨不同的因变量与自变量之间的图形。一般用符号和颜色来作图例。
其他辅助线 如误差线，极值线等。助力于信息表达

13.4 Python的数据可视化基础

在Excel中，只需"插入">“图表”，即可绘制各种图表。操作较为简单。下面均以Python的matplotlib库为例。

13.4.1 导入相关库和显示设置

import matplotlib.pyplot as plt  #导入matplotlib.pyplot并取别名plt

plt.rcParams["font.sans-serif"] = 'SimHei'  # 设置默认字体为简黑，解决中文乱码问题
plt.rcParams['axes.unicode_minus'] = False  # 解决负号无法显示的问题

%matplotlib inline # 让图表直接在jupyter notebook中显示
%config InlineBackend.figure_format='svg'  # 将显示的图表格式设置为矢量图，更加清晰

13.4.2 建立画布和坐标系

画布 figure
fig=plt.figure(num=None,
               figsize=None,
               dpi=None,
               facecolor=None,
               edgecolor=None
              )
  • num设置画布的标识。可以是数字或字符串。如果不传入，默认是从1开始递增的整数。
  • figsize设置画布大小,以英尺为单位。
  • dpi设置一英尺的像素大小。默认值100.即figsize·dpi为画布的像素大小
  • facecolor设置背景颜色
  • edgecolor设置边框颜色

如:

fig=plt.figure("图1",figsize=(10,8),dpi=40)
# <Figure size 400x320 with 0 Axes>
颜色
  • RGB三元组,每个值在0-1之间:(0.1,0.2,0.3)
  • 十六进制RGB字符串:#13A4F7
  • 常见颜色的字符串:'b' 蓝色,'g' 绿色，'r' 红色，'c' 作为青色，'m' 洋红色，'y' 黄色，'k' 黑色，'w' 白色等
坐标系 axis

绘制坐标系的前提是，得有一块画布。

add_subplot
fig.add_subplot(nrows, ncols, index , projecttion='rectilinear')
# 将画布划分为nrows·ncols个区域,在索引为index的区域绘制坐标系
  • projection可以设置坐标系的类型。默认为直角坐标。可用值为{None, 'aitoff', 'hammer', 'lambert', 'mollweide', 'polar', 'rectilinear', str}。其中polar是极坐标，rectilinear是直角坐标

如:

fig=plt.figure("画布",figsize=(10,8),dpi=30)
ax1=fig.add_subplot(3,4,(1,2),projection="aitoff")
ax2=fig.add_subplot(3,4,(3,4),projection="lambert")
ax3=fig.add_subplot(3,4,(5,6),projection='hammer')
ax4=fig.add_subplot(3,4,(7,8),projection='mollweide')
ax5=fig.add_subplot(3,4,(9,10),projection='polar')
ax6=fig.add_subplot(3,4,(11,12),projection='rectilinear')

在这里插入图片描述

数据分析一般以直角坐标系为主。

plt.subplot2grid
plt.subplot2grid(shape,loc,figure=None, projecttion='rectilinear')
  • shape为一个元组，相当于add_subplot的nrows和ncols.将画布划分为nrows·ncols个区域
  • loc为一个元组。设置坐标系的行列位置。从0开始计数
  • figure指定画布。默认为当前使用的画布。

如:

fig=plt.figure("画布",figsize=(8,6),dpi=20)
ax1=plt.subplot2grid((2,2),(0,0))
ax2=plt.subplot2grid((2,2),(0,1),projection="polar")
ax3=plt.subplot2grid((2,2),(1,0),projection="polar")
ax4=plt.subplot2grid((2,2),(1,1))

在这里插入图片描述

plt.subplot
plt.subplot(nrows, ncols, index , projecttion='rectilinear')
  • 同add_subplot，只不过画布默认使用当前画布。
plt.subplots

在显示区一次性绘制多个坐标系，自动衡量画布大小并把画布返回

fig,axes=plt.subplots(nrows, ncols)

如:

fig,axes=plt.subplots(3,3)
print(fig)
# Figure(432x288)
print(axes)
"""[[<AxesSubplot:> <AxesSubplot:> <AxesSubplot:>]
 [<AxesSubplot:> <AxesSubplot:> <AxesSubplot:>]
 [<AxesSubplot:> <AxesSubplot:> <AxesSubplot:>]]
"""

# axes为列表，可索引到各个坐标系

在这里插入图片描述

13.4.3 设置坐标轴

创建完坐标系后，要立即设置坐标轴的格式。

标题 label
plt.xlabel(xlabel, fontdict=None,labelpad=None, *, loc=None, **kwargs)  # 设置当前坐标系的x轴标题
plt.ylabel(ylabel, fontdict=None,labelpad=None, *, loc=None, **kwargs)	# 设置当前坐标系的y轴标题
  • xlabel，ylabel设置坐标轴标题的文字内容
  • labelpad设置文字离坐标轴的距离。默认值4
  • fontdict用于传入文字格式配置(字典)。
  • loc设置文字位于x轴方向的左侧('left')，中央('center')，还是右侧(right)，y轴方向的顶端top，中央(center)，还是底部(bottom).
  • **kwargs用于传入其他关于文字的参数。
文字
  • fontsize:设置字体大小。可以为数字(像素)。也可以为预设的字符串，由小到大依次有 xx-small, x-small, small, medium, large,x-large, xx-large
  • color:设置字体颜色
  • fontstyle：设置字体样式。由倾斜程度依次有normal ,italic, oblique
  • fontweight：设置字体粗细。由细到粗依次有light, normal, medium, semibold, bold, heavy, black
  • backgroundcolor：设置字体的背景颜色
  • bbox：设置文字的边框信息，一个字典。键和值如下:
    • boxstyle:设置边框外形。square(矩形),round(圆角矩形)，circle(圆形)
      • facecolor(简写fc):设置背景颜色
      • edgecolor(简写ec):设置边框线条颜色
      • edgewidth:设置边框线条大小

如:

fig = plt.figure(figsize=(8, 6))
ax1 = fig.add_subplot(1, 3, 1)
plt.xlabel("月份")
plt.ylabel("销量")
ax2 = fig.add_subplot(1, 3, 3)
plt.xlabel("月份", labelpad=6, loc="right", fontsize=14, color='b')
plt.ylabel("销量", labelpad=6, loc="top", fontsize=14, color='g')

在这里插入图片描述

刻度 ticks
plt.xticks(ticks=None, labels=None, **kwargs)
plt.yticks(ticks=None, labels=None, **kwargs)
  • ticks设置刻度值。可传入由数值组成的列表类似的序列对象。
  • labels设置刻度文字。可传入字符串列表。
  • kwargs可传入文字相关的格式参数。
fig = plt.figure(figsize=(4, 3))
plt.xlabel("月份")
plt.xticks(range(1,8),["一","二","三","四","五","六","七"])
plt.ylabel("销量")
plt.yticks(range(500,5000,500))

在这里插入图片描述

ticks传入空列表，可以达到隐藏坐标轴刻度线的作用:

fig = plt.figure(figsize=(4, 3))
plt.xlabel("月份")
plt.xticks([])
plt.ylabel("销量")
plt.yticks([])

在这里插入图片描述

要调节刻度线，可以使用以下函数:

plt.tick_params(axis, which, reset, direction, length, width, color, pad,
                labelsize, labelcolor, top, bottom, left, right, labeltop,
                labelbottom, labelledt, labelright)
  • axis设置本次调节的轴:x轴('x')，y轴(y轴),两个都(both)
  • which设置本次调节的刻度线:主刻度线('major'),次刻度线(minor),两个都(both). (后面学)
  • reset设置是否重置所有之前的调节，以本次调节为准
  • direction设置刻度线的位置:在图中(in),在图外(out),图中图外都有(inout)
  • length设置刻度线的长度
  • width设置刻度线的宽度
  • color设置刻度线颜色
  • pad设置刻度线与刻度文字的距离。
  • labelsize设置刻度文字的大小
  • labelcolor设置刻度文字的颜色
  • top,bottom,left,right设置上下左右的刻度线是否显示
  • labeltop,labelbottom,labelleft,labelright设置上下左右的刻度文字是否显示

如:

fig = plt.figure(figsize=(4, 3))
plt.xlabel("月份")
plt.xticks(range(1, 8), ["一", "二", "三", "四", "五", "六", "七"])
plt.ylabel("销量")
plt.yticks(range(500, 5000, 500))
plt.tick_params(axis="x", color="b", direction="in")
plt.tick_params(axis="y",
                color="g",
                right=True,
                labelright=True,
                direction='inout')

在这里插入图片描述

坐标值的范围 lim
x_bottom, x_top = plt.xlim()   # 获取当前x轴值的范围
y_bottom, y_top = plt.ylim()   # 获取当前y轴值的范围

plt.xlim(bottom,top)   # 设置x轴值的范围
plt.ylim(bottom,top)	# 设置y轴值的范围

如:

plt.ylim(0,8000)

在这里插入图片描述

坐标轴的显示

坐标轴默认都是显示的。

plt.axis('on')  # 显示坐标轴
plt.axis('off') # 不显示坐标轴

如:

fig = plt.figure(figsize=(4, 3))
ax1 = fig.add_subplot(1, 2, 1)
plt.xlabel("月份")
plt.xticks(range(1, 8), ["一", "二", "三", "四", "五", "六", "七"])
plt.ylabel("销量")
plt.yticks(range(500, 5000, 500))
plt.tick_params(axis="x", color="b", direction="in")
plt.tick_params(axis="y",
                color="g",
                right=True,
                labelright=True,
                direction='inout')
plt.plot(range(1, 8), [1200, 1300, 1200, 2600, 1789, 1800, 1345])   # 绘制折线图，之后会学习

ax2 = fig.add_subplot(1, 2, 2)
plt.xlabel("月份")
plt.xticks(range(1, 8), ["一", "二", "三", "四", "五", "六", "七"])
plt.ylabel("销量")
plt.yticks(range(500, 5000, 500))
plt.tick_params(axis="x", color="b", direction="in")
plt.tick_params(axis="y",
                color="g",
                right=True,
                labelright=True,
                direction='inout')
plt.plot(range(1, 8), [1200, 1300, 1200, 2600, 1789, 1800, 1345]) # 绘制折线图，之后会学习
plt.axis('off')

在这里插入图片描述

双轴 twins

在绘制完主轴的图表后，可以切换次轴，再在原来的基础上再画另一幅图表。

plt.twinx()  # 切换设置次y轴
plt.twiny()  # 切换设置次x轴

如:

fig=plt.figure(figsize=(4,3))
fig.add_subplot(1,1,1)
plt.xlabel("月份")
plt.xticks(range(1, 8), ["一", "二", "三", "四", "五", "六", "七"])
plt.ylabel("月销量")
plt.yticks(range(500, 5000, 500))
plt.twiny()  # 切换设置次x轴
plt.xlabel("周")
plt.xticks(range(1, 8), ["一", "二", "三", "四", "五", "六", "日"])
plt.twinx()	 # 切换设置次y轴
plt.ylabel("日平均销量")
plt.yticks(range(0, 1000, 100))

在这里插入图片描述

13.4.4 其他元素

网格线 grid

网格线用于延伸刻度线。网格线默认关闭。

plt.grid(visible,which,axis,**kwargs)
  • visible设置网格线可见
  • which设置延伸哪种刻度线。主刻度线('major'),次刻度线(minor),两个都(both).(目前暂未学习到)
  • axis设置延伸哪根轴上的刻度线。x轴('x')，y轴(y轴),两个都(both)
  • **kwargs用于传入一些线条样式相关的参数
线条
  • linestyle设置线条类型。实线('solid'),点虚线('dotted'),破折线('dashed'),点划线('dashdot')
  • color设置线条颜色。
  • linewidth设置线条宽度。

如:

def draw_graph():
    plt.xlabel("月份")
    plt.xticks(range(1, 8), ["一", "二", "三", "四", "五", "六", "七"])
    plt.ylabel("销量")
    plt.yticks(range(500, 5000, 500))
    plt.tick_params(axis="x", color="b", direction="in")
    plt.tick_params(axis="y",
                    color="g",
                    right=True,
                    labelright=True,
                    direction='inout')
    plt.plot(range(1, 8), [1200, 1300, 1200, 2600, 1789, 1800, 1345])


fig = plt.figure(figsize=(6, 8))
ax1 = fig.add_subplot(2, 2, 1)
draw_graph()
plt.grid(visible=True, axis='y', linestyle='dotted', color='g')
ax2 = fig.add_subplot(2, 2, 2)
plt.grid(visible=True, axis='x', linestyle='dashed', color='y')
draw_graph()
ax3 = fig.add_subplot(2, 2, 3)
plt.grid(visible=True, axis='y', linestyle='dashdot', color='r')
draw_graph()
ax4 = fig.add_subplot(2, 2, 4)
plt.grid(visible=True, axis='x', linestyle='solid')
draw_graph()

在这里插入图片描述

图例 legend

稍后讲解的各种绘图函数，都可以传入一个label参数来当做图例。

下面的函数将在图中显示这些图例

plt.legend(loc, ncol, fontsize, prop, facecolor, edgecolor, title,
           title_fontsize, shadow)
  • loc设置图例的显示位置。
值 含义 数字代码
‘best’ 自动选择最合适的位置 0
‘upper right’ 右上角 1
‘upper left’ 左上角 2
‘lower left’ 左下角 3
‘lower right’ 右下角 4
‘right’ 右侧 5
‘center left’ 左侧中心 6
‘center right’ 右侧中心 7
‘lower center’ 底部中心 8
‘upper center’ 顶部中心 9
‘center’ 中心 10
  • ncol设置一行放几个图例
  • fontsize设置字体大小
  • prop传入字体配置字典。
  • facecolor设置背景色
  • edgecolor设置边框色
  • title设置图例的标题
  • title_fontsize设置标题字体大小
  • shadow设置图例框是否添加阴影

如:

def draw_graph():
    plt.xlabel("月份")
    plt.xticks(range(1, 8), ["一", "二", "三", "四", "五", "六", "七"])
    plt.ylabel("销量")
    plt.yticks(range(500, 5000, 500))
    plt.tick_params(axis="x", color="b", direction="in")
    plt.grid(visible=True, axis='x', linestyle='dotted')
    plt.plot(range(1, 8), [1300, 1700, 4500, 3700, 2500, 2000, 1800],
             label="甲")
    plt.plot(range(1, 8), [1900, 2700, 3600, 3800, 1500, 2400, 1600],
             label="乙")
    plt.plot(range(1, 8), [2300, 2700, 3500, 2700, 3500, 2100, 1900],
             label="丙")


fig = plt.figure(figsize=(10, 6))
fig.add_subplot(1, 2, 1)
draw_graph()
plt.legend()
fig.add_subplot(1, 2, 2)
draw_graph()
plt.legend(ncol=3, loc="lower center", shadow=True, title="部门")

在这里插入图片描述

图标标题 title
plt.title(label, fontdict=None, loc=None, pad=None, **kwargs)
  • label设置标题文字
  • fontdict传入字体设置字典
  • loc设置标题位置。中央(ceenter)，左侧(left)，右侧(right)。
  • pad设置标题文字离图表的距离
  • **kwargs传入其他与字体相关的参数

如:

fig = plt.figure(figsize=(4, 3))
draw_graph()
plt.legend()
plt.title("2022年部门销量对比图")

在这里插入图片描述

数据标签 text
plt.text(x,y,s,ha,va,fontsize,fontdict,**kwargs)
  • x,y设置数据点的位置
  • s设置显示的标签
  • ha设置数据点相对于标签的水平位置。中(center)，左(left），右(right)
  • va设置数据点相对于标签的垂直位置。中(center),上(top)，下(bottom)
  • fontsize设置字体大小
  • fontdict传入字体设置字典
  • **kwargs传入其他与字体相关的参数

如:

fig = plt.figure(figsize=(4, 3))
x = range(1, 8)
y = [1300, 1700, 4500, 3700, 2500, 2000, 1800]
plt.xlabel("月份")
plt.xticks(x, ["一", "二", "三", "四", "五", "六", "七"])
plt.ylabel("销量")
plt.yticks(range(500, 5000, 500))
plt.tick_params(axis="x", color="b", direction="in")
plt.grid(visible=True, axis='x', linestyle='dotted')
plt.title("月销量折线图")
plt.plot(x, y)

for i, j in zip(x, y):
    plt.text(i, j, j, ha="right", va="top")

在这里插入图片描述

图表注释 annotate
plt.annotate(text,xy,xytext,arrowprops,**kwargs)
  • text设置注释文本
  • xy设置要被注释的数据点的位置。二元组
  • xytext设置注释文本的位置
  • arrowprops传入箭头配置字典。
    • color设置箭头颜色
      • arrowstyle设置箭头样式。-,->,-[,<-,<->,<,fancy,simple,wedge
  • **kwargs传入其他与字体相关的参数

如:

plt.annotate("产业旺期", (3, 4500), (1, 3500),
             arrowprops={
                 'arrowstyle': "<-",
                 'color': '#568970'
             },
             color='r')

在这里插入图片描述

表格 table
plt.table(cellText=None,
          cellColours=None,
          cellLoc='right',
          colWidths=None,
          rowLabels=None,
          rowColours=None,
          rowLoc='left',
          colLabels=None,
          colColours=None,
          colLoc='center',
          loc='bottom',
          bbox=None,
          **kwargs)
  • cellText设置表格的内容。二维列表。
  • cellColours设置单元格的颜色。二维列表
  • cellLoc设置单元格内文字的对齐方式。左(left)，中(center），右(right)
  • colWidths设置列宽。二维列表
  • rowLabels,colLabels设置行列索引
  • rowColours,colColours设置行列索引格的颜色
  • rowLoc，colLoc设置行列索引格文字的对齐方式。左(left)，中(center），右(right)
  • loc设置表格所处位置。同plt.legend()的loc参数
  • bbox设置边框样式
  • **kwargs设置其他更多的表格和文字属性。

如:

fig = plt.figure(figsize=(6, 6))

fig.add_subplot(4, 1, (1, 3))
x = range(1, 8)
y = [1300, 1700, 4500, 3700, 2500, 2000, 1800]
plt.xlabel("月份")
plt.xticks(x, ["一", "二", "三", "四", "五", "六", "七"])
plt.ylabel("销量")
plt.yticks(range(500, 5000, 500))
plt.tick_params(axis="x", color="b", direction="in")
plt.grid(visible=True, axis='x', linestyle='dotted')
plt.title("月销量折线图")
plt.plot(x, y)
for i, j in zip(x, y):
    plt.text(i, j, j, ha="right", va="top")
plt.annotate("产业旺期", (3, 4500), (1, 3500),
             arrowprops={
                 'arrowstyle': "<-",
                 'color': '#568970'
             },
             color='r')

fig.add_subplot(4, 1, 4)
xcolor = ["blue", "blue", "green", "green", "green", "blue", "blue"]
plt.table([x, y],
          cellLoc="center",
          rowLabels=["月份", "销量"],
          rowColours=["yellow", "red"],
          cellColours=[xcolor, xcolor],
          loc="center")
plt.axis('off')

在这里插入图片描述

水平线/垂直线 axhline/axvline
plt.axhline(y,xmin,xmax,**kwargs)
plt.axvline(x,ymin,ymax,**kwargs)
  • y设置水平线的y值，xmin,xmax在0-1间，为水平线的起始位置和终点位置占比
  • x设置垂直线的x值，ymin,ymax在0-1间，为水平线的起始位置和终点位置占比
fig=plt.figure(figsize=(4,3))
fig.add_subplot(1,1,1)
plt.axhline(3, xmin=0.25, xmax=0.75)
plt.axvline(3,ymin=0.4,ymax=0.6)

在这里插入图片描述

13.5 常用图表绘制

13.5.1 折线图

plt.plot(x, y, color, linestyle, linewidth, marker, markeredgecolor,
         markeredgewidth, markerfacecolor, markersize, label)
  • x设置横轴数据。列表数组型数据均可
  • y设置纵轴数据。列表数组型数据均可
  • color设置线条颜色，linestyle设置线条形状，linewidth设置线条宽度
  • label设置图例
点标记
  • marker设置点的标记类型。
值 含义 值 含义
. 点 o 圆圈
^ v < > 上,下,左,右三角 s 正方形
p 五边形 * 五角星
h 六边形 + 十字
x 叉 D d 大菱形 小菱形
_ 横线
  • markeredgecolor设置标记外边颜色
  • markeredgewidth设置标记外边线宽
  • markerfacecolor设置标记实心颜色
  • markersize设置标记大小

如:

fig = plt.figure(figsize=(4, 3))  # 创建画布
plt.subplot(1, 1, 1)  # 创建坐标系

# 准备数据
df = pd.DataFrame({
    "月份": [1, 2, 3, 4, 5, 6, 7],
    "注册量": [900, 2300, 6900, 4500, 5200, 3400, 4200]
})
x = df["月份"]
y = df["注册量"]

# 绘图
plt.plot(x,
         y,
         color="blue",
         linestyle="dashdot",
         marker=".",
         markeredgecolor="red",
         label="月注册量")

# 坐标轴
plt.xlabel(df.columns[0])
plt.ylabel(df.columns[1])
plt.xticks(x, ["一", "二", "三", "四", "五", "六", "七"])
plt.yticks(range(0, 7001, 1000), [f"{i}人" for i in range(0, 7001, 1000)])

# 数据标签
for i, j in zip(x, y):
    plt.text(i, j, j, ha="right", va="top")

# 网格线
plt.grid(visible=True, axis="both", linestyle="solid")

# 图例
plt.legend()

# 标题
plt.title("2022年1-7月用户注册量")

# 显示或保存
## plt.show()  在jupyter之外的环境
plt.savefig("./files/2022年1-7月用户注册量.png")

在这里插入图片描述

13.5.2 柱形图

plt.bar(x,
        height,
        width=0.8,
        bottom=None,
        *,
        label=None,
        align='center',
        color=None,
        edgecolor=None,
        **kwargs,)
  • x设置横轴数据。列表数组型数据均可
  • height设置纵轴数据。列表数组型数据均可
  • width设置柱形宽度。数字或列表数组型数据均可
  • bottom设置柱形的底部位置。数字或列表数组型数据均可
  • label设置图例名。
  • align设置柱形与x轴单位的对齐关系。中心对齐center，edge边缘对齐
  • color设置柱形颜色
  • edgecolor设置柱形边框颜色
  • *,**kwargs传入其他相关参数
普通柱形图
fig = plt.figure(figsize=(4, 3))  # 创建画布
plt.subplot(1, 1, 1)  # 创建坐标系

# 准备数据
df = pd.DataFrame({
    "班级": [1, 2, 3, 4, 5, 6, 7,8],
    "人数": [54, 56, 48, 39, 51, 42, 36,45]
})
x = df["班级"]
y = df["人数"]

# 绘图
plt.bar(x,y,width=0.6,color="darkblue",align="center",label="总人数")

# 坐标轴
plt.xlabel(df.columns[0])
plt.ylabel(df.columns[1])
plt.xticks(x, ["一", "二", "三", "四", "五", "六", "七","八"])
plt.yticks(range(0, 61, 10), [f"{i}人" for i in range(0, 61, 10)])

# 数据标签
for i, j in zip(x, y):
    plt.text(i, j, j, ha="center", va="bottom",color="blue")
    
# 图例
plt.legend()

# 标题
plt.title("高三各班人数统计")

# 显示或保存
## plt.show()  在jupyter之外的环境
plt.savefig("./files/高三各班人数统计.png")

在这里插入图片描述

簇状柱形图

根据宽度width,控制柱形的水平位置(x)即可

fig = plt.figure(figsize=(4, 3))  # 创建画布
plt.subplot(1, 1, 1)  # 创建坐标系

# 准备数据
df = pd.DataFrame({
    "班级": [1, 2, 3, 4, 5, 6, 7, 8],
    "男生": [36, 36, 24, 12, 30, 38, 25, 35],
    "女生": [18, 20, 24, 27, 21, 4, 11, 10]
})
x = df["班级"]
y1 = df["男生"]
y2 = df["女生"]

# 绘图
width = 0.4
plt.bar(x - width / 2,
        y1,
        width=width,
        color="darkblue",
        align="center",
        label="男生")

plt.bar(x + width / 2,
        y2,
        width=width,
        color="darkred",
        align="center",
        label="女生")

# 坐标轴
plt.xlabel(df.columns[0])
plt.ylabel("人数")
plt.xticks(x, ["一", "二", "三", "四", "五", "六", "七", "八"])
plt.yticks(range(0, 51, 10), [f"{i}人" for i in range(0, 51, 10)])

# 数据标签
for i, j1, j2 in zip(x, y1, y2):
    plt.text(i - width / 2, j1, j1, ha="center", va="bottom", color="blue")
    plt.text(i + width / 2, j2, j2, ha="center", va="bottom", color="red")

# 图例
plt.legend()

# 标题
plt.title("高三各班人数统计")

# 显示或保存
## plt.show()  在jupyter之外的环境
plt.savefig("./files/高三各班人数统计.png")

在这里插入图片描述

堆积柱形图

在同一水平位置(x)重复绘制y值即可

fig = plt.figure(figsize=(4, 3))  # 创建画布
plt.subplot(1, 1, 1)  # 创建坐标系

# 准备数据
df = pd.DataFrame({
    "月份": [1, 2, 3, 4, 5, 6, 7],
    "任务量": [1200, 1600, 1300, 1600, 1800, 1280, 1280],
    "完成量": [800, 1500, 900, 1000, 1720, 1200, 1100]
})
x = df["月份"]
y1 = df["任务量"]
y2 = df["完成量"]

# 绘图
plt.bar(x, y1, width=0.6, color="darkred", align="center", label="任务量")

plt.bar(x, y2, width=0.6, color="darkblue", align="center", label="完成量")

# 坐标轴
plt.xlabel(df.columns[0])
plt.ylabel("人数")
plt.xticks(x, ["一", "二", "三", "四", "五", "六", "七"])
plt.yticks(range(0, 2001, 250), [f"{i}件" for i in range(0, 2001, 250)])

# 数据标签
for i, j1, j2 in zip(x, y1, y2):
    plt.text(i, j1, j1, ha="center", va="bottom", color="red")
    plt.text(i, j2, j2, ha="center", va="top", color="yellow")

# 图例
plt.legend()

# 标题
plt.title("2022年1-7月任务完成度")

# 显示或保存
## plt.show()  在jupyter之外的环境
plt.savefig("./files/2022年1-7月任务完成度.png")

在这里插入图片描述

13.5.3 条形图

plt.barh(y,
        width,
        height=0.8,
        left=None,
        *,
        label=None,
        align='center',
        color=None,
        edgecolor=None,
        **kwargs,)
  • 调用方法类似plt.bar(),只不过方向调换了而已
fig = plt.figure(figsize=(4, 3))  # 创建画布
plt.subplot(1, 1, 1)  # 创建坐标系

# 准备数据
df = pd.DataFrame({
    "月份": [1, 2, 3, 4, 5, 6, 7],
    "任务量": [1200, 1600, 1300, 1600, 1800, 1280, 1280],
    "完成量": [800, 1500, 900, 1000, 1720, 1200, 1100]
})
y = df["月份"]
x1 = df["任务量"]
x2 = df["完成量"]

# 绘图
plt.barh(y, x1, height=0.6, color="darkred", align="center", label="任务量")

plt.barh(y, x2, height=0.6, color="darkblue", align="center", label="完成量")

# 坐标轴
plt.ylabel(df.columns[0])
plt.xlabel("件数")
plt.yticks(x, ["一", "二", "三", "四", "五", "六", "七"])
plt.xticks(range(0, 2001, 250), range(0, 2001, 250))

# 数据标签
for i, j1, j2 in zip(y, x1, x2):
    plt.text(j1, i, j1, ha="left", va="center", color="red")
    plt.text(j2, i, j2, ha="right", va="center", color="yellow")

# 图例
plt.legend()

# 标题
plt.title("2022年1-7月任务完成度")

# 显示或保存
## plt.show()  在jupyter之外的环境
plt.savefig("./files/2022年1-7月任务完成度.png")

在这里插入图片描述

13.5.4 散点图/气泡图

plt.scatter(x,
            y,
            s=None,
            c=None,
            marker=None,
            linewidths=None,
            *,
            edgecolors=None,
            **kwargs)
  • x,y，x轴数据，y轴数据。列表数组型数据均可
  • s设置点的面积大小。可以是一个数，也可以是列表数组型数据
  • c设置点的颜色。可以是一个颜色，也可以是一组颜色。这里的颜色会自动映射，只需传入数字。
  • marker设置点的标记类型。同plt.plot()的marker参数
  • linewidths设置点的边框颜色。可以是一个颜色，也可以是一组颜色
  • *与**kwargs允许传入其他相关参数
散点图
fig = plt.figure(figsize=(4, 3))  # 创建画布
plt.subplot(1, 1, 1)  # 创建坐标系

# 准备数据
df = pd.DataFrame({
    "年龄": [12, 13, 14, 15, 16, 17, 18, 19, 20],
    "平均年阅读量": [6.8, 7.1, 4.2, 5.0, 3.3, 2.1, 1.2, 7.6, 4.9]
})
x = df["年龄"]
y = df["平均年阅读量"]

# 绘图
plt.scatter(x,y,s=20,c="blue",marker='o')

# 坐标轴
plt.xlabel(df.columns[0])
plt.ylabel(df.columns[1])
plt.xticks(x,x)
plt.yticks(range(0, 9, 1), [f"{i}本" for i in range(0, 9, 1)])

# 网格线
plt.grid(visible=True, axis="both", linestyle="dashdot")


# 标题
plt.title("12-20青少年平均阅读量")

# 显示或保存
## plt.show()  在jupyter之外的环境
plt.savefig("./files/12-20青少年平均阅读量.png")

在这里插入图片描述

气泡图

只需调整s参数与c参数，使得各个点的面积不同即可

# 绘图
plt.scatter(x,
            y,
            s=[45 * i + 100 for i in y],
            c=[45 * i + 100 for i in y],
            marker='o')

# 数据标签
for i, j in zip(x, y):
    plt.text(i, j, j, ha="center", va="center", color='red',fontsize=8)

在这里插入图片描述

13.5.5 面积图

plt.stackplot(x,y1,y2,y3,...,labels,colors,**kwargs,)
  • x设置x轴数据
  • y1,y2,y3...设置y轴数据。各y轴数据对应同种颜色面积的上下值差
  • labels设置y轴数据们的图例。
  • colors设置面积的颜色。
fig = plt.figure(figsize=(4, 3))  # 创建画布
plt.subplot(1, 1, 1)  # 创建坐标系

# 准备数据
df = pd.DataFrame({
    "月份": [1, 2, 3, 4, 5, 6, 7],
    "安卓": [1000, 1200, 1400, 1200, 1000, 1200, 900],
    "Windows": [1400, 2000, 1300, 3400, 1200, 1400, 1100],
    "Mac": [1000, 900, 1400, 1500, 2100, 1700, 1800]
})

x = df["月份"]
y1 = df["安卓"]
y2 = df["Windows"]
y3 = df["Mac"]

# 绘图
plt.stackplot(x,
              y1,
              y2,
              y3,
              labels=df.columns[1:4],
              colors=['red', 'green', 'blue'])

# 坐标轴
plt.xlabel(df.columns[0])
plt.ylabel("下载次数")
plt.xticks(x, ["一", "二", "三", "四", "五", "六", "七"])
plt.yticks(range(0, 6001, 1000), [f"{i}次" for i in range(0, 6001, 1000)])

# 图例
plt.legend()

# 网格线
plt.grid(visible=True, axis="both", linestyle="dotted")

# 标题
plt.title("2022年1-7月平台下载量")

# 显示或保存
## plt.show()  在jupyter之外的环境
plt.savefig("./files/2022年1-7月平台下载量")

在这里插入图片描述

13.5.6 树地图

绘制树地图需要导入另一个库squarify

squarify.plot(sizes,label,color,value,edgecolor,linewidth)
  • sizes设置绘图的数据
  • label设置各个类别的图例
  • color设置各个类别的颜色
  • value设置各个类别的数据标签
  • edgecolor设置边框颜色
  • linewidth设置边框宽度
import squarify

fig = plt.figure(figsize=(4, 3))  # 创建画布
plt.subplot(1, 1, 1)  # 创建坐标系
plt.axis('off') # 不显示坐标轴

# 准备数据
df = pd.DataFrame({
    "月份": [1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12],
    "人数": [800, 920, 1400, 1090, 400, 560, 2000, 940, 2010, 1400, 1109,1600]
})
x = df["月份"]
y = df["人数"]

# 绘图
squarify.plot(y, label=[f"{i}月" for i in x], value=[f"{j}人" for j in y],edgecolor="white",linewidth=1)


# 标题
plt.title("xx学院出生月份分布")

# 显示或保存
## plt.show()  在jupyter之外的环境
plt.savefig("./files/xx学院出生月份分布.png")

在这里插入图片描述

13.5.7 雷达图

雷达图是在极坐标系中作图。

plt.polar(theta,r,color,marker,linewidth,**kwargs)
  • theta传入角度
  • r传入半径
  • color设置线条颜色
  • marker设置线条样式
  • linewidth设置线条宽度
  • **kwargs传入取它相关参数
import numpy as np

fig = plt.figure(figsize=(4, 3))  # 创建画布
plt.subplot(1, 1, 1, projection="polar")  # 创建极坐标系

# 准备数据
df = pd.DataFrame({
    "方面": ["物攻", "特攻", "物防", "特防", "速度"],
    "数值": [32, 23, 12, 30, 42]
})
x = list(df["方面"])
x.append(x[0])
y = list(df["数值"])
y.append(y[0])
angles = [i * 2 * np.pi / 5 for i in range(1, 6)]
angles.append(angles[0])  # 最后一个数据等于最开始的一个,形成闭环

# 绘图
plt.polar(angles, y, color="blue", marker="o", markerfacecolor="red")

# 坐标轴
plt.xticks(angles, x)
plt.yticks(range(0, 51, 10))

# 标题
plt.title("xxx宝可梦能力分布图")

# 显示或保存
## plt.show()  在jupyter之外的环境
plt.savefig("./files/xxx宝可梦能力分布图.png")

在这里插入图片描述

13.5.8 箱形图

plt.boxplot(x,
            vert=None,
            whis=None,
            widths=None，
            labels=None
            )
  • x设置箱形图数据
  • vert设置箱形图方向。垂直方向True，水平方向False
  • whis设置分位线的位置，默认是上三分位和下三分位。可传入二元数组。数值在(0,100)间，代表百分比。
  • widths设置箱形图的宽度
  • labels设置图例
fig = plt.figure(figsize=(4, 3))  # 创建画布
plt.subplot(1, 1, 1)  # 创建坐标系

# 准备数据
df = pd.DataFrame({
    "语文": [110,120,120,109,103,123,112,98],
    "数学":[92,98,102,132,133,142,126,122],
    "英语":[102,132,121,109,78,98,121,142]
})

# 绘图
plt.boxplot(df,widths=0.6,labels=df.columns)

# 标题
plt.title("语数英成绩分布")

# 显示或保存
## plt.show()  在jupyter之外的环境
plt.savefig("./files/语数英成绩分布.png")

在这里插入图片描述

13.5.9 饼图

plt.pie(x,
        explode=None,
        labels=None,
        colors=None,
        autopct=None,
        pctdistance=0.6,
        shadow=False,
        labeldistance=1.1,
        startangle=0,
        radius=1,
        counterclock=True,
        wedgeprops=None,
        textprops=None,
        center=(0, 0),
        frame=False
        )
  • x设置绘图数据
  • explode设置每一块饼离圆心的距离以突出某些区域
  • labels设置每一块饼的标签
  • colors设置每一块饼的颜色
  • autopct设置饼内数值的百分号形式
  • pctdistance设置数值距离圆心的距离
  • shadow设置是否有阴影
  • labeldistance设置饼标签距离圆心的距离
  • startangle设置饼图的初始角度
  • radius设置饼图半径
  • counterclock设置是否逆时针显示
  • wedgeprops设置饼图内外边界样式
  • textprops设置文字样式
  • center设置圆心位置
  • frame设置是否显示坐标轴
fig = plt.figure(figsize=(4, 4))  # 创建画布
plt.subplot(1, 1, 1)  # 创建坐标系

# 准备数据
df = pd.DataFrame({
    "种类": ["饮食", "娱乐", "教育", "生活缴费", "其他"],
    "支出": [1500, 200, 2000, 600, 200]
})
x = df["种类"]
y = df["支出"]

# 绘图
plt.pie(y, labels=x, explode=[0, 0, 0.1, 0, 0], autopct="%.1f%%", shadow=True)

# 标题
plt.title("7月支出占比")

# 显示或保存
## plt.show()  在jupyter之外的环境
plt.savefig("./files/7月支出占比.png")

在这里插入图片描述

13.5.10 圆环图

在扇形图的基础上进行改造，调整wedgeprop(内外边界)参数，可以绘制圆环图

fig = plt.figure(figsize=(4, 3))  # 创建画布
plt.subplot(1, 1, 1)  # 创建坐标系

# 准备数据
df = pd.DataFrame({
    "部门": [
        "甲",
        "乙",
        "丙",
        "丁",
    ],
    "任务量": [800, 1600, 1300, 1600],
    "完成量": [700, 1500, 900, 1200]
})
x = df["部门"]
y1 = df["任务量"]
y2 = df["完成量"]

# 绘图
plt.pie(y1,
        labels=x,
        radius=1.4,
        autopct="%.0f%%",
        wedgeprops=dict(width=0.7, edgecolor="white"))
plt.pie(y2,
        radius=0.6,
        autopct="%.1f%%",
        wedgeprops=dict(width=0.5, edgecolor="white"))

# 标题
plt.title("2022年1-7月任务完成度", pad=25)

#注释
plt.annotate("完成量",
             xy=(0.4, 0.1),
             xytext=(1.7, 0.4),
             arrowprops=dict(color="black", arrowstyle="<-"))
plt.annotate("目标量",
             xy=(1, -0.1),
             xytext=(1.7, -0.4),
             arrowprops=dict(color="black", arrowstyle="<-"))

# 显示或保存
## plt.show()  在jupyter之外的环境
plt.savefig("./files/2022年1-7月任务完成度.png")

在这里插入图片描述

13.5.11 热力图

plt.imshow(X,cmap=None)
  • X为矩阵型数据。
  • cmap为颜色映射方案。可选值封装在plt.cm中
fig = plt.figure(figsize=(4, 3))  # 创建画布
plt.subplot(1, 1, 1)  # 创建坐标系

# 准备数据
df = pd.DataFrame({
    "数学类": [120, 130],
    "软件工程": [360, 60],
    "土木工程": [370, 16],
    "汉语言文学": [120, 300]
})

# 绘图
plt.imshow(df, cmap=plt.cm.coolwarm)
plt.colorbar()  # 显示颜色映射条

# 坐标轴
plt.xticks(range(0, len(df.columns)), labels=df.columns, fontsize=8)
plt.yticks([0, 1], labels=["男", "女"])

# 标题
plt.title("专业与男女数相关性")

# 显示或保存
## plt.show()  在jupyter之外的环境
plt.savefig("./files/专业与男女数相关性.png")

在这里插入图片描述

13.6 使用样式

matplotlib提供了很多成套的样式，可以直接拿来用。

plt.style.available   # 查看可用样式

['Solarize_Light2',
 '_classic_test_patch',
 '_mpl-gallery',
 '_mpl-gallery-nogrid',
 'bmh',
 'classic',
 'dark_background',
 'fast',
 'fivethirtyeight',
 'ggplot',
 'grayscale',
 'seaborn',
 'seaborn-bright',
 'seaborn-colorblind',
 'seaborn-dark',
 'seaborn-dark-palette',
 'seaborn-darkgrid',
 'seaborn-deep',
 'seaborn-muted',
 'seaborn-notebook',
 'seaborn-paper',
 'seaborn-pastel',
 'seaborn-poster',
 'seaborn-talk',
 'seaborn-ticks',
 'seaborn-white',
 'seaborn-whitegrid',
 'tableau-colorblind

如果想要使用某种样式，在程序的开头输入以下代码:

plt.style.use(样式名)

如:

plt.style.use('dark_background')

plt.rcParams["font.sans-serif"] = 'SimHei'  # 设置字体为简黑，解决中文乱码问题
plt.rcParams['axes.unicode_minus'] = False  # 解决负号无法显示的问题

fig = plt.figure(figsize=(4, 3))  # 创建画布
plt.subplot(1, 1, 1)  # 创建坐标系

# 准备数据
df = pd.DataFrame({
    "月份": [1, 2, 3, 4, 5, 6, 7],
    "注册量": [900, 2300, 6900, 4500, 5200, 3400, 4200]
})
x = df["月份"]
y = df["注册量"]

# 绘图
plt.plot(x,
         y,
         color="blue",
         linestyle="dashdot",
         marker=".",
         markeredgecolor="red",
         label="月注册量")

# 坐标轴
plt.xlabel(df.columns[0])
plt.ylabel(df.columns[1])
plt.xticks(x, ["一", "二", "三", "四", "五", "六", "七"])
plt.yticks(range(0, 7001, 1000), [f"{i}人" for i in range(0, 7001, 1000)])

# 数据标签
for i, j in zip(x, y):
    plt.text(i, j, j, ha="right", va="top")

# 网格线
plt.grid(visible=True, axis="both", linestyle="solid")

# 图例
plt.legend()

# 标题
plt.title("2022年1-7月用户注册量")

# 显示或保存
## plt.show()  在jupyter之外的环境
plt.savefig("./files/2022年1-7月用户注册量.png")

在这里插入图片描述

# python # 数据分析 # 学习
Logo
GitCode-AI社区

GitCode AI社区是一款由 GitCode 团队打造的智能助手，AI大模型社区、提供国内外头部大模型及数据集服务。

更多推荐

cover

“零代码”跨境爆单秘籍：谷歌 MCP 服务器直连亮数据，亚马逊商品信息秒级到手！

avatar GitCode-AI社区

开发者生态报告：GitHub、Stack Overflow 2025 年趋势预测

例如，一些大型科技公司赞助了与云计算、人工智能相关的开源项目，这些项目的成果不仅可以应用于企业内部的产品开发，还能通过开源社区的传播，吸引更多优秀的开发者参与到相关技术的研究和创新中。2024 年，印度在 GitHub 上的开发者基础增长了 28%，达到 1700 万，而到 2025 年初，这一数字已超过 1800 万，每三个月就新增 100 万开发者，成为全球增长最快的社区。多元化的开发者群体为

avatar GitCode-AI社区
cover

粒子群算法(PSO)：从鸟群觅食到优化大师，一篇通神的究极指南

avatar GitCode-AI社区