matplotlib 组织架构图 matplotlib模块

视频见：Python教程4天快速入手Python数据挖掘

1 Matplotlib简介

1.1 什么是 Matplotlib

• 专门用于开发2D图表(包括3D图表)
• 使用起来极其简单
• 以渐进、交互式方式实现数据可视化

matplotlib名称由来：

• mat - matrix 矩阵（二维数据 - 二维图表）
• plot - 画图
• lib - library库

matlab 矩阵实验室：

• mat - matrix
• lab - 实验室

1.2 Matplotlib作用

可视化是在整个数据挖掘的关键辅助工具，可以清晰的理解数据，从而调整我们的分析方法。

• 能将数据进行可视化，更直观的呈现
• 使数据更加客观、更具说服力

网页端动态可视化库：js库 - D3 echarts

1.3 第一个Matplotlib图

import matplotlib.pyplot as plt
%matplotlib inline

plt.figure()          # 创建画布
plt.plot([1, 0, 9], [4, 5, 6])    # 画图
plt.show()           # 图显示

1.4 Matplotlib三层结构

1.4.1 容器层

容器层主要由Canvas、Figure、Axes组成。

1. Canvas是位于最底层的系统层，在绘图的过程中充当画板的角色，即放置画布(Figure)的工具。
2. Figure是Canvas上方的第一层，也是需要用户来操作的应用层的第一层，在绘图的过程中充当画布的角色。
3. Axes是应用层的第二层，在绘图的过程中相当于画布上的坐标系/绘图区的角色。

说明：

• Figure：指整个图形（可以通过 plt.figure()设置画布的大小和分辨率等）
• Axes（坐标系）数据的绘图区域，plt.subplot()
• Axis（坐标轴）：坐标系中的一条轴，包含大小限制、刻度和刻度标签

特点为：

• 一个figure(画布)可以包含多个axes（坐标系/绘图区），但是一个axes只能属于一个 figure
• 一个axes（坐标系/绘图区）可以包含多个axis（坐标轴），包含两个即为2d坐标系，3个即为3d坐标系

1.4.2 辅助显示层

辅助显示层为Axes（绘图区）内的除了根据数据绘制出的图像以外的内容，主要包括Axes外观（facecolor）、边框线（spines）、坐标轴（axis）、坐标轴名称（axis label）、坐标轴刻度（tick）、坐标轴刻度标签（tick label）、网格线（grid）、图例（legend）、标题（title）等内容。

该层的设置可使图像显示更加直观更加容易被用户理解，但又不会对图像产生实质的影响。

1.4.3 图像层

图像层指Axes内通过plot、scatter、bar、histogram、pie等函数根据数据绘制出的图像。

总结：

• Canvas（画板）位于最底层，用户一般接触不到
• Figure（画布）建立在 Canvas之上
• Axes（绘图区）建立在 Figure之上
• 坐标轴（axis）、图例（legend）等辅助显示层以及图像层都是建立在Axes之上

2 折线图(plot)与基础绘图功能

2.1 折线图绘制与保存图片

为了更好地理解所有基础绘图功能，我们通过天气温度变化的绘图来融合所有的基础API使用

2.1.1 matplotlib.pyplot模块

matplotlib.pyplot包含了一系列类似于matlab的画图函数。它的函数作用于当前图形( figure)的当前坐标系(axes)。

import matplotlib.pyplot as plt

 

2.1.2 折线图绘制与显示

展现上海一周的天气，比如从星期一到星期日的天气温度如下

# 1、创建画布
# plt.figure()
plt.figure(figsize = (20, 8), dpi = 80)

# 2、绘制图像
plt.plot([1, 2, 3, 4, 5, 6, 7], [17, 17, 18, 15, 11, 11, 13])

# 保存图像
plt.savefig("test.png")

# 3、显示图像
plt.show()

注意： plt.show会释放figure资源，如果在显示图像之后保存图片将只能保存空图片，所以plt.savefig(“xx.png”)要在plt.show()之前。

2.1.3 设置画布属性与图片保存

plt.figure(figsize = )， dpi = )
    figsize：指定图的长宽，画布大小
    dpi：图像的清晰度，dot per inch 图像的清晰度
    返回fig对象

plt.savefig(path)
    path：图片存储路径

2.2 完善原始折线图1(辅助显示层)

案例：显示温度变化状况需求：画岀某城市11点到12点一小时内每分钟的温度变化折线图，温度范围在15度 $\sim$

2.2.1 准备数据并画出初始折线图

import random
import matplotlib.pyplot as plt

# 1、准备数据 x y
x = range(60)
y_shanghai = [random.uniform(15, 18) for i in x]

# 2、创建画布
plt.figure(figsize=(20, 8), dpi=80)

# 3、绘制图像
plt.plot(x, y_shanghai)

# 4、显示图
plt.show()

2.2.2 添加自定义x,y刻度

plt.xticks(x, [labels], **kwargs)
	x：要显示的刻度值的位置
	[labels]：用于设置每个间隔的显示标签
	**kwargs：用于设置标签字体倾斜度和颜色等外观属性
plt.yticks(y, [labels], **kwargs) 
	y：要显示的刻度值的位置
	[labels]：用于设置每个间隔的显示标签
	**kwargs：用于设置标签字体倾斜度和颜色等外观属性

示例：

# 修改x、y刻度
# 准备 x 的刻度说明
x_label = ["11点{}分".format(i) for i in x]
plt.xticks(x[::5], x_label[::5])
# 准备 y 的刻度说明
plt.yticks(range(0, 40, 5))
# plt.yticks(range(40)[::5])

如果没有解决过中文问题的话，会显示这个样子

2.2.3 中文显示问题解决

添加两行代码即可：

plt.rcParams['font.sans-serif'] = ['SimHei']  # 用来正常显示中文标签
plt.rcParams['axes.unicode_minus'] = False  # 用来正常显示负号

2.2.4 添加网格显示

为了更加清楚地观察图形对应的值：

plt.grid(linestyle="--", alpha=0.5)

2.2.5 添加描述信息

添加 x 轴、y 轴描述信息及标题：

plt.xlabel("时间变化")
plt.ylabel("温度变化")
plt.title("某城市11点到12点每分钟的温度变化状况")

2.3 完善原始折线图2(图像层)

需求：再添加一个城市的温度变化

收集到北京当天温度变化情况，温度在1度到3度。

2.3.1 多次plot

怎么去添加另一个在同一坐标系当中的不同图形，其实很简单只需要再次plot即可，但是需要区分线条，如下显示

# 1、准备数据 x y
x = range(60)
y_shanghai = [random.uniform(15, 18) for i in x]
y_beijing = [random.uniform(1, 3) for i in x]   # 增加北京的温度数据

# 2、创建画布
plt.figure(figsize=(20, 8), dpi=80)

# 3、绘制图像
plt.plot(x, y_shanghai, color="r", linestyle="-.", label="上海")
plt.plot(x, y_beijing, color="b", label="北京")    # 使用多次plot可以画多个折线

# 显示图例
plt.legend()		# 图像右上角说明

# 修改x、y刻度
# 准备x的刻度说明
x_label = ["11点{}分".format(i) for i in x]
plt.xticks(x[::5], x_label[::5])
plt.yticks(range(0, 40, 5))

# 添加网格显示
plt.grid(linestyle="--", alpha=0.5)

# 添加描述信息
plt.xlabel("时间变化")
plt.ylabel("温度变化")
plt.title("上海、北京11点到12点每分钟的温度变化状况")

# 4、显示图
plt.show()

用到了两个新的地方，一个是对于不同的折线展示效果，一个是添加图例。

2.3.2 设置图形风格

颜色字符	风格字符
r 红色	- 实线
g 绿色	- -虚线
b 蓝色	-. 点划线
w 白色	：点虚线
c 青色	’ ’ 留空、空格
m 洋红
y 黄色
k 黑色

2.3.3 显示图例

注意：如果只在plt.plot( )中设置label还不能最终显示出图例，还需要通过 plt. legend( )将图例显示出来。

plt.legend()	# 默认best
plt.legend(loc="best")
plt.legend(loc=0)
	loc：显示图例的位置

Location String	Location Code
‘best’（默认）	0
‘upper right’	1
‘upper left’	2
‘lower left’	3
‘lower right’	4
‘right’	5
‘center left’	6
‘center right’	7
‘lower center’	8
‘upper center’	9
‘center’	10

2.4 多个坐标系显示 - plt.subplots(面向对象的画图方法)

需求：将上海和北京的天气图显示在同一个图的不同坐标系当中

可以通过subplots函数实现（旧的版本中有 subplot，使用起来不方便），推荐subplots函数

• matplotlib.pyplot.subplots(nrows=1, ncols=1, **fig_kw)创建一个带有多个axes（坐标系/绘图区）的图

Parameters：
nrows,ncols: int, optional, default:1, Number of rows/columns of the subplot grid.（几行几列）
**fig_kw : All additional keyword arguments are passed to the figure() call.

Returns（返回对象）：
	fig：图对象
	ax：绘图区
		设置标题等方法不同：
		set_xticks
		set_yticks
		set_xlabel
		set_ylabel

关于axes子坐标系的更多方法：参考https://matplotlib.org/api/axes_api.html#matplotlib.axes.Axes

figure, axes = plt.subplot(nrows=1, ncols=2, **fig_kw)	# 1行2列
	axes[0].set_方法名()：第一张图
        axes[1]：第二张图

注意：plt.函数名()相当于面向过程的画图方法， axes.set_方法名()相当于面向对象的画图方法。

# 1、准备数据 x y
x = range(60)
y_shanghai = [random.uniform(15, 18) for i in x]
y_beijing = [random.uniform(1, 3) for i in x]

# 2、创建画布
# plt.figure(figsize=(20, 8), dpi=80)
figure, axes = plt.subplots(nrows=1, ncols=2, figsize=(20, 8), dpi=80)

# 3、绘制图像
axes[0].plot(x, y_shanghai, color="r", linestyle="-.", label="上海")
axes[1].plot(x, y_beijing, color="b", label="北京")

# 显示图例
axes[0].legend()
axes[1].legend()

# 修改x、y刻度
# 准备x的刻度说明
x_label = ["11点{}分".format(i) for i in x]
# axes[0].set_xticks(x[::5]，x_label[::5])替换下述两行
axes[0].set_xticks(x[::5])
axes[0].set_xticklabels(x_label)	# x轴刻度具体时间显示
axes[0].set_yticks(range(0, 40, 5))
axes[1].set_xticks(x[::5])
axes[1].set_xticklabels(x_label)
axes[1].set_yticks(range(0, 40, 5))

# 添加网格显示
axes[0].grid(linestyle="--", alpha=0.5)
axes[1].grid(linestyle="--", alpha=0.5)

# 添加描述信息
axes[0].set_xlabel("时间变化")
axes[0].set_ylabel("温度变化")
axes[0].set_title("上海11点到12点每分钟的温度变化状况")
axes[1].set_xlabel("时间变化")
axes[1].set_ylabel("温度变化")
axes[1].set_title("北京11点到12点每分钟的温度变化状况")

# 4、显示图
plt.show()

2.5 折线图的应用场景

某指标随时间变化：

• 呈现公司产品（不同区域）每天活跃用户数
• 呈现app每天下载数量
• 呈现产品新功能上线后，用户点击次数随时间的变化
• 拓展：画各种数学函数图像

注意：plt.plot( )除了可以画折线图，也可以用于画各种数学函数图

 
绘制数学函数图像

import numpy as np
# 1、准备x，y数据
# 正弦函数数据
# x = np.linspace(-10, 10, 1000) # 生成(-10,10)等间距数
y = np.sin(x)
# 二次函数图像数据
x = np.linspace(-1, 1, 1000)
y = 2 * x * x

# 2、创建画布
plt.figure(figsize=(20, 8), dpi=80)

# 3、绘制图像
plt.plot(x, y)

# 添加网格显示
plt.grid(linestyle="--", alpha=0.5)

# 4、显示图像
plt.show()

3 常见图形种类及意义

3.1 折线图

• 折线图：以折线的上升或下降来表示统计数量的增减变化的统计图

特点：能够显示数据的变化趋势，反映事物的变化情况。（变化）

3.2 散点图

• 散点图：用两组数据构成多个坐标点，考察坐标点的分布，判断两变量之间是否存在某种关联或总结坐标点的分布模式

特点：判断变量之间是否存在数量关联趋势，展示离群点（分布规律）

3.3 柱状图

• 柱状图：排列在工作表的列或行中的数据可以绘制到柱状图中。

特点：绘制连离散的数据，能够一眼看岀各个数据的大小，比较数据之间的差别。（统计/对比）

3.4 直方图

• 直方图：由一系列高度不等的纵向条纹或线段表示数据分布的情况。一般用横轴表示数据范围，纵轴表示分布情况。

特点：

1. 绘制连续性的数据展示一组或者多组数据的分布状况（统计）
2. 通过直方图还可以观察和估计哪些数据比较集中，异常或者孤立的数据分布在何处

3.5 饼图

• 饼图：用于表示不同分类的占比情况，通过弧度大小来对比各种分类。

特点：分类数据的占比情况（占比）

4 散点图(scatter)

需求：探究房屋面积和房屋价格的关系

# 1、准备数据
x = [225.98, 247.07, 253.14, 457.85, 241.58, 301.01,  20.67, 288.64,
       163.56, 120.06, 207.83, 342.75, 147.9 ,  53.06, 224.72,  29.51,
        21.61, 483.21, 245.25, 399.25, 343.35]	# 房屋面积数据

y = [196.63, 203.88, 210.75, 372.74, 202.41, 247.61,  24.9 , 239.34,
       140.32, 104.15, 176.84, 288.23, 128.79,  49.64, 191.74,  33.1 ,
        30.74, 400.02, 205.35, 330.64, 283.45]	# 房屋价格数据

# 2、创建画布
plt.figure(figsize=(20, 8), dpi=80)

# 3、绘制图像
plt.scatter(x, y)

# 4、显示图像
plt.show()

5 柱状图(bar)

matplotlib.pyplot.bar(x, y, width, align='center', **kwargs)

Parameters：
x: sequence of scalars，柱状图横轴中心点
y: 纵坐标

width: scalar or array-like, optional（柱状图的宽度）

align：{'center‘，'edge’}，optional, default：'center'
Alignment of the bars to the x coordinates
'center'：Center the base on the x positions
'edge'：Align the left edges of the bars with the x positions（每个柱状图的位置对齐方式）

**kwargs：
color：选择柱状图的颜色

Returns：
'.BarContainer'
Container with all the bars and optionally errorbars

5.1 需求1-对比每部电影的票房收入

# 1、准备数据
movie_names = ['雷神3：诸神黄昏','正义联盟','东方快车谋杀案','寻梦环游记','全球风暴', '降魔传','追捕','七十七天','密战','狂兽','其它']
tickets = [73853,57767,22354,15969,14839,8725,8716,8318,7916,6764,52222]

# 2、创建画布
plt.figure(figsize=(20, 8), dpi=80)

# 用来正常显示中文标签
plt.rcParams['font.sans-serif'] = ['SimHei'

# 3、绘制柱状图
x_ticks = range(len(movie_names))
plt.bar(x_ticks, tickets, color=['b','r','g','y','c','m','y','k','c','g','b'])

# 修改x刻度
plt.xticks(x_ticks, movie_names)

# 添加标题
plt.title("电影票房收入对比")

# 添加网格显示
plt.grid(linestyle="--", alpha=0.5)

# 4、显示图像
plt.show()

5.2 需求2-如何对比电影票房收入才更能加有说服力？

比较相同天数的票房

有时候为了公平起见，我们需要对比不同电影首日和首周的票房

# 1、准备数据
movie_name = ['雷神3：诸神黄昏','正义联盟','寻梦环游记']

first_day = [10587.6,10062.5,1275.7]
first_weekend=[36224.9,34479.6,11830]
x = range(len(movie_name))

# 2、创建画布
plt.figure(figsize=(20, 8), dpi=80)

# 3、绘制柱状图
plt.bar(x, first_day, width=0.2, label="首日票房")
# plt.bar([0.2, 1.2, 2.2], first_weekend, width=0.2, label="首周票房")
plt.bar([i+0.2 for i in x], first_weekend, width=0.2, label="首周票房")

# 显示图例
plt.legend()

# 修改刻度
plt.xticks([0.1, 1.1, 2.1], movie_name)

# 4、显示图像
plt.show()

6 直方图(histogram)

6.1 直方图介绍

直方图，形状类似柱状图却有着与柱状图完全不同的含义。直方图牵涉统计学的概念，首先要对数据进行分组，然后统计每个分组内数据元的数量。在坐标系中，横轴标出每个组的端点，纵轴表示频数，每个矩形的高代表对应的频数，称这样的统计图为频数分布直方图。

示例：

• 某校初三（1）班36位同学的身高的频数分布直方图如下图所示
  
  （1）身高在哪一组的同学最多？
  （2）身高在160.5cm以上的同学有多少人？

相关概念：

• 组数：在统计数据时，我们把数据按照不同的范围分成几个组，分成的组的个数称为组数
• 组距：每一组两个端点的差

6.2 直方图与柱状图的对比

• 柱状图：矩形的长度 $\to$ 每一组的频数或数量，宽度（表示类别） $\to$ 固定的，利于较小的数据集分析。
• 直方图：描述的是一组数据的频次分布，矩形的长度 $\to$ 每一组的频数或数量，宽度 $\to$ 各组的组距，因此其高度与宽度均有意义，利于展示大量数据集的统计结果。
• 直方图有助于了解数据的分布情况，诸如众数、中位数的大致位置、数据是否存在缺口或者异常值。

1. 直方图展示数据的分布，柱状图比较数据的大小 $\to$

• 直方图展示的是一组数据，在划分的区间中的分布情况，但是看不出在一个区间里，单个数据的具体大小。
• 而在柱状图里，能看到的是每个数据的大小，并且进行比较。

2. 直方图 x 轴为定量数据，柱状图 x 轴为分类数据。

• 在直方图中，x轴上的变量是一个个连续的区间，这些区间通常表现为数字，例如代表苹果重量的“0-10g，10-20g…”，代表时间长度的“0-10min，10-20min……
• 而在柱状图中，x轴上的变量是一个个分类数据，例如不同的国家名称、不同的游戏类型。
• 直方图上的每根柱子都是不可移动的，x轴上的区间是连续的、固定的。
• 而柱状图上的每根柱子是可以随意排序的，有的情况下需要按照分类数据的名称排列，有的则需要按照数值的大小排列。

3. 直方图柱子无间隔，柱状图柱子有间隔

• 因为直方图中的区间是连续的。而柱状图的区间是离散的。

4. 直方图柱子宽度可不一，柱状图柱子宽度须一致

• 柱状图柱子的宽度因为没有数值含义，所以宽度必须一致。
• 在直方图中，柱子的宽度代表了区间的长度，根据区间的不同，柱子的宽度可以不同，但理论上应为单位长度的倍数。

例如，美国人口普查局（TheU.s. Census bureau）调查了124亿人的上班通勤时间，由于通勤时间在45-150分钟的人数太少，因此区间改为45-60分钟、60-90分钟、90-150分钟，其他组距则均为5。

• 可以看到，Y轴的数据为“人数/组距”，在这种情况下，每个柱子的面积相加就等于调查的总人数，柱子的面积就有了意义。
• 当上图的Y轴表达的是“区间人数/总人数/组距”，这个直方图就是我们初中学习的“频率分布直方图”，频率指的是“区间数量/总数量”。在这样的直方图中，所有柱子的面积相加等于1。

6.3 直方图绘制

需求：电影时长分布状况

现有250部电影的时长，希望统计出这些电影时长的分布状态比如时长为100分钟到120分钟电影的数量，出现的频率等信息，你应该如何呈现这些数据？

6.3.1直方图绘制api

matplotlib.pyplot.hist(x, bins=None, normed=None, **kwargs)

Parameters：
	x:（n，） array or sequence of（n，）arrays，数据
	bins：integer or sequence or 'auto'，optional（组数）
	normed：是否显示频率，默认为频数

6.3.2 绘制

• 设置组距
• 设置组数（通常对于数据较少的情况，分为5~12组，数据较多，更换图形显示方式）

• 通常设置组数会有相应公式：组数(bins)=极差/组距=(max-min)/组距（取整//）

# 1、准备数据
time = [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]

# 2、创建画布
plt.figure(figsize=(20, 8), dpi=80)

# 3、绘制直方图
distance = 2
group_num = int((max(time) - min(time)) / distance)	# 取整

plt.hist(time, bins=group_num, density=True)

# 修改x轴刻度
plt.xticks(range(min(time), max(time) + 2, distance))

# 添加网格
plt.grid(linestyle="--", alpha=0.5)

# 4、显示图像
plt.show()

6.3.3 直方图注意点

1. 注意组距
   组距会影响直方图呈现出来的数据分布，因此在绘制直方图的时候需要多次尝试改变组距。
2. 注意Y轴所代表的变量
   Y轴上的变量可以是频次（数据出现了多少次）、频率（频次/总次数）、频率/组距，不同的变量会让直方图描述的数据分布意义不同。

7 饼图(pie)

7.1 饼图介绍

饼图用于表示不同分类的占比情况，通过弧度大小来对比各种分类。

饼图通过将个圆饼按照分类的占比划分成多个区块，整个圆饼代表数据的总量，每个区块（圆弧）表示该分类占总体的比例大小，所有区块（圆弧）的加和等于100%。

7.2 饼图绘制

饼图api介绍：注意显示的百分比的位数

pit.pie(x, labels= , autopct= , colors)

• x：数量，自动算百分比
• labels：每部分名称
• autopct占比显示指定%1.2f%%

• %1.2f%%：显示百分数，%-浮点数，1.2f-占一个位置，保留一位小数，%-转义字符，%-百分号输出

• colors：每部分颜色

需求：显示不同的电影的排片占比

# 1、准备数据
movie_name = ['雷神3：诸神黄昏','正义联盟','东方快车谋杀案','寻梦环游记','全球风暴','降魔传','追捕','七十七天','密战','狂兽','其它']

place_count = [60605,54546,45819,28243,13270,9945,7679,6799,6101,4621,20105]

# 2、创建画布
plt.figure(figsize=(20, 8), dpi=80)

# 3、绘制饼图
plt.pie(place_count, labels=movie_name, colors=['b','r','g','y','c','m','y','k','c','g','y'], autopct="%1.2f%%")

# 显示图例
plt.legend()

# 显示的饼图保持圆形
plt.axis('equal')

# 4、显示图像
plt.show()

7.3 添加axis

为了让显示的饼图保持圆形，需要添加axis保证长宽一样plt.axis('equal')，否则输出饼形图为椭圆形。

8 总结

视频：黑马Python教程4天快速入手Python数据挖掘https://www.bilibili.com/video/BV1xt411v7z9?from=search&seid=1374736475069929050