python之matplotlib和pandas繪圖的操作

這篇文章主要介紹python之matplotlib和pandas繪圖的操作，文中介紹的非常詳細(xì)，具有一定的參考價(jià)值，感興趣的小伙伴們一定要看完！

python可以做什么

Python是一種編程語(yǔ)言，內(nèi)置了許多有效的工具，Python幾乎無(wú)所不能，該語(yǔ)言通俗易懂、容易入門、功能強(qiáng)大，在許多領(lǐng)域中都有廣泛的應(yīng)用，例如最熱門的大數(shù)據(jù)分析，人工智能，Web開發(fā)等。

不得不說(shuō)使用python庫(kù)matplotlib繪圖確實(shí)比較丑，但使用起來(lái)還算是比較方便，做自己的小小研究可以使用。這里記錄一些統(tǒng)計(jì)作圖方法，包括pandas作圖和plt作圖。

前提是先導(dǎo)入第三方庫(kù)吧

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

然后以下這兩句用于正常顯示中文標(biāo)簽什么的。

plt.rcParams['font.sans-serif'] = ['SimHei'] # 用來(lái)正常顯示中文標(biāo)簽
plt.rcParams['axes.unicode_minus'] = False # 用來(lái)正常顯示負(fù)號(hào)

當(dāng)然還有一些最基本的步驟:

plt.xticks(x,xtk,size=12,rotation=50) #設(shè)置字體大小和字體傾斜度
plt.xlabel(u'城市') # x軸標(biāo)簽
plt.ylabel(u'數(shù)量')
plt.title(u'朋友所在城市') # 圖的名稱
plt.legend() # 正常顯示標(biāo)題
plt.show() # 顯示圖像
plt.close() # 繪圖后養(yǎng)成習(xí)慣性的關(guān)掉

對(duì)于pandas中的二維數(shù)據(jù)框，可以直接作圖（Series類型），簡(jiǎn)單的折線圖或者曲線圖如下：

sdata.plot(color='r', style='-o')
plt.show()

如果沒(méi)有用pandas，直接作曲線圖，可以這樣寫：

plot(x,y, color ='blue', linewidth=2.5, line)

1，柱狀圖

rects1=plt.bar(           #(x,data) 就是所要畫的二維數(shù)據(jù)
    left=x,           #x 是X坐標(biāo)軸數(shù)據(jù)，即每個(gè)塊的x軸起始位置
    height=data,         #data是Y坐標(biāo)軸的數(shù)據(jù)，即每個(gè)塊的y軸高度
    width=[0.1,0.2,0.3],     #每一個(gè)塊的顯示寬度
    bottom=[1,2,3],       #每一個(gè)塊的底部高度
    color='y',          #塊的顏色
    edgecolor='g',        #塊的邊界顏色
    linewidth=2,         #塊的線條寬度
    xerr=1,           #x軸誤差bar
    yerr=1,           #y軸誤差bar
    ecolor='r',         #誤差bar的顏色
    capsize=1,          #誤差bar的線條寬度
    orientation='vertical',   #塊的方向 (horizontal,vertical)
    align="center",       #塊的位置 (center, left, right)
    hold=None
    )
 
plt.show()

2，餅圖

plot2=plt.pie(data,             # 每個(gè)餅塊的實(shí)際數(shù)據(jù)，如果大于1，會(huì)進(jìn)行歸一化，計(jì)算percentage
    explode=[0.0,0.1,0.2],        # 每個(gè)餅塊離中心的距離
    colors=['y','r','g'],        # 每個(gè)餅塊的顏色
    labels=['women','men','unknown'],  # 每個(gè)餅塊的標(biāo)簽
    labeldistance=1.2,          # 每個(gè)餅塊標(biāo)簽到中心的距離
    autopct='%1.1f%%',         # 百分比的顯示格式
    pctdistance=0.4,           # 百分比到中心的距離
    shadow=True,             # 每個(gè)餅塊是否顯示陰影
    startangle=0,            # 默認(rèn)從x軸正半軸逆時(shí)針起
    radius=1.0              # 餅塊的半徑
    )
plt.axis('equal') # 顯示為圓形，避免比例壓縮為橢圓
plt.show()

3，共享X軸，Y軸左右軸標(biāo)（帕累托分析圖）

數(shù)據(jù)樣例如下，名稱為va，類型為Series，左邊為職位名稱，右邊為數(shù)量：

sales     4140
technical   2720
support    2229
IT       1227
product_mng   902
marketing    858
RandD      787
accounting   767
hr       739
management   630

作圖：

fr = pd.Series(va.values.cumsum() / va.values.sum())
va.plot(kind='bar')
fr.plot(color='r',secondary_y=True, style='-o')
plt.annotate(format(fr[7], '.2%'), xy=(7, fr[7]), xytext=(7*0.9, fr[7]*0.9),
       arrowprops=dict(arrowstyle='->', connectionstyle='arc3,rad=.2')) # 用于注釋圖形指標(biāo)
# plt.rcParams['font.sans-serif'] = ['SimHei'] # 用來(lái)正常顯示中文標(biāo)簽
# plt.rcParams['axes.unicode_minus'] = False # 用來(lái)正常顯示負(fù)號(hào)
# plt1 = plt.pie(va.values,
#        labels=va.index,
#        autopct='%1.1f%%')
plt.xticks(rotation=50) # 設(shè)置字體大小和字體傾斜度
plt.show()

左邊為出現(xiàn)的頻率，右邊為累積百分比（這里數(shù)據(jù)以降序排列較好，便于直觀地觀察），效果如下：

在pandas中，曲線圖可以直接畫，比如data中有多個(gè)屬性，可以直接使用data.plot()。使用plt，若各個(gè)屬性需要共用XY軸，那么可以重復(fù)plot即可。

4，箱型圖

使用pandas畫箱型圖簡(jiǎn)單方便，但是注釋比較麻煩，可以用annotate添加異常點(diǎn)的注釋。若使用之前的數(shù)據(jù)va，則先創(chuàng)建二維數(shù)據(jù)框再畫圖。如果有多個(gè)列為數(shù)字類型，那么可以畫每個(gè)列的箱型圖，這里只有一列數(shù)據(jù)，如下：

pd.DataFrame(va).boxplot()
plt.show()

使用plt直接進(jìn)行作圖：

plt.boxplot(data,labels=[]，
     sym='o',whis=1.5)

其中，data可以是一維的，也可多維，若為多維則lables為每一維度的標(biāo)簽。sym為異常值的形狀，whis為調(diào)節(jié)垂直線段的長(zhǎng)度。效果如下：

5，多張圖在一張畫布中，即多個(gè)子圖

使用plt:

plt.subplot(221)
plt.plot(x, y1,'r-', lw=2) 
plt.subplot(222)
plt.plot(x,y2)

使用pandas：

data.plot(subplots=True, color=['r','b'], style=['-o','-'])
plt.show()

排版方式有不同，pandas是垂直排列，plt可以自己指定位置。pandas效果如下：

補(bǔ)充：Python DataFrame 多條件篩選 使用&

我就廢話不多說(shuō)了，大家還是直接看代碼吧~

DF6
Out[42]: 
 B C D
0 1 B 10.750
1 3 C 8.875
2 2 T 58.000
3 2 L 57.000
4 3 Y 46.000

DF6[(DF6.B>1) & (DF6.D > 10)]

Out[45]: 
 B C D
2 2 T 58.0
3 2 L 57.0
4 3 Y 46.0

以上是“python之matplotlib和pandas繪圖的操作”這篇文章的所有內(nèi)容，感謝各位的閱讀！希望分享的內(nèi)容對(duì)大家有幫助，更多相關(guān)知識(shí)，歡迎關(guān)注億速云行業(yè)資訊頻道！