一、散點圖
散點圖用兩組數據構成多個坐標點，考察坐標點的分布，判斷兩變量之間是否存在某種關聯或總結坐標點的分布模式。
特點：判斷變量之間是否存在數量關聯趨勢，表示離群點的分布規律。
散點圖繪制：
plt.scatter(x,y) # 以默認的形狀顏色繪制散點圖
實例： 假設我們獲取到了上海2020年5,10月份每天白天的最高氣溫(分別位于列表a、b)，那么此時如何觀察氣溫和隨時間變化的某種規律。
# 繪制圖形所需的數據
y_5 = [11,17,16,11,12,11,12,13,10,14,8,13,12,15,14,17,18,21,16,17,30,14,15,15,15,19,21,22,22,22,23]
y_10 = [26,26,28,19,21,17,16,19,18,20,20,19,22,23,17,20,21,20,22,15,11,15,5,13,15,10,11,13,12,13,6]
代碼如下：
import matplotlib.pyplot as plt
# 設置字體
plt.rcParams['font.sans-serif']=['SimHei'] # 替換sans_serif字體
plt.rcParams['axes.unicode_minus']=False # 解決坐標軸負數的負號顯示問題
plt.figure(figsize=(12,5), dpi=100)
y_5 = [11,17,16,11,12,11,12,13,10,14,8,13,12,15,14,17,18,21,16,17,30,14,15,15,15,19,21,22,22,22,23]
y_10 = [26,26,28,19,21,17,16,19,18,20,20,19,22,23,17,20,21,20,22,15,11,15,5,13,15,10,11,13,12,13,6]
x = range(1, 32)
plt.scatter(x, y_5, label='五月份')
plt.scatter(x, y_10, label='十月份')
# 增加標題，坐標描述
plt.xlabel("時間")
plt.ylabel("日期")
plt.title("氣溫和隨時間變化的某種規律")
# 添加圖形注釋
plt.legend(loc='best')
plt.show()
上圖雖然繪制出5、10月氣溫隨日期的變化，但兩者混在一起，不便于觀察，現通過修改x數據，將10月的坐標點集體往坐標軸右側移動，改進的代碼如下：
import matplotlib.pyplot as plt
# 設置字體
plt.rcParams['font.sans-serif']=['SimHei'] # 替換sans_serif字體
plt.rcParams['axes.unicode_minus']=False # 解決坐標軸負數的負號顯示問題
plt.figure(figsize=(12,5), dpi=100)
y_5 = [11,17,16,11,12,11,12,13,10,14,8,13,12,15,14,17,18,21,16,17,30,14,15,15,15,19,21,22,22,22,23]
y_10 = [26,26,28,19,21,17,16,19,18,20,20,19,22,23,17,20,21,20,22,15,11,15,5,13,15,10,11,13,12,13,6]
x_5 = range(1, 32)
x_10 = range(33, 64)
plt.scatter(x_5, y_5, label='五月份')
plt.scatter(x_10, y_10, label='十月份')
# 刻度顯示
x_t = list(x_4)+list(x_10)
x_l = ["5月{}號".format(i) for i in x_4]
x_l += ["10月{}號".format(i-31) for i in x_10]
plt.xticks(x_t[::3], x_l[::3], rotation=45)
# 添加圖形注釋
plt.legend(loc='best')
plt.show()
二、柱狀圖
柱狀圖是用寬度相同的條形的高度或長短來表示數據多少的圖形。柱狀圖可以橫置或縱置，縱置時也稱為柱形圖。
特點：
能夠直觀反映出各個數據的大?。?br />
易于比較數據之間的差別。
柱狀圖繪制：
plt.bar(x, width, align=‘center', **kwargs)
Parameters:
x : sequence of scalars.
width : scalar or array-like, optional, 柱狀圖的寬度
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.
每個柱狀圖的位置對齊方式, 默認柱狀圖的中心與x坐標中心對齊
**kwargs:
color: 選擇柱狀圖的顏色
水平條形圖繪制
plt.barh(y, width) # 繪制以y為y軸位置的水平條形圖
實例：假設我們獲取到了2019年內地電影票房前20的電影(列表a)和電影票房數據(列表b)，繪制柱狀圖直觀地展示數據，代碼如下：
import matplotlib.pyplot as plt
# 設置字體
plt.rcParams['font.sans-serif']=['SimHei'] # 替換sans_serif字體
plt.rcParams['axes.unicode_minus']=False # 解決坐標軸負數的負號顯示問題
plt.figure(figsize=(15,10),dpi=100)
# 準備電影的名字以及電影的票房數據
movie_name = ["流浪地球","復仇者聯盟4:終局之戰","哪吒之魔童降世","瘋狂的外星人",
"飛馳人生","蜘蛛俠:英雄遠征","掃毒2天地對決","烈火英雄","大黃蜂",
"驚奇隊長","比悲傷更悲傷的故事","哥斯拉2:怪獸之王","阿麗塔:戰斗天使",
"銀河補習班","獅子王","反貪風暴4","熊出沒","大偵探皮卡丘","新喜劇之王",
"使徒行者2:諜影行動","千與千尋"]
y = [56.01,26.94,17.53,16.49,15.45,12.96,11.8,11.61,
11.28,11.12,10.49,10.3,8.75,7.55,7.32,6.99,6.88,6.86,6.58,6.23,5.22]
# 放進橫坐標的數字列表
x = range(len(movie_name))
# 畫出條形圖
# 顏色color參數表示條形圖的順序顏色，可循環
plt.bar(x, y, width=0.5, color=['b','r','g','y','c','m','y','k','c','g','g'])
# 修改刻度名稱，并旋轉90度
plt.xticks(x, movie_name, rotation=90)
# 展示圖形
plt.show()
# 水平條形圖
plt.figure(figsize=(15,10),dpi=100)
plt.barh(movie_name, y, color=['b','r','g','y','c','m','k'])
plt.show()
有時候為了公平起見，我們需要對比不同電影首日和首周的票房收入，讓數據更有說服力。假設數據如下：
movie_name = ['雷神3：諸神黃昏','正義聯盟','尋夢環游記']
first_day = [10587.6,10062.5,1275.7] # 首日票房
first_weekend=[36224.9,34479.6,11830] # 首周票房
繪制不同電影首日和首周票房的數據圖，代碼如下：
import matplotlib.pyplot as plt
# 設置字體
plt.rcParams['font.sans-serif']=['SimHei'] # 替換sans_serif字體
plt.rcParams['axes.unicode_minus']=False # 解決坐標軸負數的負號顯示問題
plt.figure(figsize=(15,10),dpi=100)
# 準備數據
movie_name = ['雷神3：諸神黃昏','正義聯盟','尋夢環游記']
# 構造首日票房，首周票房數據
first_day = [10587.6,10062.5,1275.7]
first_weekend=[36224.9,34479.6,11830]
x = range(len(movie_name))
# 繪制第一個柱狀圖
plt.bar(x, first_day, width=0.25)
# 接著繪制第二個柱狀圖
plt.bar([i+0.25 for i in x], first_weekend, width=0.25)
# 修改刻度名稱
# 顯示x軸中文，固定在首日和首周的中間位置
plt.xticks([i+0.125 for i in x], movie_name)
plt.show()
注意點：
x軸坐標刻度顯示位置的調整，既可以通過繪制圖形時調整x數據，也可以通過繪制x軸刻度時調整刻度的方法來實現x軸刻度顯示在兩個柱狀圖中間。如果不做任何調整，它是默認與第一個柱狀圖中間對齊的。
三、直方圖
直方圖，形狀類似柱狀圖卻有著與柱狀圖完全不同的含義。直方圖牽涉統計學的概念，首先要對數據進行分組，然后統計每個分組內數據元的數量。 在坐標系中，橫軸標出每個組的端點，縱軸表示頻數，每個矩形的高代表對應的頻數，稱這樣的統計圖為頻數分布直方圖。
特點：繪制連續性的數據，展示一組或者多組數據的分布情況，用于統計數據分布的特征。
相關概念：
組數：在統計數據時，把數據按照不同的范圍分成幾個組，分成的組的個數稱為組數；
組距：每一組兩個端點的差。
直方圖繪制
plt.hist(x,bins=None)
繪制以x為數值，bins為組數，組數 = 極差/組距
實例：假設我們獲取到了一些電影的時長，繪制直方圖展示電影時長的分布情況，代碼如下：
import matplotlib.pyplot as plt
# 設置字體
plt.rcParams['font.sans-serif']=['SimHei'] # 替換sans_serif字體
plt.rcParams['axes.unicode_minus']=False # 解決坐標軸負數的負號顯示問題
plt.figure(figsize=(15,10),dpi=100)
# 準備數據，電影時長
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]
# 組距
bins = 2
# 組數，極差/組距
groups = int((max(time) - min(time)) / 2)
# 繪制直方圖
plt.hist(time, groups)
# 指定x軸刻度的范圍
plt.xticks(list(range(min(time), max(time)))[::2])
# 添加坐標描述
plt.xlabel('電影時長大小')
plt.ylabel('電影的數量')
# 增加網格顯示
plt.grid(True, linestyle='--', alpha=0.5)
plt.show()
四、扇形圖
扇形圖，用整個圓表示總數，用圓內各個扇形的大小表示各部分數量占總數的百分數。
扇形圖繪制
plt.pie(x, explode=None, labels=None)
x：扇形數據
explode：設置某幾個分塊是否要分離餅圖
labels：每塊扇形標簽
autopct：百分比數據標簽
shadow：是否顯示陰影
plt.pie()有3個返回值：
patches：繪制餅圖每一塊的對象
texts：文本的列表
autotexts：百分比的文本列表
實例：假設我們獲取到了一些電影的排片數據，繪制扇形圖展示電影的排片占比情況，代碼如下：
import matplotlib.pyplot as plt
# 設置字體
plt.rcParams['font.sans-serif']=['SimHei'] # 替換sans_serif字體
plt.rcParams['axes.unicode_minus']=False # 解決坐標軸負數的負號顯示問題
# 餅圖繪制
plt.figure(figsize=(15, 10), dpi=100)
# 電影排片數據
movie_name = ['雷神3：諸神黃昏','正義聯盟','東方快車謀殺案','尋夢環游記','全球風暴','降魔傳','追捕','七十七天','密戰','狂獸','其它']
place_count = [60605,54546,45819,28243,13270,9945,7679,6799,6101,4621,20105]
# 繪制扇形圖
plt.pie(place_count, labels=movie_name, autopct="%1.2f%%")
# 指定顯示的pie是正圓
plt.axis('equal')
# 設置圖例和標題
plt.legend(loc="best")
plt.title("排片占比情況")
plt.show()
扇形圖優化的手段添加陰影，分離特定數據等：
import matplotlib.pyplot as plt
# 設置字體
plt.rcParams['font.sans-serif']=['SimHei'] # 替換sans_serif字體
plt.rcParams['axes.unicode_minus']=False # 解決坐標軸負數的負號顯示問題
plt.figure(figsize=(15, 10), dpi=100)
movie_name = ['雷神3：諸神黃昏','正義聯盟','東方快車謀殺案','尋夢環游記','全球風暴','降魔傳','追捕','七十七天','密戰','狂獸','其它']
place_count = [60605,54546,45819,28243,13270,9945,7679,6799,6101,4621,20105]
# 繪制扇形圖，添加陰影效果,并讓占比最大的雷神3分離
explode = [0.1, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0]
res = plt.pie(place_count, labels=movie_name, explode=explode, autopct="%1.2f%%", shadow=True)
patches, texts, autotexts = res
print(patches) # 表示每個扇形的對象
print(texts) # 每個文本對象
print(autotexts) # 每個百分比對象
# 指定顯示的pie是正圓
plt.axis('equal')
# 設置圖例和標題
plt.legend(loc="best")
plt.title("排片占比情況")
plt.show()
打印的扇形圖返回值：
優化后的扇形圖：
總結
本文講述了使用Matplotlib繪制散點圖、柱狀圖、直方圖、扇形圖的基本操作。
到此這篇關于Python數據可視化之用Matplotlib繪制常用圖形的文章就介紹到這了,更多相關Matplotlib繪制圖形內容請搜索腳本之家以前的文章或繼續瀏覽下面的相關文章希望大家以后多多支持腳本之家！
您可能感興趣的文章:- 利用Python進行數據可視化的實例代碼
- python數據可視化之matplotlib.pyplot基礎以及折線圖
- 淺談哪個Python庫才最適合做數據可視化
- python數據可視化plt庫實例詳解
- 學會Python數據可視化必須嘗試這7個庫
- Python中seaborn庫之countplot的數據可視化使用
- python實現股票歷史數據可視化分析案例
- Python數據可視化之基于pyecharts實現的地理圖表的繪制
- Python爬蟲實戰之爬取京東商品數據并實實現數據可視化
- Python數據可視化之繪制柱狀圖和條形圖
- python用pyecharts實現地圖數據可視化
- python數據可視化 – 利用Bokeh和Bottle.py在網頁上展示你的數據
