10.数据库-Matplotlib

Matplotlib

文章目录

Matplotlib
- 1.基础图象绘制
- - 1.1 完善原始折线图-给图形添加辅助功能
  - 1.2中文显示
  - 1.2在一个坐标系下绘制多个图像
  - 1.4 多个坐标系显示-plt.subplots(面向对象的画图方法)
  - 1.5 折线图应用场景
  - 1.6小结
- 2.其他图像绘制
- - 2.1折线图
  - 2.2散点图绘制
  - 2.3柱状图绘制
  - 2.4小结

是专门用于开发一些2D图表

以渐进\交互式的方式实现数据可视化

1.基础图象绘制

import matplolib模块
import matplolib as plt1.创建画布plt.figure()
plt.figure(figsize=(),dip=)
figsize指定图的长宽
dpi图像清晰度
返回fig图像2.绘制图像 plt.plot(x,y)
plt.plot([],[])
3.显示图像
plt.show()

1.1 完善原始折线图-给图形添加辅助功能

需求:画出某城市11点到12点1小时内每分钟的温度变化折线图,温度范围再15度-18度.

import matplolib as plt
import random#0.准备数据
x=range(60)
y_shanghai=[random.uniform(15,18) for i in x]#1.创建画布
plt.figure(figsize=(20,8),dpi=100)
#2.绘制图像
plt.plot(x,y_shanghai)#2.1添加x,y轴刻度
#设置x,y轴刻度
x_ticks_lable=['11点{}分'.format(i) for i in x]
y_ticks=range(40)#修改x,y轴刻度显示
# plt.xticks(x_ticks_lable[::5])  #坐标刻度不可以通过字符串进行修改
plt.xticks(x[::5],x_ticks_lable[::5])
plt.yticks(y_ticks[::5])#2.2添加网格显示
plt.grid(True,linestyle='--',alpha=0.5)  #linestyle 虚线 alpha=0.5透明度#2.3添加描述信息
plt.xlabel('时间')
plt.ylabel('温度')
plt.title('中午11点到12点某城市温度变化图',fontsize=20)#2.4图像保存
plt.savefig('./test.png')# 3.图像显示
plt.show()

1.2中文显示

解决方案一：

下载中文字体（黑体，看准系统版本）

步骤一：下载 SimHei 字体（或者其他的支持中文显示的字体也行）
步骤二：安装字体
- linux下：拷贝字体到 usr/share/fonts 下：
```
sudo cp ~/SimHei.ttf /usr/share/fonts/SimHei.ttf
```
- windows和mac下：双击安装
步骤三：删除~/.matplotlib中的缓存文件
```
cd ~/.matplotlib
rm -r *
```

步骤四：修改配置文件matplotlibrc

vi ~/.matplotlib/matplotlibrc

将文件内容修改为：

font.family         : sans-serif
font.sans-serif         : SimHei
axes.unicode_minus  : False

解决方案二：

在Python脚本中动态设置matplotlibrc,这样也可以避免由于更改配置文件而造成的麻烦，具体代码如下：

from pylab import mpl
# 设置显示中文字体
mpl.rcParams["font.sans-serif"] = ["SimHei"]

有时候，字体更改后，会导致坐标轴中的部分字符无法正常显示，此时需要更改axes.unicode_minus参数：

# 设置正常显示符号
mpl.rcParams["axes.unicode_minus"] = False

1.2在一个坐标系下绘制多个图像

需求:再添加应该城市的温度变化

0.准备数据
x=range(60)
y_shanghai=[random.uniform(15,18) for i in x]
y_bj=[random.uniform(1,3) for i in x]#1.创建画布
plt.figure(figsize=(20,8),dpi=100)
#2.绘制图像
plt.plot(x,y_shanghai,label='上海')
plt.plot(x,y_bj,color='r',linestyle='--',label='北京')#2.1添加x,y轴刻度
#设置x,y轴刻度
x_ticks_lable=['11点{}分'.format(i) for i in x]
y_ticks=range(40)#修改x,y轴刻度显示
# plt.xticks(x_ticks_lable[::5])  #坐标刻度不可以通过字符串进行修改
plt.xticks(x[::5],x_ticks_lable[::5])
plt.yticks(y_ticks[::5])#2.2添加网格显示
plt.grid(True,linestyle='--',alpha=0.5)  #linestyle 虚线 alpha=0.5透明度#2.3添加描述信息
plt.xlabel('时间')
plt.ylabel('温度')
plt.title('中午11点到12点某城市温度变化图',fontsize=20)#2.4图像保存
plt.savefig('./test.png')#2.5显示图例
plt.legend(loc='best')# 3.图像显示
plt.show()

1.4 多个坐标系显示-plt.subplots(面向对象的画图方法)

通过subplots函数实现

matplotlib.pyplot.subplots(nrows=1,ncols=1,**fig_kw)创建应该带有多个axes(坐标系/绘图区)的图

#0.准备数据
x=range(60)
y_shanghai=[random.uniform(15,18) for i in x]
y_bj=[random.uniform(1,3) for i in x]#1.创建画布
# plt.figure(figsize=(20,8),dpi=100)
fig,axes=plt.subplots(nrows=1,ncols=2,figsize=(20,8),dpi=100)  #nrows=1 行,nocols=2 列,figs#2.绘制图像
# plt.plot(x,y_shanghai,label='上海')
# plt.plot(x,y_bj,color='r',linestyle='--',label='北京')
axes[0].plot(x,y_shanghai,label='上海')
axes[1].plot(x,y_bj,color='r',linestyle='--',label='北京')#2.1添加x,y轴刻度
#设置x,y轴刻度
x_ticks_label=['11点{}分'.format(i) for i in x]
y_ticks=range(40)#修改x,y轴刻度显示
# plt.xticks(x_ticks_lable[::5])  #坐标刻度不可以通过字符串进行修改
# plt.xticks(x[::5],x_ticks_lable[::5])
# plt.yticks(y_ticks[::5])
axes[0].set_xticks(x[::5])
axes[0].set_yticks(y_ticks[::5])
axes[0].set_xticklabels(x_ticks_label[::5])
axes[1].set_xticks(x[::5])
axes[1].set_yticks(y_ticks[::5])
axes[1].set_xticklabels(x_ticks_label[::5])#2.2添加网格显示
# plt.grid(True,linestyle='--',alpha=0.5)  #linestyle 虚线 alpha=0.5透明度
axes[0].grid(True,linestyle='--',alpha=0.5)  #linestyle 虚线 alpha=0.5透明度
axes[1].grid(True,linestyle='--',alpha=0.5)  #linestyle 虚线 alpha=0.5透明度#2.3添加描述信息
# plt.xlabel('时间')
# plt.ylabel('温度')
# plt.title('中午11点到12点某城市温度变化图',fontsize=20)
axes[0].set_xlabel('时间')
axes[0].set_xlabel('温度')
axes[0].set_title('中午11点到12点某城市温度变化图',fontsize=20)
axes[1].set_ylabel('时间')
axes[1].set_ylabel('温度')
axes[1].set_title('中午11点到12点某城市温度变化图',fontsize=20)#2.4图像保存
plt.savefig('./test.png')#2.5显示图例
# plt.legend(loc='best')
axes[0].legend(loc='best')
axes[1].legend(loc='best')# 3.图像显示
plt.show()

1.5 折线图应用场景

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

1.6小结

添加x,y轴刻度
plt.xticks()
plt.yticks()
添加网格
plt.grid(linestyle='--',alpha=0.5)
添加描述信息
plt.xlabel()
plt.ylabel()
plt.title()
图像保存
plt.savefig('路径')
多次plot
直接进行添加
显示图例
plt.legend(loc='best')
注意:一定要在plt.plot()里面设置一个label,如果不设置,没法显示.
多个坐标系显示
plt.subplots(nrows=,ncols=)
折线图的应用
1.应用于观察数据的变化
2.可是画出一些数学函数图像设置图形风格:
颜色字符:r红色g绿色b蓝色w白色c青色m洋红y黄色k黑色
风格字符-实线--虚线-.点划线:点虛线''留空、空格
显示图例:'best'          0'upper right'   1'upper left''lower left''lower right''right''center left''center right''lower center''upper center''center'

2.其他图像绘制

2.1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)

api：plt.plot(x, y)

2.2散点图绘制

**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)

api：plt.scatter(x, y)

#0.准备数据
x=[255.98,247.07,253.14,457.85,241.58,301.01,20.67,288.64,163.56,120.06,107.83,355.99,17.78,326,22.55,23.89,44.99,222.44]
y=[221.198,47.07,53.14,257.85,141.58,201.01,120.67,88.64,63.56,220.06,207.83,155.99,117.78,226,322.55,123.89,244.99,22.44]#1.创建画布
plt.figure(figsize=(20,8),dpi=100)#2.绘制图像
plt.scatter(x,y)#3.图像显示
plt.show()

2.3柱状图绘制

**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,能够一眼看出各个数据的大小,比较数据之间的差别。(统计/对比)

api：plt.bar(x, width, align=‘center’, **kwargs)

#0.准备数据
#电影名字
movie_name=['雷神3:诸神','正义联盟','东方快车谋杀案','寻梦','全球','新三国','人生大事','喜欢你','艾米纳姆你']
#横坐标
x=range(len(movie_name))
#票房数据
y=[78365,17234,55331,78899,19934,98264,23345,5557,55778]#1.创建画布
plt.figure(figsize=(20,8),dpi=100)#2.绘制图像
plt.bar(x,y,color=['b','r','g','y','c','m','k','b'])#2.1修改x轴显示
plt.xticks(x,movie_name)#2.2添加网格
plt.grid(linestyle='--',alpha=0.8)#2.3添加标题
plt.title('电影片票房收入对比',fontsize=20)#3.图像显示
plt.show()

参考链接：

https://matplotlib.org/index.html

2.4小结

折线图【知道】能够显示数据的变化趋势，反映事物的变化情况。（变化）plt.plot()
散点图【知道】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)plt.scatter()
柱状图【知道】绘制连离散的数据,能形多一眼看出各个数据的大小,比较数据之间的差别。（统计/对比）plt.bar(x, width, align= "center")
直方图【知道】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）plt.hist(x, bins)
饼图【知道】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pit.pie(x, labels, autopct, colors)