七、matplotlib的使用

matplotlib的使用

點擊標題即可獲取文章源代碼和筆記

二、Matplotlib
    2.1 Matplotlib之HelloWorld
        2.1.1 什麼是Matplotlib - 畫二維圖表的python庫
            mat - matrix 矩陣
                二維數據 - 二維圖表
            plot - 畫圖
            lib - library 庫
            matlab 矩陣實驗室
                mat - matrix
                lab 實驗室
        2.1.2 爲什麼要學習Matplotlib - 畫圖
            數據可視化 - 幫助理解數據，方便選擇更合適的分析方法
            js庫 - D3 echarts
            奧卡姆剃刀原理 - 如無必要勿增實體
        2.1.3 實現一個簡單的Matplotlib畫圖
        2.1.4 認識Matplotlib圖像結構
        2.1.5 拓展知識點：Matplotlib三層結構
            1）容器層
                畫板層Canvas
                畫布層Figure
                繪圖區/座標系
                    x、y軸張成的區域
                    2）輔助顯示層
                    3）圖像層
    2.2 折線圖(plot)與基礎繪圖功能
        2.2.1 折線圖繪製與保存圖片
            3 設置畫布屬性與圖片保存
                figsize : 畫布大小
                dpi : dot per inch 圖像的清晰度
            3 中文顯示問題解決
                mac的一次配置，一勞永逸
                ubantu每創建一次新的虛擬環境，需要重新配置
                windows
                1）安裝字體
                    mac/wins：雙擊安裝
                    ubantu：雙擊安裝
                2）刪除matplotlib緩存文件
                3）配置文件
        2.2.4 多個座標系顯示-plt.subplots(面向對象的畫圖方法)
            figure, axes = plt.subplots(nrows=1, ncols=2, **fig_kw)
            axes[0].方法名()
            axes[1]
        2.2.5 折線圖的應用場景
            某事物、某指標隨時間的變化狀況
            拓展：畫各種數學函數圖像
2.3.1 常見圖形種類及意義
    折線圖plot
    散點圖scatter
        關係/規律
    柱狀圖bar
        統計/對比
    直方圖histogram
        分佈狀況
    餅圖pie π
        佔比
    2.3.2 散點圖繪製
    2.4 柱狀圖(bar)
        2.4.1 柱狀圖繪製
    2.5 直方圖(histogram)
        2.5.1 直方圖介紹
            組數：在統計數據時，我們把數據按照不同的範圍分成幾個組，分成的組的個數稱爲組數
            組距：每一組兩個端點的差
            已知 最高175.5 最矮150.5 組距5
            求 組數：(175.5 - 150.5) / 5 = 5
        2.5.2 直方圖與柱狀圖的對比
            1. 直方圖展示數據的分佈，柱狀圖比較數據的大小。
            2. 直方圖X軸爲定量數據，柱狀圖X軸爲分類數據。
            3. 直方圖柱子無間隔，柱狀圖柱子有間隔
            4. 直方圖柱子寬度可不一，柱狀圖柱子寬度須一致
        2.5.3 直方圖繪製
            x = time
            bins 組數 = (max(time) - min(time)) // 組距
            3 直方圖注意點
    2.6 餅圖(pie)
        %1.2f%%
        print("%1.2f%%")

import matplotlib.pyplot as plt
%matplotlib inline

plt.figure()
plt.plot([1,2,3,4,5,6,7],[17,17,18,15,11,11,13])
plt.show()

折線圖繪製與顯示

#展示上海一週的天氣，比如從星期一到星期日的天氣溫度如下
# 1. 創建畫布
# figsize：指定圖片的長寬
# dpi:指定圖像的清晰度
plt.figure(figsize=(20,8),dpi=280)
# 2. 繪製圖像
plt.plot([1,2,3,4,5,6,7],[17,17,18,15,11,11,13])

# 保存圖像
plt.savefig("fig01.png")

# 3. 顯示圖像
plt.show()

• 注意：plt.show()會釋放figure資源，如果在顯示圖像之後保存圖片，將只能保存空白的圖片

案例：顯示溫度變化情況（輔助顯示層）

需求：畫出某城市11點到12點1小時內每分鐘的溫度變化折線圖，溫度範圍在15度~18度

import random
x = range(60)
y_shanghai = [random.uniform(15,18) for i in x]
y_shanghai

[16.762333158978358,
 16.943581178301798,
 17.21289155110738,
 17.304877451487915,
 16.498088429709327,	
 			...
 15.54547871676703,
 17.524143671682424,
 17.978133652214485,
 17.370197846502908]

import random

# 1. 準備數據 x y
x = range(60)
y_shanghai = [random.uniform(15,18) for i in x]

# 2. 創建畫布
plt.figure(figsize=(22,8),dpi=100)

# 3. 繪製圖像
plt.plot(x,y_shanghai)

# 4. 顯示圖像
plt.show()

2.添加自定義x,y刻度

import random

# 1. 準備數據 x y
x = range(60)
y_shanghai = [random.uniform(15,18) for i in x]

# 2. 創建畫布
plt.figure(figsize=(22,8),dpi=100)

# 3. 繪製圖像
plt.plot(x,y_shanghai)

# 修改x,y刻度
plt.xticks(range(0,60,5))
plt.yticks(range(0,40,5))

# 4. 顯示圖像
plt.show()

["11點{}分".format(i) for i in range(61)]

['11點0分',
 '11點1分',
 '11點2分',
 '11點3分',
 '11點4分',
 '11點5分',
 '11點6分',
	 ...
 '11點56分',
 '11點57分',
 '11點58分',
 '11點59分',
 '11點60分']

import random

# 1. 準備數據 x y
x = range(60)
y_shanghai = [random.uniform(15,18) for i in x]

# 2. 創建畫布
plt.figure(figsize=(22,8),dpi=100)

# 3. 繪製圖像
plt.plot(x,y_shanghai)

# 修改x,y刻度
# 準備x的刻度說明
x_label = ["11點{}分".format(i) for i in range(61)]
plt.xticks(range(0,60,5),x_label[::5])
plt.yticks(range(0,40,5))

# 4. 顯示圖像
plt.show()

D:\ProgramData\Anaconda3\lib\site-packages\matplotlib\backends\backend_agg.py:214: RuntimeWarning: Glyph 28857 missing from current font.
  font.set_text(s, 0.0, flags=flags)
D:\ProgramData\Anaconda3\lib\site-packages\matplotlib\backends\backend_agg.py:214: RuntimeWarning: Glyph 20998 missing from current font.
  font.set_text(s, 0.0, flags=flags)
D:\ProgramData\Anaconda3\lib\site-packages\matplotlib\backends\backend_agg.py:183: RuntimeWarning: Glyph 28857 missing from current font.
  font.set_text(s, 0, flags=flags)
D:\ProgramData\Anaconda3\lib\site-packages\matplotlib\backends\backend_agg.py:183: RuntimeWarning: Glyph 20998 missing from current font.
  font.set_text(s, 0, flags=flags)

3.解決中文顯示問題

import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif']=['SimHei'] #用來正常顯示中文標籤
plt.rcParams['axes.unicode_minus']=False #用來正常顯示負號

import random

# 1. 準備數據 x y
x = range(60)
y_shanghai = [random.uniform(15,18) for i in x]

# 2. 創建畫布
plt.figure(figsize=(22,8),dpi=100)

# 3. 繪製圖像
plt.plot(x,y_shanghai)

# 修改x,y刻度
# 準備x的刻度說明
x_label = ["11點{}分".format(i) for i in range(61)]
plt.xticks(range(0,60,5),x_label[::5])
plt.yticks(range(0,40,5))

# 4. 顯示圖像
plt.show()

4. 添加網格顯示

import random

# 1. 準備數據 x y
x = range(60)
y_shanghai = [random.uniform(15,18) for i in x]

# 2. 創建畫布
plt.figure(figsize=(22,8),dpi=100)

# 3. 繪製圖像
plt.plot(x,y_shanghai)

# 修改x,y刻度
# 準備x的刻度說明
x_label = ["11點{}分".format(i) for i in range(61)]
plt.xticks(range(0,60,5),x_label[::5])
plt.yticks(range(0,40,5))

# 添加網格顯示
# grid(是否顯示網格,網格線樣式,網格透明度)
plt.grid(True,linestyle="--",alpha=0.5)

# 4. 顯示圖像
plt.show()

5.添加描述信息

import random

# 1. 準備數據 x y
x = range(60)
y_shanghai = [random.uniform(15,18) for i in x]

# 2. 創建畫布
plt.figure(figsize=(22,8),dpi=100)

# 3. 繪製圖像
plt.plot(x,y_shanghai)

# 修改x,y刻度
# 準備x的刻度說明
x_label = ["11點{}分".format(i) for i in range(61)]
plt.xticks(range(0,60,5),x_label[::5])
plt.yticks(range(0,40,5))

# 添加描述信息
plt.xlabel("時間")
plt.ylabel("溫度")
plt.title("某城市中午11：00到12：00zip間的溫度變化圖示")

# 添加網格顯示
# grid(是否顯示網格,網格線樣式,網格透明度)
plt.grid(True,linestyle="--",alpha=0.5)

# 4. 顯示圖像
plt.show()

再添加一個城市的溫度變化（圖像層）

收集到北京當天溫度變化情況，溫度在1度到3度。

y_beijing = [random.uniform(1,3) for i in range(61)]
y_beijing

[2.6582522879775263,
 1.2944662118583519,
 2.9128902882809036,
 2.3066941253832427,
 2.100357799277068,
...
 1.0759520914191576,
 1.3613792689673339,
 2.0180224854714215,
 2.042084118916457,
 2.8643212857317306]

import random

# 1. 準備數據 x y
x = range(60)
y_shanghai = [random.uniform(15,18) for i in x]
y_beijing = [random.uniform(1,3) for i in range(60)]

# 2. 創建畫布
plt.figure(figsize=(22,8),dpi=100)

# 3. 繪製圖像
plt.plot(x,y_shanghai,color='r',linestyle="--")
plt.plot(x,y_beijing,color='b')
# 修改x,y刻度
# 準備x的刻度說明
x_label = ["11點{}分".format(i) for i in range(61)]
plt.xticks(range(0,60,5),x_label[::5])
plt.yticks(range(0,40,5))

# 添加描述信息
plt.xlabel("時間")
plt.ylabel("溫度")
plt.title("上海、北京中午11：00到12：00zip間的溫度變化圖示")

# 添加網格顯示
# grid(是否顯示網格,網格線樣式,網格透明度)
plt.grid(True,linestyle="--",alpha=0.5)

# 4. 顯示圖像
plt.show()

顯示圖例

import random

# 1. 準備數據 x y
x = range(60)
y_shanghai = [random.uniform(15,18) for i in x]
y_beijing = [random.uniform(1,3) for i in range(60)]

# 2. 創建畫布
plt.figure(figsize=(22,8),dpi=100)

# 3. 繪製圖像
plt.plot(x,y_shanghai,color='r',linestyle="--",label="上海")
plt.plot(x,y_beijing,color='b',label="北京")
# 修改x,y刻度
# 準備x的刻度說明
x_label = ["11點{}分".format(i) for i in range(61)]
plt.xticks(range(0,60,5),x_label[::5])
plt.yticks(range(0,40,5))

# 添加描述信息
plt.xlabel("時間")
plt.ylabel("溫度")
plt.title("上海、北京中午11：00到12：00zip間的溫度變化圖示")

# 添加網格顯示
# grid(是否顯示網格,網格線樣式,網格透明度)
plt.grid(True,linestyle="--",alpha=0.5)

# 顯示圖例
plt.legend(loc="best")
# plt.legend(loc=2)

# 4. 顯示圖像
plt.show()

多個座標系顯示-plt.subplots（面向對象的畫圖方法）

我們想要將上海和北京的天氣圖顯示在同一個圖的不同座標系當中

import random

# 1. 準備數據 x y
x = range(60)
y_shanghai = [random.uniform(15,18) for i in x]
y_beijing = [random.uniform(1,3) for i in range(60)]

# 2. 創建畫布
# plt.figure(figsize=(22,8),dpi=100)

# figure是畫布對象，axes是繪圖區對象
figure,axes = plt.subplots(nrows=1,ncols=2,figsize=(20,8),dpi=80)

# 3. 繪製圖像
axes[0].plot(x,y_shanghai,color='r',linestyle="--",label="上海")
axes[1].plot(x,y_beijing,color='b',label="北京")

# 修改x,y刻度
# 準備x的刻度說明
x_label = ["11點{}分".format(i) for i in range(61)]
axes[0].set_xticks(range(0,60,7)) # 設置x軸刻度大小
axes[0].set_xticklabels(x_label[::7]) # 設置x軸每個刻度的名字
axes[1].set_yticks(range(0,40,7))
axes[1].set_xticklabels(x_label[::7])

# 添加描述信息
axes[0].set_xlabel("時間")
axes[0].set_ylabel("溫度")
axes[0].set_title("上海中午11：00到12：00zip間的溫度變化圖示")
axes[1].set_xlabel("時間")
axes[1].set_ylabel("溫度")
axes[1].set_title("北京中午11：00到12：00zip間的溫度變化圖示")


# 添加網格顯示
# grid(是否顯示網格,網格線樣式,網格透明度)
axes[0].grid(True,linestyle="--",alpha=0.5)
axes[1].grid(True,linestyle="--",alpha=0.5)

# 顯示圖例
axes[0].legend(loc="best")
axes[1].legend(loc="best")
# plt.legend(loc=2)

# 4. 顯示圖像
plt.show()

數學函數圖像

import numpy as np

# 1. 準備數據
x = np.linspace(-10,10,1000)
y = np.sin(x)

# 2. 創建畫布
plt.figure(figsize=(20,8),dpi=100)

# 3. 繪製函數圖像
plt.plot(x,y)

# 添加網格顯示
plt.grid()

# 4. 顯示圖像
plt.show

<function matplotlib.pyplot.show(*args, **kw)>

import numpy as np

# 1. 準備數據
x = np.linspace(-10,10,1000)
y = np.cos(x)

# 2. 創建畫布
plt.figure(figsize=(20,8),dpi=100)

# 3. 繪製函數圖像
plt.plot(x,y)

# 添加網格顯示
plt.grid()

# 4. 顯示圖像
plt.show

<function matplotlib.pyplot.show(*args, **kw)>

import numpy as np

# 1. 準備數據
x = np.linspace(-10,10,1000)
y = 2*x*x

# 2. 創建畫布
plt.figure(figsize=(20,8),dpi=100)

# 3. 繪製函數圖像
plt.plot(x,y)

# 添加網格顯示
plt.grid(linestyle='--',alpha=0.5)

# 4. 顯示圖像
plt.show

<function matplotlib.pyplot.show(*args, **kw)>

2.3.2散點圖繪製

需求：探究房屋面積和屋價格的關係

# 1. 準備數據
# 房屋面積數據
x=[225.98,247.07,253.14,457.85,241.58,301.01,20.67,288.64,163.56,120.86,207.83,342.75,147.9,53.06,224.72,29.51,21.61,483.21,245.25,399.25,343.35]

# 房屋價格數據
y=[196.63,203.88,210.75,372.74,202.41,247.61,24.9,239.34,148.32,104.15,176.84,288.23,128.79,49.64,191.74,33.1,30.74,400.02,205.35,330.64,283.45]

# 2. 創建畫布
plt.figure(figsize=(20,8),dpi=100)

# 3. 繪製圖像
plt.scatter(x,y)

# 3. 顯示圖像
plt.show()

2.4 柱狀圖

需求1-對比每部電影的票房收入

# 1. 準備數據
movie_names = ['雷神3：諸神黃昏','正義聯盟','東方快車謀殺案','尋夢環遊記','全球風暴', '降魔傳','追捕','七十七天','密戰','狂獸','其它']
tickets = [73853,57767,22354,15969,14839,8725,8716,8318,7916,6764,52222]

# 2. 創建畫布
plt.figure(figsize=(20,8),dpi=100)

# 3. 繪製柱狀圖
x_ticks = range(len(movie_names))
plt.bar(x_ticks,tickets,color=['b','r','g','y','c','m','y','k','c'])

# 修改x的刻度值
# plt.xticks(刻度的大小，刻度上的值)
plt.xticks(x_ticks,movie_names)

# 添加標題
plt.title("電影票房收入對比")

# 添加網格
plt.grid(linestyle="--",alpha=0.5)

# 4. 顯示圖像
plt.show()

需求2-如何對比電影票房收入才更能加有說服力

比較相同天數的票房

有時候爲了公平起見，我們需要對比不同電影首日和首周的票房

# 1. 準備數據
movie_name=['雷神3:諸神黃昏','正義聯盟','尋夢環遊記']
first_day=[10587.6,10062.5,1275.71]
first_weekend=[36224.9,34479.6,11830]

x = range(len(movie_name)) 

# 2. 創建畫布
plt.figure(figsize=(20,8),dpi=100)

# 3. 繪製柱狀圖
plt.bar(x,first_day,width=0.2,label="首日票房")
# [i+0.2 for i in x] 這是列表生成式
plt.bar([i+0.2 for i in x],first_weekend,width=0.2,label="首周票房")

# 顯示圖例
plt.legend(loc="best")

# 修改刻度
plt.xticks([i+0.1 for i in x],movie_name)

# 設置標題
plt.title("對比不同電影首日和首周的票房")

# 設置表格
plt.grid(linestyle="--",alpha=0.5)

# 4. 顯示圖像
plt.show()

2.5 直方圖（histogram）

·組數：在統計數據時，我們把數據按照不同的範圍分成幾個組，分成的組的個數稱爲組數

·組距：每一組兩個端點的差

直方圖 VS 柱狀圖：

1.直方圖展示數據的分佈，柱狀圖比較數據的大小

2.直方圖X軸爲定量數據，柱狀圖X軸爲分類數據。

3.直方圖柱子無間隔，柱狀圖柱子有間隔

• 因爲直方圖中的區間是連續的，因此柱子之間不存在間隙。而柱狀圖的柱子之間是存在間隔。

4.直方圖柱子寬度可不一，柱狀圖柱子寬度須一致

2.5.3 直方圖繪製

需求：電影時長分佈狀況

# 1、準備數據
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、創建畫布
plt.figure(figsize=(20,8),dpi=100)

# 3、給制直方圖
#通常設置組數會有相應公式：組數=極差/組距=（max-min）/組距
# plt.hist(x,組數)
distance = 2 # 組距
group_num = int((max(time)-min(time))/distance) # 組數
plt.hist(time,bins=group_num,density=True)  # density=True  則y軸顯示的刻度值爲頻率，否則爲頻數

# 添加網格
plt.grid(linestyle="--", alpha=0.5)

# 添加標題
plt.title("電影時長分佈狀況")


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

# 4、顯示圖倒
plt.show()

2.6.2餅圖繪製

需求：顯示不同的電影的排片佔比

# 1. 準備數據
movie_name = ['雷神3：諸神黃昏','正義聯盟','東方快車謀殺案','尋夢環遊記','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]


# 2. 創建畫布
plt.figure(figsize=(20,8),dpi=100)


# 3. 繪製餅圖
# autopct 顯示百分比的格式
plt.pie(place_count,labels=movie_name, colors=['b','r','g','y','c','m','y','k','c','g','y'], autopct="%1.2f%%")

# 添加axis
plt.axis("equal")

# 顯示圖例
plt.legend()

plt.title("不同的電影的排片佔比")


# 4. 顯示圖像
plt.show()