Python實作資料分析（二）

Matplotlib的概念和簡單應用

一、Matplotlib的概念

Matplotlib 是 Python 的繪圖庫，
它可與 NumPy 一起使用，提供了一種有效的 MatLab 開源替代方案，
它也可以和圖形工具包一起使用，如 PyQt 和 wxPython，

Matplotlib的特點：

1.是專門用于開發2D圖示（包括3D圖表）

2.使用起來極其簡單

3.以漸進、互動方式實作資料可視化

• matplotlib架構：

  • 上層呼叫下層

  • 后端：實作繪圖區域（分配畫圖資源）

  • 美工：

    • figure、axes、axis
    • xticks,yticks
    • xlabel,ylabel
    • plot(引數)
    • lengend

  • 腳本：pytplot

    • 美工層

      • figure：指整個圖形（包括所有元素，比如標題、線等）

      • axes（坐標系）：資料的繪圖區域

      • axis（坐標軸）：坐標系中的一條軸，包含大小限制、刻度和刻度標簽

        特點

        • 一個figure可以包含多個axes（坐標系）
        • 一個坐標系可以包含多個坐標軸

二、Matplotlib的簡單應用

1、折線圖

• 折線圖：點的坐標（橫坐標，縱坐標）

案例1：實作溫度變化（折線圖）繪制

步驟：

1.先生成figure

2.準備資料，折線圖點，x,y坐標個數一一對應

3.顯示呼叫show()

import matplotlib.pyplot as plt
plt.figure() # 畫幕布
plt.plot([1,2,3,4,5,6,7],[17,17,18,15,11,11,13])# 橫坐標，縱坐標
plt.savefig("./test.png") # 保存位置
plt.show()# 顯示

效果如下：

案例2：顯示上海和北京的溫度變化（同一張圖）

import matplotlib.pyplot as plt
import random
plt.rcParams['font.sans-serif']=['SimHei'] #顯示中文標簽
plt.rcParams['axes.unicode_minus']=False
plt.figure(figsize=(20,10),dpi=80) # 畫幕布
# 準備資料
x = range(60)
x_ch = ['11點{}分'.format(i) for i in x]
y_shanghai = [random.uniform(15,18) for i in range(60)] # 變化范圍15~18
# 準備北京的溫度
y_beijing = [random.uniform(1,3) for i in range(60)] # 變化范圍1~3
y_ticks = range(40)
plt.plot(x,y_shanghai,label = '上海')
# 顯示北京的溫度
plt.plot(x,y_beijing,color = 'r',linestyle = '--',label = '北京')
# 修改刻度值
# 指定顯示的x刻度的串列
# 第一個引數：必須是指
# 第二個引數：指定跟第一個引數對應的中文
plt.xticks(x[::5],x_ch[::5])
plt.yticks(y_ticks[::5])
# 增加標題，坐標描述
plt.xlabel('時間')
plt.ylabel('溫度')
plt.title('北京和上海：從11點~12點的溫度變化情況')
# 增加圖例的顯示
plt.legend(loc = 'best')
plt.savefig("./test2.png")
plt.show()

效果如下：

案例3：顯示北京和上海的溫度變化（不同圖）

import matplotlib.pyplot as plt
import random
plt.rcParams['font.sans-serif']=['SimHei'] #顯示中文標簽
plt.rcParams['axes.unicode_minus']=False
# plt.figure(figsize=(20,10),dpi=80) # 畫幕布
# 當在多個ax里面畫圖的時候，標簽，刻度，在相應的坐標系里指定
fig,ax=plt.subplots(nrows=1,ncols=2,figsize=(20,8))
# 準備資料
x = range(60)
x_ch = ['11點{}分'.format(i) for i in x]
y_shanghai = [random.uniform(15,18) for i in range(60)] # 變化范圍15~18
# 準備北京的溫度
y_beijing = [random.uniform(1,3) for i in range(60)] # 變化范圍1~3
y_ticks = range(40)
# plt.plot(x,y_shanghai,label = '上海')
ax[0].plot(x,y_shanghai,label = '上海')
# 顯示北京的溫度
# plt.plot(x,y_beijing,color = 'r',linestyle = '--',label = '北京')
ax[1].plot(x,y_beijing,color = 'r',linestyle = '--',label = '北京')
# 修改刻度值
# 指定顯示的x刻度的串列
# 第一個引數：必須是指
# 第二個引數：指定跟第一個引數對應的中文
# plt是對整理坐標系處理，ax是對每個坐標系處理
# plt.xticks(x[::5],x_ch[::5])
ax[0].set_xticks(x[::5],x_ch[::5])
ax[1].set_xticks(x[::5],x_ch[::5])
# plt.yticks(y_ticks[::5])
ax[0].set_yticks(y_ticks[::5])
ax[1].set_yticks(y_ticks[::5])
# 增加標題，坐標描述
# plt.xlabel('時間')
ax[0].set_xlabel('時間')
ax[1].set_xlabel('時間')
# plt.ylabel('溫度')
ax[0].set_ylabel('溫度')
ax[1].set_ylabel('溫度')
# plt.title('北京和上海：從11點~12點的溫度變化情況')
ax[0].set_title('中午從11點~12點的溫度變化情況')
ax[1].set_title('中午從11點~12點的溫度變化情況')
# 增加圖例的顯示
# plt.legend(loc = 'best')
ax[0].legend(loc = 'best')
ax[1].legend(loc = 'best')
plt.savefig("./test3.png")
plt.show()

效果如下：

2、條形圖

plt.bar(*x**,* *height**,* *width=0.8**,* *bottom=None**, ***,* *align='center'**,* *data=None**, ****kwargs*)

案例1：顯示每部電影的票房

import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif']=['SimHei'] #顯示中文標簽
plt.rcParams['axes.unicode_minus']=False
# 柱狀圖
plt.figure(figsize=(20,8))
# 電影名字，每部電影對應的票房
movie_name = ['戰狼2','哪吒之魔童降世','流浪地球','復仇者聯盟4：終局之戰','紅海行動']
x = range(len(movie_name))
y = [5639,4934,4618,4205,3622]
# 使用plt.bar顯示
# plt.bar 填入的x坐標必須全是數字
plt.bar(x,y,0.2,color = ['b','r','g','y','c','m'])
# 修改刻度，以及電影名字顯示
plt.xticks(x,movie_name)
plt.savefig('./test4')
plt.show()

效果如下：

案例2：顯示每日票房與每周票房的對比

import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif']=['SimHei'] #顯示中文標簽
plt.rcParams['axes.unicode_minus']=False
# 柱狀圖
plt.figure(figsize=(20,8))
movie_name = ['戰狼2','哪吒之魔童降世','流浪地球']
first_day = [10587.6,10062.5,1275.7]
first_weekend = [36224.9,34479.6,11830]
x = range(len(movie_name))
# 使用plt.bar顯示
plt.bar(x,first_day,width=0.2,label='首日票房')
plt.bar([i+0.2 for i in x],first_weekend,width=0.2,label='首周票房')
plt.xticks([i+0.1 for i in x],movie_name)
plt.legend(loc='best')
plt.title('首日票房與首周票房對比')
plt.savefig('./test5')
plt.show()

效果如下：

3、直方圖

plt.hist

plt.grid

• 組數：在統計資料時，我們把資料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

步驟：

1.設定組距

2.設定組數：組數=極差/組距

案例1：顯示豆瓣電影評分分布直方圖

# 組距為1
# 創建figure
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif']=['SimHei'] #顯示中文標簽
plt.rcParams['axes.unicode_minus']=False
plt.figure(figsize=(20,8))
score = [8.7,8.2,8.1,8,8,7.9,7.8,7.8,7.8,7.7,7.6]
bins = 0.05
group = int((max(score)-min(score))/bins)
# 畫直方圖
plt.hist(score,group,density=True) # density 頻率 默認是0
# 指定刻度和步長
plt.xticks(score[::1])
plt.title('電影評分直方圖')
plt.xlabel('電影評分')
plt.ylabel('電影資料量')
# 添加網格
plt.grid(True,linestyle = '--',alpha=1) # alpha表示格子清晰度
plt.savefig('./test6')
plt.show()

效果如下：

直方圖的場景

• 用于表示分布情況
• 通過直方圖還可以觀察和估計哪些資料比較集中，例外或者孤立的資料分布在何處
• 利于較小資料的分析
• 例如：用戶年齡分布，商品價格分布

直方圖和柱狀圖對比

• 直方圖：適合x坐標資料：連續的資料，資料量大
• 柱狀圖：x坐標，類別，資料量較小，

4、餅圖

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

案例1：顯示每個電影的場次占比

# 電影的排片占比顯示
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif']=['SimHei'] #顯示中文標簽
plt.rcParams['axes.unicode_minus']=False
# 創建figure
plt.figure(figsize=(20,8))
movie_name = ['戰狼2','哪吒之魔童降世','流浪地球','復仇者聯盟4：終局之戰','紅海行動']
# 場次
place_count = [60605,54546,45819,28243,13270]
# 顯示餅圖
plt.pie(place_count,labels=movie_name,autopct='%1.2f%%',colors=['b','r','y','g','c'])
plt.legend(loc='best')# 添加圖例
plt.axis('equal')# 變成圓形
plt.savefig('./test7')
plt.show()

效果如下：

應用場景

分類的占比情況

例如：班級男女分布占比，公司銷售額占比

說明：

資料來源：豆瓣網和電影網

5、各類統計圖的比較：

• 條形統計圖是用一個單位長度表示一定的數量，根據數量的多少畫出長短不同的直條，它能很快的看出各種數量的多少；
• 折線統計圖是用一個單位長度表示一定的數量，根據數量的多少描出各點，然后用線段依次連接起來，它不但可以看出各種數量的多少，而且可以看出數量的增減變化情況；
• 扇形統計圖是用一個圓表示整體，用圓內各個扇形的大小表示各部分占總數的百分比，它可以清楚看出各種數量占整體的百分比，