python用matplotlib可视化绘图详解

import matplotlib.pyplot as plt #plt是别名

plt.figure(figsize=(10,6))#调整画布大小
plt.plot(data["日期"],data["自配送销售额"],color='y')#通过color调整颜色
plt.xticks(rotation=45)#x轴倾斜的角度
plt.show()

plt.figure(figsize=(10,5))
plt.plot(data["日期"],data["总销售额"],color='r',linewidth=0.5,marker="*",linestyle='-.')
plt.plot(data["日期"],data["FBA销售额"],color='g',linewidth=0.5,marker="2",linestyle='-')
plt.plot(data["日期"],data["自配送销售额"],color='y',linewidth=0.5,marker="s",linestyle='--')
plt.xticks(rotation=45)#旋转x轴标注
font = {
    "family":"kaiti",  #  设置字体的样式
    "size":"20"  #  设置字体的大小
}
 
plt.rc("font",**font)
#设置X轴标签
plt.xlabel("时间")
#设置y轴标签
plt.ylabel("数额")
plt.show()
#linewidth是设置线的宽度 
#marker是设置线的拐点标记样式

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

plt.figure(figsize=(10,5))
plt.bar(data["排序"],data["销量"])
##调整画布外框颜色 上：top 下: bottom 左：left 右：right
ax=plt.gca()
ax.spines["top"].set_color("w")
ax.spines["bottom"].set_color("r")
ax.spines["left"].set_color("r")
ax.spines["right"].set_color("w")
##调整x、y轴刻度
plt.xlim(data.index.values[0],data.index.values[-1]) #x轴从0开始到最后一个 0第一个 -1最后一个
plt.ylim(np.min(data["销量"]),np.max(data["销量"]))  #最小到最大
plt.show()

plt.figure(figsize=(10,5))
plt.barh(data["排序"],data["销量"])
##调整画布外框颜色 上：top 下: bottom 左：left 右：right
ax=plt.gca()
ax.spines["top"].set_color("w")
ax.spines["bottom"].set_color("r")
ax.spines["left"].set_color("r")
ax.spines["right"].set_color("w")
##调整x、y轴刻度
plt.xlim(np.min(data["销量"]),np.max(data["销量"]))  #x轴从0开始到最后一个 0第一个 -1最后一个
plt.ylim(data.index.values[0],data.index.values[-1]) #最小到最大
plt.show()

matplotlib.pyplot.pie(x, explode=None, labels=None, colors=None, autopct=None, pctdistance=0.6, shadow=False, labeldistance=1.1, startangle=0, radius=1, counterclock=True, wedgeprops=None, textprops=None, center=0, 0, frame=False, rotatelabels=False, *, normalize=None, data=None)[source]

plt.figure(figsize=(10,5))
sum_sale=np.sum(data["总销售额"])
font={
    "family":"kaiti"
,"size":"15"
}
 
plt.rc("font",**font)
fba_sale=np.sum(data["FBA销售额"])
self_sale=np.sum(data["自配送销售额"])
plt.pie([sum_sale,fba_sale,self_sale]
       ,labels=["总销售额","FBA销售额","自配送销售额"]
       ,colors=["m","b","g"] #设置饼图颜色
       ,shadow=True          #是否设置阴影
        ,labeldistance=1.2   #标签距图表的距离
        ,autopct="%.2f%%"  ##设置显示数字样式
        ,startangle=60  ##旋转角度
        ,explode=[0.1,0,0]
       )
plt.title("统计",loc="center")#center中间
       
plt.show()

matplotlib.pyplot.scatter(x, y, s=None, c=None, marker=None, cmap=None, norm=None, vmin=None, vmax=None, alpha=None, linewidths=None, *, edgecolors=None, plotnonfinite=False, data=None, **kwargs)

plt.scatter(data["平均单个订单成本"],data["订单额"]
            , color=("red","green","black","orange","purple","beige","cyan","magenta","cyan","magenta")#设置球的颜色
           ,s=data["订单额"]#设置球的大小
           ,marker="h"#设置球的形状
           ,linewidths=4#设置球边界的宽度
           ,edgecolors='b'#设置边界的颜色
        ,alpha=0.5#设置透明度
           )#设置球的形状
plt.xlabel("订单成本")
plt.ylabel("订单额")
plt.show()

plt.figure(figsize=(20,5))
data1 = data[data["数量"]>20]
plt.hist(data1["数量"],
        bins=data1.index.values[-1] #xz轴上展示多少
          ,align = "mid" 
        ， density=True#频率频数设置
        )
plt.xlim(10)
plt.show()

plt.boxplot(data[data["销量"]<3000]["销量"])
plt.show()

dataa = [data[data["销量"]<2000]["销量"],data[data["销量"]<3000]["销量"]]
plt.boxplot(dataa  # dataa中包含多少元素 就会绘制几个箱型图
           ,notch=True  # 是否展示凹口
           ,sym="*" # 设置异形点的形状
           ,vert=False # 箱型图的摆放方式，True就是垂直，False就是横着
            ,whis=2  # 定义异常，默认是1.5这个参数也就是上下四分位距离的倍数
            ,labels=["箱型图a","箱型图b"] # 说明
            ,showmeans=True   # 展示平均值
            ,meanline=True  # 以线的形式来展示平均值，前提是showmeans=True
            ,showfliers=True  # 是否显示异常值
            ,meanprops=dict(markerfacecolor="r", marker="s")
            ,widths=0.5
           )
plt.show()

matplotlib.pyplot.subplots(nrows=1, ncols=1, *, sharex=False, sharey=False, squeeze=True, subplot_kw=None, gridspec_kw=None, **fig_kw)

plt.figure(figsize=(10,5))#设置画布大小
x=np.arange(1,200)
plt.subplot(221)#在第一个位置画折线图
plt.plot(x,x+x)
plt.subplot(222)#第二个位置绘制散点图
plt.scatter(np.arange(0,20),np.random.rand(20))
plt.subplot(223)#第三个位置绘制饼图
plt.pie(x=[1,2,3,4],labels=['a','b','c','d'])
plt.subplot(224)#第四个位置绘制柱状图
plt.bar(x=[1,2,3,4],height=[2,3,6,5])
plt.show()