Python数据分析之Matplotlib数据可视化

2024-04-02 19:55

短信预约 -IT技能 免费直播动态提醒

1.前言

数据展示，即数据可视化，是数据分析的第五个步骤，大部分人对图形敏感度高于数字，好的数据展示方式能让人快速发现问题或规律，找到数据背后隐藏的价值。

2.Matplotlib概念

Matplotlib 是 Python 中常用的 2D 绘图库，它能轻松地将数据进行可视化，作出精美的图表。Matplotlib 模块很庞大，其中最常用的一个子模块是 pyplot，通常以一下方式将其导入：

 import matplotlib.pyplot as plt

因为在程序中经常使用，所以给 matplotlib.pyplot 起了个别名plt，以减少大量重复代码

3.Matplotlib.pyplot基本使用

pyplot 中最基础的作图方式是以点作图，即给出每个点的坐标，pyplot 会将这些点在坐标系中画出，并用线将这些点连起来。以正弦函数为例，用 pyplot 画出图像：

代码段1：

 import numpy as np
 import matplotlib.pyplot as plt
 
 x = np.arange(0,2*np.pi,0.1) #生成一个0到2pi、步长为0.1的数组x
 y = np.sin(x) #将x的值传入正弦函数，得到对应的值存入数组y
 plt.plot(x,y) #传入plt.plot()，将x，y转换成对应坐标。
 plt.show() #显示图像

上面程序画出了以下图像：

注：选择x的步长为0.1是为了让每个点间隔较小，让图像更加接近真实情况，否则如果步长过大，则会变成折线，若步长为1则会变成以下情况：

除了 np.sin()方法外，numpy 中也有 np.cos()、np.tan()等计算三角函数的方法。上面这些方法，最重要的是 plt.plot()方法，plt.plot()方法可以接收任意对数的 x 和 y ，它会将这些图像在一张图上都画出来，例如在原来的正弦图像上增加余弦图像，可以这样写：

 import numpy as np
 import matplotlib.pyplot as plt
 
 x = np.arange(0,2*np.pi,0.1) #生成一个0到2pi，步长为0.1的数组x
 y1 = np.sin(x) #将x的值传入正弦函数，得到对应的值存入数组y1
 y2 = np.cos(x) #将x的值传入余弦函数，得到对应的值存入数组y1
 plt.plot(x,y1,x,y2) #传入plt.plot()，将(x，y1)、(x,y2)转换成对应坐标。
 plt.show() #显示图像

以上程序公用了同一个x，当然也可以重新定义一个新的 x，最终得到的图像如下：

代码段2使用一次 plt.plot()方法直接将两个数字转换成对应坐标，当然也可以调用两次，以下两行代码和上面第7行代码是等价的。

 plt.plot(x,y1)
 plt.plot(x,y2)

对每一对 x 和 y，有一个可选格式化参数，进行指定线条的颜色、点标记和线条的类型。

代码段3：

 import numpy as np
 import matplotlib.pyplot as plt
 
 x = np.arange(0,2*np.pi,0.1) #生成一个0到2pi，步长为0.1的数组x
 y1 = np.sin(x) #将x的值传入正弦函数，得到对应的值存入数组y1
 y2 = np.cos(x) #将x的值传入余弦函数，得到对应的值存入数组y1
 plt.plot(x,y1,'ro--',x,y2,'b*-.') #将(x，y1)、(x,y2)转换成对应坐标，并选用格式化参数
 plt.show() #显示图像

将代码段2传入了格式化参数后，最终图像如下所示：

以其中的参数'ro--'为例，它分为三部分：r 代表红色(red)，o 代表在坐标点采用圆点标记，-- 代表虚线。'ro--'整体来说就是线条为虚线、坐标点标记为圆点。格式化参数这三部分都是可选的，即传入一部分也是可以的，并且没有顺序要求，

格式化参数常用的选型及含义如下表所示:

3.数据展示

3.1如何选择展示方式

我们通过数据分析来进行决策，那么使用合适的图表来准确地展示数据是至关重要的。实际使用中，我们会用到各种各样地几十种图表，按照数据展示的目标可以把它们分为五种，分别是：趋势、比较、构成、分布和联系。

趋势：最常见的一种时间序列关系，关心数据如何随时间变化，趋势里的图标能直观反映出每年、每月、每天的变化趋势，增长、减少、上下波动还是基本不变，最常见的是折线图，它能很好地表现指标随时间呈现的趋势。
构成：主要关注每个部分整体的占比，如果逆向分析的目标如“份额”、“百分比”等。展示构成关系的图表类型，最常见的是饼图。
比较：可以展示某个维度上的排列顺序，分析某维度之间的对比是差不多，还是“大于”、“小于”，比如分析男生和女生的身高差别。
分布：当你关心数据集中，频率、分布时，比如根据地理位置数据，通过地图来展示不同分布特征。比较常用的图表有地图、直方图、散点图。
联系：主要查看两个变量之间是否表达出我们所要证明的相关关系，比如预期销售额可能随着优惠折扣的增长而增长，常用于表打“与......有关”、“随......而增长”、“随......而不同”等维度的关系。

在进行数据可视化时，要先明确分析的目标，再来选择五种合适的分类，最后选择某个分类里合适的图表类型。

3.2绘制折线图

其实在前面已经用过折线图了，就是使用 plot.plot() 方法。之前我们传入的时x和y坐标点，而折线图的 x 和 y 分别是时间点和对应的数据，下面以两个商品的销量走势为例：

import numpy as np
import matplotlib.pyplot as plt
 
x = ['周一','周二','周三','周四','周五','周六','周日']
y1 = [61,42,52,72,86,91,73]
y2 = [23,26,67,38,46,55,33]
#传入label参数
plt.rcParams['font.family'] = ['SimHei'] #设置字体防止乱码
plt.plot(x, y1, label='商品A') #增加折线图例“商品A”
plt.plot(x, y2, label='商品B') #增加折线图例“商品B”
#设置x轴标签
plt.xlabel('时间')
plt.ylabel('销量')
#设置图表
plt.title('商品销量对比图')
#显示图例、图像
plt.legend(loc='best') #显示图例，并设置在“最佳位置”
plt.show()

得到的图像如下图所示：

因为上图中有中文，所以通过 plt.rcParams['font.family'] = ['SimHei'] 来设置中文字体来防止乱码，如果想设置其他字体只需将 SimHei(黑体)替换成相应的名称即可。通过一下代码获得，自己编译器所在环境安装的字体：

import matplotlib.font_manager as fm
for font in fm.fontManager.ttflist:
    print(font.name)

图例位置是一个可选参数，默认 matplotlib 会自动选择合适位置，也可以指定其他位置。

具体的如下表所示：

plt.legend() 方法的 loc 参数选择参数含义参数含义best最佳位置center居中upper right右上角center right靠右居中upper left左上角center left靠左居中lower left左下角lower center靠下居中lower right右下角upper center靠上居中

3.3绘制柱状图

柱状图描述的是分类数据，展示的是每一类的数量。柱状图分为很多种，有普通柱状图、堆叠柱状图、分组柱状图等。

3.3.1普通柱状图

普通柱状图调用 plt.bar() 方式实现。我们至少需要传入两个参数，第一个参数是 x 轴上刻度的标签序列（列表、元组、数组等），第二个参数用于指定每个柱子的高度，也就是具体的数据。下面以一个班级体育课选课的情况为例：

import matplotlib.font_manager as fm
for font in fm.fontManager.ttflist:
    print(font.name)

得到如下图像：

plt.bar() 前两个参数是必选的，当然还有一些可选参数，常用的有 width 和 color ，分别是用于设置柱子的宽度（默认0.8）和颜色。比如我们将柱子宽度改成0.6，将柱子的颜色设成好看的天蓝色只需将 plt.bar() 改为 plt.bar(names, nums, width=0.6, color='skyblue') 即可。之前在折线图部分用到的 plt.xlabel() 、plt.ylabel() 、plt.title() 和 plt.legend() 方法都是通用方法，并不局限于一种图表，所有的图表都适用。

3.3.2堆叠柱状图

柱状图能直观地展现出不同数据上的差异，但有时候我们需要进一步分析数据的分布，比如每门选修课的男女比例，这时就需要用到堆叠柱状图。

下面就是进一步分析每一门选修课中男女比例为例编写程序：

import numpy as np
import matplotlib.pyplot as plt
 
plt.rcParams['font.family'] = ['SimHei'] #设置字体防止乱码
name = ['乒乓球','羽毛球','网球']
nums_boy = [16,5,11]
nums_girl = [10,15,8]
 
plt.bar(name, nums_boy, width=0.6, color='skyblue', label='男')
plt.bar(name, nums_girl, bottom=nums_boy, width=0.6, color='pink', label='女')
plt.legend()
plt.show()

最终得到图像：

上面的代码和普通柱状图相比，多调用了一次，plt.bar() 方法，并传入了 bottom 参数，每调用一次 plt.bar() 方法都会画出对应的柱状图，而 bottom 参数作用就是控制柱状图低端的位置。我们将前一个柱状图的高度传进去，这样就形成了堆叠柱状图。而如果没有 bottom 参数，后面的图形会盖在原来的图形之上，

就像下面这样：

3.3.3分组柱状图

分组柱状图经常用于不同组间数据的比较，这些组都包含了相同分类的数据。

先来看一下效果图：

绘制上图的代码如下：

import numpy as np
import matplotlib.pyplot as plt
 
x = np.arange(3)
width = 0.3
 
names = ['篮球', '羽毛球', '乒乓球']
nums_boy = [16, 5, 11]
nums_girl = [10, 15, 8]
plt.rcParams['font.family'] = ['SimHei'] #设置字体防止乱码
plt.bar(x - width / 2, nums_boy, width=width, color='skyblue', label='男')
plt.bar(x + width / 2, nums_girl, width=width, color='pink', label='女')
plt.xticks(x, names)
plt.legend()
plt.show()

这次的方法和之前有些不同，首先使用 np.arange(3) 方法创建了一个数组 x ，值为[0,1,2]。并定义了一个变量 width 用于指定柱子的宽度。在调用 plt.bar() 时，第一个参数不再是刻度线上的标签，而是对应的刻度。以[0,1,2]为基准，分别加上或减去柱子的宽度得到[-0.15,0.85,1,85]和[0.15,1.15,2.15]，这些刻度将分别作为两组柱子的中点，并且柱子的宽度为0.3。

因为传入的是刻度，而不是刻度的标签。所以调用 plt.xticks() 方法来将 x 轴上刻度改为对应的标签，该方法第一个参数时要改的刻度序列，第二个参数时与之对于的标签序列。同理，使用plt.yticks() 方法来更改y轴上刻度的标签。

3.3.4饼图

饼图广泛地应用在各个领域，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。饼图通过将一个圆饼按照分类的占比划分成多个区块，整个圆饼代表数据的总量，每个区块(圆弧）表示该分类占总体的比例大小，所有区块（圆弧）的加和等于100%。

饼图的绘制很简单，只需要传入数据和对于的标签给 plt.pie() 方法即可。以2018年国内生产总值（GDP）三大产业的占比为例，可以画出这样的饼图：

绘制上图的代码如下：

import matplotlib.pyplot as plt
 
plt.rcParams['font.family'] = ['SimHei'] #设置字体防止乱码
data = [64745.2, 364835.2, 489700.8]
labels = ['第一产业', '第二产业', '第三产业']
explode = (0.1, 0, 0)
plt.pie(data, explode=explode, labels=labels,autopct='%0.1f%%')
plt.show()

plt.pie() 方法的第一个参数是绘图需要的数据；参数 explode 是可选参数，用于突出显示某一区块，默认数值都是0，数值越大，区块抽离越明显；参数 lables 是数据对应的标签；参数 autopct 则给饼图自动添加百分比显示。

参数 autopct 的格式用到了字符串格式化输出的知识，代码中 '%0.1f%%' 可以分成两部分。一部分是 %0.1f 表示保留一位小数，同理 %0.2f 表示保留两位小数；另一部分是 %% ,它表示输出一个 %，因为% 在字符串格式化输出中有特殊的含义，所以想要输出 % 就得写成 %% 。所以，'%0.1f%%' 的含义是保留一位小数的百分数，例如：66.6%。

4.绘制子图

Matplotlib 提供了子图的概念，通过使用子图，可以在一张图里绘制多个图表。在 matplotlib 中，调用 plt.subplot() 方法来添加子图。plt.subplot() 方法的前两个参数分别是子图的行数和列数，第三个参数是子图的序号（从1开始）。

ax1 = plt.subplot(2, 2, 1)
ax2 = plt.subplot(2, 2, 2)
ax3 = plt.subplot(2, 2, 3)
ax4 = plt.subplot(2, 2, 4)

plt.subplot(2,2,1) 的作用是生成一个两行两列的子图，并选择其中序号为1的子图，所以上面四行代码将一张图分成了4个子图，并用1、2、3、4来选择对应的子图。

我们也可以绘制不规则的子图，比如上面两张子图，下面一张子图。

方法如下：

ax1 = plt.subplot(2, 2, 1)
ax2 = plt.subplot(2, 2, 2)
ax3 = plt.subplot(2, 1, 2)

之所以第三行代码是 plt.subplot(2, 1, 2) ，因为子图序号是独立的，与之前创建的子图没有关系。plt.subplot(2, 2, 1) 选择并展示了2*2的子图中的第一个。plt.subplot(2, 2, 2) 选择并展示了2*2的子图中的第二个，它们两个合起来占了2*2子图的第一行。而 plt.subplot(2, 1, 2) 则是生成了两行一列的子图，并选择了第二行。即占满第二行的子图，正好填补了之前2*2子图第二行剩下的空间，因此生成的图表是这样的：

图表的框架画好了，就可以往里面填充图像了，之前调用的是 plt 上的方法绘图，只要将其改成 plt.subplot() 方法的返回值上调用相应的方法绘图即可。

举个栗子，下面是在一张图上绘制了 sin、cos 和 tan 三个函数的图像的代码：

import numpy as np
import matplotlib.pyplot as plt
 
plt.rcParams['font.family'] = ['SimHei'] #设置字体防止乱码
 
x = np.arange(0, 2 * np.pi, 0.1)
 
plt.suptitle('三角函数可视化')
ax1 = plt.subplot(2,2,1)
ax1.set_title('sin函数')
y1 = np.sin(x)
ax1.plot(x,y1)
 
ax2 = plt.subplot(2,2,2)
ax2.set_title('cos函数')
y2 = np.cos(x)
ax2.plot(x,y2)
 
ax3 = plt.subplot(2,1,2)
ax3.set_title('tan函数')
y3 = np.tan(x)
ax3.plot(x,y3)
 
plt.show()

得到的图像是：