利用Python进行数据分析之matplotlib常用图表

matplotlib可用来绘制多种类型的分析图表，详细绘图函数可参考官方文档，以下介绍几种常用图表及其作用：

  • 折线图：反应变化趋势
  • 柱状图/条形图：展示分类数据
  • 直方图/质量分布图：展示数据分布情况，观察异常或孤立数据
  • 散点图/X-Y图：显示变量之间的相互影响程度：正相关、负相关、不相关、线性相关、指数相关等
  • 饼状图：展示分类占比情况
  • 箱线图/Box-plot/盒须图/盒式图/箱型图：显示一组数据分散情况资料的统计图，反应原始数据分布的特征。

matplotlib常用图表

matplotlib是一个相当底层的工具，可用来绘制多种图表

折线图

Series和DataFrame都有一个plot属性，用于绘制基本图形。默认情况下，plot()绘制的是折线图。

Series对象的索引传入matplotlib作为绘图的x轴，可以通过use_index=False来禁用这个功能。x轴的刻度和范围可以通过xticks和xlim选项进行调整，相应的y轴使用yticks和ylim进行调整。

1
2
3
4
5
6
7
8
9
10
import matplotlib.pyplot as plt
import numpy as np
import pandas as pd

# 生成一个Series
s = pd.Series(np.random.randn(10).cumsum(), index=np.arange(0, 100, 10))
# 利用Series绘图
s.plot()
# 打印图表
plt.show()
image-20211216202633471

Series.plot函数的参数汇总：

参数 描述
label 图例标签
ax 绘图的子图对象，如果没传值则使用当前活动的子图
style matplotlib的样式字符串，比如’ko–’
alpha 图片不透明度(从0到1)
kind 可以是’area’,’bar’,’barh’,’density’,’hist’,’kde’,’line’,’pie’
logy 在y轴上使用对数缩放
use_index 使用对象索引刻度标签
rot 刻度标签的旋转(0到360)
xticks 用于x轴刻度的值
yticks 用于y轴刻度的值
xlim x轴的范围
ylim y轴的范围
grid 展示轴网格，默认是打开的

DataFrame的plot方法在同一个子图中将每一列绘制为不同折线

1
2
3
4
5
6
7
8
9
10
11
12
import matplotlib.pyplot as plt
import numpy as np
import pandas as pd

# 生成一个10行4列的累积和矩阵
df = pd.DataFrame(np.random.randn(10, 4).cumsum(0), 
                  columns=['A', 'B', 'C', 'D'], 
                  index=np.arange(0, 100, 10))
# 矩阵绘图
df.plot()
# 打印图表
plt.show()
image-20211216202240584

DataFrame.plot函数的参数汇总：

参数 描述
subplots 将DataFrame的每一列绘制在独立的子图中
sharex 如果subplots=True，则共享x轴
sharey 如果subplots=True，则共享y轴
figsize 用于生成图片尺寸的元组
title 标题字符串
legend 添加子图图例，默认是True
sort_columns 按字母顺序绘制各列，默认按照已有的列顺序

条形图

matplotlib中绘制条形图的方式和折线图类似，只是把方法换成了plt.bar方法

基本条形图和横向条形图

plot.bar() 和 plot.barh()可以分别绘制垂直和水平的条形图，Series和DataFrame的索引将会被用作x轴刻度(bar)和y轴刻度(barh)

1
2
3
4
5
6
7
8
9
10
11
12
13
import matplotlib.pyplot as plt
import numpy as np
import pandas as pd

# 创建一个2行1列的子图
fig,axes = plt.subplots(2,1)
data = pd.Series(np.random.rand(16),index=list('abcdefghijklmnop'))
# 第一行的子图做垂直绘图
data.plot.bar(ax=axes[0],color='k',alpha=0.7)
# 第二行的子图做水平绘图
data.plot.barh(ax=axes[1],color='k',alpha=0.7)
# 打印子图
plt.show()
image-20211216221241401

分组条形图和堆叠条形图

在DataFrame中，柱状图将每一行中的值分组到并排的柱子中的一组

1
2
3
4
5
6
7
8
9
10
11
12
13
14
import matplotlib.pyplot as plt
import numpy as np
import pandas as pd

# 创建一个6行4列的DataFrame
df = pd.DataFrame(np.random.rand(6, 4), 
                  index=['one', 'two', 'three', 'four', 'five', 'six'],
                  columns=pd.Index(['A', 'B', 'C', 'D'], name='Genus'))
print(df)
# 将DataFrame输出为柱状图
df.plot.bar()
# 通过传递stacked=True来生成堆积柱状图，使得每一行的值堆积在一起
df.plot.barh(stacked=True,alpha=0.5)
plt.show()
Genus A B C D
one 0.353679 0.304355 0.073192 0.548517
two 0.6799 0.455715 0.821993 0.18753
three 0.344149 0.186175 0.800043 0.698891
four 0.314402 0.410393 0.38402 0.452544
five 0.757186 0.052099 0.437517 0.140023
six 0.62013 0.687367 0.478689 0.24141
image-20211216223242713 image-20211216223314690

条形图应用举例

假设想要绘制一个分组柱状图，用于展示每个派对在每天的数据点占比，可以先载入文件：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
import matplotlib.pyplot as plt
import numpy as np
import pandas as pd

tips = pd.read_csv('03 Matplotlib/tips.csv')
# day的值做行索引，size的值做列标签，统计value的值
party_counts = pd.crosstab(tips['day'],tips['size'])
print(party_counts)

# 没有太多1人和6人的派对
party_counts = party_counts.loc[:,2:5]
# 标准化至和为1
party_pcts = party_counts.div(party_counts.sum(1),axis=0)
print(party_pcts)
# 将DataFrame输出为柱状图
party_pcts.plot.bar()
plt.show()
image-20211216225643475

对于在绘图前需要聚合或者汇总的数据，使用seaborn的包会更加简单：

1
2
3
4
5
6
7
8
9
10
11
12
import matplotlib.pyplot as plt
import numpy as np
import pandas as pd
import seaborn as sns

tips = pd.read_csv('03 Matplotlib/tips.csv')
# 计算小费百分比
tips['tip_pct'] = tips['tip']/(tips['total_bill']-tips['tip'])
# x轴是'tip_pct'，y轴是'day'，数据来自tips变量
sns.barplot(x='tip_pct',y='day',data=tips,orient='h')
# 打印图表
plt.show()
image-20211216231040525

因为day列中有多个观测值，柱子的值是tip_pct的平均值。柱子上的黑线代表95%的置信区间

直方图和密度图

直方图是一种条形图，用于给出值频率的离散显示，利用上面小费的数据，可以通过matplotlib的plt.hist方法来绘制，或者用Series的plot.hist方法制作小费占总费用百分比的直方图

1
2
3
4
5
6
7
8
9
import matplotlib.pyplot as plt
import numpy as np
import pandas as pd

tips = pd.read_csv('03 Matplotlib/tips.csv')
# 定义小费百分比
tips['tip_pct'] = tips['tip']/(tips['total_bill']-tips['tip'])
tips['tip_pct'].plot.hist(bins=50)
plt.show()
image-20211216231808832

密度图是一种与直方图相关的图表类型，它通过计算可能产生观测数据的连续概率分布估计而产生。plot.kde方法可以绘制密度图

1
2
3
4
5
6
7
8
9
import matplotlib.pyplot as plt
import numpy as np
import pandas as pd

tips = pd.read_csv('03 Matplotlib/tips.csv')
# 定义小费百分比
tips['tip_pct'] = tips['tip']/(tips['total_bill']-tips['tip'])
tips['tip_pct'].plot.density()
plt.show()
image-20211216232205723

使用seaborn的distplot函数可以绘制直方图和连续密度估计

1
2
3
4
5
6
7
8
9
10
11
12
13
import matplotlib.pyplot as plt
import numpy as np
import pandas as pd
import seaborn as sns

# 定义两个正态分布的数组
comp1 = np.random.normal(0,1,size=200)
comp2 = np.random.normal(10,2,size=200)
values = pd.Series(np.concatenate([comp1,comp2]))
# 将两个随机分布的数组合并，并制成正态混合的标准化直方图和密度图
sns.distplot(values,bins=100,color='k')
# 打印图表
plt.show()
image-20211216232732428

散点图

散点图可以用于检验两个一维数据序列之间的关系，使用matplotlib中的plt.scatter方法可以绘制散点图，seaborn的regplot方法能够绘制散点图，并拟合出一个线性回归线；seaborn的pairplot函数能够方便地绘制一组变量中所有的散点图，在对角线上放置每个变量的直方图或密度估计值

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
import matplotlib.pyplot as plt
import numpy as np
import pandas as pd
import seaborn as sns

macro = pd.read_csv('03 Matplotlib/macrodata.csv')
data = macro[['cpi','m1','tbilrate','unemp']]
trans_data = np.log(data).diff().dropna()
# print(trans_data[-5:])

# 绘制散点图
plt.scatter('m1','unemp',data=trans_data)
# 利用seaborn绘制散点图
sns.regplot('m1','unemp',data=trans_data)
# 添加标题
plt.title('Changes in log %s versus log %s' % ('m1','unemp'))
# 绘制多组散点图
sns.pairplot(trans_data,diag_kind='kde',plot_kws={'alpha':0.2})
# 打印图表
plt.show()
image-20211217000450451 image-20211217000538147

plot_ksw参数使我们能够将配置选项传递给非对角元素上的各个绘图

饼图

饼图是一个划分为几个扇形的圆形统计图表，用于描述量、频率或百分比之间的相对关系。在matplotlib中，可以通过plt.pie来实现，其参数如下：

  1. x：饼图的比例序列
  2. labels：饼图上每个分块的名称文字
  3. explode：设置某几个分块是否要分离饼图
  4. autopct：设置比例文字的展示方式
  5. shadow：是否显示阴影
  6. textprops：文本的属性
  7. 其他参数：参考官方文档。

返回值：

  1. patches：饼图上每个分块的对象
  2. texts：分块的名字文本对象
  3. autotexts：分块的比例文字对象

现在有一组数据，用来记录各个操作系统的市场份额，那么用饼状图表示如下：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
import numpy as np
from matplotlib import pyplot as plt
from matplotlib import font_manager

# 加载字体
font = font_manager.FontProperties(fname="/System/Library/Fonts/PingFang.ttc")
oses = {
    "windows7": 60.86,
    "windows10": 18.46,
    "windows8": 3.61,
    "windows xp": 10.3,
    "mac os": 6.78,
    "其他": 1.12,
}

names = oses.keys()
percents = oses.values()
# 两个百分号表示转义字符，表示输出一个%
patches, texts, autotexts = plt.pie(percents, labels=names, autopct="%.2f%%", 
                                    explode=(0, 0.05, 0, 0, 0, 0))
# 对分块文本和分块比例文本应用中文字体
for text in texts + autotexts:
    plt.setp(text, fontproperties=font)
    text.set_fontsize(10)
# 设置分块比例的文字颜色
for text in autotexts:
    text.set_color("w")
plt.show()
image-20211220195316315

箱线图

箱线图(Box-plot)又称盒须图、盒式图或箱型图，是一种用作显示一组数据分散情况资料的统计图。

  • 箱线图绘制方法：

    • 取一组数据的上限值、下限值、中位数(Q2)、下四分位数(Q1)、上四分位数(Q3)；

    • 连接两个四分位数画出箱子；

    • 将最大值和最小值与箱子相连，中位数在箱子中间

    • 数学概念

      • 四分位数(Quartile)也称四分位点，是指统计学中把所有数值由小到大排列并分成四等份，处于25%和75%位置上的值。

    • 四分位数计算方法：

      • IQR = Q3 - Q1
      • 上限 = Q3 + 1.5IQR
      • 下限 = Q1 - 1.5IQR

    • 箱型图应用场景

      • 识别数据中的异常值
      • 判断数据的偏态
      • 比较几批数据的形状
      • 适合多组数据，单组数据建议使用直方图

在matplotlib中使用plt.boxplot来绘制箱线图，主要参数有：

  1. x：需要绘制的箱线图数据
  2. notch：是否展示置信区间，默认是False
  3. sym：代表异常点点符号，默认是小圆点
  4. vert：是否是垂直的，默认是True
  5. whis：上下限的系数，默认是1.5，也可以改成其他值或序列
  6. positions：设置每个盒子的位置
  7. widths：设置每个盒子的宽度
  8. labels：设置每个盒子的标签
  9. meanline和showmeans：如果这两个都为True，将会绘制平均值的线条

示例代码如下：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
import numpy as np
import pandas as pd
from matplotlib import pyplot as plt

# 绘制单个箱线图
data = np.random.rand(100)*100
data = np.append(data,np.array([-50,150]))
plt.boxplot(data,meanline=True,showmeans=True)
plt.show()

# 绘制多个箱线图
macro = pd.read_csv('03 Matplotlib/macrodata.csv')
data = macro[['cpi','m1','tbilrate','unemp']]
trans_data = np.log(data).diff().dropna()
plt.boxplot(trans_data,labels=trans_data.columns.tolist())
plt.ylim([-0.3,0.3])
plt.show()
image-20211220204254479 image-20211220204311384

雷达图

雷达图(Radar Chart)又被叫做蜘蛛网图，适用于显示三个或更多的维度的变量的强弱情况，比如英雄联盟中某个影响的属性(法术伤害、物理防御等)，或者某个企业在哪些业务方面的投入等，也可以用雷达图展示。在matplotlib中使用plt.polar方法绘制雷达图，这个方法和plt.plot方法很类似，只不过x轴的坐标点是弧度(2*PI=360度)，示例代码如下：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
import numpy as np
from matplotlib import pyplot as plt
from matplotlib import font_manager

font = font_manager.FontProperties(fname="/System/Library/Fonts/PingFang.ttc")
# 为了得到封闭曲线，在5项参数后，增加一项空值
properties = ['输出','KDA','发育','团战','生存','']
# 为了达到封闭效果，最后一项的值与第一项的值相等
values = [40,91,44,90,95,40]
# 0-360度，平均分成6等份
theta = np.linspace(0,np.pi*2,6)
# 绘制雷达图
plt.polar(theta,values)
# 显示中文字体
plt.xticks(theta,properties,fontproperties=font)
# 为封闭曲线填充颜色
plt.fill(theta,values)
plt.show()
image-20211220210016679

注意点：

  1. 因为polar并不会完全闭合曲线，所以在绘制时需要在theta和values中最后多重复添加第0个位置多值，用于完成封闭曲线
  2. polar只是绘制线条，如果需要填充颜色，可以使用fill函数
  3. polar默认的圆圈坐标是角度，如果要改成文字显示，可以通过xticks来设置

使用子图绘制雷达图

在多子图中，绘制对象不再是pyplot而是Axes，而Axes及其子类绘制雷达图则是通过将直角坐标转变成极坐标，然后再绘制折线图，示例代码如下：

  1. 使用plt.subplot绘制的子图：

    1
    2
    3
    4
    5
    6
    7
    8
    9
    10
    11
    12
    13
    14
    15
    16
    17
    18
    19
    20
    import numpy as np
    from matplotlib import pyplot as plt
    from matplotlib import font_manager

    font = font_manager.FontProperties(fname="/System/Library/Fonts/PingFang.ttc")
    # 为了得到封闭曲线，在5项参数后，增加一项空值
    properties = ['输出','KDA','发育','团战','生存','']
    # 为了达到封闭效果，最后一项的值与第一项的值相等
    values = [40,91,44,90,95,40]
    # 0-360度，平均分成6等份
    theta = np.linspace(0,np.pi*2,6)
    # 生成一个子图，并指定子图的类型为polar
    axes = plt.subplot(121,projection='polar')
    # 绘制雷达图
    axes.plot(theta,values)
    # 修改x轴标签
    plt.xticks(theta,properties,fontproperties=font)
    # 填充颜色
    axes.fill(theta,values)
    plt.show()

  2. 使用plt.subplots绘制的子图

    1
    2
    3
    4
    5
    6
    7
    8
    9
    10
    11
    12
    13
    14
    15
    16
    17
    18
    19
    20
    import numpy as np
    from matplotlib import pyplot as plt
    from matplotlib import font_manager

    font = font_manager.FontProperties(fname="/System/Library/Fonts/PingFang.ttc")
    # 为了得到封闭曲线，在5项参数后，增加一项空值
    properties = ['输出','KDA','发育','团战','生存','']
    # 为了达到封闭效果，最后一项的值与第一项的值相等
    values = [40,91,44,90,95,40]
    # 0-360度，平均分成6等份
    theta = np.linspace(0,np.pi*2,6)
    # 创建子图，并指定子图的类型为polar
    figure,axes = plt.subplots(1,2,subplot_kw={"projection":"polar"})
    # 绘制散点图
    axes[0].plot(theta,values)
    # 修改x轴标签
    axes[0].set_xticks(theta,properties,fontproperties=font)
    # 填充颜色
    axes[0].fill(theta,values)
    plt.show(0)

  3. 使用fig.add_subplot绘制的子图

    1
    2
    3
    4
    5
    6
    7
    8
    9
    10
    11
    12
    13
    14
    15
    16
    17
    18
    19
    20
    21
    22
    import numpy as np
    from matplotlib import pyplot as plt
    from matplotlib import font_manager

    font = font_manager.FontProperties(fname="/System/Library/Fonts/PingFang.ttc")
    # 为了得到封闭曲线，在5项参数后，增加一项空值
    properties = ['输出','KDA','发育','团战','生存','']
    # 为了达到封闭效果，最后一项的值与第一项的值相等
    values = [40,91,44,90,95,40]
    # 0-360度，平均分成6等份
    theta = np.linspace(0,np.pi*2,6)
    # 创建画布
    fig = plt.figure(figsize=(10,10))
    # 在画布上添加子图
    axes = fig.add_subplot(121,polar=True)
    # 在子图中绘制雷达图
    axes.plot(theta,values)
    # 修改x轴标签
    plt.xticks(theta,properties,fontproperties=font)
    # 填充颜色
    axes.fill(theta,values)
    plt.show()
    image-20211220211154589

分面网格和分类数据

seaborn又一个有效内建函数factorplot，可以简化多种分面绘图，回到前面小费的例子

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
import matplotlib.pyplot as plt
import numpy as np
import pandas as pd
import seaborn as sns

tips = pd.read_csv('03 Matplotlib/tips.csv')
# 定义小费百分比
tips['tip_pct'] = tips['tip']/(tips['total_bill']-tips['tip'])
# 按星期/时间/是否吸烟划分的小费百分比
sns.factorplot(x='day',y='tip_pct',hue='time',col='smoker',kind='bar',data=tips[tips.tip_pct < 1])
# 通过每个时间值添加一行来扩展分面网络
sns.factorplot(x='day',y='tip_pct',row='time',col='smoker',kind='bar',data=tips[tips.tip_pct < 1])
# 箱型图的可视化
sns.factorplot(x='tip_pct',y='day',kind='box',data=tips[tips.tip_pct < 0.5])
# 打印图表
plt.show()
image-20211217001727419 image-20211217001813312 image-20211217001836766

matplotlib官方网址：https://matplotlib.org/stable/index.html

赏

谢谢你请我吃糖果

tag:

    缺失模块。
    1、请确保node版本大于6.2
    2、在博客根目录（注意不是yilia根目录）执行以下命令：
    npm i hexo-generator-json-content --save

    3、在根目录_config.yml里添加配置： 

      jsonContent:
    meta: false
    pages: false
    posts:
      title: true
      date: true
      path: true
      text: false
      raw: false
      content: false
      slug: false
      updated: false
      comments: false
      link: false
      permalink: false
      excerpt: false
      categories: false
      tags: true

萌新伊始<br><br>把这里作为记录学习和成长的平台<br><br>如果您觉得不错<br><br>可以请我喝杯咖啡☕️<br>