pyhton matplotlib可视化图像基础（二维函数图、柱状图、饼图、直方图以及折线图）

//2019.07.22
pyhton中matplotlib模块的应用
pyhton中matplotlib是可视化图像库的第三方库，它可以实现图像的可视化，输出不同形式的图形
1、可视化图形的输出和展示需要调用matplotlib第三方库的函数plt.show(),它的功能类似于print，相当于打印出自己需要输出的可视化图像，当然也可以用一些特殊的输出语句如下：
%matplotlib.notebook
%matplotlib.inline
2、对于一般的二维图像输出可以用函数plt.plot(x,y)来进行输出，另外如果想要修改函数输出图像的一些细节格式，则含有以下几种方式：
#对于线条属性的定义
plt.figure(3)
x=np.linspace(-np.pi,np.pi)
y=np.sin(x)
plt.plot(x,y,linewidth=4.0,color="r")
#使用pot.plot()函数来设置线条属性
plt.figure(4)
line1,line2=plt.plot(x,y,"r",x,y+1,"g") #输出两个函数图像
line1.set_antialiased(False) #对于线条属性进行后续的定义（抗锯齿形输出关闭）
#使用plt.setp()进行设置
plt.figure(5)
line=plt.plot(x,y)
plt.setp(line,color="g",linewidth=4.0)
plt.setp(line,"color","r","linewidth",4)
3、多个函数图像的子图的输出函数一般使用函数plt.subplot(x,y,z)这样来进行多个函数图像的输出，其中x,y代表的是整个函数图像是一个x行y列的图像集合，z代表你所要目前索要输出函数图像的顺序和位置。
4、对于柱状图的输出主要用到的函数是plt.bar(x,y)函数，其中x,y是指两个相关的变量取值，对于输出柱状图的图像细节设置和修改主要包含以下几个方面:
data=pd.value_counts(df["类型"])
print(data)
x=data.index #定义柱状图的x/y轴参数取值
y=data.values
plt.figure()
plt.title("不同类型酒店的数量",fontsize=20) #设置标题的名称和标题的字体大小
plt.xlabel("类型",fontsize=15) #设置x/y轴的名称个字体的大小
plt.ylabel("数量",fontsize=15)
plt.bar(x,y,color="r")#输出x/y两个变量的柱状图图像需要用函数plt.bar(x,y)
plt.tick_params(labelsize=10) #设置坐标轴上数字党的大小尺寸
plt.xticks(rotation=90) #设置x坐标轴的标注进行90度的旋转(展示效果会更加好)
for a,b in zip(x,y):
plt.text(a,b+5,b,ha="center",va="bottom",fontsize=10)
#设置柱状图的标注文字形式，ha是指文字的对其方式，va是指柱状图横线在文字的相对位置
5、对于任何形式的函数图像，如果想要对其中的某一点进行箭头的专门强调标注，需要用到函数:
plt.annotate("评分4.5达到最大值",xy=(4.5,y2[4.5]),xytext=(3.5,55),arrowprops=dict(facecolor="red",edgecolor="green"))
#对图像中任何一点进行箭头专门强调式的标注相所需要设置的函数
其中xy代表的是需要标注强调的点的位置和坐标
xytext表示的是强调标注文字开始的位置
arrowprops代表的是对于所标注箭头格式的设置
6、对于函数图像中添加任何标注信息需要用到函数plt.text(x,y,z)函数，其中x,y代表的是标注的位置，z表示的是标注的信息
7、对于折线图的绘制就用一般的plt.plot(x,y)函数即可进行相应的输出，其中很多函数图像的细节设置主要包含以下几个方面(举例来讲):
#折线图的绘制
plt.figure()
x1=df["评分"]
print(x1)
y1=df["评分"].value_counts()
y2=y1.sort_index()
print(y2)
x=y2.index
y=y2.values
plt.plot(x,y,"g")
plt.xlabel("评分大小")
plt.ylabel("数量")
plt.title("评分相同的酒店数量")
for a,b in zip(x[::10],y[::10]):
plt.text(a,b+3,b) #每隔10个点进行输出
plt.annotate("评分4.5达到最大值",xy=(4.5,y2[4.5]),xytext=(3.5,55),arrowprops=dict(facecolor="red",edgecolor="green"))
#对图像中任何一点进行箭头专门强调式的标注相所需要设置的函数
plt.text(2.0,40,"随着评分的增加，其酒店数量也在增加") #在图像中添加任何一个标注信息使用的函数及其参数设置
8、饼图的绘制：
#饼图的绘制plt.pie()
data=pd.cut(df["评分"],[0,3,4.3,4.6,4.8,5.0]).value_counts()
print(data)
y1=data.values
print(y1)
y=y1/sum(y1)
plt.figure(figsize=(7,7))
plt.title("酒店评分占比")
#plt.pie(y1,labels=data.index,autopct="%.1f%%",colors="bygrk") #绘制饼图的函数设置
plt.legend() #显示饼图图像的图例
patches,l_text,p_text=plt.pie(y1,labels=data.index,autopct="%.1f%%",colors="bygrk") #绘制饼图的格式设置
for i in p_text:
i.set_size(15)
i.set_color("w")
for i in l_text:
i.set_size(15)
i.set_color("r") #对饼图内外文字字体的格式进行相应的设置

9、直方图的绘制：
#绘制频率分布直方图plt.hist()
plt.figure(figsize=(10,6))
plt.hist(df["评分"],bins=20,facecolor="r",edgecolor="k",alpha=0.9,histtype="bar")
#直方图胡输出函数参数设置

整体运行代码如下：

   #导入相应的matplotlib模块及其他常用的可视乎图像常用的模块

import numpy as np
import matplotlib.pyplot as plt
plt.rcParams["font.sans-serif"]=["SimHei"] #输出图像的标题可以为中文正常输出
plt.rcParams["axes.unicode_minus"]=False #可以正常输出图线里的负号
plt.figure(1)
plt.plot([0,1,2,3],[1,2,3,4],label="二维折线原图")
plt.ylabel("y") #设置纵轴的名称
plt.xlabel("x")
plt.title("函数图像输出")             #设置函数的标题
plt.figure(2)
plt.plot([1,2,3,4],[1,4,9,16],"r-",label="一次函数图像")      #输出函数图像
#plt.axis([0,10,0,20])   #设置坐标轴的显示范围
plt.legend(loc=1)  #设置函数图像曲线标注的位置
print(np.arange(0,5,0.2))
t=np.arange(0,5,0.2)
plt.plot(t,t,"r--",t,t**2,"b*",t,t**3,"g^")  #在同一个plot函数（同一个图像当中）当中输入三条函数图像
#对于线条属性的定义
plt.figure(3)
x=np.linspace(-np.pi,np.pi)
y=np.sin(x)
plt.plot(x,y,linewidth=4.0,color="r")
#使用pot.plot()函数来设置线条属性
plt.figure(4)
line1,line2=plt.plot(x,y,"r",x,y+1,"g")    #输出两个函数图像
line1.set_antialiased(False)  #对于线条属性进行后续的定义（抗锯齿形输出关闭）
#使用plt.setp()进行设置
plt.figure(5)
line=plt.plot(x,y)
plt.setp(line,color="g",linewidth=4.0)
plt.setp(line,"color","r","linewidth",4)
#子图的输出函数
#plt.subplot(numrows,numcols,fignum)
def f(t):
    return np.exp(-t)*np.cos(2*np.pi*t)
t1=np.arange(0,5,0.1)
t2=np.arange(0,5,0.02)
plt.figure(figsize=(10,6)) #输出一个新的函数图像尺寸大小为10x6
plt.subplot(211)      #子图1
plt.plot(t1,f(t1),"bo",t2,f(t2),"k")
plt.subplot(212)        #子图2
plt.plot(t2,np.cos(2*np.pi*t2),"r--")

#输出其他一些的可视化常用图形(柱状图、饼图、直方图等)
import warnings
warnings.filterwarnings("ignore")#对警告的信息进行忽略
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
plt.rcParams["font.sans-serif"]=["SimHei"] #输出图像的标题可以为中文正常输出
plt.rcParams["axes.unicode_minus"]=False   #可以正常输出图线里的负号
#导入我们所需要的各自第三方库
df=pd.read_excel("D:/Byrbt2018/Study/Python数据分析课程+练习+讲解/Python数据分析课程+练习+讲解/作业/作业4/作业4/酒店数据1.xlsx")#导入w我们的表格数据文件
print(df)
print(df.index)
print(df.columns)

#绘制柱状图plt.bar()

data=pd.value_counts(df["类型"])
print(data)
x=data.index             #定义柱状图的x/y轴参数取值
y=data.values
plt.figure()
plt.title("不同类型酒店的数量",fontsize=20)           #设置标题的名称和标题的字体大小
plt.xlabel("类型",fontsize=15)                      #设置x/y轴的名称个字体的大小
plt.ylabel("数量",fontsize=15)
plt.bar(x,y,color="r")                    #输出x/y两个变量的柱状图图像需要用函数plt.bar(x,y)
plt.tick_params(labelsize=10)            #设置坐标轴上数字党的大小尺寸
plt.xticks(rotation=90)   #设置x坐标轴的标注进行90度的旋转(展示效果会更加好)
for a,b in zip(x,y):
    plt.text(a,b+5,b,ha="center",va="bottom",fontsize=10)
#设置柱状图的标注文字形式，ha是指文字的对其方式，va是指柱状图横线在文字的相对位置

#折线图的绘制
plt.figure()
x1=df["评分"]
print(x1)
y1=df["评分"].value_counts()
y2=y1.sort_index()
print(y2)
x=y2.index
y=y2.values
plt.plot(x,y,"g")
plt.xlabel("评分大小")
plt.ylabel("数量")
plt.title("评分相同的酒店数量")
for a,b in zip(x[::10],y[::10]):
    plt.text(a,b+3,b)   #每隔10个点进行输出
plt.annotate("评分4.5达到最大值",xy=(4.5,y2[4.5]),xytext=(3.5,55),arrowprops=dict(facecolor="red",edgecolor="green"))
#对图像中任何一点进行箭头专门强调式的标注相所需要设置的函数
plt.text(2.0,40,"随着评分的增加，其酒店数量也在增加")  #在图像中添加任何一个标注信息使用的函数及其参数设置

#饼图的绘制plt.pie()
data=pd.cut(df["评分"],[0,3,4.3,4.6,4.8,5.0]).value_counts()
print(data)
y1=data.values
print(y1)
y=y1/sum(y1)
plt.figure(figsize=(7,7))
plt.title("酒店评分占比")
#plt.pie(y1,labels=data.index,autopct="%.1f%%",colors="bygrk") #绘制饼图的函数设置
plt.legend() #显示饼图图像的图例
patches,l_text,p_text=plt.pie(y1,labels=data.index,autopct="%.1f%%",colors="bygrk") #绘制饼图的格式设置
for i in p_text:
    i.set_size(15)
    i.set_color("w")
for i in l_text:
    i.set_size(15)
    i.set_color("r") #对饼图内外文字字体的格式进行相应的设置

#绘制频率分布直方图plt.hist()
plt.figure(figsize=(10,6))
plt.hist(df["评分"],bins=20,facecolor="r",edgecolor="k",alpha=0.9,histtype="bar")
#直方图胡输出函数参数设置
plt.show()  #输出相应的二维图像