数据分析之matplotlib.pyplot模块

　　首先都得导模块。

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
from pandas import Series,DataFrame

　　一、绘制单线图

　　1，直线图

x=[1,2,3,4,5]
y=[2,4,6,8,10]
plt.plot(x,y)

　　2，抛物线

x = np.arange(-np.pi,np.pi,0.2)
y = x**2
plt.plot(x,y)

　　3，正弦图

x = np.arange(-np.pi,np.pi,0.2)
y = np.cos(x)
plt.plot(x,y)

　　这里得到图形取决于x跟y的关系

　　二、绘制多个曲线的图

　　1，连续调用多次plot函数

plt.plot(x,y)
plt.plot(x+3,y+3)

　　2，也可以在一个plot函数中传入多对x，y值

plt.plot(x,y,x+10,y+10)

　　3，将多个曲线绘制在一个table区域中：对象形式创建表图

a=plt.subplot(row,col,loc)创建曲线图对象
a.plot(x,y)
ax1 = plt.subplot(2,2,1)
ax1.plot(x,y)
ax1.grid()
ax2 = plt.subplot(2,2,2)
ax2.plot(x,y)
ax3 = plt.subplot(2,2,3)
ax3.plot(x,y)
ax4 = plt.subplot(2,2,4)
ax4.plot(x,y)

　　三、plt的一些样式设置

　　1，设置网格线，plt.grid()

参数：
axis：控制方向
color：支持十六进制颜色
linestyle：线的形状
alpha：透明度

plt.grid(axis='both')
plt.plot(x,y)

　　2，坐标轴界限

axis方法设置x，y轴刻度值的范围
plt.axis([xmin,xmax,ymin,ymax])

plt.axis([-6,6,-2,2])
plt.plot(x,y)

　　通过设置plt.axis('off')可以把坐标轴刻度给关闭，我们就只会看到图，而看不到刻度

　　3，设置画布比例

plt.figure(figsize=(a,b)) a:x刻度比例 b：y刻度比例 （2:1）表示x刻度显示为y刻度显示的2倍

plt.figure(figsize=(8,18))
plt.plot(x,y)

　　4，设置x轴，y轴，图片的名称

plt.xlabel('xxx')
plt.ylabel('yyy')
plt.title('ttt')
plt.plot(x,y)

　　5，设置图例

　　5.1 分别在plot函数中添加label参数，在调用plt.legend()方法显示

plt.plot(x,y,label='aaa')
plt.plot(x+3,y+3,label='bbb')
plt.legend()

　　5.2 直接在legend()方法中传入字符串列表

plt.plot(x,y,x+3,y+3)
plt.legend(['aaa','bbb'])

　　5.3 还可以设置legend()方法的参数调整图例的位置和显示样式

loc参数用于设置图例标签的位置，一般在legend函数内

ncol控制图例中有几列,在legend中设置ncol

plt.plot(x,y,x+3,y+3)
plt.legend(['aaa','bbb'],loc=3,ncol=2)

　　6，保存图片

使用figure对象的savefig函数来保存图片
fig = plt.figure()---必须放置在绘图操作之前
figure.savefig的参数选项
filename：含有文件路径的字符串或Python的文件型对象。图像格式由文件扩展名推断得出，例如，.pdf推断出PDF，.png推断出PNG （“png”、“pdf”、“svg”、“ps”、“eps”……）
dpi：图像分辨率（每英寸点数），默认为100
facecolor ，打开保存图片查看 图像的背景色，默认为“w”（白色）

fig = plt.figure()
plt.plot(x,y,x+3,y+3)
plt.legend(['aaa','bbb'],loc=3,ncol=2)
fig.savefig('./img.png',dpi=500)

　　四、plot的参数设置

color或c：颜色，如‘r’或‘red’红色，‘g’绿色；也可以是十六进制，如'#eeefff'；还可以RGB元祖，（0.2,0.3,0.4），值只能是0到1
alpha透明度
参数linestyle或ls线型
参数linewidth或lw线宽
marker点型
markersize点的大小

　　五、直方图

是一个特殊的柱状图，又叫做密度图。
【直方图的参数只有一个x！！！不像条形图需要传入x,y】
plt.hist()的参数
bins  ：直方图的柱数，可选项，默认为10
color  ：指定直方图的颜色。可以是单一颜色值或颜色的序列。如果指定了多个数据集合,例如DataFrame对象，颜色序列将会设置为相同的顺序。如果未指定，将会使用一个默认的线条颜色
orientation  ：通过设置orientation为horizontal创建水平直方图。默认值为vertical

data=[1,2,3,2,3,1,4,5,2,2]
plt.hist(data,bins=10)   #data数据时1到5，所以它会把1到5之间分成11个区域，把每个区域所包含数据的个数给统计出来

　　六、条形图

- 参数：第一个参数是索引。第二个参数是数据值。第三个参数是条形的宽度
- width 纵向设置条形宽度
- height 横向设置条形高度
bar()纵向、barh()横向

data1=[2,4,1,5]
data2=[3,5,1,6]
plt.bar(data1,data2)

plt.barh(data1,data2)

　　七、饼图

　　饼图主要有两种，取决于第一个数据参数，首先数据的是一个列表，但列表中出现整数时，每块占比等于自身值除以所有值总和，这种情况下占比总和为1；当每个值都是0到1之间，而且总和小于等于1，那么每个的占比就是自身值，这种情况下，占比总和就不一定为1了。

　　1，占比总和肯定为1的

plt.pie([2,4,6])   #表示的是2占12的比例，4占12的比例，6占12的比例

　　2，占比总和不一定为1的

plt.pie([0.2,0.4,0.1])#表示0.1占10%，0.2占20%，0.4占40%

　　3，属性设置

饼图阴影、分裂等属性设置
#labels参数设置每一块的标签；
#labeldistance参数设置标签距离圆心的距离（比例值）
#autopct参数设置比例值小数保留位(%.3f%%)；
#pctdistance参数设置比例值文字距离圆心的距离
#explode参数设置每一块顶点距圆心的长度（比例值,列表）；
#colors参数设置每一块的颜色（列表）；
#shadow参数为布尔值，设置是否绘制阴影
#startangle参数设置饼图起始角度

　　3.1 给每一块设置标签

arr=[2,4,6]
plt.pie(arr,labels=['a','b','c'])

　　3.2 给标签设置离中心的距离

arr=[2,4,6]
plt.pie(arr,labels=['a','b','c'],labeldistance=0.5)

　　3.3 数值表示每块的占比，并设置占比离中心的距离

arr=[2,4,6]
plt.pie(arr,labels=['a','b','c'],labeldistance=0.5,autopct='%.2f%%',pctdistance=0.8)

　　3.4 设置每块顶点离中心的距离

arr=[2,4,6]
plt.pie(arr,labels=['a','b','c'],labeldistance=0.5,autopct='%.2f%%',pctdistance=0.8,explode=[0.2,0.4,0.3])

　　八、散点图

散点图需要两个参数x,y，但此时x不是表示x轴的刻度，而是每个点的横坐标！
scatter()

x = np.random.random(size=(100))
y = np.random.random(size=(100))
plt.scatter(x,y)

　　1,meshgrid()和散点图结合扩展

import matplotlib.pyplot as plt
import pandas as pd
import numpy as np

x1=np.arange(1,5,0.01)
y1=np.arange(1,5,0.01)

arr1=np.meshgrid(x1,y1)[0]
arr2=np.meshgrid(x1,y1)[1]

plt.scatter(arr1,arr2)