Python数据分析与数据挖掘 课件 第7章 Matplotlib

第7章Matplotlib基础及应用主讲人：***13-10月-23Python数据分析与数据挖掘目录contentsMatplotlib简介0102Matplotlib基础知识03Pyplot的使用04Pyplot中的常用图形Matplotlib简介017.1.1

Matplotlib主要特性 Matplotlib是一个常用的Python绘图库，常与NumPy和Pandas一起结合使用，它以各种格式和跨平台的交互环境生成可达到印刷质量的图形。Matplotlib可用于Python脚本、Python和IPythonshell、JupyterNotebook、Web应用程序服务器和四个图形用户界面工具包。 Matplotlib具有良好的操作系统兼容性和图形显示底层接口兼容性，并支持几十种图形显示接口与输出格式，是Python中绘制二维、三维图表的重要可视化工具。新版的Matplotlib可以轻松实现主流的绘图风格，其中加入了许多新的程序包，实现了更加简洁新颖的API，例如Seaborn、ggplot、HoloViews、Altair和Pandas对Matplotlib的API封装的绘图功能。其主要特点：使用简单绘图语句实现复杂绘图效果；以交互式操作实现渐趋精细的图形效果；对图表的组成元素实现精细化控制；使用嵌入式的LaTeX输出具有印刷级别的图表、科学表达式和符号文本。7.1.2Matplotlib安装python-mpipinstall-Upippython-mpipinstall-Umatplotlib

对于Windows、MacOS和普通Linux平台来说，Anaconda、Canopy和ActiveState都是非常好的选择。Winpython是Windows用户的一个选项。这些发行版中已经包含了matplotlib和许多其他有用的（数据）科学工具。其安装语法如下：

使用时，只需将其导入即可：以plt作为Pyplot子模块的缩写。importmatplotlibasmplimportmatplotlib.pyplotaspltMatplotlib基础知识027.2.1导入Matplotlib

我们在作图前，需要导入matplotlib和其中的模块（如matplotlib.pyplot）。通常为了方便，设置一个常用的简写形式，本章例子中还需要导入NumPy和Pandas模块。importmatplotlibasmplimportmatplotlib.pyplotaspltimportnumpyasnpimportpandasaspd7.2.2Matplotlib图形构成

Matplotlib将数据绘制在图形（Figure）上，图形可以理解为包含其他所有绘图元素的顶级容器，其中包含所有轴（Axes）、其他Artist和画布（Canvas）。通常情况下，画布（Canvas）是一个绘图的对象，对用户而言，该对象一般不可见。在图形上看到的一切都是Artist，Artist有两种类型，即图形元素（primitives）和容器（containers）。图形元素是我们需要加入Canvas的元素，比如线条、矩形、文字等，而容器是放置这些元素的地方，例如Axis、Axes和Figure，其中Figure是顶层的Artist。1、图形（Figure）[例7-1]使用figure()方法创建新图形。

轴（Axes）是matplotlibAPI中重要的类，这是因为轴是大多数对象所在的绘图区域。在创建Figure对象之后，在作图前需要创建轴，轴是绘图基准，是图像中带数据空间的区域。如果将Figure理解为容器，即画布的载体，则具体的绘图操作是在画纸上完成，画纸可以理解为子图Subplot或更加灵活的子图--轴（Axes）。2、轴（Axes）7.2.2Matplotlib图形构成[例7-2]本例首先生成一个空白Figure，然后创建1行2列的子图，返回子图的轴对象ax1和ax2。在第1个子图的轴对象ax1上添加轴线标签X-Axis和Y-Axis，并设置轴线的数据范围：X为[0,5]，Y为[-2,2]。

轴线是类似数字线的对象，是轴上的刻度。它们负责设置图形范围并生成记号（轴上的标记）和记号标签（标记记号的字符串）。一般情况下，图中可以包含两个或三个轴线对象（三维图），它们负责处理数据范围。可以使用plt.axis()或plt.xlim()等函数设置轴线范围，plt.xlabel()或者plt.ylabel()等为轴线命名，同时也可利用tick的相关方法对轴上的刻度进行修改。3、轴线（Axis）7.2.2Matplotlib图形构成[例7-3]设置轴线实例。图Figure、Axes和Axis的关系

图例是展现图表中数据组列表并通过提供线索（线条样式或颜色）来让数据组更易于识别。图例的设置与修改是通过调用legend()来实现。4、图例(legend)5、标题(title)

标题是对整个图标的说明，方便对整个图表含义的理解，通过调用plt.title()方法来实现对title内容的设置。6、网格(Grid)

有时需要在图形中添加网格，网格线方便看到图表中每个元素的精确值，而且也方便执行单点之间的对比。但是网格也会增加噪声，让看到实际的数据流变得困难。一般情况下，默认状态下无网格线，可以通过调用grid()方法实现。7.2.2Matplotlib图形构成7、图形主体内容

图形的主体内容是一张图的核心，对于二维图表而言，图形的主体内容可以是点，也可以是线条等。对应的方法分别是点（scatter、plot）、线（line、plot）等。7.2.2Matplotlib图形构成[例7-4]添加了网格、图例的绘图实例。 Matplotlib默认状态下无法显示中文，在前面的许多例子中各种标题及图例都是使用的英文。若在作图过程中，需要显示中文，可通过下面两种方法进行操作。方法一：借助rcParams修改字体实现设置

其中，rcParams[‘font.family’]的种类也可以设置多种。属性说明‘font.family’用于显示字体的名字‘font.style’字体风格，正常‘normal’或斜体‘italic’‘font.size’字体大小，整数字号或者‘large’、‘x‐small’rcParams的属性7.2.3Matplotlib中设置中文中文字体种类 Matplotlib默认状态下无法显示中文，在前面的许多例子中各种标题及图例都是使用的英文。若在作图过程中，需要显示中文，可通过下面两种方法进行操作。方法一：借助rcParams修改字体实现设置7.2.3Matplotlib中设置中文

可以用下列语句查看matplotlib中默认已经识别到的所有可用字体和对应的文件名，其中部分输出的为字体名称，font.fname部分输出字体文件的路径和文件名。importmatplotlib.pyplotaspltfrommatplotlibimportfont_managerforfontinfont_manager.fontManager.ttflist:#查看字体名以及对应的字体文件名print(,'--',font.fname)输出的“KaiTi--C:\Windows\Fonts\simkai.ttf”中，“KaiTi”为字体名，“C:\Windows\Fonts\simkai.ttf”为对应的字体文件。则可以用如下语句来使用该字体，如下所示：plt.rcParams['font.family']='KaiTi'plt.text(0.5,0.5,'楷体',ha='center',fontsize=50) Matplotlib默认状态下无法显示中文，在前面的许多例子中各种标题及图例都是使用的英文。若在作图过程中，需要显示中文，可通过下面两种方法进行操作。方法一：借助rcParams修改字体实现设置7.2.3Matplotlib中设置中文[例7-5]中文显示方法一。 Matplotlib默认状态下无法显示中文，在前面的许多例子中各种标题及图例都是使用的英文。若在作图过程中，需要显示中文，可通过下面两种方法进行操作。方法二：在有中文输出的地方，增加一个fontproperties属性。7.2.3Matplotlib中设置中文[例7-6]中文显示方法二。Pyplot使用037.3.1plt.plot()的使用

在Matplotlib模块中，Pyplot是一个核心的子模块，通过该子模块，我们可以完成很多基本的可视化操作。子模块的导入如下：importmatplotlib.pyplotasplt

其中，以plt作为Pyplot子模块的缩写 Pyplot绘图的主要功能是绘制x，y的坐标图，在完成绘图后一般情况下是不会自动显示图表的，需要调用plt.show()方法显示。当plt.plot()中只有一个输入列表或者数组时，参数会被当作Y坐标数据，而X的坐标列表自动生成索引，默认为[0,1,2,3，…]。1、基本使用使用plt.plot()绘制的主要是线图，其语法格式为：plt.plot(x,y,

format_string,

**kwargs)其中：必要的参数是x坐标列表和y坐标列表。当plt.plot(x,y)中用2个以上参数时,则会按照x轴和y轴顺序绘制数据点。7.3.1plt.plot()的使用[例7-7]plt.plot()绘制实例。plt.plot()还有数十个可选参数来设置绘图特征，但常用的有几个特征，分别是： color：设置线条颜色，默认为蓝色。 linewidthorlw：设置线条宽度，默认为1.0。 linestyleorls：设置线条样式，默认为实线。 labels：设置图形名称，一般搭配legend属性使用。 marker：设置数据点的符号，默认为点。字符颜色字符颜色‘b’蓝色‘g’绿色‘r’红色‘c’青色‘m’品红色‘y’黄色‘k’黑色‘w’白色字符线条样式‘-’实线‘--’虚线‘-.’点划线‘：’点线字符标记类型字符标记类型‘。’点‘，’像素‘o’圆圈‘v’下三角1‘^’上三角1‘<’左三角1‘>’右三角1‘1’下三角2‘2’上三角2‘3’左三角2‘4’右三角2‘s’正方形‘p’五角形‘*’星号‘h’六边形样式1‘H’六边形样式2‘+’加号‘x’X‘D’钻石‘d’薄钻石‘|’垂直线‘_’水平线7.3.1plt.plot()的使用1、基本使用Matplotlib的颜色Matplotlib的线条样式Matplotlib标记1、基本使用—参数设置实例7.3.1plt.plot()的使用[例7-8]设置plot绘图特征实例。2、添加内容

图表主体内容设置结束后，还可以设置或添加文本内容。具体的添加内容与所调用的函数具体见表。函数名称函数作用plt.title()在当前图形中添加标题，可以指定标题的名称、位置、颜色、字体大小等参数。plt.xlabel()在当前图形中添加x轴名称，可以指定位置、颜色、字体大小等参数plt.ylabel()在当前图形中添加y轴名称，可以指定位置、颜色、字体大小等参数plt.xlim()指定当前图形x轴的范围，只能确定一个数值区间，而无法使用字符串标识。plt.ylim()指定当前图形y轴的范围，只能确定一个数值区间，而无法使用字符串标识。plt.xticks()指定x轴刻度的数目与取值。plt.yticks()指定y轴刻度的数目与取值。plt.legend()指定当前图形的图例，可以指定图例的大小、位置、标签7.3.1plt.plot()的使用常用添加画布内容的函数说明2、添加内容—实例7.3.1plt.plot()的使用[例7-9]设置plot绘图文本。2、添加内容—实例7.3.1plt.plot()的使用[例7-10]为图形添加注释。代码中的plt.annotate()函数有多个参数plt.annotate(s,xy=arrow_crd,xytext=text_crd,arrowprops=dict)3、图形的保存7.3.1plt.plot()的使用

图形绘制完成后，可以使用plt.show()进行显示，也可以使用plt.savefig()将其保存，在该函数中可以设置保存路径和文件名、图片的分辨率、边缘的颜色等参数。如果既要显示又要保存，请注意要将plt.savefig()放在plt.show()之前。否则，在plt.show()后实际上已经创建了一个新的空白的图片，此时再用plt.savefig()就会保存这个生成的空白图片。[例7-11]保存图片。plt.savefig()函数中主要参数含义为：fname：含有文件路径的字符串，拓展名指定文件类型，如'png'、'pdf'、’svg'、'ps'、'jpg'等；dpi：分辨率，默认100；facecolor：图像的表面颜色，默认为“auto”；bbox_inches：图表需要保留的部分，如果设置为“tight”，则将尝试剪除图像周围的空白部分。7.3.2子图

在Matplotlib中，不仅可以在一张图形中绘制多条曲线，还可以将一张图分成多个子图进行绘制。plt的subplot()方法参数可以是一个三位数字，例如121，也可以是一个数组，如[1,2,1]。其中第一个数字代表子图总行数，第二个数字代表子图总列数，第三个数字表示对应图像显示的绘图区域数。【解释说明】：以plt.subplot(2,2,1)为例，它是指将绘图区域分为2行2列4个区域，并在第一个区域内作图，其他同上。1. 使用matplotlib.pyplot.subplot()进行设置子图[例7-12]用plt的subplot()绘制子图。

subplot()方法也可以设置不同大小的绘图区域。【解释说明】：对于第一图而言，它是在2行1列的区域内作图，当设置后续三张图的位置时，从编号4开始，暗示图一占据3列的宽度。7.3.2子图1. 使用matplotlib.pyplot.subplot()进行设置子图[例7-13]使用subplot()设置不同大小的绘图区域。7.3.2子图

实际使用中可能会面临更复杂的绘图分隔区域，subplot()方法就不能很好地满足需要，此时需要借助subplot2grid()方法。语法如下： plt.subplot2grid(GridSpec，CurSpec，colspan=num1，rowspan=num2)2. 使用matplotlib.pyplot.subplot2grid()设置复杂的绘图分隔区域【解释说明】：创建第1个小图，(3，3)表示将整个图像窗口分成3行3列，(0，0)表示从第0行第0列开始作图，colspan=3表示列的跨度为3，行的跨度为缺省,默认跨度为1；创建第2个小图，(3，3)表示将整个图像窗口分成3行3列，(1，0)表示从第1行第0列开始作图，colspan=2表示列的跨度为2。后续子图同理。注意：可以使用subplots_adjust()调整子图间的间距。7.3.2子图2. 使用matplotlib.pyplot.subplot2grid()设置复杂的绘图分隔区域[例7-14]设置复杂的绘图分隔区域。7.3.2子图3. 使用matplotlib.pyplot.subplots()函数来设置子图

subplots()函数，返回一个包含figure和axes对象的元组。因此，通常使用fig,ax=plt.subplots()将元组分解为fig和ax两个变量。如果创建了多个子图，则ax可以是一个Axes对象的数组。

例如，fig,ax=plt.subplots(m,n,figsize=(a,b))设置了m*n个大小为a*b的子图，fig为图像对象，ax为大小为m*n的axes数组。7.3.2子图3. 使用matplotlib.pyplot.subplots()函数来设置子图[例7-15]用subplots()函数设置子图。7.3.2子图4. 使用matplotlib.figure.Figure.add_subplot()来设置子图

add_subplot()的参数与plt的subplot()类似，可以是一个三位数字，例如121，也可以是一个数组，如[1,2,1]。其中第一个数字代表子图总行数，第二个数字代表子图总列数，第三个数字表示对应图像显示的绘图区域数。7.3.2子图[例7-16]使用figure的add_subplot()设置子图并标号。4. 使用matplotlib.figure.Figure.add_subplot()来设置子图7.3.2子图[例7-17]使用figure的add_subplot()设置子图。4. 使用matplotlib.figure.Figure.add_subplot()来设置子图Pyplot中的常用图形047.4Pyplot中的常用图形

Matplotlib中提供了许多绘制图形的函数，包括简单的基础统计图形，如直方图、气泡图、箱线图等，也有一些高维度的立体图形，如3D图等。下表给出Pyplot常用的基础图像绘制函数。函数说明Plt.plot(x,y,fmt,…)绘制作表态Plt.boxplot(data,notch,position)绘制箱型图Plt.bar(left,height,width,bottom)绘制条形图Plt.barh(width,bottom,left,height)绘制一个横向条形图Plt.polar(theta,r)绘制极坐标图Plt.pie(data,explode)绘制饼图Plt.psd(x,NFFT=256,pad_to,Fs)绘制功率谱密度图Plt.specgarm(x,NFFT=256,pad_to,Fs)绘制谱图Plt.cohere(x,y,NFFT=256,Fs)绘制X-Y的相关性图Plt.scatter(x,y)绘制散点图，其中x和y长度相同Plt.step(x,y,where)绘制步阶图Plt.hist(x,bins,normed)绘制直方图Plt.contour(X,Y,Z,N)绘制等制图Plt.vlines()绘制垂直图Plt.stem(x,y,linefmt,markerfmt)绘制柴火图Plt.plot_date()绘制数据日期7.4.1散点图

散点图的绘制依赖plt.scatter()函数，该函数包含很多参数，具体如下：S：点的大小C：点的颜色，取值可以为[‘b’,‘c’,‘g’,‘k’,‘m’,‘r’,‘w’,‘y’]Alpha：点的透明度，取值为0-1Marker：点的形状，默认状态下为“o”，常见的还有[‘v’,‘>’,‘<’,‘*’,‘s’,‘p’,‘h’,‘x’,‘+’]。[例7-18]不设置参数绘制散点图。1、不设置任何参数时调用7.4.1散点图[例7-19]设置部分参数绘制散点图。2、设置部分的参数，优化图表7.4.1散点图7.4.2柱状图

柱状图主要用于查看各分组数据的数量分布，以及各个分组数据之间的数量比较。

柱状图的绘制使用：

plt.bar(x,height,width,bottom=None,*,align='center',data=None,**kwargs)7.4.2柱状图[例7-20]绘制简单柱状图。如果把例子中的plt.bar()改为plt.barh()，其他参数不变，即可以绘制如右图的水平柱状图。7.4.2柱状图[例7-21]柱状图顶部添加数据说明。本例中在柱状图顶部添加上具体的数据说明。7.4.3直方图

直方图的绘制依赖plt.hist(x,bins=bins,color=”b”,histtype=’bar’,label=’label’,rwidth=rwidth)函数，具体各参数说明如下： x：连续型数据的输入值bins：用于确定柱体的个数或是柱体边缘范围color：柱体的颜色histtype：柱体类型label：图例内容rwidth：柱体宽度[例7-22]绘制简单直方图。7.4.3直方图[例7-23]绘制堆积直方图。当参数stacked设置为False时，也是默认状态，则绘制并排放置的直方图。7.4.4饼图

饼图的绘制依赖plt.pie(size，explode，labels，autopct，startangle，shadow，color)函数，具体各参数说明如下：size：各部分的百分比；explode：饼片边缘偏离半径的百分比，凸出率；labels：每部分饼片的文本标签；autopct：每部分饼片对应数值的百分比样式；startangle：第一个饼片逆时针旋转的角度；shadow：是否绘制饼片的阴影；color：柱体的颜色。[例7-24]只给定数据，绘制饼图。[例7-25]设置参数，绘制饼图。7.4.4饼图[例7-26]设置饼图的参数explode，强调某几部分饼片的可视性。7.4.4饼图7.4.53D图

Matplotlib还支持3维立体图形的绘制。利用的函数分别是ax.plot_surface()和ax.scatter()函数，前者常用来绘制三维面，而后者常用来绘制三维立体的点。【首先将绘制3D图形的模块导入】[例7-28]定义数据，绘制3D图。[例7-27]绘制3D图。本章实践例题本章实践例题[例7-29]matplotlib中常用参数设置实例。本例介绍了使用matplotlib.pyplot中的函数设置中文字体和字号、图形的x和y轴范围及文本标签等的方法。本章实践例题[例7-30]使用matplotlib.axes.Axes.set()函数设置图形属性。可以使用matplotlib.axes.Axes.set()函数一次性设置图形属性，如下例所示。本章实践例题[例7-31]某地区2000-2017年的旅游数据分析与可视化。随着人们生活水平的提升和时代的发展，旅游受到越来越多的人的喜爱，将我国旅游业的发展推入新的时代。下面结合某地区2000-2017年的旅游人数与费用分析国内旅游业的发展。案例需求：以城乡居民的旅游人数变化，结合所学的作图工具，得出以下结论：旅游业的发展变化趋势。数据准备：该数据库中收集了2000-2017年某地区有关旅游业的相关信息，并将其整理到名为Tour的xlsx的文件中。具体数据见下表。本章实践例题本章实践例题[例7-31]某地区2000-2017年的旅游数据分析与可视化。案例实现：从生成的折线图可知，国内某地区旅游总人次随年份呈现出明显上升的趋势，可见旅游业的发展也一直处于高速发展的进程中，图中显示城镇居民国内旅游人数的变化趋势与总体趋势大致相同，而农村居民国内旅游人次的增长较为缓慢。由此也可见国内旅游业的发展主要依赖于城镇居民的旅游人次。此特点也可由其他的特征得出，读者自行练习。本章实践例题[例7-32]某高校3个专业高考入学分数的可视化分析。案例需求：分别以折线图和柱状图等形式，分析某高校计科、材料、物流专业学生的高考入学分数情况。数据准备：该数据集名为“gaokaofenshu.xlsx”，记录了某高校计科、材料、物流三个专业的高考分数。本章实践例题[例7-32]某高校3个专业高考入学分数的可视化分析。本章实践例题[例7-33]Netflix电视节目和电影数据的可视化分析。案例需求：对于Netflix列出的电视节目和电影数据进行可视化分析，该数据集包括截至2019年Netflix