《商务大数据分析与应用》课件-4-2 探索性数据基础-matplotlib基础

探索性分析-Matplotlib基础

目录Page

2数据可视化与Matplotlibpyplot基础语法rc参数

绘图注释

小结数据可视化对数据的分析离不开数据的可视化。传统的数据可视化起源于统计图形学，与信息图形、视觉设计等现代技术密切相关，其表现形式通常在二维空间。与之相比，大数据可视化往往更关注抽象高维的数据，空间属性较弱，与所针对的数据类型密切相关。Matplotlib数据可视化基础Matplotlib是一个在python下实现的类似matlab的纯python的第三方库,旨在用python实现matlab的功能,是python下最出色的绘图库。其风格跟matlab相似，同时也继承了python的简单明了。matplotlib对于图像美化方面比较完善，可以自定义线条的颜色和样式，可以在一张绘图纸上绘制多张小图，也可以在一张图上绘制多条线，可以很方便地将数据可视化并对比分析。Matplotlib数据可视化基础Matplotlib模块依赖于NumPy和tkinter模块，可以绘制多种形式的图形，包括线图、直方图、饼图、散点图等，图形质量满足出版要求，是数据可视化的重要工具。Matplotlib中应用最广的是matplotlib.pyplot模块。Pyplot提供了一套和Matlab类似的绘图API，使得Matplotlib的机制更像Matlab。我们只需要调用Pyplot模块所提供的函数就可以实现快速绘图并设置图表的各个细节。在Jupyternotebook中进行交互式绘图，需要执行一下语句：%matplotlibnotebook使用matplotlib时，使用的导入惯例为：importmatplotlib.pyplotaspltMatplotlib绘图基础Matplotlib中的常用绘图及分组掌握pyplot基础语法1.创建画布与创建子图第一部分主要作用是构建出一张空白的画布，并可以选择是否将整个画布划分为多个部分，方便在同一幅图上绘制多个图形的情况。最简单的绘图可以省略第一部分，而后直接在默认的画布上进行图形绘制。函数名称函数作用plt.figure创建一个空白画布，可以指定画布大小，像素。figure.add_subplot创建并选中子图，可以指定子图的行数，列数，与选中图片编号。掌握pyplot基础语法2.添加画布内容第二部分是绘图的主体部分。其中添加标题，坐标轴名称，绘制图形等步骤是并列的，没有先后顺序，可以先绘制图形，也可以先添加各类标签。但是添加图例一定要在绘制图形之后。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。掌握pyplot基础语法importnumpyasnpimportmatplotlib.pyplotasplt%matplotlibinlinedata=np.arange(0,1,0.01)plt.title('mylinesexample')plt.xlabel('X')plt.ylabel('Y')plt.xlim(0,1)plt.ylim(0,1)plt.xticks([0,0.2,0.4,0.6,0.8,1])plt.yticks([0,0.2,0.4,0.6,0.8,1])plt.plot(data,data**2)plt.plot(data,data**3)plt.legend(['y=x^2','y=x^3'])plt.show()掌握pyplot基础语法data=np.arange(0,np.pi*2,0.01)fig1=plt.figure(figsize=(9,7),dpi=90)#确定画布大小#绘制第一幅子图ax1=fig1.add_subplot(1,2,1)plt.title('linesexample')plt.xlabel('X')plt.ylabel('Y')plt.xlim(0,1)plt.ylim(0,1)plt.xticks([0,0.2,0.4,0.6,0.8,1])plt.yticks([0,0.2,0.4,0.6,0.8,1])plt.plot(data,data**2)plt.plot(data,data**3)plt.legend(['y=x^2','y=x^3'])#绘制第二幅子图ax1=fig1.add_subplot(1,2,2)plt.title('sin-cos')plt.xlabel('X')plt.ylabel('Y')plt.xlim(0,np.pi*2)plt.ylim(-1,1)plt.xticks([0,np.pi/2,np.pi,np.pi*3/2,np.pi*2])plt.yticks([-1,-0.5,0,0.5,1])plt.plot(data,np.sin(data))plt.plot(data,np.cos(data))plt.legend(['sin','cos'])plt.show()掌握pyplot基础语法Matplotlib的Legend图例就是为了帮助我们展示每个数据对应的图像名称，更好的让读者认识到你的数据结构。关于plt.legend()的说明如下：常用设置示例：plt.legend(loc='best',frameon=False)#去掉图例边框,推荐使用plt.legend(loc='best',edgecolor='blue')#设置图例边框颜色plt.legend(loc='best',facecolor='blue')#设置图例背景颜色,若无边框,参数无效0:’best’1:‘upperright’2:‘upperleft’3:‘lowerleft’4:‘lowerright’5:‘right’6:‘centerleft’7:‘centerright’8:‘lowercenter’9:‘uppercenter’10:‘center’掌握pyplot基础语法3.绘图的保存与显示第三部分主要用于保存和显示图形。例：fig.savefig(save_path,format='png',transparent=True,dpi=300,pad_inches=0)函数名称函数作用plt.savafig保存绘制的图片，可以指定图片的分辨率、边缘的颜色等参数。plt.show在本机显示图形。掌握pyplot基础语法figure.savefig选项参数描述fname包含文件路径或Python文件型对象的字符串。图片格式是从文件扩展名中推断出来的（例如pdf格式的.pdf）dpi设置每英寸点数的分辨率，默认为100facecolor，edgecolor子图之外的图形背景颜色，默认是’w’（白色）format文件格式（’png’,’pdf’,’svg’,’ps’等）bbox_inches要保存的图片范围，如果设置为‘tight‘则去除图片周围的空白设置pyplot的动态rc参数Pyplot字体并不支持中文字符的显示，因此需要通过设置font.sans-serif参数改变绘图时的字体，使得图形可以正常显示中文。同时，由于更改字体后，会导致坐标轴中的部分字符无法显示，因此需要同时更改axes.unicode_minus参数。plt.rcParams['font.family']=['SimHei']#用来显示中文标签plt.rcParams['axes.unicode_minus']=False#用来正常显示负号除了设置线条和字体的rc参数外，还有设置文本、箱线图、坐标轴、刻度、图例、标记、图片、图像保存等rc参数。设置pyplot的动态rc参数rc参数设置示例fig,ax=plt.subplots()#配置中文显示plt.rcParams['font.family']=['SimHei']plt.rcParams['axes.unicode_minus']=Falsedeff(t):returnnp.cos(2*np.pi*t)x1=np.arange(0.0,4.0,0.5)x2=np.arange(0.0,4.0,0.01)plt.figure(1)plt.subplot(2,2,1)plt.plot(x1,f(x1),'bo',x2,f(x2),'k')plt.title('子图1')plt.subplot(2,2,2)plt.plot(np.cos(2*np.pi*x2),'r--')plt.title('子图2')plt.show()绘图注释绘图时有时需要在图表中加文本注解这时可以通过text函数在指定的位置（x,y）加入文本注解；通过annotate()在指定位置实现指向型注释。1指向型注释annotate()2.无指向型注释text()绘图注释importnumpyasnpimportmatplotlib.pyplotasplt%matplotlibinline#配置中文显示plt.rcParams['font.family']=['SimHei']plt.rcParams['axes.unicode_minus']=Falsex=np.arange(-10,11,1)y=x*xplt.plot(x,y)plt.title('这是一个标题示例')plt.text(-2.5,30,'funcitony=x*x')plt.show()plt.annotate('这是一个示例',xy=(0,1),xytext=(-2,22),arrowprops={'headwidth':10,'facecolor':'r'})绘图注释如在柱状图上加入文本数字，可以清楚地显示每个类别的数量。如6个城市8月份的日均最高气温。plt.rcParams['font.family']=['SimHei']data=[25,30,32,34,34,23]label=['青海','兰州','北京','上海','广州','拉萨']plt.xticks(range(len(data)),label)pl