《大数据分析：基于Python》 课件 第8章 数据可视化

大数据分析：基于Python

第8章

数据可视化余本国Matplotlib是Python的2D绘图库，它以各种硬拷贝格式和跨平台的交互式环境生成出版质量级别的图形。Matplotlib是Python的一个非常重要的数据可视化库。它提供了丰富的接口，可以生成出版质量级别的图形。通过Matplotlib，开发者可以仅需要几行代码，便可以生成包括折线图、散点图、柱状图、饼图、直方图等。Matplotlib的主要特点包括：简单易用：Matplotlib的接口设计简洁明了，使用起来相对容易。用户可以通过简单的命令或者函数调用来创建各种类型的图形，例如折线图、散点图、柱状图、饼图等。可定制性强：Matplotlib的图形样式可以通过参数进行定制，用户可以通过设置参数来调整图形的颜色、线型、标签等属性。此外，Matplotlib还支持自定义图形样式，用户可以创建自己的图形样式并进行应用。支持多轴绘图：Matplotlib支持多轴绘图，可以同时绘制多个图形，并且可以自定义每个轴的属性。这对于比较和对照不同数据集非常有用。支持多种输出格式：Matplotlib支持多种输出格式，例如PNG、JPG、SVG、PDF等。用户可以根据需要选择合适的输出格式来保存图形。支持文字绘制：Matplotlib支持在图形中添加文字，包括标题、轴标签、图例等。用户可以通过设置参数来调整文字的大小、颜色、字体等属性。可扩展性强：Matplotlib可以与其他Python数据可视化库进行集成，例如Seaborn、Plotly等。此外，Matplotlib还支持自定义扩展功能，用户可以根据需要编写自己的图形类型和功能。8.1Matplotlib绘图基础Matplotlib有多个子模块，其中Pyplot子模块主要用于数据图形，是应用最广的子模块。使用Matplotlib，以及Matplotlib中的子库时，需先导入，使用as将mpl、plt分别作为matplotlib、matplotlib.pyplot的别名。常用的导入Matplotlib及其pyplot模块命令分别为：importmatplotlibasmplimportmatplotlib.pyplotaspltMatplotlib默认不支持中文字符的显示，无法正常显示中文以及一些符号，如负号等。为了在Matplotlib中正常显示中文及其他符号，需要人工修改Matplotlib的rc配置文件来设置Matplotlib支持的中文字体作为默认字体，代码如下：plt.rcParams['font.family']='MicrosoftYaHei'#设置默认字体plt.rcParams['font.size']=16#设置字体大小其中，rcParams表示rc配置文件参数，参数font.family表示字体类型，font.size表示字体大小，“MicrosoftYaHei”为微软雅黑字体，表8-1列出了最常用的中文字体及英文表示。中文字体名称字体英文对照宋体SimSun黑体SimHei微软雅黑MicrosoftYaHei仿宋FangSong楷体KaiTi隶书LiSu幼圆YouYuan华文细黑STXihei华文楷体STKaiti华文仿宋STFangsong宋体SimSun表8-1常用中英文字体的中英文对照当我们在使用JupyterNotebook时，还需要加载一行代码：%matplotlibinline表示在当前页面上直接显示图像。画图分三个部分：1、数据准备。如带有坐标属性的图像，应该有x轴和y轴数据，饼图需要有类别及其对应的数据。2、选择图像类型。如折线图、饼图、雷达图等，包括所选图像类型的各种控制参数。3、图像辅助参数。如图像的标题、示例图、刻度标注、画布大小等，以及图像的存储。例如简单的画一个抛物线图像。In[1]:importmatplotlibasmpl

...:importmatplotlib.pyplotasplt

...:

...:plt.rcParams['font.family']='MicrosoftYaHei'#设置默认字体

...:plt.rcParams['font.size']=16#设置字体大小

...:

...:#准备数据部分

...:x=range(0,50)

...:y=[i**2foriinx]

...:

...:#选择图像类型部分

...:plt.plot(x,y)

...:

...:#辅助部分

...:plt.title("抛物线")#标题

...:plt.savefig("pwx.png")#保存图像

...:plt.show()使用Matplotlib模块绘图基本步骤如下：（1）导入库（2）创建画布对象figurefig=plt.figure()在绘制图形之前，需先创建一个空白画布，pyplot子模块使用plt.figure()创建空白画布对象。若只在画布上创建一个图形，可以不显式使用plt.figure()，直接使用pyplot子模块默认创建的Figure对象即可。若要在画布上创建多个图形，则必须使用plt.figure()命令显示创建画布，将画布划分成多个部分，然后逐个添加子图。（3）准备绘图数据，可以从文件读取数据，也可以使用函数生成的数据、或者通过计算得到的数据。（4）调用绘图函数绘制图形。比如，plot(x,y)函数可以绘制折线图，其中x为数据点的x轴坐标序列，y为数据点的y轴的坐标序列，还可以同时设置坐标轴刻度、线条的样式、颜色等图形参数，也可以直接使用默认值。matplotlib.pyplot子模块绘制基础图形的函数如表8-2所示。（5）设置坐标轴的大小、刻度、坐标轴的上下限，也可以直接使用默认值。（6）添加图形注释，包含图名、坐标名称、图例、文字说明等，也可以默认。（7）使用plt.show()显示图形。下面的代码使用Matplotlib绘制简单折线图In[2]:importmatplotlibasmpl

...:importmatplotlib.pyplotasplt

...:importnumpyasnp

...:plt.rcParams['font.family']='MicrosoftYaHei'#设置默认字体

...:plt.rcParams['font.size']=16#设置字体大小

...:

...:fig=plt.figure(figsize=(8,10))#创建画布

...:#准备数据部分

...:x=range(0,50)

...:y=np.random.randint(0,100,size=50)#在0~100间产生50个随机整数

...:

...:#选择图像类型部分

...:plt.plot(x,y)

...:

...:#辅助部分

...:plt.title("折线线")#标题

...:plt.savefig("pwx.png")#保存图像

...:plt.show()8.1.1创建画布画布是一个Figure对象，使用figure()函数创建。Figure对象代表新的绘图区域，并为当前的绘图对象。figure()函数使用方式如下：plt.figure(num=None,figsize=None,dpi=None,facecolor=None,edgecolor=None,clear=False)其中：num：Figure对象的编号，可选，默认由系统自动分配，如果当前num的Figure对象已经存在，那么激活该Figure对象并引用，否则生成一个新的Figure对象。figsize：设置画布的尺寸，以英寸为单位，默认值为(6.4,4.8)。dpi：设置图像分辨率，默认值为100。facecolor：设置画布背景颜色。edgecolor：设置画布边线颜色。clear：如果num代表的Figure画布已经存在，是否要将该画布清空。例如创建一个尺寸为8×6的画布，分辨率为100，背景色为灰色，边框线为黑色。In[1]:importmatplotlib.pyplotasplt...:plt.figure(figsize=(4,3),dpi=100,facecolor='gray',edgecolor='white')#创建画布...:plt.plot()...:plt.show()8.1.2添加画布内容为了增加绘制图形的可读性，可设置画布的一些属性，如标题、坐标轴标签、坐标轴名称、网格线、图例等，还可以设置坐标轴的取值、坐标轴刻度等。需要注意的是，设置属性和绘制图形是没有先后顺序的，唯独添加图例（plt.legend()）必须要在绘制图形之后。Pyplot子模块在画布中设置属性常用的函数如表8-3所示。在表8-3的属性设置函数中，均可以使用参数loc来指定位置，参数color来指定颜色，参数fontsize来指定字体大小。plt.grid()函数常用参数的含义如下：b:是否显示网格线，布尔值，可选参数。which：设置网格线显示的尺度，可选参数

，可取值为'major'、'minor'或'both'，其中'major'为主刻度、'minor'为次刻度，默认为'both'，即主刻度和次刻度均显示。axis:设置网格线显示的轴，可选参数，可取值为‘both’、‘x’或‘y’，默认为'both'，表示x轴和y轴均显示。linestyle：设置网格线的样式，可取的样式有'-'

、

'--'、

'-.'

、

':'，默认为'-'

。linewidth：设置网格线宽度。plt.legend()添加图例函数中的loc参数有以下几种取值：

0:’best’1:’upperright’2:’upperleft’3:’lowerleft’4:’lowerright’5:’right’6:’centerleft’7:’centerright’8:’lowercenter’9:’uppercenter’10:’center’例如绘制身高年龄对照和身高体重对照的曲线图形，并设置图形的属性。In[1]:importmatplotlib.pyplotasplt...:plt.figure()...:age=[1,2,3,4,5,6,7,8,9,10]...:height=[75.0,87.2,95.6,103.1,110.2,116.6,122.5,128.5,134.1,140.1]...:weight=[10.05,12.54,14.65,16.64,18.98,21.26,24.06,16.64,27.33,30.46]...:plt.title("年龄身高对照图",loc="center",fontsize=16)...:plt.xlim(0,12)...:plt.ylim(0,160)...:plt.xticks([1,2,3,4,5,6,7,8,9,10,11,12],fontsize=14)...:plt.yticks([20,40,60,80,100,120,140,160],fontsize=14)...:plt.xlabel("年龄(岁)",fontsize=14)...:plt.ylabel("身高(cm)/体重(kg)",fontsize=14)...:plt.grid(which='major')...:plt.plot(age,height)...:plt.plot(age,weight)...:plt.legend(["age-height",'age-weight'],fontsize=12,loc='upperleft')...:plt.show()8.1.3添加子图在Matplotlib中，可以将画布划分成多个部分，在不同的部分添加子图。也就是说，可以将Figure对象的整个绘图区域划分为若干个子绘图区域，每个子绘图区域中都包含一个子图Axes对象，每个子图Axes对象都有独立的坐标系。Matplotlib创建子图及子图相关函数见表8-4。使用figure.add_subplot()，plt.subplot()，plt.subplots()函数创建子图，都会将全局绘图区域分成nrows行ncols列个子图，不同的是figure.add_subplot()和plt.subplot()函数一次只添加一个子图，而plt.subplots()函数会同时创建多个子图将全局绘图区域分成nrows行ncols列个子图后，会按照从左到右、从上至下的顺序对每个区域进行编号，左上的子绘图区域编号为1，plotnum参数指定创建的子图Axes对象所在的区域的编号。例如，figure.add_subplot(2,3,4)或plt.subplot(2,3,4)可以将整个绘图区域画分成2行3列共6个子绘图区域，如图8-5所示，4代表在其中的4号区域。figure.add_subplot(2,3,4)和plt.subplot(2,3,4)也可以分别写成figure.add_subplot(234)和plt.subplot(234)若要在子图上绘图和添加图例、标题、坐标轴标签、设置取值范围等，可使用的相关函数见表8-5。例如在同一张画布上，创建2行2列的子图，分别绘制sin(x)、cos(x)、sin(5x)、cos(5x)取值在[0,2

]区间的图形。方法一：使用figure.add_subplot()函数In[1]:importmatplotlib.pyplotasplt...:importnumpyasnp...:x=np.linspace(0,2*np.pi,100)...:y1=np.sin(x)...:y2=np.cos(x)...:y3=np.sin(5*x)...:y4=np.cos(5*x)...:fig=plt.figure(figsize=(8,6))...:ax1=fig.add_subplot(2,2,1)...:ax1.set_title('sin(x)')#设置子图标题...:ax1.plot(x,y1)...:ax2=fig.add_subplot(2,2,2)...:ax2.set_title('cos(x)')#设置子图标题...:ax2.plot(x,y2)...:ax3=fig.add_subplot(2,2,3)...:ax3.set_title('sin(5x)')#设置子图标题...:ax3.plot(x,y3)...:ax4=fig.add_subplot(2,2,4)...:ax4.set_title('cos(5x)')#设置子图标题...:ax4.plot(x,y4)...:plt.show()方法二：使用plt.subplot()函数In[1]:importmatplotlib.pyplotasplt...:importnumpyasnp...:x=np.linspace(0,2*np.pi,100)...:y1=np.sin(x)...:y2=np.cos(x)...:y3=np.sin(5*x)...:y4=np.cos(5*x)...:fig=plt.figure(figsize=(8,6))...:ax1=plt.subplot(2,2,1)...:ax1.set_title('sin(x)')#设置子图标题...:ax1.plot(x,y1)...:ax2=plt.subplot(2,2,2)...:ax2.set_title('cos(x)')#设置子图标题...:ax2.plot(x,y2)...:ax3=plt.subplot(2,2,3)...:ax3.set_title('sin(5x)')#设置子图标题...:ax3.plot(x,y3)...:ax4=plt.subplot(2,2,4)...:ax4.set_title('cos(5x)')#设置子图标题...:ax4.plot(x,y4)...:plt.show()方法一和方法二运行结果一样

In[1]:importmatplotlib.pyplotasplt...:importnumpyasnp...:fig,axes=plt.subplots(2,3,figsize=(8,6))...:x=np.arange(-2,2,0.01)...:n=1#n表示子图编号...:foriinrange(2):...:forjinrange(3):...:axes[i,j].plot(x,np.power(x,n))...:titletext='x^'+str(n)#子图标题文本...:axes[i,j].set_title(titletext)#设置子图标题

...:n=n+1...:...:plt.subplots_adjust(wspace=0.3,hspace=0.3)代码运行结果图8.1.4添加注释使用annotate()接口可以在图中增加注释说明。其中：xy：表示点的坐标xytext：备注文字的坐标(默认为xy的位置)arrowprops：在xy和xytext之间绘制一个箭头。In[1]:importnumpyasnp...:importmatplotlib.pyplotasplt...:plt.rcParams['font.sans-serif']=['SimHei']...:plt.rcParams['axes.unicode_minus']=False...:x=np.arange(-10,11,1)...:y=x*x...:plt.title('抛物线')...:plt.plot(x,y)...:#添加注释...:plt.annotate('这是顶点',#备注的文字...:xy=(0,20),#点的位置...:xytext=(2.5,40),#备注文字的开始位置...:arrowprops={'headwidth':6,#箭头的大小...:'facecolor':'g'})#箭头的颜色...:plt.show()8.1.5图形的保存使用Matplotlib库绘制的图形，可以保存到本地机器上。通常使用plt.savefig()函数保存绘制的图形，同时可以设置图形的分辨率、边缘的颜色等参数，其使用方式如下：savefig(fname,dpi,facecolor,edgecolor,format)其中：filename：保存的文件名或文件路径的字符串，文件的扩展名可以是png、pdf等。dpi：图像分辨率，默认为100。facecolor、edgecolor：子图之外的图形背景和边框颜色，默认为白色。format：图形输出格式，支持的格式有pdf,png,jpeg,jpg,,svg,svgz,tif,tiff等。如将例9-4生成的图片以文件名“x的n次幂对比图”、分辨率为200、背景色为灰色保存到本地，代码如下：plt.savefig('x的n次幂对比图.png',dpi=200,facecolor='gray')8.2设置动态参数在pyplot模块中，可以使用rc配置文件来自定义图形的各种属性，称之为rc配置或rc参数(rcParams)。主要包括线条宽度、颜色、样式、坐标值标记的形状、大小等，rc参数设置顺序不分先后。线条和坐标值标记常用的rc参数名称、作用与取值见表8-6。marker坐标值标记形状通常在绘制直线、曲线图函数plot()、散点图函数scatte()和误差图函数errorbar()上应用，Matplotlib.pyplot提供多达40个marker标记的样式供选择，图表中常用的取值及标记说明见表8-8。除了设置线条、坐标值标记的rc参数外，还可以设置文本、散点图、坐标轴标签、图例、图片、图像保存等rc参数。设置rc参数主要有以下三种方法。方法1：使用rcParams设置，如：plt.rcParams['lines.linestyle']='-.'plt.rcParams['lines.color']='g'plt.rcParams['lines.marker']='D'方法2：绘图函数内设置，如：plt.plot(x,y,color='red',linestyle='--',linewidth=2,marker='*',markersize=10)方法3：绘图函数内简化设置，将取值为符号类型的参数放在一个字符串内，不分先后顺序，数值类型的参数分别单独设置，如：plt.plot(x,y,'r*--',linewidth=2,markersize=15)

方法1：使用rcParams设置In[1]:importmatplotlib.pyplotasplt...:importnumpyasnp...:#定义数据...:t=np.arange(0,np.pi,0.1)...:x=np.sin(3*t)*np.cos(t)...:y=np.sin(3*t)*np.sin(t)...:#设置线条和数值标记的rc参数...:plt.rcParams['lines.linestyle']='--'...:plt.rcParams['lines.linewidth']=2...:plt.rcParams['lines.marker']='*'...:plt.rcParams['lines.markersize']='15'...:plt.plot(x,y)...:plt.show()方法2：绘图函数内设置In[1]:importmatplotlib.pyplotasplt...:importnumpyasnp...:#定义数据...:t=np.arange(0,np.pi,0.1)...:x=np.sin(3*t)*np.cos(t)...:y=np.sin(3*t)*np.sin(t)...:#绘图，并设置rc参数...:plt.plot(x,y,linewidth=2,linestyle='--',markersize=15,marker='*')...:plt.show()方法3绘图函数内简化设置In[1]:importmatplotlib.pyplotasplt...:importnumpyasnp...:t=np.arange(0,np.pi,0.1)...:x=np.sin(3*t)*np.cos(t)...:y=np.sin(3*t)*np.sin(t)...:#绘图，并设置rc参数...:plt.plot(x,y,'*--',linewidth=2,markersize=15)...:plt.show()三种方法的绘图结果均如图8.3常用图形的绘制

在数据可视化中，常见的图形有折线图、散点图、饼图、条形图、箱型图等。8.3.1折线图折线图（LineChart）是利用直线将数据点按照顺序连接起来所形成的图形，通过折线图可以查看因变量y随着自变量x变化的趋势，以折线的上升或下降来表示统计数量的增减变化，能够显示数据的变化趋势，反映事物的变化情况。使用plt.plot()函数绘制折线图和各种数学函数图形，其常用参数见表8-10。例如表8-11表是A、B两个地区1~12月的降雨量，请根据数据绘制降雨量对比折线图。月份地区123456789101112A9.62.932.81330.666.157.734.132.930.82.62.9B51.772.295.881.529.99977.7114.216.990.54617.9表8-11A、B两个地区1~12月的降雨量In[1]:importmatplotlib.pyplotasplt...:importnumpyasnp...:plt.figure(figsize=(8,5))...:x=np.arange(1,13,1)...:yA=[9.6,2.9,32.8,13,30.6,66.1,57.7,34.1,32.9,30.8,2.6,2.9]...:yB=[51.7,72.2,95.8,81.5,29.9,99,77.7,114.2,16.9,90.5,46,17.9]...:plt.plot(x,yA,'r-.o',markersize=10)#绘制折线图...:plt.plot(x,yB,'b-*',markersize=10)#绘制折线图...:plt.title("A、B两区降雨量对比图")...:plt.xticks([1,2,3,4,5,6,7,8,9,10,11,12])...:plt.xlabel("月份")...:plt.ylabel("降雨量",)...:plt.legend(['A区','B区'],loc='upperright')...:plt.show()8.3.2条形图条形图（BarChart）也称柱状图，是一种以长方形的长度为变量的统计图。根据条形图中长方形的长度，能够一眼看出各个数据的大小，比较数据之间的差别，通常用于较小的数据集的分析。按照排列方式的不同，可分为纵式条形图和横式条形图。Matplotlib.Pyplot子模块使用plt.bar()函数绘制纵向条形图，其常用的参数见表8-12。使用plt.bar()绘制的条形图默认是竖直的，可以设置orientation="horizontal"，并将width与height参数的数据交换，再添加bottom=x绘制水平方向的条形图，也可以使用plt.barh()函数，绘制水平方向的条形图。例如表8-13是A~G7个店铺某商品的目标销售额和实际销售额数据。请根据表中数据绘制目标销售额和实际销售额的对比条形图。In[1]:importmatplotlib.pyplotasplt...:importnumpyasnp...:x=np.arange(1,8,1)...:target=[40,38,50,30,40,30,53]...:asales=[36,42,48,32,36,31,58]...:shopname=['A店铺','B店铺','C店铺','D店铺','E店铺','F店铺','G店铺']...:plt.figure()...:bar_width=0.3#条形宽度...:plt.bar(x,height=target,width=bar_width,color='r')#绘制条形图...:plt.bar(x+0.35,height=asales,width=bar_width,color='y')...:plt.title('各店铺销售目标与实际销售额对比图')...:plt.xlabel('店铺')...:plt.ylabel('销售额')...:plt.xticks(np.arange(1,8,1),shopname)...:plt.yticks(np.arange(10,90,10))...:plt.ylim(0,80)...:plt.legend(['目标销售额','实际销售额'])...:plt.show()8.3.3直方图直方图（Histogram）也称质量分布图，其形状与条形图类似，是由一系列高度不等的纵向条纹或线段表示数据分布情况的统计图报告，两个坐标分别是统计样本和该样本对应的某个属性的度量，一般用横轴表示数据范围，纵轴表示分布情况，例如统计成绩不同分数段人数分布情况，横轴表示分数的数据范围，纵轴表示人数分布情况。Matplotlib.Pyplot子模块使用plt.hist()函数绘制纵向直方图，其常用的参数见表8-14。例如下面是某课程36名学生的考试分数，请根据考试分数绘制各成绩段人数分布直方图。78,70,55,88,68,73,81,91,96,79,78,67,69,82,86,67,95,64,84,85,76,58,75,69,86,90,98,78,85,77,90,76,75,85,63,79In[1]:importmatplotlib.mlabasmlab...:importnumpyasnp...:importmatplotlib.pyplotasplt...:partition=[0,10,20,30,40,50,60,70,80,90,100]#划分成绩段...:scores=[78,70,55,88,68,73,81,91,96,79,78,67,69,82,86,67,95,64,84,85,76,58,75,69,86,90,98,78,85,77,90,76,75,85,63,79]...:plt.hist(scores,bins=partition,facecolor='yellow',edgecolor='b')#绘制直方图...:plt.title('各分数段人数分布直方图')...:plt.xticks(np.arange(0,120,10))...:plt.xlabel('分数')...:plt.ylabel('人数')...:plt.show()8.3.4散点图散点图（ScatterDiagram）也称散点分布图，主要使用两组数据构成多个坐标点，通过坐标点的分布形态来反映两组数据之间的关系，判断两变量之间是否存在某种关联或总结坐标点的分布模式，展示离群点（异常点），数据量越大，越能体现数据之间的关系。Matplotlib.Pyplot子模块使用plt.scatter()函数绘制散点图，其常用的参数见表8-15。例如生成500个均值为100、标准差为30的随机点坐标，并根据点坐标数据绘制散点图。In[1]:importmatplotlib.pyplotasplt...:importnumpyasnp...:plt.figure(figsize=(8,6),dpi=100)...:#数据准备...:mu=100#均值...:sigma=30#标准差...:x=mu+sigma*(np.random.randn(500))#生成均值为mu，标准差为sigma，服从正态分布的随机数...:y=mu+sigma*(np.random.randn(500))...:plt.scatter(x,y,color='r',marker='o',s=80,alpha=0.4)#绘制散点图...:plt.grid()...:plt.show()8.3.5饼图饼图（PieGraph）也称为圆饼图，使用一整个圆饼代表数据的总量，圆饼中的每一块扇形饼代表该分类所占总的比例大小。饼图可以表示不同类别的占比情况，能直观地反映出部分与部分、部分与整体之间的比例关系。Matplotlib.Pyplot子模块使用plt.pie()函数绘制饼图，其常用的参数见表8-16。In[1]:importnumpyasnp...:importmatplotlib.pyplotasplt...:fig=plt.figure(figsize=(8,6))...:data=[3112,2952,1644,1931,1468,1420,3431]#绘图数据...:labels=['内科','儿科'