前言
互聯(lián)網(wǎng)時(shí)代下，在網(wǎng)絡(luò)中每天都會(huì)產(chǎn)生很多數(shù)據(jù)，通過對(duì)數(shù)據(jù)分析之后，如何更好的詮釋數(shù)據(jù)背后的意義，我們需要對(duì)數(shù)據(jù)進(jìn)行可視化展示。
在數(shù)據(jù)可視化中，Python 也支持第三方模塊
- matplotlib 模塊：Python使用最多的可視化庫
- seaborn 模塊：基于matplotlib的圖形可視化
- pycharts 模塊：用于生成Echarts 圖表的類庫
接下來我們對(duì)matplotlib模塊提供的圖形方法進(jìn)行學(xué)習(xí)
1. matplotlib 模塊概述
matplotlib 模塊是第三方開源的，由John Hunter團(tuán)隊(duì)研發(fā)而成，NumFOCUS 的贊助項(xiàng)目。
matplotlib 模塊是用于Python創(chuàng)建靜態(tài)、動(dòng)態(tài)和交互式可視化綜合性的庫。
matplotlib 模塊特點(diǎn)
- 易創(chuàng)建圖表如出版質(zhì)量圖、交互式數(shù)據(jù)可放大、縮小
- 定制化圖表可完全控制線條樣式、導(dǎo)入并嵌入多種文件格式
- 擴(kuò)展性高，可以與第三方模塊進(jìn)行兼容
- matplotlib 模塊資料手冊(cè)信息豐富，可快速上手
matplotlib 模塊獲取
matplotlib 是Python主流第三方可視化模塊，我們需要使用pip進(jìn)行下載
pip install matplotlib
matplotlib 模塊使用
在matplotlib模塊中，pyplot類是最常用的。
方式一：
from matplotlib import pyplot
方式二：
import matplotlib.pyplot as plt
重要說明：
- matplotlib 模塊官方資料
- 查看matplotlib內(nèi)部代碼說明
2. matplotlib.pyplot 相關(guān)方法
matplotlib.pyplot 模塊是我們畫圖標(biāo)最常用的模塊之一
| 方法 | 作用 |
|---|---|
| pyplot.title(name) | 圖表的標(biāo)題 |
| pyplot.xlabel(name) | 圖表的X軸名字 |
| pyplot.ylabel(name) | 圖表的y軸名字 |
| pyplot.show() | 打印出圖表 |
| pyplot.plot(xvalue,yvalue) | 繪制折線圖表 |
| pyplot.bar(xvalue,yvalue) | 繪制柱狀圖表 |
| pyplot.axis(data) | 獲取或設(shè)置一些軸屬性的便捷方法 |
| pyplot.scatter(data) | 繪制散點(diǎn)圖 |
| pyplot.subplot(data) | 繪制子圖 |
| pyplot.grid(boolean) | 顯示網(wǎng)狀，默認(rèn)為False |
| pyplot.text() | 對(duì)文本進(jìn)行處理 |
| pyplot.pie(data) | 繪制餅圖 |
| pyplot.boxplot(data) | 繪制箱形圖 |
| pyplot.hist(data) | 繪制直方圖 |
3. matplotlib.pyplot 圖表展示
繪制折線圖
使用pyplot..plot()方法
from matplotlib import pyplot
# 設(shè)置圖表字體格式
pyplot.rcParams["font.sans-serif"]=['SimHei']
pyplot.rcParams["axes.unicode_minus"]=False
pyplot.plot([1,2,3,4,5,6],[45,20,19,56,35,69])
pyplot.title("data analyze")
pyplot.xlabel("data")
pyplot.ylabel("sum")
pyplot.show()
繪制柱狀圖
- 使用pyplot..bar()方法
- 再次使用上面的數(shù)據(jù)，可以看到直方圖
pyplot.bar([1,2,3,4,5,6],[45,20,19,56,35,69])
繪制餅圖
- 使用pyplot.pie()方法繪制餅圖
- 同時(shí)使用pyplot.axis方法設(shè)置每一個(gè)分區(qū)間隔
from matplotlib import pyplot
labels = ["windows","MAC","ios","Android","other"]
sizes = [50,10,5,15,20]
explode = [0,0.1,0,0,0]
pyplot.pie(sizes,explode=explode,labels=labels,autopct='%1.1f%%',shadow=False,startangle=90)
pyplot.axis("equal")
pyplot.title("data analyze")
pyplot.show()
繪制散點(diǎn)圖
使用pyplot.scatter(x,y)繪制散點(diǎn)圖
import numpy as np
from matplotlib import pyplot
data = {"a":np.arange(50),"c":np.random.randint(0,50,50),"d":np.random.randn(50)}
data['b'] = data['a']+10*np.random.randn(50)
data['d'] = np.abs(data['d'])*100
pyplot.scatter("a","b",c='c',s='d',data=data)
pyplot.title("data analyze")
pyplot.xlabel("元素 a")
pyplot.ylabel("元素 b")
pyplot.show()
總結(jié)：
到此這篇關(guān)于Python 可視化matplotlib模塊基礎(chǔ)知識(shí)的文章就介紹到這了,更多相關(guān)Python 可視化之matplotlib模塊內(nèi)容請(qǐng)搜索服務(wù)器之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持服務(wù)器之家！
原文鏈接：https://juejin.cn/post/7028188269389021192
