Python數據可視化之怎么用Matplotlib繪制常用圖形

這篇文章主要介紹Python數據可視化之怎么用Matplotlib繪制常用圖形，文中介紹的非常詳細，具有一定的參考價值，感興趣的小伙伴們一定要看完！

一、散點圖

散點圖用兩組數據構成多個坐標點，考察坐標點的分布，判斷兩變量之間是否存在某種關聯或總結坐標點的分布模式。
特點：判斷變量之間是否存在數量關聯趨勢，表示離群點的分布規律。

散點圖繪制：

plt.scatter(x,y) # 以默認的形狀顏色繪制散點圖

實例： 假設我們獲取到了上海2020年5,10月份每天白天的最高氣溫(分別位于列表a、b)，那么此時如何觀察氣溫和隨時間變化的某種規律。

# 繪制圖形所需的數據
y_5 = [11,17,16,11,12,11,12,13,10,14,8,13,12,15,14,17,18,21,16,17,30,14,15,15,15,19,21,22,22,22,23]
y_10 = [26,26,28,19,21,17,16,19,18,20,20,19,22,23,17,20,21,20,22,15,11,15,5,13,15,10,11,13,12,13,6]

代碼如下：

import matplotlib.pyplot as plt

# 設置字體
plt.rcParams['font.sans-serif']=['SimHei'] # 替換sans_serif字體
plt.rcParams['axes.unicode_minus']=False # 解決坐標軸負數的負號顯示問題

plt.figure(figsize=(12,5), dpi=100)

y_5 = [11,17,16,11,12,11,12,13,10,14,8,13,12,15,14,17,18,21,16,17,30,14,15,15,15,19,21,22,22,22,23]
y_10 = [26,26,28,19,21,17,16,19,18,20,20,19,22,23,17,20,21,20,22,15,11,15,5,13,15,10,11,13,12,13,6]
x = range(1, 32)

plt.scatter(x, y_5, label='五月份')
plt.scatter(x, y_10, label='十月份')

# 增加標題，坐標描述
plt.xlabel("時間")
plt.ylabel("日期")
plt.title("氣溫和隨時間變化的某種規律")

# 添加圖形注釋
plt.legend(loc='best')

plt.show()

上圖雖然繪制出5、10月氣溫隨日期的變化，但兩者混在一起，不便于觀察，現通過修改x數據，將10月的坐標點集體往坐標軸右側移動，改進的代碼如下：

import matplotlib.pyplot as plt

# 設置字體
plt.rcParams['font.sans-serif']=['SimHei'] # 替換sans_serif字體
plt.rcParams['axes.unicode_minus']=False # 解決坐標軸負數的負號顯示問題

plt.figure(figsize=(12,5), dpi=100)

y_5 = [11,17,16,11,12,11,12,13,10,14,8,13,12,15,14,17,18,21,16,17,30,14,15,15,15,19,21,22,22,22,23]
y_10 = [26,26,28,19,21,17,16,19,18,20,20,19,22,23,17,20,21,20,22,15,11,15,5,13,15,10,11,13,12,13,6]
x_5 = range(1, 32)
x_10 = range(33, 64)

plt.scatter(x_5, y_5, label='五月份')
plt.scatter(x_10, y_10, label='十月份')

# 刻度顯示
x_t = list(x_4)+list(x_10)
x_l = ["5月{}號".format(i) for i in x_4]
x_l += ["10月{}號".format(i-31) for i in x_10]
plt.xticks(x_t[::3], x_l[::3], rotation=45)

# 添加圖形注釋
plt.legend(loc='best')

plt.show()

二、柱狀圖

柱狀圖是用寬度相同的條形的高度或長短來表示數據多少的圖形。柱狀圖可以橫置或縱置，縱置時也稱為柱形圖。

特點：

能夠直觀反映出各個數據的大小；
易于比較數據之間的差別。

柱狀圖繪制：

plt.bar(x, width, align=‘center', **kwargs)

Parameters:    
x : sequence of scalars.

width : scalar or array-like, optional, 柱狀圖的寬度

align: {‘center', ‘edge'}, optional, default: ‘center'
Alignment of the bars to the x coordinates:
‘center': Center the base on the x positions.
‘edge': Align the left edges of the bars with the x positions.
每個柱狀圖的位置對齊方式, 默認柱狀圖的中心與x坐標中心對齊

**kwargs:
color: 選擇柱狀圖的顏色

水平條形圖繪制

plt.barh(y, width) # 繪制以y為y軸位置的水平條形圖

實例：假設我們獲取到了2019年內地電影票房前20的電影(列表a)和電影票房數據(列表b)，繪制柱狀圖直觀地展示數據，代碼如下：

import matplotlib.pyplot as plt
# 設置字體
plt.rcParams['font.sans-serif']=['SimHei'] # 替換sans_serif字體
plt.rcParams['axes.unicode_minus']=False # 解決坐標軸負數的負號顯示問題

plt.figure(figsize=(15,10),dpi=100)
# 準備電影的名字以及電影的票房數據
movie_name = ["流浪地球","復仇者聯盟4:終局之戰","哪吒之魔童降世","瘋狂的外星人",
              "飛馳人生","蜘蛛俠:英雄遠征","掃毒2天地對決","烈火英雄","大黃蜂",
              "驚奇隊長","比悲傷更悲傷的故事","哥斯拉2:怪獸之王","阿麗塔:戰斗天使",
              "銀河補習班","獅子王","反貪風暴4","熊出沒","大偵探皮卡丘","新喜劇之王",
              "使徒行者2:諜影行動","千與千尋"]
y = [56.01,26.94,17.53,16.49,15.45,12.96,11.8,11.61,
11.28,11.12,10.49,10.3,8.75,7.55,7.32,6.99,6.88,6.86,6.58,6.23,5.22]
# 放進橫坐標的數字列表
x = range(len(movie_name))

# 畫出條形圖
# 顏色color參數表示條形圖的順序顏色，可循環
plt.bar(x, y, width=0.5, color=['b','r','g','y','c','m','y','k','c','g','g'])

# 修改刻度名稱，并旋轉90度
plt.xticks(x, movie_name, rotation=90)

# 展示圖形
plt.show()

# 水平條形圖
plt.figure(figsize=(15,10),dpi=100)
plt.barh(movie_name, y, color=['b','r','g','y','c','m','k'])
plt.show()

有時候為了公平起見，我們需要對比不同電影首日和首周的票房收入，讓數據更有說服力。假設數據如下：

movie_name = ['雷神3：諸神黃昏','正義聯盟','尋夢環游記']
first_day = [10587.6,10062.5,1275.7] # 首日票房
first_weekend=[36224.9,34479.6,11830] # 首周票房

繪制不同電影首日和首周票房的數據圖，代碼如下：

import matplotlib.pyplot as plt
# 設置字體
plt.rcParams['font.sans-serif']=['SimHei'] # 替換sans_serif字體
plt.rcParams['axes.unicode_minus']=False # 解決坐標軸負數的負號顯示問題

plt.figure(figsize=(15,10),dpi=100)
# 準備數據
movie_name = ['雷神3：諸神黃昏','正義聯盟','尋夢環游記']

# 構造首日票房，首周票房數據
first_day = [10587.6,10062.5,1275.7]
first_weekend=[36224.9,34479.6,11830]
x = range(len(movie_name))

# 繪制第一個柱狀圖
plt.bar(x, first_day, width=0.25)
# 接著繪制第二個柱狀圖
plt.bar([i+0.25 for i in x], first_weekend, width=0.25)

# 修改刻度名稱
# 顯示x軸中文，固定在首日和首周的中間位置
plt.xticks([i+0.125 for i in x], movie_name)

plt.show()

注意點：

x軸坐標刻度顯示位置的調整，既可以通過繪制圖形時調整x數據，也可以通過繪制x軸刻度時調整刻度的方法來實現x軸刻度顯示在兩個柱狀圖中間。如果不做任何調整，它是默認與第一個柱狀圖中間對齊的。

三、直方圖

直方圖，形狀類似柱狀圖卻有著與柱狀圖完全不同的含義。直方圖牽涉統計學的概念，首先要對數據進行分組，然后統計每個分組內數據元的數量。 在坐標系中，橫軸標出每個組的端點，縱軸表示頻數，每個矩形的高代表對應的頻數，稱這樣的統計圖為頻數分布直方圖。

特點：繪制連續性的數據，展示一組或者多組數據的分布情況，用于統計數據分布的特征。

相關概念：

組數：在統計數據時，把數據按照不同的范圍分成幾個組，分成的組的個數稱為組數；
組距：每一組兩個端點的差。

直方圖繪制

plt.hist(x,bins=None)
繪制以x為數值，bins為組數，組數 = 極差/組距

實例：假設我們獲取到了一些電影的時長，繪制直方圖展示電影時長的分布情況，代碼如下：

import matplotlib.pyplot as plt
# 設置字體
plt.rcParams['font.sans-serif']=['SimHei'] # 替換sans_serif字體
plt.rcParams['axes.unicode_minus']=False # 解決坐標軸負數的負號顯示問題

plt.figure(figsize=(15,10),dpi=100)
# 準備數據，電影時長
time =[131,  98, 125, 131, 124, 139, 131, 117, 128, 108, 
       135, 138, 131, 102, 107, 114, 119, 128, 121, 142, 
       127, 130, 124, 101, 110, 116, 117, 110, 128, 128, 
       115,  99, 136, 126, 134,  95, 138, 117, 111, 78, 
       132, 124, 113, 150, 110, 117,  86,  95, 144, 105, 
       126, 130,126, 130, 126, 116, 123, 106, 112, 138, 
       123,  86, 101,  99, 136,123, 117, 119, 105, 137, 
       123, 128, 125, 104, 109, 134, 125, 127,105, 120, 
       107, 129, 116, 108, 132, 103, 136, 118, 102, 120, 
       114,105, 115, 132, 145, 119, 121, 112, 139, 125, 
       138, 109, 132, 134,156, 106, 117, 127, 144, 139, 
       139, 119, 140,  83, 110, 102,123,107, 143, 115, 
       136, 118, 139, 123, 112, 118, 125, 109, 119, 133, 
       112, 114, 122, 109, 106, 123, 116, 131, 127, 115, 
       118, 112, 135,115, 146, 137, 116, 103, 144,  83, 
       123, 111, 110, 111, 100, 154,136, 100, 118, 119, 
       133, 134, 106, 129, 126, 110, 111, 109, 141, 120, 
       117, 106, 149, 122, 122, 110, 118, 127, 121, 114, 
       125, 126,114, 140, 103, 130, 141, 117, 106, 114, 
       121, 114, 133, 137,  92,121, 112, 146,  97, 137, 
       105,  98, 117, 112,  81,  97, 139, 113,134, 106, 
       144, 110, 137, 137, 111, 104, 117, 100, 111, 101, 
       110, 105, 129, 137, 112, 120, 113, 133, 112,  83, 
       94, 146, 133, 101, 131, 116, 111, 84, 137, 115, 
       122, 106, 144, 109, 123, 116, 111,111, 133, 150]

# 組距
bins = 2
# 組數，極差/組距
groups = int((max(time) - min(time)) / 2)

# 繪制直方圖
plt.hist(time, groups)

# 指定x軸刻度的范圍
plt.xticks(list(range(min(time), max(time)))[::2])

# 添加坐標描述
plt.xlabel('電影時長大小')
plt.ylabel('電影的數量')

# 增加網格顯示
plt.grid(True, linestyle='--', alpha=0.5)
plt.show()

四、扇形圖

扇形圖，用整個圓表示總數，用圓內各個扇形的大小表示各部分數量占總數的百分數。

扇形圖繪制

plt.pie(x, explode=None, labels=None)

x：扇形數據
explode：設置某幾個分塊是否要分離餅圖
labels：每塊扇形標簽
autopct：百分比數據標簽
shadow：是否顯示陰影
plt.pie()有3個返回值：
patches：繪制餅圖每一塊的對象
texts：文本的列表
autotexts：百分比的文本列表

實例：假設我們獲取到了一些電影的排片數據，繪制扇形圖展示電影的排片占比情況，代碼如下：

import matplotlib.pyplot as plt
# 設置字體
plt.rcParams['font.sans-serif']=['SimHei'] # 替換sans_serif字體
plt.rcParams['axes.unicode_minus']=False # 解決坐標軸負數的負號顯示問題

# 餅圖繪制
plt.figure(figsize=(15, 10), dpi=100)
# 電影排片數據
movie_name = ['雷神3：諸神黃昏','正義聯盟','東方快車謀殺案','尋夢環游記','全球風暴','降魔傳','追捕','七十七天','密戰','狂獸','其它']
place_count = [60605,54546,45819,28243,13270,9945,7679,6799,6101,4621,20105]

# 繪制扇形圖
plt.pie(place_count, labels=movie_name, autopct="%1.2f%%")

# 指定顯示的pie是正圓
plt.axis('equal')

# 設置圖例和標題
plt.legend(loc="best")
plt.title("排片占比情況")

plt.show()

扇形圖優化的手段添加陰影，分離特定數據等：

import matplotlib.pyplot as plt
# 設置字體
plt.rcParams['font.sans-serif']=['SimHei'] # 替換sans_serif字體
plt.rcParams['axes.unicode_minus']=False # 解決坐標軸負數的負號顯示問題

plt.figure(figsize=(15, 10), dpi=100)
movie_name = ['雷神3：諸神黃昏','正義聯盟','東方快車謀殺案','尋夢環游記','全球風暴','降魔傳','追捕','七十七天','密戰','狂獸','其它']
place_count = [60605,54546,45819,28243,13270,9945,7679,6799,6101,4621,20105]

# 繪制扇形圖，添加陰影效果,并讓占比最大的雷神3分離
explode = [0.1, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0]
res = plt.pie(place_count, labels=movie_name, explode=explode, autopct="%1.2f%%", shadow=True)
patches, texts, autotexts = res
print(patches)  # 表示每個扇形的對象
print(texts)  # 每個文本對象
print(autotexts)  # 每個百分比對象

# 指定顯示的pie是正圓
plt.axis('equal')

# 設置圖例和標題
plt.legend(loc="best")
plt.title("排片占比情況")

plt.show()

打印的扇形圖返回值：

優化后的扇形圖：

以上是“Python數據可視化之怎么用Matplotlib繪制常用圖形”這篇文章的所有內容，感謝各位的閱讀！希望分享的內容對大家有幫助，更多相關知識，歡迎關注億速云行業資訊頻道！