文章传送门
| Python 数据可视化 |
|---|
| matplotlib之绘制常用图形：折线图、柱状图（条形图）、饼图和直方图 |
| matplotlib之设置坐标：添加坐标轴名字、设置坐标范围、设置主次刻度、坐标轴文字旋转并标出坐标值 |
| matplotlib之增加图形内容：设置图例、设置中文标题、设置网格效果 |
| matplotlib之设置子图：绘制子图、子图共享x轴坐标 |
| matplotlib之绘制高级图形：散点图、热力图、等值线图、极坐标图 |
| matplotlib之绘制三维图形：三维散点图、三维柱状图、三维曲面图 |
目录
- 简述 / 前言
- 1. 折线图
- 2. 柱状图（条形图）
- 3. 饼图
- 4. 直方图
简述 / 前言
这篇文章主要讲解Python数据可视化库 matplotlib 的一些操作，由于知识点较多，所以应该会分多篇文章进行分享。具体可以参考 matplotlib 官网，下面附上一些小贴士，5 张图片掌握 matplotlib 主要知识点，这5张图片来源于 matplotlib 官网的备忘录。后面的文章只会总结一些重点内容，不会面面俱到，所以对绘制某一个图形感兴趣的伙伴，可以直接去官网看教程和例子。更详细的教程可能会在 Python 教程那里给出，等有时间再写吧~
这一篇主要分享用 matplotlib 绘制常用图形：折线图、柱状图（条形图）、饼图和直方图。
画完图都要使用 show() 方法才能看到图像哦~
1. 折线图
绘制折线图，一般需要读取 x, y 轴的数据，再通过 plot 方法绘制折线图，示例如下：
import matplotlib.pyplot as plt
import numpy as np
# 设置x轴和y轴的坐标
x = np.arange(0, 9, 2) # [0, 9) 每间隔1个数取一次值，即：x = [0 2 4 6 8]
y = np.array([0, 1, 4, 6, 8])
print(f"x = {x}")
print(f"y = {y}")
plt.plot(x, y) # 通过plot方法绘制折线
plt.show() # 通过show方法展示
输出：
可以看到在绘制折线图时，只给了它坐标轴的值，但是没有给线条颜色、样式等属性，这是因为 matplotlib 已经封装好一些默认值了，如果要修改，可以通过可变参数 **kwargs 来改动，常用的属性如下：
| 属性 | 含义 |
|---|---|
| color | 线的颜色 |
| linewidth | 线的宽度（厚度） |
| linestyle | 线的样式 【虚线：:，破折线：--，点划线：-.】 |
| marker | 坐标点的标记方式 【实心圆：o，加号：+，五角星：*，点：.，叉叉：x，上三角形：^，下三角形：v，左三角形：<，右三角形：>，正方形：s，菱形：d，五边形：p，六边形：h，下划线：(_或者数字的0和1)】 |
| alpha | 透明度，取值范围：[0, 1]，值越小越透明 |
现在对上面的折线图进行修改，看看效果：
import matplotlib.pyplot as plt
import numpy as np
# 设置x和y轴的坐标
x = np.arange(0, 9, 2)
plt.plot(x, x * 0.5, color='#33141e', linewidth='10', linestyle=':', alpha=0.2)
plt.plot(x, x, color='blue', linewidth='1', linestyle='--', marker='v', alpha=0.5)
plt.plot(x, x * 1.5, color='red', linewidth='3', linestyle='-.', marker='o', alpha=1)
plt.show()
输出：
2. 柱状图（条形图）
关键语句：matplotlib.pyplot.bar(x, height, ...)
一般会这么写：matplotlib.pyplot.bar(x, height, alpha=alpha, width=width, color=color, edgecolor=edgecolor, label=label, lw=lw)，各参数含义如下：
| 属性 | 含义 |
|---|---|
| x | x轴的位置序列 |
| height | 每个x对应的条形图高度，注意：len(x) == len(height) |
| alpha | 透明度，取值范围：[0, 1]，值越小越透明 |
| width | 每条柱状图的宽度（也可以只填一个数，这时全部柱状图的宽度都是一致的） |
| color | 每个柱状图的颜色【它会根据你给的颜色循环使用，比如有4条柱状图，你只给了3种颜色：红黄蓝，那么最后图形的颜色就是：红黄蓝红】 |
| edgecolor | 边缘的颜色 |
| label | 图例 |
| lw | 边缘线的宽度 |
示例：
import matplotlib.pyplot as plt
x = [1, 2, 3, 4] # x轴刻度
height = [10, 20, 15, 18] # y轴刻度（height）
color = ['red', 'yellow', 'blue', 'green']
x_label = ['class1', 'class2', 'class3', 'class4']
# 绘制x刻度标签
plt.xticks(x, x_label)
# 绘制柱状图
plt.bar(x, height, color=color, edgecolor='black')
plt.show()
输出：
修改一些样式，并只给定3种颜色：
import matplotlib.pyplot as plt
x = [1, 2, 3, 4] # x轴刻度
height = [10, 20, 15, 18] # y轴刻度
color = ['red', 'yellow', 'blue'] # 只给定3种颜色
x_label = ['class1', 'class2', 'class3', 'class4']
# 绘制x刻度标签
plt.xticks(x, x_label)
# 绘制柱状图
plt.bar(x, height, alpha=0.8, width=0.2, color=color, edgecolor='black', lw=3)
plt.show()
输出：
注：因为在语句中加入了 plt.xticks(x, x_label)，所以x轴显示的不是数值，如果注释掉那句话，那么图形是这样的~
如果不是一次性传入数据，而是传一次数据，画一个柱状图，那么每个柱状图的颜色就会不一样。
示例：
import matplotlib.pyplot as plt
x = [1, 2, 3, 4] # x轴刻度
height = [10, 20, 15, 18] # y轴刻度
color = ['red', 'yellow', 'blue'] # 只给定3种颜色
x_label = ['class1', 'class2', 'class3', 'class4']
# 绘制x刻度标签
# plt.xticks(x, x_label)
# 绘制柱状图
# plt.bar(x, height)
for xi, yi in zip(x, height): # 一个一个柱状图画
plt.bar(xi, yi)
plt.show()
输出：
3. 饼图
关键语句：matplotlib.pyplot.pie(sizes, ...)
一般会这么写：matplotlib.pyplot.pie(sizes, explode=explode, labels=labels, colors=colors, startangle=startangle, radius=radius)，其中各属性含义如下：
| 属性 | 含义 |
|---|---|
| sizes | 饼图每个块的值 |
| explode | 离开中心点的距离（注意：len(explode) == len(sizes)） |
| labels | 饼图每个块要说明的文字 |
| colors | 饼图每个块的颜色【它会根据你给的颜色循环使用，比如有4块饼图，你只给了3种颜色：红黄蓝，那么最后图形的颜色就是：红黄蓝红】 |
| autopct | 显示每块饼图划分的比例，并设置显示的小数位数 |
| shadow | （布尔值）是否显示阴影 |
| startangle | 起始角度，默认是从x轴正方向逆时针开始画图 |
| radius | 饼图的半径 |
示例：
import matplotlib.pyplot as plt
sizes = [10, 20, 15, 18, 50]
explode = (0.1, 0.1, 0.1, 0.1, 0.1)
labels = ['class1', 'class2', 'class3', 'class4', 'class5']
colors = ['blue', 'red', 'green', 'yellow', 'pink', 'black']
plt.pie(sizes, explode=explode, labels=labels, colors=colors, autopct='%.1f%%', shadow=True, startangle=30, radius=0.8)
plt.show()
输出：
如果颜色没给够，那么图形就是这样的：
import matplotlib.pyplot as plt
sizes = [10, 20, 15, 18, 50]
explode = (0, 0.1, 0, 0, 0)
labels = ['class1', 'class2', 'class3', 'class4', 'class5']
colors = ['blue', 'red', 'green']
plt.pie(sizes, explode=explode, labels=labels, colors=colors, startangle=30, radius=1.2)
plt.show()
输出：
注：这样看上去就很难区分每部分了，甚至还会出现两个块颜色相同合并在了一起，所以颜色一定要给够！哪怕颜色给多了也不会报错，它只会按照给的颜色顺序赋值！！！
4. 直方图
关键语句：matplotlib.pyplot.hist(x, bins, ...)
一般会这么写：matplotlib.pyplot.hist(x, bins, density=density, histtype=histtype, align=align, color=color, label=label)，其中各属性含义如下：
| 属性 | 含义 |
|---|---|
| x | 在x轴上的数值y（数据分布情况） |
| bins | 柱状图个数（数据区间） |
| density | 是否将直方图的频数转换成频率，默认值为：False(y轴为频数)，可以改为 True(y轴为频率) |
| histtype | 直方图形状，可以选：bar、barstacked、step(梯形)、stepfilled(对梯形内部进行填充)，默认是bar |
| align | 【不建议修改】控制柱状图水平分布，可以选：left、mid(默认值)、right |
| color | 直方图颜色 |
| label | 标签，展示图标时使用 |
示例：
import matplotlib.pyplot as plt
import numpy as np
x = np.random.randint(10, 51, 300)
bins = np.arange(10, 51, 2) # 设置连续的边界值，即直方图的分布区间
# 绘制直方图
plt.hist(x, bins)
plt.show()
输出：
修改一些属性试试：
import matplotlib.pyplot as plt
import numpy as np
x = np.random.randint(10, 51, 300)
bins = np.arange(10, 51, 2) # 设置连续的边界值，即直方图的分布区间
# 绘制直方图
plt.hist(x, bins, density=True, histtype='step', align='left', color='green')
plt.show()
输出：
