Matplotlib數據可視化基礎

• 一.讀取數據與數據處理階段
• • 1.提取指定行中的數據
  • 2.得到>指定數值的數據
  • 3.得到=指定值得數據
  • 4.整體的數據處理：
• 二.畫圖函數
• • 1.plt.subplots()
  • 2.plt.subplots_adjust()
  • 3.設置x軸y軸的刻度和標簽
  • 4.使用中文標題在作圖時
• 三.畫折線圖(plot)
• 四.畫散點圖(scatter)
• 五.畫擬合曲線
• • 1.擬合指數R方
• 六.畫箱線圖
• 七.畫直方圖(hist)與柱狀圖(bar)
• 整體代碼實現

一.讀取數據與數據處理階段

1.提取指定行中的數據

data=data[['year','quarter','pop','realgdp']]#提取所需要的四列數據

2.得到>指定數值的數據

data=data.loc[(data['year']>=1990),:]#使用1990年之后的數據

3.得到=指定值得數據

data=data.loc[data['quarter']==4,:]#使用第四季度的數據來畫圖

4.整體的數據處理：

data=pd.read_csv('./macrodata.csv') data0=data data=data[['year','quarter','pop','realgdp']]#提取所需要的四列數據 data_scatter=data data=data.loc[(data['year']>=1990),:]#使用1990年之后的數據 data=data.loc[data['quarter']==4,:]#使用第四季度的數據來畫圖

二.畫圖函數

1.plt.subplots()

參數列表：

fig,ax=plt.subplots(1,2, figsize=(8, 4.8))#生成一個一行兩列的子圖 畫布大小，高4.8，寬8

返回值
fig： matplotlib.figure.Figure 對象
ax：子圖對象（ matplotlib.axes.Axes）或者是他的數組
在matplotlib中，整個圖像為一個Figure對象。在Figure對象中可以包含一個或者多個Axes對象。每個Axes(ax)對象都是一個擁有自己坐標系統的繪圖區域

2.plt.subplots_adjust()

plt.subplots_adjust(left=0.15,bottom=0.14,right=0.95,top=0.65,hspace=0.12,wspace =0.25)#調整子圖的參數

參數含義：
left, right, bottom, top：子圖所在區域的邊界。

3.設置x軸y軸的刻度和標簽

ax[0].set_xlim(1989, 2009)#x的刻度范圍 ax[0].set_ylim(7000,14000)#y的刻度范圍 ax[0].set_xticks(yearxticks)#添加x軸刻度標簽plt.xlim(240,320) plt.ylim(7000,14000) plt.xticks(np.arange(240,321,20),fontsize=14)#生成x軸刻度 plt.yticks(fontsize=14)

4.使用中文標題在作圖時

plt.rcParams[‘font.sans-serif’] = [‘SimHei’] # 用來正常顯示中文標簽

三.畫折線圖(plot)

print('畫折線圖') from matplotlib import pyplot as plt fig,ax=plt.subplots(1,2, figsize=(8, 4.8))#生成一個一行兩列的子圖 畫布大小，高4.8，寬8yearxticks=[i for i in range(1990,2010,2)]#x軸的刻度標簽 plt.subplots_adjust(left=0.15,bottom=0.14,right=0.95,top=0.65,hspace=0.12,wspace =0.25)#調整子圖的參數ax[0].set_xlim(1989, 2009)#x的刻度范圍 ax[0].set_ylim(7000,14000)#y的刻度范圍 ax[0].set_xticks(yearxticks)#添加x軸刻度標簽 ax[0].plot(data['year'],data['realgdp'],'o-')#在第一幅子圖中畫出年份與GDP的圖像 ax[0].set_xticklabels(yearxticks,rotation=30)#x軸刻度標簽旋轉（避免重合） ax[0].set_ylabel('GDP (${10^{4}}$ USD)')#y軸標簽 ax[0].set_title('(a) GDP (1990-2009)')#設置標題ax[1].set_ylim(240,320) ax[1].set_xticks(yearxticks) ax[1].plot(data['year'],data['pop'],'o-')#在第二幅子圖中畫出年份與POP的圖像 ax[1].set_xticklabels(yearxticks,rotation=30) ax[1].set_ylabel('Population (${10^4}$)') ax[1].set_title('(b) Population (1990-2009)') plt.show()

四.畫散點圖(scatter)

print('畫散點圖') plt.figure(figsize=(8, 7.2))#要求圖幅大小，寬8，高7.2 plt.scatter(data_scatter['pop'],data_scatter['realgdp'],marker='o',color='blue',edgecolors='k', s=100)#畫散點圖，顏色為空，標記為O，邊緣顏色為黑色 plt.xlim(240,320) plt.ylim(7000,14000) plt.xticks(np.arange(240,321,20),fontsize=14)#生成x軸刻度 plt.yticks(fontsize=14) plt.title('Population versus GDP',fontsize=18) plt.xlabel('Population (${10^4}$)',fontsize=14) plt.ylabel('GDP (${10^{4}}$ USD)',fontsize=14) plt.show()

五.畫擬合曲線

擬合線方程中的參數可以使用numpy.polyfit(x, y, degree)函數來確定
圖例使用 plt.legend(loc = 4,fontsize = fontsize2) 其中4表示放置位置，fontsize表示字體大小。
文本使用plt.text(xPosition, yPostion, text, fontdict ={…})來添加，其中xPosition, yPostion表示文本左上角在坐標系中的實際坐標，并非比例因子；text表示需要添加的文本或字符串；fontdict表示一個參數字典，用于確定文本字體的大小、是否加粗、字體等

1.擬合指數R方

t=np.polyfit(x,y,1)#多項式擬合 階數為1階即線性擬合 f=np.poly1d(t)#獲得擬合多項式的系數 xvals=np.arange(np.min(x),np.max(x))#生成x的范圍 yvals=f(xvals)#生成y的范圍 r2=np.around(r2_score(y,f(x)),decimals=2)#計算r2 t=np.around(t, decimals=2)#保留兩位小數 print('畫擬合曲線') from sklearn.metrics import r2_score #np.set_printoptions(suppress=True) x=data['pop'] y=data['realgdp']t=np.polyfit(x,y,1)#多項式擬合 階數為1階即線性擬合 f=np.poly1d(t)#獲得擬合多項式的系數 xvals=np.arange(np.min(x),np.max(x))#生成x的范圍 yvals=f(xvals)#生成y的范圍 r2=np.around(r2_score(y,f(x)),decimals=2)#計算r2t=np.around(t, decimals=2)#保留兩位小數 plt.figure(figsize=(8, 7.2)) p1=plt.scatter(x,y,marker='o',color='blue',edgecolors='k', s=200) p2=plt.plot(xvals,yvals,'k') plt.xlim(240,320) plt.ylim(7000,14000) plt.xticks(np.arange(240,321,20),fontsize=14) plt.yticks(fontsize=14) plt.title('Population versus GDP',fontsize=18) plt.xlabel('Population (${10^4}$)',fontsize=14) plt.ylabel('GDP (${10^{4}}$ USD)',fontsize=14) plt.legend(['Fitted line','Sample'],loc=4,fontsize='xx-large')#添加圖例信息，在圖片右下角 text='y='+str(t[0])+'x'+str(t[1]) plt.text(250,13500, text,fontsize=12)#添加文本 擬合的多項式 text='${R^2}$='+str(r2) plt.text(250,13000,text,fontsize=12)#添加計算的R2 plt.show()

六.畫箱線圖

print('畫箱線圖') fig,ax=plt.subplots(1,2, figsize=(10, 4.8))#生成一個一行兩列的子圖 infl_by_quarter=[data0.loc[data0['quarter']==i,:]['infl'] for i in range(1,5)]#嵌套列表 列表中有四個子列表，分別對應1234季度的infl值 realint_by_quarter=[data0.loc[data0['quarter']==i,:]['realint'] for i in range(1,5)]#嵌套列表 列表中有四個子列表，分別對應1234季度的realint值titles=['Rectangular box plot','Notched box plot']#子圖標題 bplot0=ax[0].boxplot(infl_by_quarter,patch_artist=True)#獲得子圖1的句柄,一定要設置patch_artisit=True 不然后面無法上色 bplot1=ax[1].boxplot(realint_by_quarter,patch_artist=True,notch=True)#獲得子圖2的句柄 for i in range(0,2):ax[i].grid(axis='y')#顯示網格線ax[i].set_title(titles[i])#添加標題ax[i].set_ylabel('Observed values')ax[i].set_xlabel('Season')colors = ['pink', 'lightblue', 'lightgreen', 'lightcyan']#每個箱子對應的顏色 for bplot in (bplot0,bplot1): # bplot1和bplot2時繪圖的句柄#print(bplot)for patch, color in zip(bplot['boxes'], colors):patch.set_facecolor(color) plt.show()

七.畫直方圖(hist)與柱狀圖(bar)

print('畫直方圖與柱狀圖') infl_quarter_mean=data0.groupby(by='quarter').agg({'infl':np.mean})#根據季度分組，對于每一組求其平均值 fig,ax=plt.subplots(1,2,figsize=(12,4.8))ax[0].hist(data0['infl'],bins=20,density=True,color='g')#直方圖 ax[0].set_title('Histogram of infl') ax[0].set_xlabel('infl') ax[0].set_ylabel('Probability') ax[0].set_xticks([-5,0,5,10])ax[1].bar(np.arange(1,5),infl_quarter_mean['infl'],width=0.5,color='g')#柱狀圖 ax[1].legend(['infl'],loc=1)#添加圖例 ax[1].set_title('Bar of Seasonal infl') ax[1].set_xlabel('infl') ax[1].set_ylabel('Probability') ax[1].set_xticks([1,2,3,4]) ax[1].set_xticklabels(['1','2','3','4'],rotation=90)#設置x軸標簽 旋轉90度 plt.show() input('按回車鍵結束')

整體代碼實現

#!/usr/bin/env python # coding: utf-8# In[33]:import numpy as np import pandas as pddata=pd.read_csv('./macrodata.csv') data0=data data=data[['year','quarter','pop','realgdp']]#提取所需要的四列數據 data_scatter=datadata=data.loc[(data['year']>=1990),:]#使用1990年之后的數據 data=data.loc[data['quarter']==4,:]#使用第四季度的數據來畫圖print('讀入數據')# In[34]:print('畫折線圖') from matplotlib import pyplot as plt fig,ax=plt.subplots(1,2, figsize=(8, 4.8))#生成一個一行兩列的子圖yearxticks=[i for i in range(1990,2010,2)]#x軸的刻度標簽 plt.subplots_adjust(left=0.15,bottom=0.14,right=0.95,top=0.65,hspace=0.12,wspace =0.25)#調整子圖的參數ax[0].set_xlim(1989, 2009)#x的刻度范圍 ax[0].set_ylim(7000,14000)#y的刻度范圍 ax[0].set_xticks(yearxticks)#添加x軸刻度標簽 ax[0].plot(data['year'],data['realgdp'],'o-')#在第一幅子圖中畫出年份與GDP的圖像 ax[0].set_xticklabels(yearxticks,rotation=30)#x軸刻度標簽旋轉（避免重合） ax[0].set_ylabel('GDP (${10^{4}}$ USD)')#y軸標簽 ax[0].set_title('(a) GDP (1990-2009)')#設置標題 ax[1].set_ylim(240,320) ax[1].set_xticks(yearxticks) ax[1].plot(data['year'],data['pop'],'o-')#在第二幅子圖中畫出年份與POP的圖像 ax[1].set_xticklabels(yearxticks,rotation=30) ax[1].set_ylabel('Population (${10^4}$)') ax[1].set_title('(b) Population (1990-2009)') plt.show()# In[35]:print('畫散點圖') plt.figure(figsize=(8, 7.2)) plt.scatter(data_scatter['pop'],data_scatter['realgdp'],marker='o',color='blue',edgecolors='k', s=100)#畫散點圖，顏色為空，標記為O，邊緣顏色為黑色 plt.xlim(240,320) plt.ylim(7000,14000) plt.xticks(np.arange(240,321,20),fontsize=14)#生成x軸刻度 plt.yticks(fontsize=14) plt.title('Population versus GDP',fontsize=18) plt.xlabel('Population (${10^4}$)',fontsize=14) plt.ylabel('GDP (${10^{4}}$ USD)',fontsize=14) plt.show()# In[36]:print('畫擬合曲線') from sklearn.metrics import r2_score #np.set_printoptions(suppress=True) x=data['pop'] y=data['realgdp']t=np.polyfit(x,y,1)#多項式擬合 階數為1階即線性擬合 f=np.poly1d(t)#獲得擬合多項式的系數 xvals=np.arange(np.min(x),np.max(x))#生成x的范圍 yvals=f(xvals)#生成y的范圍 r2=np.around(r2_score(y,f(x)),decimals=2)#計算r2t=np.around(t, decimals=2)#保留兩位小數 plt.figure(figsize=(8, 7.2)) p1=plt.scatter(x,y,marker='o',color='blue',edgecolors='k', s=200) p2=plt.plot(xvals,yvals,'k') plt.xlim(240,320) plt.ylim(7000,14000) plt.xticks(np.arange(240,321,20),fontsize=14) plt.yticks(fontsize=14) plt.title('Population versus GDP',fontsize=18) plt.xlabel('Population (${10^4}$)',fontsize=14) plt.ylabel('GDP (${10^{4}}$ USD)',fontsize=14) plt.legend(['Fitted line','Sample'],loc=4,fontsize='xx-large')#添加圖例信息，在圖片右下角 text='y='+str(t[0])+'x'+str(t[1]) plt.text(250,13500, text,fontsize=12)#添加文本 擬合的多項式 text='${R^2}$='+str(r2) plt.text(250,13000,text,fontsize=12)#添加計算的R2 plt.show()# In[37]:print('畫箱線圖') fig,ax=plt.subplots(1,2, figsize=(10, 4.8))#生成一個一行兩列的子圖 infl_by_quarter=[data0.loc[data0['quarter']==i,:]['infl'] for i in range(1,5)]#嵌套列表 列表中有四個子列表，分別對應1234季度的infl值 realint_by_quarter=[data0.loc[data0['quarter']==i,:]['realint'] for i in range(1,5)]#嵌套列表 列表中有四個子列表，分別對應1234季度的realint值titles=['Rectangular box plot','Notched box plot']#子圖標題 bplot0=ax[0].boxplot(infl_by_quarter,patch_artist=True)#獲得子圖1的句柄,一定要設置patch_artisit=True 不然后面無法上色 bplot1=ax[1].boxplot(realint_by_quarter,patch_artist=True,notch=True)#獲得子圖2的句柄 for i in range(0,2):ax[i].grid(axis='y')#顯示網格線ax[i].set_title(titles[i])#添加標題ax[i].set_ylabel('Observed values')ax[i].set_xlabel('Season')colors = ['pink', 'lightblue', 'lightgreen', 'lightcyan']#每個箱子對應的顏色 for bplot in (bplot0,bplot1): # bplot1和bplot2時繪圖的句柄#print(bplot)for patch, color in zip(bplot['boxes'], colors):patch.set_facecolor(color) plt.show()# In[38]: print('畫直方圖與柱狀圖') infl_quarter_mean=data0.groupby(by='quarter').agg({'infl':np.mean})#根據季度分組，對于每一組求其平均值 fig,ax=plt.subplots(1,2,figsize=(12,4.8)) ax[0].hist(data0['infl'],bins=20,density=True,color='g')#直方圖 ax[0].set_title('Histogram of infl') ax[0].set_xlabel('infl') ax[0].set_ylabel('Probability') ax[0].set_xticks([-5,0,5,10]) ax[1].bar(np.arange(1,5),infl_quarter_mean['infl'],width=0.5,color='g')#柱狀圖 ax[1].legend(['infl'],loc=1)#添加圖例 ax[1].set_title('Bar of Seasonal infl') ax[1].set_xlabel('infl') ax[1].set_ylabel('Probability') ax[1].set_xticks([1,2,3,4]) ax[1].set_xticklabels(['1','2','3','4'],rotation=90)#設置x軸標簽 旋轉90度 plt.show() input('按回車鍵結束')

總結

以上是生活随笔為你收集整理的数据科学与python语言——Matplotlib数据可视化基础的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。