作为数据分析Python的三剑客之一的“Matplotlib”承担着数据可视化重要使命。现在根据所学的内容进行一个简要的陈述,然后下个路口左拐。
适用用于关系类图表、分布类图表的Seaborn库,是专门基Matplotlib开发的库,它是Matplotlib的高级封装和增强版。
import matplotlib.pyplot as plt #“pyplot是专门用来画图的子模块plt.rcParams['font.sans-serif']='SimHei' #设置中文字体plt.rcParams['axes.unicode_minus']=False #显示坐标轴负号------------------------------------------------plt.figure(figsize=(6,4)) #创建画布,并设置大小plt.图表(paramters)---#主图的参数plt.title('图表标题',fontsize=13) plt.xlabels('x轴标签',fontsize=11)plt.ylabels('y轴标签',fontsize=11)plt.tight_layout() #自动调整布局,防止标签重叠plt.show() #展示图片--------------------------------------------------#坐标轴刻度与旋转plt.xticks(rotation=45) #X轴文字逆时针旋转45度plt.yticks(rotation=0) #y轴文字旋转plt.xticks([1,2,3,4,5]) #自定义X轴刻度位置plt.yticks([0,3,4,5,7]) #自定义Y轴刻度位置--##坐标轴范围plt.xlim(0,10) #限定x轴的左右范围plt.ylim(-5,5) #限定y轴的上下范围--###网格&图例plt.grid(True,alpha=0.4) #显示网格,透明度0.4plt.legend(loc='best') #显示图例,自动选择最佳位置--####风格plt.style.use('default') #切换绘图风格,ggplot、seaborn-v0_8--#####保存plt.savefig('figure.png',dpi=300) #保存高清图--------------------------------------------------plt.axis('off') #可关闭坐标轴plt.clf() #清空当前画布
fig,(ax1,ax2)=plt.subplots(1,2,figsize=(8,6))
plt.subplots(1,2),创建了画布和子图;fig-代表整张画布;(ax1,ax2)代表两个坐标轴。需要区别的是,plt.figure() 这个只创建了一个画布,通过plt.图表()只能画一张图。两者差异(plt.=ax2.set_), 对于给坐标轴赋值、修改内容的需要注意。plt.title('标题1') vs ax2.set_title('标题2')
plt.bar() vs ax2.bar()plt.legend() vs ax2.legend()
最后,需要熟悉图表的英文名称及其需要的参数,具体图表元素设置后面再查找(线条类型、颜色、大小、数值显示格式)plt.bar(x,y)----- --柱形图,x为标签,y为数值plt.barch(x,y)- ----条形图,x数值,y为标签plt.scatter(x,y)----散点图,c-颜色,s-大小plt.pie(data)-------饼图,labels-标签,autopct-百分比plt.hist(data)------直方图,bins-柱子数,color-柱子颜色plt.boxplot(data)---箱线图
对柱状图、条形图、散点图它们需要看的是关系,所以需要2组数据,对只看数据本身分布情况的,如直方图、饼图、箱线图,1组数据足够。~~感觉思路越发清晰了,图表的具体参数慢慢也就能背下来了。这次的分享就到这里,如果你觉得有收获,点个赞👍。
昨天,明天都是自己的一点点念想,我爱今天握在手中的时光与阳光。