[鏈接]

01. matplotlib API入門

02. Pandas中的繪圖函數(shù)

03. 繪制地圖：圖形化顯示海地地震危機數(shù)據(jù)

04. Python圖形化工具生態(tài)系統(tǒng)

——

1. matplotlib API入門

* matplotlib API（如plot和close）都位于matplotlib.pyplot模塊中，其通常的引入約定是：

import matplotlib.pylot as plt

Figure 和 Subplot

• matplotlib 的圖像都位于Figure對象中，可以利用plt.figure創(chuàng)建一個新的Figure:
  fig=plt.figure()

pandas中的繪圖函數(shù)

• 要組裝一張圖標(biāo)，需要用到的基礎(chǔ)組件：

  & 數(shù)據(jù)展示（即圖表類型：線型圖、柱狀圖、盒形圖、散布圖、等值線圖等）

  & 圖例、標(biāo)題、刻度標(biāo)簽以及其他注解型信息

——————————————————————————

lesson7 matplotlib

——————————————————————————

matplotlib繪圖基礎(chǔ)

在繪圖開始之前，首先需要導(dǎo)入一些常用工具

導(dǎo)入matlpotlib繪圖工具

import matplotlib.pyplot as plt

導(dǎo)入numpy和pandas包

import numpy as np

import pandas as pd

設(shè)置在notebook中直接展示圖形輸出

%matplotlib inline

設(shè)置圖片的清晰度

%config inlinebackend.figure_format='retina'

1.使用matplotlib中的plot繪圖函數(shù) plt.plot(x,y)

2.設(shè)置填充顏色和透明度 plt.fill_between(x,y,color='k',alpha=0.2)

3.添加標(biāo)題、x軸和y軸的名稱

• 標(biāo)題：plt.title('sine function',size=18)
• X軸：plt.xlabel('x',size=16)
• Y軸：plt.ylabel('y',size=16)

4.修改圖形細(xì)節(jié)

• "b"代表blue，指定藍色，"- / --"指定線條的種類
• linewidth指定線的粗細(xì)

plt.plot(x, y, "b-", linewidth=2.0)

5.在圖形上增加其他常用選項

• marker加上書記點標(biāo)記 ，選項包括 [ '+' | ',' | '.' | '1' | '2' | '3' | '4' ]
• plt.axis([0, 5, -1.1, 1.1])設(shè)定x軸和y軸區(qū)間，等價于plt.xlim(0,5) 加上 plt.ylim(-1.1, 1.1)
• 加上網(wǎng)格 plt.grid(True)
• 加上文字描述 plt.text(3.1, 0.3, 'sin functoin')

* 實際演練：利用上面的知識，畫一張圖，作圖如下：

y=x, y=x^2, y=x^3

6.函數(shù)的分組與聚合

• groupby分組，并使用agg進行聚合運算，sum求交易總額，count計算交易次數(shù)
• reset_index 重置索引，在這里取消了name作為索引
• sort_values 進行排序，參數(shù)by設(shè)置按哪一列進行排序，ascending=False 表示按降序排列

df.groupby('name')['ext price'].agg(['sum','count'])——函數(shù)的分組與聚合

.reset_index()——重置索引

.sort_values(by='sum',ascending=False)——按by后面的內(nèi)容（sum）重新排序

其中 ascending=False 表示按降序排列

7. 使用rename對變量重新命名

top10.rename(columns={'name': 'Name', 'sum': 'Sales', 'count': 'Purchases'}, inplace=True)

8. 繪圖函數(shù)

• 使用ggplot風(fēng)格的作圖
  plt.style.use('ggplot')

* 8.1條形圖

barh繪制水平方向的條形圖， bar繪制垂直的直方圖

• 修改縱坐標(biāo)和橫坐標(biāo)的刻度
  plt.yticks(np.arange(10), top10.Name)—將縱坐標(biāo)修改為排名前10的公司名字
  plt.xticks——修改橫坐標(biāo)刻度
• plt.yticks(np.arange(10), top10.Name)
• plt.xticks([0, 20000, 40000, 60000, 80000, 100000, 120000, 140000],
  ['$0k', '$20k', '$40k', '$60k', '$80k', '$100k', '$120k', '$140k'])

圖一

圖二

• 可以使用plt.style.available查看可選作圖風(fēng)格，嘗試不同的風(fēng)格作圖

plt.style.available

• ['_classic_test',

• 'bmh',

• 'classic',

• 'dark_background',

• 'fivethirtyeight',

• 'ggplot',

• 'grayscale',

• 'seaborn-bright',

• 'seaborn-colorblind',

• 'seaborn-dark-palette',

• 'seaborn-dark',

• 'seaborn-darkgrid',

• 'seaborn-deep',

• 'seaborn-muted',

• 'seaborn-notebook',

• 'seaborn-paper',

• 'seaborn-pastel',

• 'seaborn-poster',

• 'seaborn-talk',

• 'seaborn-ticks',

• 'seaborn-white',

• 'seaborn-whitegrid',

• 'seaborn']

* 繪制多圖

在同一幅圖中，分別繪制top10公司的銷售總額和交易次數(shù)的條形圖

• 設(shè)置畫布大小——fig = plt.figure(figsize=(12,5))
• 加上圖像標(biāo)題, fontsize=14 字體大小, fontweight='bold' 加粗
  fig.suptitle('Sales Analysis', fontsize=14, fontweight='bold')
• 添加第一個子圖——ax1 = fig.add_subplot(121)
  plt.barh(np.arange(10), top10.Sales, height=0.5, tick_label=top10.Name)
  plt.title('Revenue')
• 加入平均銷售額，用一條垂直的虛線表示
  revenue_average = top10.Sales.mean()
  plt.axvline(x=revenue_average, color='b', linestyle='--', linewidth=1)
• 添加第二個子圖——ax2 = fig.add_subplot(122)
  plt.barh(np.arange(10), top10.Purchases, height=0.5)
  plt.title('Units')
• 不顯示y軸刻度
  plt.yticks(visible=False)
• 加入平均交易個數(shù)，用一條垂直的虛線表示
  purchases_average = top10.Purchases.mean()
  plt.axvline(x=purchases_average, color='b', linestyle='--', linewidth=1)

Paste_Image.png

* 8.2餅圖

• pie繪制餅圖
• labels設(shè)置每個區(qū)域的標(biāo)簽名 labels=top10.Name
• autopct 顯示所占比例 autopct='%1.1f%%')—1.1代表100%后保留一位小數(shù)
• plt.axis('equal') 調(diào)整坐標(biāo)軸相等
  餅圖圖例如下

圖三

* 8.3 散點圖

• scatter 繪制散點圖
• x,y設(shè)置x軸和y軸對應(yīng)的數(shù)據(jù)
• s設(shè)置點的大小
  plt.scatter(x=top10.Purchases, y=top10.Sales, s=50)
  散點圖圖例如下

圖四

* 8.4直方圖

• hist 繪制直方圖
• bins設(shè)置區(qū)間個數(shù)
• plt.xlim(-200, 5000)設(shè)置x軸區(qū)間范圍
  plt.hist(df['ext price'], bins=20, rwidth=0.9)
• 設(shè)置寬度 rwidth=0.5(為什么width前面加 r ?)
  直方圖圖例如下

圖五

Python數(shù)據(jù)可視化模塊—Seaborn

• matplotlib是python的主要繪圖工具，但其自身的語法比較復(fù)雜
• Seaborn是基于matplotlib產(chǎn)生的一個模塊，專攻于統(tǒng)計可視化
• 可以和pandas進行無縫鏈接，初學(xué)者使用Seaborn更容易上手
• Seaborn和matplotlib的關(guān)系類似于pandas和numpy的關(guān)系。

1.導(dǎo)入數(shù)據(jù)包

• 導(dǎo)入seaborn包， 簡寫成sns
  import seaborn as sns

使用seaborn做圖， 用品種劃分?jǐn)?shù)據(jù)

• FacetGrid對象是用來連接pandas DataFrame到一個有著特別結(jié)構(gòu)的matplotlib圖像
• 具體來說，F(xiàn)acetGrid是用來畫一組固定的關(guān)系給定某個變量的某個值
• FacetGrid中的hue參數(shù)指明劃分?jǐn)?shù)據(jù)的變量，這里是species（品種）

1.1 散點圖

sns.FacetGrid(iris, hue="species", size=8).map(plt.scatter, "petal_length", "petal_width").add_legend()

圖六

1.2 箱圖
sns.boxplot(data=iris, x="species", y="sepal_width")

圖七

1.3 多變量圖

用于快速觀察各個變量的分布，及其之間的關(guān)系

• 一行命令畫出四個變量的配對關(guān)系
  sns.pairplot(iris, hue="species")

Paste_Image.png