Python 从入门到实战46（Matplotlib绘制常用表）

        我们的目标是：通过这一套资料学习下来，可以熟练掌握python基础，然后结合经典实例、实践相结合，使我们完全掌握python，并做到独立完成项目开发的能力。

        上篇文章我们学习了pandas数据操作的相关基础知识。今天学习一下Matplotlib绘制常用表的相关操作。

        Matplotlib是一个python 2D绘图库，常用于数据可视化。只需要很少的几行代码就可以绘制各种各样的图标，如柱形图、折线图、散点图、饼形图等。

1、绘制柱形图

柱形图，又称长条图、柱形图、条状图等，是一种以长方形的长度为变量的统计图表。柱形图用来比较两个或以上的数据。只有一个变量，通常用于较小的数据集分析。

Matplotlib 绘制柱形图主要使用bar()函数，语法格式如下：

matplotlib.pyplot.bar(x,height,width,bottom=None,*,align=’center’,data=None,**kwargs)

参数说明：

x: x轴数据

height：柱子的高度，也就是Y轴数据

width：浮点型，柱子的宽度，默认值是0.8，可以指定固定值

bottom：标量或数组，可选参数，柱形图的y坐标，默认值为None

*:星号本身不是参数。星号表示其后面的参数为命名关键字参数，命名关键字参数必须传入参数名，否在程序会出现错误。

align:对齐方式，如center—居中，edge—边缘，默认值center

data:data 关键字参数，如果给定一个数据参数，所有位置和关键字参数将被替换

** kwargs：关键字参数，如color—颜色，alpha—透明度，label—每个柱子显示的标签。

举例说明：

假如数据为：

绘制柱形图：

import pandas as pd #导入pandas 模块
import matplotlib.pyplot as plt #导入matplotlib.pyplot 模块


df =pd.read_excel("./test_data/sales_data.xlsx") #读取数据
plt.rcParams["font.sans-serif"]=["SimHei"]  #解决中文乱码

x = df["年份"]   #x轴数据
height = df["销售额"]  #柱子的高度
plt.grid(axis="y",which="major")  #生成虚线网络
#x，y轴标签设定
plt.xlabel("年份")
plt.ylabel("线上销售额（元）")

#图表的标题
plt.title("2018-2024销售额")
#绘制柱形图，width 柱子宽度，align 居中对齐，color 为柱子颜色，alpha 为透明度
plt.bar(x,height,width=0.5,align="center",color="b",alpha=0.5)

#设置每个柱子的文本标签
for a,b in zip(x,height):
    plt.text(a,b,format(b,","),ha="center",va="bottom",fontsize=9,color="b",alpha=0.9)
plt.legend(["销售额"])  #设置图例
plt.show()            #显示图表

执行结果：

2、绘制折线图

折线图可以显示随时间变化的连续数据，因此非常适用于显示在相等时间间隔下数据的趋势。

在折线图中，类别数据沿水平轴均匀分布，所有值数据沿垂直轴均匀分布。Matplotlib 主要使用plot()函数绘制折线图，语法：

matplotlib.pyplot.plot(x,y,format_string,**kwargs)

说明如下：

x: x轴数据

y: y轴数据

format_string：控制曲线格式的字符串，包含颜色、线条样式，标记样式

**kwargs：附加参数，用于设置自动图例、线宽、标记颜色等

label ---数据标签

color---折线颜色

maker—标记样式

linestyle---折线样式

mfc---标记填充颜色

ms---标记大小

alpha---透明度，设置该参数可以改变颜色的深浅

举例说明：

import pandas as pd #导入pandas 模块
import matplotlib.pyplot as plt #导入matplotlib.pyplot 模块


df1 = pd.read_excel("./test_data/scores_data.xlsx") #读取excel中数据，读出的数据是DataFrame格式

#绘制多折线图，每个学科的成绩一条折线，学生姓名为x轴
x1 = df1["姓名"]  #取出姓名的一列
y1 = df1["语文"]
y2 = df1["数学"]
y3 = df1["英语"]
plt.rcParams["font.sans-serif"]=["SimHei"]  #解决中文乱码
plt.rcParams["xtick.direction"]="out" #x 轴的刻度线向外显示
plt.rcParams["ytick.direction"]="in" #y 轴的刻度线向内显示
#图表的标题
plt.title("语数外成绩比较图",fontsize="18")

#绘制语文折线图
plt.plot(x1,y1,label="语文",color='r',marker="p")
#绘制数学折线图
plt.plot(x1,y2,label="数学",color='g',marker=".",mfc="r",ms=8,alpha=0.6)
#绘制英文折线图
plt.plot(x1,y3,label="英语",color='b',marker="*",linestyle="-")
plt.grid(axis="y")  #显示网络关闭y轴
plt.ylabel("分数") #y轴标签
plt.yticks(range(50,150,10)) #y轴刻度值范围设定
plt.legend(["语文","数学","英语"])  #设置图例
plt.show()            #显示图表

执行结果：

3、绘制散点图

散点图是用来查看数据的分布情况或相关性，一般用在线性回归分析中，以查看数据点在坐标系平面上的分布情况。散点图表示因变量随自变量变化的大致趋势。

matplotlib 绘制散点图使用plot()和scatter()函数可以实现。

scatter()函数语法：

matplotlib.pyplot.scatter(x, y, s=None, c=None, marker=None, cmap=None, norm=None, vmin=None, vmax=None, alpha=None, linewidths=None, *, edgecolors=None, plotnonfinite=False, data=None, **kwargs)

举例说明：

import pandas as pd #导入pandas 模块
import matplotlib.pyplot as plt #导入matplotlib.pyplot 模块
df1 = pd.read_excel("./test_data/sales_advise_data.xlsx") #读取excel中数据，读出的数据是DataFrame格式
x = df1["支出"] #取出“支出”这一列的数据
y = df1["收入"]
plt.rcParams["font.sans-serif"]=["SimHei"]  #解决中文乱码
plt.title("销售收入和广告费散点图")
plt.ylabel("销售收入") #y轴标签
plt.xlabel("广告费之处") #x轴标签
plt.scatter(x,y,color="red",alpha=0.5)#真实值散点图
plt.show()  #显示图片

执行结果：

4、绘制饼形图

饼形图常用来显示各个部分在整体所占的比例。例如，我们测试工作中发现了很多bug,我们可以对bug类型进行分类，然后计算每类bug占总bug数的比例。以此确定主要问题类型。这样，若是通过比例的表格形式展示出来就不直观，若是使用饼形图来表示就一目了然了！

Matplotlib 绘制饼形图主要使用pie()函数，语法：

pie(
    x: ArrayLike,
    explode: ArrayLike | None = None,
    labels: Sequence[str] | None = None,
    colors: ColorType | Sequence[ColorType] | None = None,
    autopct: str | Callable[[float], str] | None = None,
    pctdistance: float = 0.6,
    shadow: bool = False,
    labeldistance: float | None = 1.1,
    startangle: float = 0,
    radius: float = 1,
    counterclock: bool = True,
    wedgeprops: dict[str, Any] | None = None,
    textprops: dict[str, Any] | None = None,
    center: tuple[float, float] = (0, 0),
    frame: bool = False,
    rotatelabels: bool = False,
    *,
    normalize: bool = True,
    hatch: str | Sequence[str] | None = None,
    data=None,
)

参数说明：

1. x：一维数据，通常是一个列表或者数组，表示饼图的每部分的数值。

1. explode：同样大小的数组，指定饼图各部分分离多远。

1. labels：提供饼图每部分的标签的字符串列表。

1. colors：设置饼图每部分的颜色。

1. autopct：格式字符串或者返回字符串的函数，用于标注每部分的比例。

1. pctdistance：标注比例距离饼图中心的距离。

1. shadow：布尔值，是否显示阴影。默认是False

1. labeldistance：文本标签与圆的半径的距离。

1. startangle：起始绘制的角度，默认是从x轴正方向逆时针方向开始。

1. radius：定义饼图的半径大小。

1. counterclock：是否使用逆时针方向标签。默认值为True表示逆时针

1. wedgeprops：字典，用于设置扇形的属性，如边界颜色、宽度等。

1. textprops：字典，用于设置文本标签的属性，如字体大小、颜色等。

1. center：一个元组，定义饼图的中心位置。

举例说明：

import pandas as pd #导入pandas 模块
import matplotlib.pyplot as plt #导入matplotlib.pyplot 模块
#绘制饼形图
df1 = pd.read_excel("./test_data/pie_shengshi_data.xlsx") #读取excel中数据，读出的数据是DataFrame格式
plt.rcParams["font.sans-serif"] = ["SimHei"]  #解决中文乱码
plt.figure(figsize=(5,3))    #设置画布大小
labels = df1["省"]   #饼图标签，取省那一列值
sizes = df1["销量"]   #饼图数据，不需要计算成比例

#设置饼图中每个扇形的颜色
colors = ["red","yellow","slateblue","green","magenta","cyan","darkorange","lawngreen","pink","gold"]

plt.pie(sizes,                 #饼图数据
        labels = labels,        #添加区域水平标签
        colors = colors,
        labeldistance= 1.02,   #设置扇形标签（图例）与圆心的距离
        autopct = "%.1f%%",#设置百分比的格式，保留一位小数
        startangle=90,  #设置饼图的初始角度
        radius=0.5,#设置饼图的半径
        center=(0.2,0.2), #设置饼图的原点
        textprops={"fontsize":9,"color":"k"},   #设置文本标签的属性值
        pctdistance=0.6     #设置百分比标签与圆心的距离
        )
plt.axis("equal")   #设置x,y轴刻度一致，保证饼图为圆形
plt.title("2024年12月各省、区或市占销售比情况分析")  #标题
plt.show()  #展示图片

执行结果：

今天先写学习到这里了，每天进步一点点。明天也要加油啊！