matplotlib绘制散点图

使用scatter方法设置散点图，与之前绘制折线图见Chapter1数据分析的唯一区别。

#coding=utf-8
from matplotlib import  pyplot as plt
y_3=[11,17,16,11,12,11,12,6,6,7,8,9,12,15,14,17,18,21,16,17,20,14,15,15,15,19,21,22,22,22,23]
y_10=[26,26,28,19,21,17,16,19,18,20,20,19,22,23,17,20,21,20,22,15,11,15,5,13,17,10,11,13,12,13,6]
x_3=range(1,32)
x_10=range(51,82)

#设置中文
import matplotlib
matplotlib.rc('font',family='SimHei')

#设置图形大小
plt.figure(figsize=(20,8),dpi=80)
plt.scatter(x_3,y_3,label='三月份')
plt.scatter(x_10,y_10,label='十月份')

#调整x轴的刻度
_x=list(x_3)+list(x_10)
_xtick_labels=['3月{}日'.format(i) for i in x_3]
_xtick_labels+=['10月{}日'.format(i-50) for i in x_10]
plt.xticks(_x[::3],_xtick_labels[::3],rotation=45)

#添加描述信息
plt.xlabel('时间')
plt.ylabel('温度')
plt.title('三月份和十月份的温度散点图')

#添加图例
plt.legend(loc='upper left')

#展示图形
plt.show()

matplotlib绘制条形图

条形图

使用bar方法设置条形图

#coding=utf-8
from matplotlib import pyplot as plt
a = ['战狼2','速度与激情8','功夫瑜伽','西游伏妖篇','变形金刚5：\n最后的骑士','摔跤吧！爸爸','加勒比海盗5：\n死无对证','金刚：骷髅岛','极限特工：\n终极回归','生化危机6：\n终章','乘风破浪','神偷奶爸3','智取威虎山','大闹天竺','金刚狼3：\n殊死一战','蜘蛛侠：\n英雄归来','悟空传','银河护卫队2','情圣','新木乃伊',]
b=[56.01,26.94,17.53,16.49,15.45,12.96,11.8,11.61,11.28,11.12,10.49,10.3,8.75,7.55,7.32,6.99,6.88,6.86,6.58,6.23]
#设置中文
import matplotlib
matplotlib.rc('font',family='SimHei')

#设置图形大小
plt.figure(figsize=(20,8),dpi=80)
#绘制条形图
plt.bar(range(len(a)),b,width=0.3)
#设置x轴
plt.xticks(range(len(a)),a,rotation=45)
#展示
plt.show()

横置条形图

如果遇到横坐标的每项太长，可以使用barh绘制横置条形图，width改为height，xticks改为yticks

#coding=utf-8
from matplotlib import pyplot as plt
a = ['战狼2','速度与激情8','功夫瑜伽','西游伏妖篇','变形金刚5：最后的骑士','摔跤吧！爸爸','加勒比海盗5：死无对证','金刚：骷髅岛','极限特工：终极回归','生化危机6：终章','乘风破浪','神偷奶爸3','智取威虎山','大闹天竺','金刚狼3：殊死一战','蜘蛛侠：英雄归来','悟空传','银河护卫队2','情圣','新木乃伊',]
b=[56.01,26.94,17.53,16.49,15.45,12.96,11.8,11.61,11.28,11.12,10.49,10.3,8.75,7.55,7.32,6.99,6.88,6.86,6.58,6.23]
#设置中文
import matplotlib
matplotlib.rc('font',family='SimHei')

#设置图形大小
plt.figure(figsize=(20,8),dpi=80)
#绘制横置条形图
plt.barh(range(len(a)),b,height=0.3,color='yellow')  #因为横置条形图，所以用height
#设置y轴
plt.yticks(range(len(a)),a)
#设置网格
plt.grid(alpha=0.3)
#展示
plt.show()

绘制对比的条形图，要注意绘制条形图时宽度的设置

#coding=utf-8
from matplotlib import pyplot as plt
#设置中文
import matplotlib
matplotlib.rc('font',family='SimHei')

a = ["猩球崛起3：终极之战","敦刻尔克","蜘蛛侠：英雄归来","战狼2"]
b_16 = [15746,312,4497,319]
b_15 = [12357,156,2045,168]
b_14 = [2358,399,2358,362]
#设置宽度变量
bar_width=0.2
#设置图形大小
plt.figure(figsize=(20,8),dpi=80)
#绘制条形图
x_14=list(range(len(a)))
x_15=[i+bar_width for i in x_14]
x_16=[i+2*bar_width for i in x_14]
plt.bar(x_14,b_14,width=bar_width,color='yellow',label='9月14')
plt.bar(x_15,b_15,width=bar_width,color='green',label='9月15日')
plt.bar(x_16,b_16,width=bar_width,color='blue',label='9月16日')
#设置x轴
plt.xticks(x_15,a)  #x_15（正中间）是放置a的位置
#设置图例
plt.legend(loc='upper right')
#展示图片
plt.show()

条形图的应用场景

（1）数量统计
（2）频率统计

已经统计好的数据

最好使用条形图而避免使用直方图

#coding=utf-8
from matplotlib import pyplot as plt
import matplotlib
#matplotlib.rc('font',family='YaHei')

interval=[0,5,10,15,20,25,30,35,40,45,60,90] #时间段，x轴
width=[5,5,5,5,5,5,5,5,5,15,30,60]  #组距
quantity=[836,2737,3723,3926,3596,1438,3273,642,824,613,215,47]

#设置图形大小
plt.figure(figsize=(20,8),dpi=80)

plt.bar(range(12),quantity,width=1)

#设置x轴刻度(难点)
_x=[i-0.5 for i in range(13)]
_xtick_labels=interval+[150]
plt.xticks(_x,_xtick_labels)

#显示图形
plt.show()

matplotlib绘制直方图

直方图

使用hist来绘制直方图，需要原始数据，即未统计过的数据。

组数：将数据分组，如果数据在100以内，按数据多少常分为5-12组
组距：按每个小组的两个端点距离
组数=极差/组距

#coding=utf-8
from matplotlib import pyplot as plt
#设置中文
import matplotlib
matplotlib.rc('font',family='SimHei')

a=[131,98,125,131,124,139,131,117,128,108,135,138,131,102,107,114,119,128,121,142,127,130,124, 101, 110, 116, 117, 110, 128, 128, 115,  99, 136, 126, 134,  95, 138, 117, 111,78, 132, 124, 113, 150, 110, 117,  86,  95, 144, 105, 126, 130,126, 130, 126, 116, 123, 106, 112, 138, 123,86,101,99,136,123, 117, 119, 105, 137, 123, 128, 125, 104, 109, 134, 125,127,105,120,107,129,116,108,132,103,136,118,102,120,114,105,115,132,145,119,121,112,139, 125, 138, 109, 132, 134,156, 106, 117, 127,144,139,139,119,140,83,110,102,123,107,143,115,136,118,139,123,112,118,125,109,119,133,112, 114, 122, 109, 106, 123, 116, 131, 127, 115, 118, 112, 135,115, 146, 137, 116, 103, 144,  83, 123, 111, 110, 111, 100, 154,136,100,118,119,133,134,106,129,126, 110, 111,109,141,120,117,106,149,122,122,110,118,127,121,114,125,126,114,140,103,130,141,117,106,114,121,114,133,137,92,121,112,146,97,137,105,98,117,112,81,97,139,113,134,106,144,110,137,137,111, 104, 117, 100, 111, 101, 110,105, 129, 137, 112, 120, 113, 133,112,83,94,146,133,101,131,116,111,84,137,115,122,106,144,109,123,116,111,111,133,150]

#设置图形大小
plt.figure(figsize=(20,8),dpi=80)

#计算组数
d=3   #组距
num_bins=(max(a)-min(a))//d #整除，会导致条形图偏移，所以在设置组距时最好设置为max(a)-min(a)的除数。

#绘制直方图
plt.hist(a,num_bins) #num_bins组数,或者数组。加density=1,stacked=True是否绘制频率分布直方图，默认频数直方图

#设置x轴的刻度
plt.xticks(range(min(a),max(a)+d,d))

#添加网格
plt.grid(alpha=0.3)

#展示图形
plt.show()

直方图的更多应用场景

（1）用户年龄分布状态
（2）一段时间内用户点击次数的分布状态
（3）用户活跃时间的分布状态

更多的绘图工具的了解

选择哪种图形来呈现数据

展现变化——折线图
统计离散数据——条形图

matplotlib使用流程

明确问题——选择图形呈现方式——准备数据——绘图和图形完善

更多图形样式

（1）可以查看url地址：url地址
（2）实际使用数据可视化图表库就可以看到很多图形。
（3）plotly:可视化工具中的github，相对于matplotlib更加简单，图形更加漂亮。链接：Plotly
（4）seaborn

总结