数据的处理、分析和可视化已经成为Python近年来最为重要的应用领域之一，其中数据的可视化指的是将数据呈现为漂亮的统计图表，然后进一步发现数据中包含的规律以及隐藏的信息。
Matplotlib就是Python绘图库中的佼佼者，它包含了大量的工具，你可以使用这些工具创建各种图形（包括散点图、折线图、直方图、饼图、雷达图等），Python科学计算社区也经常使用它来完成数据可视化的工作。
安装matplotlib
可以使用pip来安装matplotlib，命令如下所示。
1pip install matplotlib
绘制折线图
1# coding: utf-8 2import matplotlib.pyplot as plt 3 4 5def main(): 6 # 保存x轴数据的列表 7 x_values = [x for x in range(1, 11)] 8 # 保存y轴数据的列表 9 y_values = [x ** 2 for x in range(1, 11)] 10 # 设置图表的标题以及x和y轴的说明 11 plt.title('Square Numbers') 12 plt.xlabel('Value', fontsize=18) 13 plt.ylabel('Square', fontsize=18) 14 # 设置刻度标记的文字大小 15 plt.tick_params(axis='both', labelsize=16) 16 # 绘制折线图 17 plt.plot(x_values, y_values) 18 plt.show() 19 20 21if __name__ == '__main__': 22 main() 运行程序，效果如下图所示。
如果使用jupyter的notebook，需要使用魔法指令 %matplotlib inline 来设置在页面中显示图表，效果如下所示。
绘制散点图
可以将上面代码中的的 plot 函数换成 scatter 函数来绘制散点图，效果如下图所示。
当然，也可以直接通过 plot 函数设置绘图的颜色和线条的形状将折线图改造为散点图，对应的代码如下所示，其中参数'xr'表示每个点的记号是‘x’图形，颜色是红色（red）。
1plt.plot(x_values, y_values, 'xr')
重新运行程序，效果如下图所示。
可能大家已经注意到了，1和10对应的‘x’记号在图形边角的位置不太明显，要解决这个问题可以通过添加下面的代码调整x轴和y轴的坐标范围。
1plt.axis([0, 12, 0, 120])
调整后的效果如下图所示。
绘制正弦曲线
在下面的程序中，我们使用了名为NumPy的第三方库来产生样本并计算正弦值。NumPy是一个运行速度非常快的数学库，主要用于数组计算。它可以让你在Python中使用向量和数学矩阵，以及许多用C语言实现的底层函数。如果想通过Python学习数据科学或者机器学习相关的内容，那么就得先学会使用NumPy。
1# coding: utf-8 2import matplotlib.pyplot as plt 3import numpy as np 4 5 6def main(): 7 # 指定采样的范围以及样本的数量 8 x_values = np.linspace(0, 2 * np.pi, 1000) 9 # 计算每个样本对应的正弦值 10 y_values = np.sin(x_values) 11 # 绘制折线图(线条形状为--, 颜色为蓝色) 12 plt.plot(x_values, y_values, '--b') 13 plt.show() 14 15 16if __name__ == '__main__': 17 main()
运行程序，效果如下图所示。
如果要在一个坐标系上绘制多个图像，可以按照如下的方式修改代码。
1# coding: utf-8 2import matplotlib.pyplot as plt 3import numpy as np 4 5 6def main(): 7 x_values = np.linspace(0, 2 * np.pi, 1000) 8 plt.plot(x_values, np.sin(x_values), '--b') 9 plt.plot(x_values, np.sin(2 * x_values), '--r') 10 plt.show() 11 12 13if __name__ == '__main__': 14 main()
修改后的代码运行效果如下图所示。
如果需要分别在两个坐标系上绘制出两条曲线，可以按照如下的方式操作。
1# coding: utf-8 2import matplotlib.pyplot as plt 3import numpy as np 4 5 6def main(): 7 # 将样本数量减少为50个 8 x_values = np.linspace(0, 2 * np.pi, 50) 9 # 设置绘图为2行1列活跃区为1区(第一个图) 10 plt.subplot(2, 1, 1) 11 plt.plot(x_values, np.sin(x_values), 'o-b') 12 # 设置绘图为2行1列活跃区为2区(第二个图) 13 plt.subplot(2, 1, 2) 14 plt.plot(x_values, np.sin(2 * x_values), '.-r') 15 plt.show() 16 17 18if __name__ == '__main__': 19 main()
效果如下图所示。
绘制直方图
我们可以通过NumPy的random模块的normal函数来生成正态分布的采样数据，其中的三个参数分别表示期望、标准差和样本数量，然后绘制成直方图，代码如下所示。
1# coding: utf-8 2import matplotlib.pyplot as plt 3import numpy as np 4 5 6def main(): 7 # 通过random模块的normal函数产生1000个正态分布的样本 8 data = np.random.normal(10.0, 5.0, 1000) 9 # 绘制直方图(直方的数量为10个) 10 plt.hist(data, 10) 11 plt.show() 12 13 14if __name__ == '__main__': 15 main()
运行效果如下图所示。
使用Pygal绘制矢量图
矢量图（SVG）是计算机图形学中用点、直线或者多边形等基于数学方程的几何图元表示的图像，也是目前应用得非常多的一种图像文件格式，全称是“Scalable Vector Graphics”。和使用像素表示图像的位图不同，SVG基于XML存储图像数据，它是W3C定义的一种开放标准的矢量图形语言，可以用来设计更为清晰的Web图像，因为SVG与分辨率无关，在任意放大时不会丢失细节或影响清晰度。SVG可以直接用代码来描绘图像，也可以用任何文字处理工具来打开它，通过改变SVG的代码我们可以让图像具备交互功能。
Python中可以使用Pygal来生成SVG，可以通过pip来安装它。
1from random import randint 2import pygal 3 4 5def roll_dice(n=1): 6 total = 0 7 for _ in range(n): 8 total += randint(1, 6) 9 return total 10 11 12def main(): 13 results = [] 14 # 将两颗色子摇10000次记录点数 15 for _ in range(10000): 16 face = roll_dice(2) 17 results.append(face) 18 freqs = [] 19 # 统计2~12点各出现了多少次 20 for value in range(2, 13): 21 freq = results.count(value) 22 freqs.append(freq) 23 # 绘制柱状图 24 hist = pygal.Bar() 25 hist.title = 'Result of rolling two dice' 26 hist.x_labels = [x for x in range(2, 13)] 27 hist.add('Frequency', freqs) 28 # 保存矢量图 29 hist.render_to_file('result.svg') 30 31 32if __name__ == '__main__': 33 main() 运行上面的程序，效果如下图所示。
文章首发于：
https://blog.csdn.net/weixin_44510615/article/details/90183443
▼往期精彩回顾▼
数据科学篇| Numpy 库的使用（一）
数据科学篇| Pandas库的使用（二）
如果学习遇到问题
加毛利微信：maori01(备注：学习交流)
最后，祝有所学习，有所成长
转发，好看支持一下，感谢
查看更多关于数据科学篇| Matplotlib和数据可视化（三）的详细内容...