Python数据可视化编程实践_绘制图表.doc

. . . 参考学习 Python数据可视化编程实践-绘制图表 准备工作 打开Jupyter Notebook，导入需要的包，并配置好图片交互和中文显示环境： import pandas as pd import numpy as np import sys reload(sys) sys.setdefaultencoding(utf-8) import matplotlib as mpl import matplotlib.pyplot as plt import matplotlib.cm as cm %matplotlib inline plt.rcParams[font.sans-serif]=[SimHei] #用来正常显示中文标签 plt.rcParams[axes.unicode_minus]=False #用来正常显示负号 定义图表类型——柱状图、线形图和堆积柱状图 调用figure()方法，创建一个新的图表，接下来的绘图操作都在此图表中进行，参数figsize=(12,6)表示该图表的大小。 调用subplot(231)方法把图表分割成2行3列的网格，1表示图形的标号。 x = [1, 2, 3, 4] y =[5, 4, 3, 2] plt.figure(figsize=(12,6)) plt.subplot(231) plt.plot(x,y) # 折线图 plt.subplot(232) plt.bar(x,y) # 垂直柱状图 plt.subplot(233) plt.barh(x,y) # 水平柱状图 plt.subplot(234) plt.bar(x,y) y1= [7,8,5,3] plt.bar(x,y1,bottom=y,color=r) # 堆叠柱状图 设置参数bottom=y plt.subplot(235) plt.boxplot(x) # 箱线图 plt.subplot(236) plt.scatter(x,y) # 散点图 plt.show() 具体解释下箱线图中的几个最重要的显示选项。 首先，我们可以添加从箱体延伸出来的箱须来展示数据集合的整个范围。箱体和箱须主要用于表现一个或多个数据集合中数据的编号，容易对数据进行对比而且易于理解。在同一个箱线图中可以呈现5种数据。 最小值：数据集合的最小值。 第二四分位数：其以下为数据集合中较低的25%数据。 中值：数据集合的中值 第三四分位数：其以上为数据集合中较高的25%数据。 最大值：给定数据集合的最大值。 dataset = [113, 115, 119, 121, 124, 124, 125, 126, 126, 126, 127, 127, 128, 129, 130, 130, 131, 132, 133, 136] plt.figure(figsize=(10,6)) plt.subplot(121) plt.boxplot(dataset, vert = False) plt.subplot(122) plt.hist(dataset) plt.show() 我们用同一个数据集合来绘制箱线图和直方图，观察两种图表在数据展现上的差异。左图呈现了五个统计数据，右图展示了数据集合在给定范围内的分组情况。 简单的正弦图和余弦图 我们对从-Pi到Pi之间具有相同线性距离的256个点来计算正弦值和余弦值，然后把sin(x)值和cos(x)值在用以图表中绘制出来。 x = np.linspace(-np.pi, np.pi, 256, endpoint=True) y = np.cos(x) y1 = np.sin(x) plt.figure(figsize=(10,6)) plt.plot(x, y) plt.plot(x, y1) plt.title(Functions $\sin$ and $\cos$) #设置图标题 plt.xlim(-3.0, 3.0) #设置x轴范围 plt.ylim(-1.0, 1.0) #设置y轴范围 plt.xticks([-np.pi, -np.pi/2, 0, np.pi/2, np.pi], [r$-\pi$, r$-\pi/2$, r$0$, r$+\pi/2$, r$+\pi$]) # 用希腊字母标注x轴标签 plt.yticks([-1, 0, +1], [r$-1$, r$0$, r$+1$]) plt.show() 设置坐标轴长度和范围 如果不实用axis()或者其他参数设置，matplotlib会自动使用最小值，刚好可以让我们在一个图中看到所有的数据点。调用autoscale()方法，会以坐标轴的最佳大小适应数