前言：
互聯(lián)網(wǎng)時(shí)代下，在網(wǎng)絡(luò)中每天都會(huì)產(chǎn)生很多數(shù)據(jù)，通過(guò)對(duì)數(shù)據(jù)分析之后，如何更好的詮釋數(shù)據(jù)背后的意義，我們需要對(duì)數(shù)據(jù)進(jìn)行可視化展示。

在數(shù)據(jù)可視化中，Python 也支持第三模塊

• matplotlib 模塊：Python使用最多的可視化庫(kù)
• seaborn 模塊：基于matplotlib的圖形可視化
• pycharts 模塊：用于生成Echarts 圖表的類(lèi)庫(kù)

接下來(lái)我們對(duì)matplotlib模塊提供的圖形方法進(jìn)行學(xué)習(xí)

1. matplotlib 模塊概述

matplotlib 模塊是第三方開(kāi)源的，由John Hunter團(tuán)隊(duì)研發(fā)而成，NumFOCUS 的贊助項(xiàng)目。

matplotlib 模塊是用于Python創(chuàng)建靜態(tài)、動(dòng)態(tài)和交互式可視化綜合性的庫(kù)。

matplotlib 模塊特點(diǎn)

• 易創(chuàng)建圖表如出版質(zhì)量圖、交互式數(shù)據(jù)可放大、縮小
• 定制化圖表可完全控制線(xiàn)條樣式、導(dǎo)入并嵌入多種文件格式
• 擴(kuò)展性高，可以與第三方模塊進(jìn)行兼容
• matplotlib 模塊資料手冊(cè)信息豐富，可快速上手
  

matplotlib 模塊獲取

matplotlib 是Python主流第三方可視化模塊，我們需要使用pip進(jìn)行下載

pip install matplotlib

matplotlib 模塊使用

在matplotlib模塊中，pyplot類(lèi)是最常用的。

方式一：

from matplotlib import pyplot

方式二：

import matplotlib.pyplot as plt

重要說(shuō)明：

• matplotlib 模塊官方資料
• 查看matplotlib內(nèi)部代碼說(shuō)明

2. matplotlib.pyplot 相關(guān)方法

matplotlib.pyplot 模塊是我們畫(huà)圖標(biāo)最常用的模塊之一

3. matplotlib.pyplot 圖表展示

from matplotlib import pyplot
# 設(shè)置圖表字體格式
pyplot.rcParams["font.sans-serif"]=['SimHei']
pyplot.rcParams["axes.unicode_minus"]=False

pyplot.plot([1,2,3,4,5,6],[45,20,19,56,35,69])

pyplot.title("data analyze")
pyplot.xlabel("data")
pyplot.ylabel("sum")

pyplot.show()

繪制柱狀圖

• 使用pyplot..bar()方法
• 再次使用上面的數(shù)據(jù)，可以看到直方圖
  

pyplot.bar([1,2,3,4,5,6],[45,20,19,56,35,69])

繪制餅圖

• 使用pyplot.pie()方法繪制餅圖
• 同時(shí)使用pyplot.axis方法設(shè)置每一個(gè)分區(qū)間隔
  

from matplotlib import pyplot
labels = ["windows","MAC","ios","Android","other"]
sizes = [50,10,5,15,20]
explode = [0,0.1,0,0,0]
pyplot.pie(sizes,explode=explode,labels=labels,autopct='%1.1f%%',shadow=False,startangle=90)
pyplot.axis("equal")

pyplot.title("data analyze")
pyplot.show()

繪制散點(diǎn)圖

使用pyplot.scatter(x,y)繪制散點(diǎn)圖

import numpy as np
from matplotlib import pyplot

data = {"a":np.arange(50),"c":np.random.randint(0,50,50),"d":np.random.randn(50)}

data['b'] = data['a']+10*np.random.randn(50)
data['d'] = np.abs(data['d'])*100

pyplot.scatter("a","b",c='c',s='d',data=data)

pyplot.title("data analyze")
pyplot.xlabel("元素 a")
pyplot.ylabel("元素 b")

pyplot.show()

總結(jié)：

到此這篇關(guān)于Python 可視化matplotlib模塊基礎(chǔ)知識(shí)的文章就介紹到這了,更多相關(guān)Python 可視化之matplotlib模塊內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

最新評(píng)論