簡(jiǎn)介

Python 在處理數(shù)據(jù)方面非常出色。通常，數(shù)據(jù)集·會(huì)包括多個(gè)變量和許多實(shí)例，這使得很難理解數(shù)據(jù)的情況。數(shù)據(jù)可視化是幫助您識(shí)別數(shù)據(jù)模式的一種有用方式。

例如，假設(shè)您是一名房地產(chǎn)經(jīng)紀(jì)人，您想要了解房屋的年齡與售價(jià)之間的關(guān)系。如果您的數(shù)據(jù)包括 5 棟房屋的數(shù)據(jù)，那么理解情況就不會(huì)太困難。但是，假設(shè)您想要使用整個(gè)鎮(zhèn)上 500 棟房屋的數(shù)據(jù)，那么理解年齡如何影響價(jià)格就會(huì)變得非常困難。通過(guò)繪制售價(jià)與年齡的關(guān)系，對(duì)數(shù)據(jù)進(jìn)行可視化肯定會(huì)闡明這兩者之間的關(guān)系。

可視化是以一種通用方式快速傳達(dá)概念的方法，特別是對(duì)于那些不熟悉您數(shù)據(jù)的人。每當(dāng)我們處理數(shù)據(jù)時(shí)，可視化通常是分析的必要部分。

我們將使用 2D 繪圖庫(kù) matplotlib，最初由 John D. Hunter 編寫，自那以后已成為一個(gè)非?；钴S的開(kāi)源開(kāi)發(fā)社區(qū)項(xiàng)目。它允許您生成高質(zhì)量的折線圖、散點(diǎn)圖、直方圖、條形圖等。每個(gè)圖以不同的方式呈現(xiàn)數(shù)據(jù)，通常在確定數(shù)據(jù)的最具信息量的圖之前，嘗試不同類型的圖表是很有用的。要記住，可視化是藝術(shù)和科學(xué)的結(jié)合。

鑒于可視化的重要性，本教程將描述如何使用 matplotlib 在 Python 中繪制數(shù)據(jù)。我們將介紹如何使用一小組數(shù)據(jù)生成散點(diǎn)圖，向圖表添加標(biāo)題和圖例，并通過(guò)更改繪圖點(diǎn)的外觀來(lái)自定義圖表。

完成本教程后，您將能夠在 Python 中繪制數(shù)據(jù)！

先決條件

在進(jìn)行本教程之前，您應(yīng)該已經(jīng)安裝了 Python 3，并在計(jì)算機(jī)上設(shè)置了本地編程環(huán)境。如果不是這種情況，您可以按照適用于您操作系統(tǒng)的相應(yīng)安裝和設(shè)置指南進(jìn)行設(shè)置。

步驟 1 — 導(dǎo)入 matplotlib

在我們開(kāi)始在 Python 中工作之前，讓我們?cè)俅螜z查 matplotlib 模塊是否已安裝。在命令行中，通過(guò)運(yùn)行以下命令檢查 matplotlib 是否已安裝：

python -c "import matplotlib"

如果 matplotlib 已安裝，此命令將順利完成，我們可以開(kāi)始了。如果沒(méi)有安裝，您將收到錯(cuò)誤消息：

Traceback (most recent call last): File "<string>", line 1, in <module> ImportError: No module named 'matplolib'

如果收到錯(cuò)誤消息，請(qǐng)使用 pip 下載該庫(kù)：

pip install matplotlib

現(xiàn)在 matplotlib 已安裝，我們可以在 Python 中導(dǎo)入它。首先，讓我們創(chuàng)建我們將在本教程中使用的腳本：scatter.py。然后，在我們的腳本中，讓我們導(dǎo)入 matplotlib。由于我們只會(huì)使用繪圖模塊（pyplot），因此在導(dǎo)入時(shí)讓我們指定它。

import matplotlib.pyplot as plt

我們通過(guò)在 matplotlib 末尾添加 .pyplot 來(lái)指定我們希望導(dǎo)入的模塊。為了在腳本中更容易地引用該模塊，我們將其縮寫為 plt?，F(xiàn)在，我們可以繼續(xù)創(chuàng)建和繪制我們的數(shù)據(jù)。

步驟 2 — 創(chuàng)建要繪制的數(shù)據(jù)點(diǎn)

在我們的 Python 腳本中，讓我們創(chuàng)建一些要處理的數(shù)據(jù)。我們將使用 2D 數(shù)據(jù)，因此我們將需要每個(gè)數(shù)據(jù)點(diǎn)的 X 和 Y 坐標(biāo)。

為了更好地理解 matplotlib 的工作原理，我們將把我們的數(shù)據(jù)與可能的現(xiàn)實(shí)場(chǎng)景聯(lián)系起來(lái)。假設(shè)我們是一家咖啡店的老板，我們對(duì)一年中的平均天氣和冰咖啡的總銷量之間的關(guān)系感興趣。我們的 X 變量將是每月銷售的冰咖啡總數(shù)，我們的 Y 變量將是每個(gè)月的華氏平均溫度。

在我們的 Python 腳本中，我們將創(chuàng)建兩個(gè)列表變量：X（冰咖啡總銷量）和 Y（平均溫度）。我們各自列表中的每個(gè)項(xiàng)目將代表每個(gè)月的數(shù)據(jù)（一月到十二月）。例如，在一月份，平均溫度為 32 華氏度，咖啡店賣出了 590 杯冰咖啡。

import matplotlib.pyplot as plt

X = [590,540,740,130,810,300,320,230,470,620,770,250]
Y = [32,36,39,52,61,72,77,75,68,57,48,48]

現(xiàn)在我們有了數(shù)據(jù)，我們可以開(kāi)始繪圖。

步驟 3 — 繪制數(shù)據(jù)

散點(diǎn)圖非常適合用于確定兩個(gè)變量之間的關(guān)系，因此我們將使用這種圖表類型作為示例。要使用 matplotlib 創(chuàng)建散點(diǎn)圖，我們將使用 scatter() 函數(shù)。該函數(shù)需要兩個(gè)參數(shù)，分別表示 X 和 Y 坐標(biāo)值。

import matplotlib.pyplot as plt

X = [590,540,740,130,810,300,320,230,470,620,770,250]
Y = [32,36,39,52,61,72,77,75,68,57,48,48]

plt.scatter(X,Y)
plt.show()

每次創(chuàng)建圖表時(shí)，我們都必須使用 plt.show() 指定要顯示圖表。

在繼續(xù)之前，讓我們檢查一下我們的腳本是否正常工作。保存腳本并通過(guò)命令行運(yùn)行：

python scatter.py

如果一切順利，應(yīng)該會(huì)啟動(dòng)一個(gè)窗口顯示圖表，如下所示：

!Alt 散點(diǎn)圖

這個(gè)窗口非常適合查看數(shù)據(jù)；它是交互式的，并包括幾個(gè)功能，比如懸停顯示標(biāo)簽和坐標(biāo)、放大或縮小以及保存。

步驟 4 — 添加標(biāo)題和標(biāo)簽

現(xiàn)在我們知道我們的腳本正常工作，我們可以開(kāi)始向圖表中添加信息。為了清楚地表明我們的數(shù)據(jù)代表什么，讓我們?cè)趫D表中包括一個(gè)標(biāo)題以及每個(gè)軸的標(biāo)簽。

我們將從添加標(biāo)題開(kāi)始。我們?cè)谀_本的 plt.show() 行之前添加標(biāo)題。

import matplotlib.pyplot as plt

X = [590,540,740,130,810,300,320,230,470,620,770,250]
Y = [32,36,39,52,61,72,77,75,68,57,48,48]

plt.scatter(X,Y)

plt.title('溫度與冰咖啡銷量之間的關(guān)系')

plt.show()

接下來(lái)，在 plt.title 行下方添加軸的標(biāo)簽：

...
plt.xlabel('售出的冰咖啡杯數(shù)')
plt.ylabel('華氏溫度')
...

如果我們保存腳本并再次運(yùn)行它，現(xiàn)在應(yīng)該會(huì)得到一個(gè)更新的圖表，更具信息性。我們的更新后的圖表應(yīng)該看起來(lái)像這樣：

!Alt 帶有標(biāo)題和 X/Y 標(biāo)簽的散點(diǎn)圖

步驟 5 — 自定義圖表

我們處理的每個(gè)數(shù)據(jù)集都是獨(dú)特的，能夠自定義我們希望如何顯示信息非常重要。記住，可視化也是一門藝術(shù)，所以可以在其中發(fā)揮創(chuàng)意！matplotlib 包括許多自定義功能，比如不同的顏色、點(diǎn)符號(hào)和大小。根據(jù)我們的需求，我們可能想嘗試不同的比例，為我們的軸使用不同的范圍。我們可以通過(guò)指定軸的新范圍來(lái)更改默認(rèn)參數(shù)，如下所示：

import matplotlib.pyplot as plt

X = [590,540,740,130,810,300,320,230,470,620,770,250]
Y = [32,36,39,52,61,72,77,75,68,57,48,48]

plt.scatter(X,Y)

plt.xlim(0,1000)
plt.ylim(0,100)

plt.title('溫度與冰咖啡銷量之間的關(guān)系')

plt.show()
...

原始圖表中的點(diǎn)看起來(lái)有點(diǎn)小，藍(lán)色可能不是我們想要的顏色。也許我們想要三角形而不是圓圈作為點(diǎn)的符號(hào)。如果我們想要更改點(diǎn)的實(shí)際顏色/大小/形狀，我們必須在初始的 plt.scatter() 調(diào)用中進(jìn)行這些更改。我們將更改以下參數(shù)：

• s：點(diǎn)的大小，默認(rèn)值為 20
• c：顏色、序列或顏色序列，默認(rèn)值為 ‘b’
• marker：點(diǎn)符號(hào)，默認(rèn)值為 ‘o’

可能的標(biāo)記包括許多不同的形狀，如菱形、六邊形、星形等。顏色選擇包括藍(lán)色、綠色、紅色和洋紅色等。還可以提供 HTML 十六進(jìn)制字符串作為顏色。請(qǐng)參閱 matplotlib 的文檔，了解可能的標(biāo)記和顏色的全面列表。

為了使我們的圖表更易于閱讀，讓我們將點(diǎn)的大小加倍（s=60），將顏色更改為紅色（c='r'），并將符號(hào)更改為三角形（marker='^'）。我們將修改 plt.scatter() 函數(shù)：

plt.scatter(X, Y, s=60, c='red', marker='^')

在運(yùn)行更新后的腳本之前，我們可以再次檢查我們的代碼是否正確。自定義圖表的更新腳本應(yīng)該看起來(lái)像這樣：

import matplotlib.pyplot as plt

X = [590,540,740,130,810,300,320,230,470,620,770,250]
Y = [32,36,39,52,61,72,77,75,68,57,48,48]

#散點(diǎn)圖

plt.scatter(X, Y, s=60, c='red', marker='^')

#更改坐標(biāo)軸范圍

plt.xlim(0,1000)
plt.ylim(0,100)

#添加標(biāo)題

plt.title('溫度與冰咖啡銷量的關(guān)系')

#添加 x 和 y 軸標(biāo)簽

plt.xlabel('售出冰咖啡杯數(shù)')
plt.ylabel('華氏溫度')

#顯示圖表

plt.show()

不要忘記在進(jìn)行第 6 步之前保存你的腳本。

步驟 6 — 保存圖表

現(xiàn)在我們已經(jīng)完成了代碼，讓我們運(yùn)行它來(lái)查看我們新定制的圖表。

python scatter.py

現(xiàn)在應(yīng)該會(huì)打開(kāi)一個(gè)窗口顯示我們的圖表：

!Alt 帶有標(biāo)題和 X/Y 標(biāo)簽的最終散點(diǎn)圖，并使用更大、紅色、三角形點(diǎn)進(jìn)行定制。

接下來(lái)，通過(guò)單擊保存按鈕（位于底部工具欄上的磁盤圖標(biāo)）來(lái)保存圖表。請(qǐng)記住，圖像將被保存為 PNG 格式，而不是交互式圖表。恭喜你，現(xiàn)在你擁有自己定制的散點(diǎn)圖！

結(jié)論

在本教程中，你學(xué)會(huì)了如何使用 Python 中的 matplotlib 繪制數(shù)據(jù)。現(xiàn)在你可以可視化數(shù)據(jù)并定制圖表。

以上就是使用matplotlib在Python中繪制數(shù)據(jù)的詳細(xì)教程的詳細(xì)內(nèi)容，更多關(guān)于 Python matplotlib繪制數(shù)據(jù)的資料請(qǐng)關(guān)注腳本之家其它相關(guān)文章！

最新評(píng)論