python数据可视化

Matplotlib

依赖numpy 库 ；
可自定义线条的颜色和样式，可在一张绘图纸上绘制多张小图，可在一张图上绘制多条线，可以很方便地将数据可视化并对比分析；
可以绘制多种形式的图形，包括线图、直方图、饼图、散点图等；
应用最广的是matplotlib.pyplot模块；
在Jupyter notebook中进行交互式绘图，需要执行一下语句：
% matplotlib notebook
使用matplotlib时，使用的导入惯例为：
import matplotlib.pyplot as plt

配置

通过配置文件进行配置

根据配置文件的作用范围，可以分为三个级别：全局配置文件、用户级配置文件和当前任务配置文件；

import matplotlib as mpl
import os
​
# 全局配置目录
print(mpl.__path__)
# 当前用户配置目录
print(mpl.get_configdir())
# 当前任务配置目录，即当前代码运行目录
print(os.getcwd())

• 全局配置文件 mpl-data\matplotlibrc，位于 Matplotlib 的安装目录直线，例如在 Window 下将其安装在 D:\Program Files\Python39\lib\site-packages\matplotlib目录下，则全局配置文件的完整文件名为 D:\Program Files\Python39\lib\site-packages\matplotlib\mpl-data\matplotlibrc，默认情况下，图形使用此配置文件进行绘制。
• 用户级配置文件 .matplotlib\matplotlibrc，位于用户目录之下，例如，用户目录为 C:\Users\Brainiac\，则相应配置文件C:\Users\Brainiac.matplotlib\matplotlibc；如果不存在此文件，也可以根据全局配置文件与用户需求自定创建和修改。
• 当前任务配置文件 matplotlibrc，即位于代码运行目录之下，可以用于为当前任务的代码定制 Matplotlib配置，默认情况下不存在此文件，即默认使用全局或当前用户配置文件，我们可以根据需要创建此文件，并根据需要进行配置。

通过 rcParams[‘param_name’] 配置

如果仅仅想在当前文件中简单修改自定义配置，则可以通过 rcParams[‘param_name’] 更快速的修改。通过使用以下代码，可以查看能够自定义配置的属性有哪些：

print(mpl.rc_params())#这个方法返回一个包含当前matplotlib运行时配置参数的字典。这些配置参数包括图形元素的默认颜色、线条样式、字体设置、坐标轴配置等等。通过查看这些参数，可以了解当前matplotlib的配置，以便更好地了解图形的绘制方式和样式设置。
print(mpl.rcParamsDefault)#这个属性返回matplotlib的默认运行时配置参数。这些默认配置参数是在matplotlib库安装时预先设定的值。如果想恢复matplotlib的默认设置，可以使用这些默认参数进行重置。
print(mpl.rcParams)#这个属性包含当前matplotlib的运行时配置参数，代表了当前的matplotlib配置。可以在运行时通过修改这些参数来自定义图形的显示和样式。例如，可以修改图形的默认颜色、线条样式、字体设置、坐标轴配置等等，以满足特定的需求和美学要求。

使用 rcParams[‘param_name’] 方式修改配置的方式如下，其中 param_name 表示属性名:

mpl.rcParams['lines.linewidth'] = 2
# 修改线条颜色为红色
mpl.rcParams['lines.color'] = 'r'

#在实际应用中，最常用的两种配置包括中文和中文负号的显示，如果不进行配置，默认不支持显示中文与中文负号：
#显示中文
mpl.rcParams['font.sans-serif'] = ['SimHei']
#显示负号
mpl.rcParams['axes.unicode_minus']=False

通过 matplotlib.rc() 函数配置

# 修改线宽
mpl.rc('lines', linewidth=2, color='g')#rc 函数的第一个参数为 group 表示属性所属的组，用于限定属性的作用域，例如在以上示例中线宽 linewidth 属于线 lines 用于限定只在线条中起作用，而对坐标轴等线宽 linewidth 不起作用，如果想要修改包括坐标轴在内的图形线宽 linewidth 则需要使用：
# 修改整个图形线宽
mpl.rc('axes', linewidth=2)

常用函数说明

颜色字符，线的颜色可以使用 color 参数来定义，简写为 c：‘b’ 蓝色，‘m’ 洋红色，‘g’ 绿色，‘y’ 黄色，‘r’ 红色，‘k’ 黑色，‘w’ 白色，‘c’ 青绿色，‘#008000’ RGB 颜色符串。多条曲线不指定颜色时，会自动选择不同颜色。
线型参数，线的类型可以使用 linestyle 参数来定义，简写为 ls：‘‐’ 实线，‘‐‐’ 破折线，‘‐.’ 点划线，‘:’ 虚线。
标记字符marker ：‘.’ 点标记，‘,’ 像素标记(极小点)，‘o’ 实心圈标记，‘v’ 倒三角标记，‘^’ 上三角标记，‘>’ 右三角标记，‘<’ 左三角标记,"*"星号…等等。
线的宽度可以使用 linewidth 参数来定义，简写为 lw，值可以是浮点数，如：1、2.0、5.67 等。

可以自定义标记的大小与颜色，使用的参数分别是：
markersize，简写为 ms：定义标记的大小。
markerfacecolor，简写为 mfc：定义标记内部的颜色。
markeredgecolor，简写为 mec：定义标记边框的颜色。

import matplotlib.pyplot as plt
import numpy as np
x = np.arange(-10,11)
y = x**2 -2*x + 9
x1 = np.arange(-10,11)
y1 = x**2 -5*x + 5
plt.plot(x, y,'r+',x1, y1,'g+')
plt.plot(x, y,'r+',x1, y1,'g+')
plt.show()

fmt 参数定义了基本格式，如标记、线条样式和颜色。
fmt = ‘[marker][line][color]’
例如 o:r，o 表示实心圆标记，: 表示虚线，r 表示颜色为红色。

import matplotlib.pyplot as plt
import numpy as np
ypoints = np.array([6, 2, 13, 10])
plt.plot(ypoints, marker = 'o', ms = 20, mfc = 'r')
plt.show()

import matplotlib.pyplot as plt
import numpy as np

y1 = np.array([3, 7, 5, 9])
y2 = np.array([6, 2, 13, 10])

plt.plot(y1)
plt.plot(y2)
plt.title("图形标题")
plt.xlabel("x 轴标题")
plt.ylabel("y 轴标题")
plt.grid()
plt.show()

绘制多图

subplot()

subplot() 方法在绘图时需要指定位置
subplot(nrows, ncols, index, **kwargs)
subplot(pos, **kwargs)
subplot(**kwargs)
subplot(ax)

import matplotlib.pyplot as plt
import numpy as np

#plot 1:
x = np.array([0, 6])
y = np.array([0, 100])

plt.subplot(2, 2, 1)
plt.plot(x,y)
plt.title("plot 1")

#plot 2:
x = np.array([1, 2, 3, 4])
y = np.array([1, 4, 9, 16])

plt.subplot(2, 2, 2)
plt.plot(x,y)
plt.title("plot 2")

#plot 3:
x = np.array([1, 2, 3, 4])
y = np.array([3, 5, 7, 9])

plt.subplot(2, 2, 3)
plt.plot(x,y)
plt.title("plot 3")

#plot 4:
x = np.array([1, 2, 3, 4])
y = np.array([4, 5, 6, 7])

plt.subplot(2, 2, 4)
plt.plot(x,y)
plt.title("plot 4")

plt.suptitle("RUNOOB subplot Test")
plt.show()

subplots()

matplotlib.pyplot.subplots(nrows=1, ncols=1, *, sharex=False, sharey=False, squeeze=True, subplot_kw=None, gridspec_kw=None, **fig_kw)

• nrows：默认为 1，设置图表的行数。
  ncols：默认为 1，设置图表的列数。
• sharex、sharey：设置 x、y 轴是否共享属性，默认为 false，可设置为 ‘none’、‘all’、‘row’ 或 ‘col’。 False 或 none 每个子图的x 轴或 y 轴都是独立的，True 或 ‘all’：所有子图共享 x 轴或 y 轴，‘row’ 设置每个子图行共享一个 x 轴或 y轴，‘col’：设置每个子图列共享一个 x 轴或 y 轴。
• squeeze：布尔值，默认为 True，表示额外的维度从返回的Axes(轴)对象中挤出，对于 N1 或 1N 个子图，返回一个 1 维数组，对于 N*M，N>1 和 M>1 返回一个 2 维数组。如果设置为 False，则不进行挤压操作，返回一个元素为 Axes 实例的2维数组，即使它最终是1×1。
• subplot_kw：可选，字典类型。把字典的关键字传递给 add_subplot() 来创建每个子图。
• gridspec_kw：可选，字典类型。把字典的关键字传递给 GridSpec 构造函数创建子图放在网格里(grid)。
• **fig_kw：把详细的关键字参数传给 figure() 函数。

散点图

matplotlib.pyplot.scatter(x, y, s=None, c=None, marker=None, cmap=None, norm=None, vmin=None, vmax=None, alpha=None, linewidths=None, *, edgecolors=None, plotnonfinite=False, data=None, **kwargs)

• x，y：长度相同的数组，也就是我们即将绘制散点图的数据点，输入数据。
• s：点的大小，默认 20，也可以是个数组，数组每个参数为对应点的大小。
• c：点的颜色，默认蓝色 ‘b’，也可以是个 RGB 或 RGBA 二维行数组。
• marker：点的样式，默认小圆圈 ‘o’。
• cmap：Colormap，默认 None，标量或者是一个 colormap 的名字，只有 c 是一个浮点数数组的时才使用。如果没有申明就是 image.cmap。
• norm：Normalize，默认 None，数据亮度在 0-1 之间，只有 c 是一个浮点数的数组的时才使用。
• vmin，vmax：：亮度设置，在 norm 参数存在时会忽略。
• alpha：：透明度设置，0-1 之间，默认 None，即不透明。
• linewidths：：标记点的长度。
• edgecolors：：颜色或颜色序列，默认为 ‘face’，可选值有 ‘face’, ‘none’, None。
• plotnonfinite：：布尔值，设置是否使用非限定的 c ( inf, -inf 或 nan) 绘制点。
• **kwargs：：其他参数。

import numpy as np
import matplotlib.pyplot as plt

# 随机数生成器的种子
np.random.seed(19680801)


N = 50
x = np.random.rand(N)
y = np.random.rand(N)
colors = np.random.rand(N)
area = (30 * np.random.rand(N))**2  # 0 to 15 point radii

plt.scatter(x, y, s=area, c=colors, alpha=0.5) # 设置颜色及透明度

plt.title("RUNOOB Scatter Test") # 设置标题

plt.show()

柱形图

matplotlib.pyplot.bar(x, height, width=0.8, bottom=None, *, align=‘center’, data=None, **kwargs)

• x：浮点型数组，柱形图的 x 轴数据。
• height：浮点型数组，柱形图的高度。
• width：浮点型数组，柱形图的宽度。
• bottom：浮点型数组，底座的 y 坐标，默认 0。
• align：柱形图与 x 坐标的对齐方式，‘center’ 以 x 位置为中心，这是默认值。 ‘edge’：将柱形图的左边缘与 x 位置对齐。要对齐右边缘的条形，可以传递负数的宽度值及 align=‘edge’。
• **kwargs：：其他参数。

垂直方向的柱形图可以使用 barh() 方法来设置

import matplotlib.pyplot as plt
import numpy as np

x = np.array(["Runoob-1", "Runoob-2", "Runoob-3", "C-RUNOOB"])
y = np.array([12, 22, 6, 18])

plt.bar(x, y, width = 0.1,color = ["#4CAF50","red","hotpink","#556B2F"])#设置柱形图颜色及宽度
plt.show()

饼图

matplotlib.pyplot.pie(x, explode=None, labels=None, colors=None, autopct=None, pctdistance=0.6, shadow=False, labeldistance=1.1, startangle=0, radius=1, counterclock=True, wedgeprops=None, textprops=None, center=0, 0, frame=False, rotatelabels=False, *, normalize=None, data=None)[source]

• x：浮点型数组或列表，用于绘制饼图的数据，表示每个扇形的面积。
• explode：数组，表示各个扇形之间的间隔，默认值为0。
• labels：列表，各个扇形的标签，默认值为 None。
• colors：数组，表示各个扇形的颜色，默认值为 None。
• autopct：设置饼图内各个扇形百分比显示格式，%d%% 整数百分比，%0.1f 一位小数， %0.1f%% 一位小数百分比， %0.2f%% 两位小数百分比。
• labeldistance：标签标记的绘制位置，相对于半径的比例，默认值为 1.1，如 <1则绘制在饼图内侧。
• pctdistance：：类似于 labeldistance，指定 autopct 的位置刻度，默认值为 0.6。
• shadow：：布尔值 True 或 False，设置饼图的阴影，默认为 False，不设置阴影。
• radius：：设置饼图的半径，默认为 1。
• startangle：：用于指定饼图的起始角度，默认为从 x 轴正方向逆时针画起，如设定 =90 则从 y 轴正方向画起。
• counterclock：布尔值，用于指定是否逆时针绘制扇形，默认为 True，即逆时针绘制，False 为顺时针。
• wedgeprops ：字典类型，默认值 None。用于指定扇形的属性，比如边框线颜色、边框线宽度等。例如：wedgeprops={‘linewidth’:5} 设置 wedge 线宽为5。
• textprops ：字典类型，用于指定文本标签的属性，比如字体大小、字体颜色等，默认值为 None。
• center ：浮点类型的列表，用于指定饼图的中心位置，默认值：(0,0)。
• frame ：布尔类型，用于指定是否绘制饼图的边框，默认值：False。如果是 True，绘制带有表的轴框架。
• rotatelabels ：布尔类型，用于指定是否旋转文本标签，默认为 False。如果为 True，旋转每个 label 到指定的角度。
• data：用于指定数据。如果设置了 data 参数，则可以直接使用数据框中的列作为 x、labels 等参数的值，无需再次传递。

pie() 函数还可以返回三个参数：

• wedges：一个包含扇形对象的列表。
• texts：一个包含文本标签对象的列表。
• autotexts：一个包含自动生成的文本标签对象的列表。

import matplotlib.pyplot as plt
import numpy as np

y = np.array([35, 25, 25, 15])

plt.pie(y,
        labels=['A','B','C','D'], # 设置饼图标签
        colors=["#d5695d", "#5d8ca8", "#65a479", "#a564c9"], # 设置饼图颜色
        explode=(0, 0.2, 0, 0), # 第二部分突出显示，值越大，距离中心越远;默认情况下，第一个扇形的绘制是从 x 轴开始并逆时针移动：
        autopct='%.2f%%', # 格式化输出百分比
       )
plt.title("RUNOOB Pie Test")
plt.show()

直方图

matplotlib.pyplot.hist(x, bins=None, range=None, density=False, weights=None, cumulative=False, bottom=None, histtype=‘bar’, align=‘mid’, orientation=‘vertical’, rwidth=None, log=False, color=None, label=None, stacked=False, **kwargs)

• x：表示要绘制直方图的数据，可以是一个一维数组或列表。
• bins：可选参数，表示直方图的箱数。默认为10。
• range：可选参数，表示直方图的值域范围，可以是一个二元组或列表。默认为None，即使用数据中的最小值和最大值。
• density：可选参数，表示是否将直方图归一化。默认为False，即直方图的高度为每个箱子内的样本数，而不是频率或概率密度。
• weights：可选参数，表示每个数据点的权重。默认为None。
• cumulative：可选参数，表示是否绘制累积分布图。默认为False。
• bottom：可选参数，表示直方图的起始高度。默认为None。
• histtype：可选参数，表示直方图的类型，可以是’bar’、‘barstacked’、‘step’、‘stepfilled’等。默认为’bar’。
• align：可选参数，表示直方图箱子的对齐方式，可以是’left’、‘mid’、‘right’。默认为’mid’。
• orientation：可选参数，表示直方图的方向，可以是’vertical’、‘horizontal’。默认为’vertical’。
• rwidth：可选参数，表示每个箱子的宽度。默认为None。
• log：可选参数，表示是否在y轴上使用对数刻度。默认为False。
• color：可选参数，表示直方图的颜色。
• label：可选参数，表示直方图的标签。
• stacked：可选参数，表示是否堆叠不同的直方图。默认为False。
• **kwargs：可选参数，表示其他绘图参数。

import matplotlib.pyplot as plt
import numpy as np

# 生成三组随机数据
data1 = np.random.normal(0, 1, 1000)
data2 = np.random.normal(2, 1, 1000)
data3 = np.random.normal(-2, 1, 1000)

# 绘制直方图
plt.hist(data1, bins=30, alpha=0.5, label='Data 1')
plt.hist(data2, bins=30, alpha=0.5, label='Data 2')
plt.hist(data3, bins=30, alpha=0.5, label='Data 3')

# 设置图表属性
plt.title('RUNOOB hist() TEST')
plt.xlabel('Value')
plt.ylabel('Frequency')
plt.legend()

# 显示图表
plt.show()

ggplot2

geoplotlib