Python数据可视化交互基本知识
Python数据可视化交互基础
这章文章主要讲解到了：折线图、条形图、直方图、散点图、饼图、热力图
课前准备
安装matplotlib库，可以使用命令 pip install
然后应用matplotlib库
'''引用库'''
from matplotlib import pyplot as plt
1.折线图
绘制折线图 plt.plot()
#首先引用库
from matplotlib import pyplot as plt
#然后要有x,y的数据
dev_x = [1,2,3,4,5]
dev_y = [20,40,60,80,100]
#生成折线图plt.后缀就是决定是什么图
plt.plot(dev_x,dev_y)
#显示所有图片
plt.show()
显示结果
折线图中的标题，横纵表，纵坐标
引用上面代码，做出演示
#首先引用库
from matplotlib import pyplot as plt
#然后要有x,y的数据
dev_x = [1,2,3,4,5]
dev_y = [25,48,69,87,100]
#生成折线图plt.后缀就是决定是什么图
plt.plot(dev_x,dev_y)
'''添加标题，横纵表，纵坐标'''
#横坐标.xlabel
plt.xlabel("天数")
#纵坐标.ylabel
plt.ylabel("完成度")
#标题.title
plt.title("下载完成效率图")
#显示所有图片
plt.show()
添加另一条曲线
依旧是引用上面的代码
#首先引用库
from matplotlib import pyplot as plt
#然后要有x,y的数据
dev_x = [1,2,3,4,5]
dev_y = [20,45,62,85,100]
#生成折线图plt.后缀就是决定是什么图
plt.plot(dev_x,dev_y)
'''新增数据'''
dev_x_1 = [1,2,3,4,5]
dev_y_1 = [25,45,55,89,100]
plt.plot(dev_x_1,dev_y_1)
#添加标题，横纵表，纵坐标
#横坐标.xlabel
plt.xlabel("天数")
#纵坐标.ylabel
plt.ylabel("完成度")
#标题.title
plt.title("下载完成效率图")
#显示所有图片
plt.show()
代码简洁版
from matplotlib import pyplot as plt
dev_x = [1,2,3,4,5]
dev_y = [20,40,60,80,100]
plt.plot(dev_x,dev_y)
dev_x_1 = [1,2,3,4,5]
dev_y_1 = [25,45,55,89,100]
plt.plot(dev_x_1,dev_y_1)
plt.xlabel("天数")
plt.ylabel("完成度")
plt.title("下载完成效率图")
plt.show()
显示结果：
折线命名
通过legend函数为折线打上标签
from matplotlib import pyplot as plt
import pylab as mp1
mp1.rcParams['font.sans-serif'] = ['SimHei']
dev_x = [1,2,3,4,5]
dev_y = [20,40,60,80,100]
plt.plot(dev_x,dev_y,label="迅雷")#label为折现命名，然调用legend函数时不需要命名
dev_x_1 = [1,2,3,4,5]
dev_y_1 = [25,45,55,89,100]
plt.plot(dev_x_1,dev_y_1,label="百度云盘")
plt.xlabel("天数")
plt.ylabel("完成度")
plt.legend()#调用函数，参数在label已经输入
plt.title("下载完成效率图")
plt.show()
折现格式参数
| color | 指定图形的颜色 |
|---|---|
| marker | 指定每个数据点的标记 |
| linestyle | 指定图形的形状 |
| pyplot自带样式引用 | plt.style.use(‘自带样式名称’) |
from matplotlib import pyplot as plt
import pylab as mp1
mp1.rcParams['font.sans-serif'] = ['SimHei']
dev_x = [1,2,3,4,5]
dev_y = [20,40,60,80,100]
plt.plot(dev_x,dev_y,label="迅雷",color="blue",marker=".",linestyle="-")
dev_x_1 = [1,2,3,4,5]
dev_y_1 = [25,45,55,89,100]
plt.plot(dev_x_1,dev_y_1,label="百度云盘",color="red",marker=".",linestyle="--")
plt.xlabel("天数")
plt.ylabel("完成度")
plt.legend()
plt.title('下载效率图')
plt.show()
网格线显示grid(True)
from matplotlib import pyplot as plt
import pylab as mp1
mp1.rcParams['font.sans-serif'] = ['SimHei']
dev_x = [1,2,3,4,5]
dev_y = [20,40,60,80,100]
plt.plot(dev_x,dev_y,label="迅雷",color="blue",marker=".",linestyle="-")
dev_x_1 = [1,2,3,4,5]
dev_y_1 = [25,45,55,89,100]
plt.plot(dev_x_1,dev_y_1,label="百度云盘",color="red",marker=".",linestyle="--")
plt.xlabel("天数")
plt.ylabel("完成度")
plt.legend()
plt.title('下载效率图')
plt.grid(True)
plt.show()
2.条形图
绘制条形图plt.bar()
from matplotlib import pyplot as plt
import pylab as mp1
mp1.rcParams['font.sans-serif'] = ['SimHei']
x_data = ['小刘','小张','小王','小李','小刚','小三']
y_data = [3,4,2,3,5,5]
plt.bar(x_data,y_data)#这个位置改动了
plt.title('工作表')
plt.xlabel('员工姓名')
plt.ylabel('工作天数')
plt.show()
很多操作与折线图操作类似，这里就不做重复操作了
随机生成折线图y轴数据
#条形图bar
from matplotlib import pyplot as plt
import pylab as mp1
mp1.rcParams['font.sans-serif'] = ['SimHei']
import numpy as np #导入包
# np.random.randint()区间之内的整数值
y_data = [np.random.randint(100) + i*20 for i in range(6)]
x_data = range(6)
x_c_data = ['小刘','小温','小罗','小张','小培','小林']
plt.title('员工入职图')
plt.bar(x_data,y_data)
#xitcks('参数','参数','属性')
plt.xticks(x_data,x_c_data)
plt.xlabel('姓名')
plt.ylabel('工作天数')
plt.show()
水平条形图绘制barh
将bar函数改为barh
import numpy as np
from matplotlib import pyplot as plt
import pylab as mp1
mp1.rcParams['font.sans-serif'] = ['SimHei']
x_data = ['JavaScript', 'HTML/CSS', 'SQL', 'Python', 'Java', 'Bash/Shell/PowerShell',
'C#', 'PHP', 'C++','TypeScript']
y_data = [59219, 55466, 47544, 36443, 35917, 27097, 23030, 20524, 18523, 18017]
plt.barh(x_data, y_data)
plt.title('编程语言流行度')
plt.xlabel('编程语言')
plt.ylabel('流行度')
plt.tight_layout()#tight_layout会自动调整子图参数，使之填充整个图像区域
plt.show()
数据水平翻转
reverse（）函数
import numpy as np
from matplotlib import pyplot as plt
import pylab as mp1
mp1.rcParams['font.sans-serif'] = ['SimHei']
x_data = ['JavaScript', 'HTML/CSS', 'SQL', 'Python', 'Java', 'Bash/Shell/PowerShell',
'C#', 'PHP', 'C++','TypeScript']
y_data = [59219, 55466, 47544, 36443, 35917, 27097, 23030, 20524, 18523, 18017]
#水平翻转操作
x_data.reverse()
y_data.reverse()
plt.barh(x_data, y_data)
plt.title('编程语言流行度')
plt.xlabel('编程语言')
plt.ylabel('流行度')
plt.tight_layout()
plt.show()
3.直方图
直方图介绍以及适用环境
直方图介绍：
直方图，又称质量分布图，用于表示数据的分布情况，是一种常见的统计图表。一般用横轴表示数据区间，纵轴表示分布情况，柱子越高，则落在该区间的数量越大。直方图和条形图的外观相似。区别主要有以下几点：
- 条形图用条形的长度（横置时）或高度（纵置时）表示各类别频数的多少，其宽度（表示类别）则是固定的；直方图是用面积表示各组频数的多少，矩形的高度表示每一组的频数或频率，宽度则表示各组的组距，因此其高度与宽度均有意义。
- 由于分组数据具有连续性，直方图的各矩形通常是连续排列，而条形图则是分开排列。
- 条形图主要用于展示分类数据的大小，而直方图则主要用于展示数值型数据的分布。
直方图的适用环境：关系与数量之间的分布
绘制直方图hist
这里区间划分是自己明确指定划分区间范围
from matplotlib import pyplot as plt
import pylab as mp1
mp1.rcParams['font.sans-serif'] = ['SimHei']
x_data = [1,2,3,4,5,6,7]
y_data = [1,2,3,4,5,6,7]
plt.hist(x_data,y_data)
plt.show()
输出结果以及图像解释：
其中如果我们不想要某个区间的数据，可以直接去掉
直方图区间划分 bins
这里是bins根据区间划分的数量 自动划分
from matplotlib import pyplot as plt
import pylab as mp1
mp1.rcParams['font.sans-serif'] = ['SimHei']
x_data = [1,2,3,4,5,6,7]
plt.hist(x_data,bins=2)#将x轴应用区间划分，这里划分了两个区间
plt.show()
区间划分的格式是[1,2),[2,3),[3,4)依次这样的格式
区间之间分割线 edgecolor
from matplotlib import pyplot as plt
import pylab as mp1
mp1.rcParams['font.sans-serif'] = ['SimHei']
x_data = [1,2,3,4,5,6,7]
plt.hist(x_data,bins=2,edgecolor='red')#这个位置参数里面是颜色
plt.show()
显示平均值的位置axvline
平均值显示其他的图形也可以使用!!!
from matplotlib import pyplot as plt
import pylab as mp1
mp1.rcParams['font.sans-serif'] = ['SimHei']
x_data = [1,2,3,4,5,6,7]
plt.hist(x_data,bins=2,edgecolor='black')#这个位置参数里面是颜色
avg = 4#平均值变量
plt.axvline(avg,color='red',label='平均值')#平均值垂直线段引用
plt.legend()
plt.show()
4.散点图
绘制散点图scatter
from matplotlib import pyplot as plt
import pylab as mp1
mp1.rcParams['font.sans-serif'] = ['SimHei']
plt.style.use('fivethirtyeight')#自带格式
x_data = [1,2,3,4,5]
y_data = [10,25,15,30,5]
plt.scatter(x_data,y_data)#这里变化scatter
plt.title('商品单价数量')
plt.xlabel('数量')
plt.ylabel('金额')
plt.tight_layout()
plt.show()
散点图“点”的参数设置
| 属性 | 含义 |
|---|---|
| s | 点的大小 |
| c | 点的颜色 |
| marker | 点的形状 |
| edgecolors | 点的边缘颜色 |
| linewidth | 边缘线的粗细度 |
| alpha | 透明度 |
'''在这串代码中设置'''
plt.scatter(x_data,y_data,s=100, c='red', marker='*')
这是我设置的 自己可以根据需求设置
多点不同色
将参数c改为第二数据
from matplotlib import pyplot as plt
import pylab as mp1
mp1.rcParams['font.sans-serif'] = ['SimHei']
plt.style.use('fivethirtyeight')
x_data = [1,2,3,4,5]
y_data = [10,25,15,30,5]
y_data_1 = [20,23,11,50,45]
plt.scatter(x_data,y_data,s=100, c=y_data_1, marker='*')#将参数c设置成为y_data_1
plt.title('商品单价数量')
plt.xlabel('数量')
plt.ylabel('金额')
plt.tight_layout()
plt.show()
设置色卡colorbar
为了让图形传递信息更加的准确，添加一个色卡标明颜色深浅对应关系
from matplotlib import pyplot as plt
import pylab as mp1
mp1.rcParams['font.sans-serif'] = ['SimHei']
plt.style.use('fivethirtyeight')
x_data = [1,2,3,4,5]
y_data = [10,25,15,30,5]
y_data_1 = [20,23,11,50,45]
plt.scatter(x_data,y_data,s=100, c=y_data_1, marker='*')
#色卡的添加
card = plt.colorbar()
card.set_label('利润率')
plt.title('商品单价数量')
plt.xlabel('数量')
plt.ylabel('金额')
plt.tight_layout()
plt.show()
使用点的大小来表示数值的大小
from matplotlib import pyplot as plt
import numpy as np#引用numpy这个包
import pylab as mp1
mp1.rcParams['font.sans-serif'] = ['SimHei']
plt.style.use('fivethirtyeight')
#将数据np.array()
x_data = np.array([1,2,3,4,5])
y_data = np.array([10,25,15,30,5])
y_data_1 = np.array([20,23,11,50,45])
#将s参数改为y_data_1*10
plt.scatter(x_data,y_data,s=y_data_1*10, c=y_data_1, marker='*')
card = plt.colorbar()
card.set_label('利润率')
plt.title('商品单价数量')
plt.xlabel('数量')
plt.ylabel('金额')
plt.tight_layout()
plt.show()
一个图形中可以包含多组数据
from matplotlib import pyplot as plt
import numpy as np
import pylab as mp1
mp1.rcParams['font.sans-serif'] = ['SimHei']
plt.style.use('fivethirtyeight')
#数据1
x_data = np.array([1,2,3,4,5])
y_data = np.array([10,25,15,30,5])
y_data_1 = np.array([20,23,11,50,45])
plt.scatter(x_data,y_data,s=y_data_1*10, c=y_data_1, marker='*',label='数据1')
#数据2
data_2 = np.array([1.5,2.1,3,4,6.5])
data_2_x = np.array([19,29,39,49,59])
data_2_y = np.array([15,25,35,45,55])
plt.scatter(data_2,data_2_x,s=data_2_y*10,c=data_2_y,marker='v',label='数据2')
#色卡
card = plt.colorbar()
card.set_label('利润率')
plt.legend()
plt.title('商品单价数量')
plt.xlabel('数量')
plt.ylabel('金额')
plt.tight_layout()
plt.show()
5.饼图
绘制饼图pie
from matplotlib import pyplot as plt
import pylab as mp1
mp1.rcParams['font.sans-serif'] = ['SimHei']
#数据《王者荣耀》英雄出场率
hero_data = ['孙悟空','孙尚香','诸葛亮','盾山','澜']
hero_odds = [20,21,29,15,15]
plt.pie(hero_odds)#使用pie
plt.tight_layout()
plt.show()
为每个扇形打上标签labels
'''在pie中的加上labels=“名字列表”'''
plt.pie(hero_odds,labels=hero_data)
得到：
为每个扇形打上占比autopct
from matplotlib import pyplot as plt
import pylab as mp1
mp1.rcParams['font.sans-serif'] = ['SimHei']
#数据《王者荣耀》英雄出场率
hero_data = ['孙悟空','孙尚香','诸葛亮','盾山','澜']
hero_odds = [20,21,29,15,15]
''' 加上autopct="%1.1f%%" '''
plt.pie(hero_odds,labels=hero_data,autopct='%1.1f%%')
plt.tight_layout()
plt.show()
将饼图顺时针排序
| 参数 | 含义 |
|---|---|
| counterclock | 饼图旋转方向 顺时针（False）逆时针（True） |
| startangle | 扇形放角度 |
from matplotlib import pyplot as plt
import pylab as mp1
mp1.rcParams['font.sans-serif'] = ['SimHei']
#数据《王者荣耀》英雄出场率
hero_data = ['孙悟空','孙尚香','诸葛亮','盾山','澜']
hero_odds = [20,21,29,15,15]
#这个位置添加参数！！！
plt.pie(hero_odds,labels=hero_data,autopct='%1.1f%%',counterclock=False, startangle=90)
plt.title('英雄登场率')
plt.tight_layout()
plt.show()
将个别扇形分离出来explode
plt.pie(hero_odds,labels=hero_data,autopct='%1.1f%%',counterclock=False, startangle=90,explode=[0.1,0,0,0,0])
6.热力图
热力图介绍
1、表格形热力图，也称色块图（2个分类字段和1个数值字段，分类字段来确定x，y轴）
2、非表格型热力图（3个数值字段，2个数值字段分别确定x，y轴，1个数值数值字段确定着色）
热力图适合查看总体情况、发现异常值、显示多个变量之间的差异，以及查看它们之间的相关性
热力图的绘制imshow
将一个二维数组传入imshow就可以绘制一个热力图
from matplotlib import pyplot as plt
import numpy as np
import pylab as mp1
mp1.rcParams['font.sans-serif'] = ['SimHei']
harvest = np.array([[0.8, 2.4, 2.5, 3.9, 0.0, 4.0, 0.0],
[2.4, 0.0, 4.0, 1.0, 2.7, 0.0, 0.0],
[1.1, 2.4, 0.8, 4.3, 1.9, 4.4, 0.0],
[0.6, 0.0, 0.3, 0.0, 3.1, 0.0, 0.0],
[0.7, 1.7, 0.6, 2.6, 2.2, 6.2, 0.0],
[1.3, 1.2, 0.0, 0.0, 0.0, 3.2, 5.1],
[0.1, 2.0, 0.0, 1.4, 0.0, 1.9, 6.3]])
plt.imshow(harvest)#热力图imshow
plt.tight_layout()
plt.show()
加入x，y轴
from matplotlib import pyplot as plt
import numpy as np
import pylab as mp1
mp1.rcParams['font.sans-serif'] = ['SimHei']
harvest_x = ['成都','甘肃','泸州','阿坝','西昌','乐山','眉山']
harvest_y = ['平原','山脉','高原','丘陵','盆地','山脊','林原']
harvest = np.array([[0.8, 2.4, 2.5, 3.9, 0.0, 4.0, 0.0],
[2.4, 0.0, 4.0, 1.0, 2.7, 0.0, 0.0],
[1.1, 2.4, 0.8, 4.3, 1.9, 4.4, 0.0],
[0.6, 0.0, 0.3, 0.0, 3.1, 0.0, 0.0],
[0.7, 1.7, 0.6, 2.6, 2.2, 6.2, 0.0],
[1.3, 1.2, 0.0, 0.0, 0.0, 3.2, 5.1],
[0.1, 2.0, 0.0, 1.4, 0.0, 1.9, 6.3]])
'''这个地方加入x,y'''
plt.xticks(np.arange(len(harvest_x)), labels=harvest_x, rotation=45, rotation_mode="anchor", ha="right")
plt.yticks(np.arange(len(harvest_y)), labels=harvest_y)
plt.imshow(harvest)
plt.title('地热散布分析')
plt.tight_layout()
plt.show()
| 参数 | 详情 |
|---|---|
| rotation | 文字旋转度数 |
| rotation_mode | 旋转模式 |
| ha | 旋转方向 |
数值大小色卡colorbar
from matplotlib import pyplot as plt
import numpy as np
import pylab as mp1
mp1.rcParams['font.sans-serif'] = ['SimHei']
harvest_x = ['成都','甘肃','泸州','阿坝','西昌','乐山','眉山']
harvest_y = ['平原','山脉','高原','丘陵','盆地','山脊','林原']
harvest = np.array([[0.8, 2.4, 2.5, 3.9, 0.0, 4.0, 0.0],
[2.4, 0.0, 4.0, 1.0, 2.7, 0.0, 0.0],
[1.1, 2.4, 0.8, 4.3, 1.9, 4.4, 0.0],
[0.6, 0.0, 0.3, 0.0, 3.1, 0.0, 0.0],
[0.7, 1.7, 0.6, 2.6, 2.2, 6.2, 0.0],
[1.3, 1.2, 0.0, 0.0, 0.0, 3.2, 5.1],
[0.1, 2.0, 0.0, 1.4, 0.0, 1.9, 6.3]])
plt.xticks(np.arange(len(harvest_x)), labels=harvest_x, rotation=45, rotation_mode="anchor", ha="right")
plt.yticks(np.arange(len(harvest_y)), labels=harvest_y)
plt.imshow(harvest)
plt.colorbar()#在代码中加入colorbar就行了
plt.title('地热散布分析')
plt.tight_layout()
plt.show()
为色块加上数值
from matplotlib import pyplot as plt
import numpy as np
import pylab as mp1
mp1.rcParams['font.sans-serif'] = ['SimHei']
harvest_x = ['成都','甘肃','泸州','阿坝','西昌','乐山','眉山']
harvest_y = ['平原','山脉','高原','丘陵','盆地','山脊','林原']
harvest = np.array([[0.8, 2.4, 2.5, 3.9, 0.0, 4.0, 0.0],
[2.4, 0.0, 4.0, 1.0, 2.7, 0.0, 0.0],
[1.1, 2.4, 0.8, 4.3, 1.9, 4.4, 0.0],
[0.6, 0.0, 0.3, 0.0, 3.1, 0.0, 0.0],
[0.7, 1.7, 0.6, 2.6, 2.2, 6.2, 0.0],
[1.3, 1.2, 0.0, 0.0, 0.0, 3.2, 5.1],
[0.1, 2.0, 0.0, 1.4, 0.0, 1.9, 6.3]])
plt.xticks(np.arange(len(harvest_x)), labels=harvest_x, rotation=45, rotation_mode="anchor", ha="right")
plt.yticks(np.arange(len(harvest_y)), labels=harvest_y)
'''加上块中的数值'''
for i in range(len(harvest_x)):
for j in range(len(harvest_y)):
text = plt.text(j, i, harvest[i, j], ha="center", va="center", color="w")
plt.imshow(harvest)
plt.colorbar()
plt.title('地热散布分析')
plt.tight_layout()
plt.show()
常见问题
1.问题一 “get”属性缺失
| AttributeError: module ‘requests’ has no attribute ‘get’”，python中”requests模块“get”属性缺失“的错误该如何解决？ | |
|---|---|
解决方法：
| 检查是不是自己写的代码文件命名为requests.py如果是的话，修改文件名，即可。 | |
|---|---|
2.问题二 “文字无法显示”
解决方法：
在代码中加入
import pylab as mp1#文字问题使用
mp1.rcParams['font.sans-serif'] = ['SimHei']#文字问题使用
@想努力学习变强的尾巴
欢迎各位在评论区讨论留言，遇到问题一起解决！