1. 首页
  2. 文章中心
  3. 超牛大数据

Matplotlib--用Python创建各种数据可视化图形

68 阅读 0 评论
我是靠谱客的博主 沉静电源，最近开发中收集的这篇文章主要介绍Matplotlib--用Python创建各种数据可视化图形，觉得挺不错的，现在分享给大家，希望可以做个参考。

概述

文章目录

    • 前言
    • 安装Matplotlib
    • 用PyPlot创建一个简单的线条图
    • 创建条形图
    • 创建饼图
    • 添加标签
    • 在情节中添加标题
    • 创造传奇
    • 显示多个数字
    • 包起来

前言

数据可视化是与他人共享数据的重要方法。有些人将可视化称为图解、图表或图形。在本文中，这些名称是同义词。

Python有许多第三方包，用于数据可视化。事实上，有这么多，它可能有点压倒性。其中最古老和最受欢迎的是Matplotlib。Matplotlib以在Python中创建静态、动画和交互式可视化而闻名。

您可以使用Matplotlib创建许多不同类型的绘图和图表。它还与其他数据科学和数学库(如NumPy和熊猫。您还会发现Matplotlib可以使用Python的大多数GUI工具包，例如Tkinter、wxPython和PyQt。因为Matplotlib是众所周知的，所以本文将介绍它的图形化包。

您将了解以下主题：

  • 用PyPlot创建一个简单的线条图
  • 创建条形图
  • 创建饼图
  • 添加标签
  • 在情节中添加标题
  • 创造传奇
  • 显示多个数字

让我们开始用Matplotlib作图吧！

安装Matplotlib

您需要安装Matplotlib才能使用它。幸运的是，这样做很容易。pip:

python -m pip install matplotlib

这将安装Matplotlib以及它所需的任何依赖项。现在你已经准备好开始绘图了！

用PyPlot创建一个简单的线条图

创建图表(或图表)是使用绘图包的主要目的。Matplotlib有一个名为pyplot用来创建图表。要开始，继续创建一个名为line_plot.py并添加以下代码：

# line_plot.py

import matplotlib.pyplot as plt

def line_plot(numbers):
    plt.plot(numbers)
    plt.ylabel('Random numbers')
    plt.show()

if __name__ == '__main__':
    numbers = [2, 4, 1, 6]
    line_plot(numbers)

你在这里进口matplotlib.pyplot如plt。然后创建一个line_plot()它接受Python的数字列表。若要绘制数字，请使用plot()功能。您还可以向y轴添加一个标签。最后，你打电话show()显示情节。

现在，您应该可以看到如下所示的窗口：
在这里插入图片描述

现在您知道了如何使用Matplotlib创建一个简单的线条图！现在，您将在下一节中了解如何制作条形图。

创建条形图

使用Matplotlib创建条形图与创建线条图非常相似。只是需要一些额外的争论。继续创建一个名为bar_chart.py并在其中输入以下代码：

# bar_chart.py

import matplotlib.pyplot as plt

def bar_chart(numbers, labels, pos):
    plt.bar(pos, numbers, color='blue')
    plt.xticks(ticks=pos, labels=labels)
    plt.show()

if __name__ == '__main__':
    numbers = [2, 1, 4, 6]
    labels = ['Electric', 'Solar', 'Diesel', 'Unleaded']
    pos = list(range(4))
    bar_chart(numbers, labels, pos)

创建条形图时，请使用bar()，则传递x轴的值列表。然后你传递给酒吧的高度列表。您还可以选择为条形图设置颜色。在这种情况下，您将它们设置为“蓝色”。接下来，设置xticks()，这是沿着x轴应该出现的勾号。您还传递了与滴答对应的标签列表。

继续运行以下代码，您将看到以下图表：
在这里插入图片描述
您还可以使用Matplotlib制作水平条形图。你所需要做的就是改变bar()到barh()。创建一个名为bar_chartsh.py并添加以下代码：

# bar_charth.py

import matplotlib.pyplot as plt

def bar_charth(numbers, labels, pos):
    plt.barh(pos, numbers, color='blue')
    plt.yticks(ticks=pos, labels=labels)
    plt.show()

if __name__ == '__main__':
    numbers = [2, 1, 4, 6]
    labels = ['Electric', 'Solar', 'Diesel', 'Unleaded']
    pos = list(range(4))
    bar_charth(numbers, labels, pos)

这里还有另外一个鬼鬼祟祟的变化。你能认出它吗？更改是，因为它现在是一个水平条形图，所以您需要将yticks()而不是xticks()否则看起来就不太好了。

一旦准备就绪，运行代码，您将看到以下内容：
在这里插入图片描述
这看起来很棒，而且它根本不需要太多的代码！现在，让我们了解如何使用Matplotlib创建饼图。

创建饼图

派图有点不同。要创建饼图，您将使用Matplotlib的subplots()函数，该函数返回Figure和一个Axes对象。要了解它是如何工作的，请创建一个名为pie_chart_plain.py然后把这个代码放进去：

# pie_chart_plain.py

import matplotlib.pyplot as plt

def pie_chart():
    numbers = [40, 35, 15, 10]
    labels = ['Python', 'Ruby', 'C++', 'PHP']

    fig1, ax1 = plt.subplots()
    ax1.pie(numbers, labels=labels)
    plt.show()

if __name__ == '__main__':
    pie_chart()

在这段代码中，您可以创建subplots()然后使用pie()方法Axes对象。您将像以前一样传递一个数字列表，以及一个标签列表。然后，当您运行代码时，您将看到您的饼图：
在这里插入图片描述
对于这么短的一段代码来说，这是相当不错的。但是你可以把你的饼图做得更好。创建一个名为pie_chart_fancy.py并添加以下代码以查看如何：

# pie_chart_fancy.py

import matplotlib.pyplot as plt

def pie_chart():
    numbers = [40, 35, 15, 10]
    labels = ['Python', 'Ruby', 'C++', 'PHP']
    # Explode the first slice (Python)
    explode = (0.1, 0, 0, 0)

    fig1, ax1 = plt.subplots()
    ax1.pie(numbers, explode=explode, labels=labels,
            shadow=True, startangle=90,
            autopct='%1.1f%%')
    ax1.axis('equal')
    plt.show()

if __name__ == '__main__':
    pie_chart()

在本例中，您可以使用explode参数可以告诉饼图“爆炸”或从饼饼中删除一片。在本例中，删除第一个片段，它对应于“Python”。您还添加了一个shadow派图上。您可以告诉您的饼图逆时针旋转一定数量的度，通过设置startangle。如果要显示切片百分比，可以使用autopct，它将使用Python的字符串内插语法。

运行此代码时，饼图现在将如下所示：
在这里插入图片描述
是不是很干净？你的饼图现在看起来更漂亮了！现在是时候学习如何添加标签到您的其他图形！

添加标签

在绘制数据时，通常需要对轴进行标记。属性来标记x轴。xlabel()函数，您可以使用相应的ylabel()功能。要了解这是如何工作的，请创建一个名为bar_chart_labels.py并将以下代码添加到其中：

# bar_chart_labels.py

import matplotlib.pyplot as plt

def bar_chart(numbers, labels, pos):
    plt.bar(pos, numbers, color='blue')
    plt.xticks(ticks=pos, labels=labels)
    plt.xlabel('Vehicle Types')
    plt.ylabel('Number of Vehicles')
    plt.show()

if __name__ == '__main__':
    numbers = [2, 1, 4, 6]
    labels = ['Electric', 'Solar', 'Diesel', 'Unleaded']
    pos = list(range(4))
    bar_chart(numbers, labels, pos)

在这里，你打电话给两个人xlabel()和ylabel()并将它们设置成不同的字符串。这分别在图的下面和图的左边添加了一些解释性文本。结果如下：
在这里插入图片描述
看起来挺不错的。您的图表更容易理解，但它缺少一个标题。您将在下一节中学习如何做到这一点！

在情节中添加标题

使用Matplotlib向图形添加标题非常简单。实际上，您所需要做的就是使用title()函数添加一个。要了解如何创建一个名为bar_chart_title.py并将以下代码添加到其中：

# bar_chart_title.py

import matplotlib.pyplot as plt

def bar_chart(numbers, labels, pos):
    plt.bar(pos, [4, 5, 6, 3], color='green')
    plt.bar(pos, numbers, color='blue')
    plt.xticks(ticks=pos, labels=labels)
    plt.title('Gas Used in Various Vehicles')
    plt.xlabel('Vehicle Types')
    plt.ylabel('Number of Vehicles')
    plt.show()

if __name__ == '__main__':
    numbers = [2, 1, 4, 6]
    labels = ['Electric', 'Solar', 'Diesel', 'Unleaded']
    pos = list(range(4))
    bar_chart(numbers, labels, pos)

这里的主要更改是在第9行调用title()然后传入一根绳子。这设置了图表的标题，默认情况下，它沿着顶部居中。可以通过设置loc参数为“左”或“右”，但不能指定标题位于顶部以外的任何位置。还有一个fontdict参数，可用于控制标题字体的外观。

您还可以向图中添加一个新的条形图。这可以帮助您了解堆叠的条形图是什么样子，也可以帮助您为下一节做好准备。

下面是您的图表现在的样子：
在这里插入图片描述
这张图看上去更好，但仍然遗漏了一些东西。噢!你需要一个传奇！接下来我们来看看怎么做。

创造传奇

向Matplotlib图添加一个图例也很简单。您将使用legend()函数添加一个。创建一个名为bar_chart_legend.py。然后，将以下代码添加到其中：

# bar_chart_legend.py

import matplotlib.pyplot as plt

def bar_chart(numbers, labels, pos):
    plt.bar(pos, [4, 5, 6, 3], color='green')
    plt.bar(pos, numbers, color='blue')
    plt.xticks(ticks=pos, labels=labels)
    plt.xlabel('Vehicle Types')
    plt.ylabel('Number of Vehicles')
    plt.legend(['First Label', 'Second Label'], loc='upper left')
    plt.show()

if __name__ == '__main__':
    numbers = [2, 1, 4, 6]
    labels = ['Electric', 'Solar', 'Diesel', 'Unleaded']
    pos = list(range(4))
    bar_chart(numbers, labels, pos)

在这里添加一个legend()就在你面前show()图表。创建图例时，可以通过传递字符串列表来设置标签。列表应该与图中的图数相匹配。还可以使用loc参数。

运行此代码时，您将看到您的图形更新如下：
在这里插入图片描述

现在，您的图包含了您希望在图中包含的所有正常组件。至此，您已经看到了许多使用Matplotlib可以完成的任务。最后一个要学习的主题是如何使用Matplotlib添加多个数字。

显示多个数字

Matplotlib允许您在展示之前创建几个情节。这使您可以同时处理多个数据集。有几种不同的方法可以做到这一点。您将看到最简单的方法之一。

创建一个名为multiple_figures.py并添加以下代码：

# multiple_figures.py

import matplotlib.pyplot as plt

def line_plot(numbers, numbers2):
    first_plot = plt.figure(1)
    plt.plot(numbers)

    second_plot = plt.figure(2)
    plt.plot(numbers2)
    plt.show()

if __name__ == '__main__':
    numbers = [2, 4, 1, 6]
    more_numbers = [5, 1, 10, 3]
    line_plot(numbers, more_numbers)

在这里，您创建了两个线条图。在你策划之前，你打电话给figure()，它为调用后的绘图创建一个顶级容器。因此，第一个图添加到图一，第二个图添加到图2。show()最后，Matplotlib将打开两个窗口，每个图分别显示。

运行代码，您将在计算机上看到以下两个窗口：
在这里插入图片描述
Matplotlib还支持向单个窗口添加两个或多个绘图。若要查看该文件的工作原理，请创建另一个新文件并命名此文件。multiple_plots.py。为了使事情更有趣，您将在本例中使用NumPy创建这两个情节。

注：如果您还没有安装NumPy，则需要安装NumPy才能使此示例正常工作。

此示例基于Matplotlib文档中的一个：

# multiple_plots.py

import matplotlib.pyplot as plt
import numpy as np

def multiple_plots():
    # Some example data to display
    x = np.linspace(0, 2 * np.pi, 400)
    y = np.sin(x ** 2)

    fig, axs = plt.subplots(2)
    fig.suptitle('Vertically stacked subplots')
    axs[0].plot(x, y)
    axs[1].plot(x, -y)
    plt.show()

if __name__ == '__main__':
    multiple_plots()

在这里，您创建了相当于两个独立的正弦波图。要使它们都出现在同一个窗口中，您可以调用subplots()，这是在单个调用中创建多个数字的方便实用程序。然后，您可以使用Axes对象来绘制用NumPy创建的数据。

结果如下所示：
在这里插入图片描述
如果不想使用NumPy，可以绘制上一个示例中的两组数字。事实上，你应该试试。继续创建一个名为multiple_plots2.py并添加以下代码：

# multiple_plots2.py

import matplotlib.pyplot as plt

def multiple_plots():
    numbers = [2, 4, 1, 6]
    more_numbers = [5, 1, 10, 3]
    fig, axs = plt.subplots(2)
    fig.suptitle('Vertically stacked subplots')
    axs[0].plot(numbers)
    axs[1].plot(more_numbers)
    plt.show()

if __name__ == '__main__':
    multiple_plots()

在此代码中，您将完全删除NumPy代码，并从前面的示例中添加两个数字列表。然后使用Axes对象。

这导致了以下堆叠情节：
在这里插入图片描述
此时，您应该很好地掌握了如何使用Matplotlib创建多个图形和叠加的绘图。

包起来

Matplotlib是一个很好的包，您可以使用它来创建各种整洁的图形。令人惊讶的是，您需要编写几行代码才能根据数据创建有用的绘图。在本文中，您了解了以下主题：

  • 用PyPlot创建一个简单的线条图
  • 创建条形图
  • 创建饼图
  • 添加标签
  • 在情节中添加标题
  • 创造传奇
  • 显示多个数字

Matplotlib非常强大，有许多特性在这里没有涉及。您可以使用Matplotlib创建许多其他类型的可视化。

有一个较新的包，名为海航这是建立在Matplotlib之上的，使它的图形看起来更好。还有许多其他完全独立的Python图形化包。您会发现Python支持几乎任何类型的图，并且可能有许多您不知道的图。

非常感谢大家的阅读！
在这里插入图片描述

最后

以上就是沉静电源为你收集整理的Matplotlib--用Python创建各种数据可视化图形的全部内容，希望文章能够帮你解决Matplotlib--用Python创建各种数据可视化图形所遇到的程序开发问题。

如果觉得靠谱客网站的内容还不错，欢迎将靠谱客网站推荐给程序员好友。

本图文内容来源于网友提供，作为学习参考使用，或来自网络收集整理，版权属于原作者所有。
点赞(45)

相关文章

matlab 自定义直方图匹配_化学专业研究生眼中的数据处理：Seaborn中一些或许必要的自定义...
matlab 自定义直方图匹配_化学专业研究生眼中的数据处理：Seaborn中一些或许必要的自定义...
seaborn柱状图实例
seaborn柱状图实例
矢量对比_「插画原画必学教程」ps入门——03 图层、位图矢量图、调色
矢量对比_「插画原画必学教程」ps入门——03 图层、位图矢量图、调色
Seaborn教程
Seaborn教程
Matplotlib--用Python创建各种数据可视化图形
Matplotlib--用Python创建各种数据可视化图形
Python Pygal常见数据图（折线图、柱状图、饼图、点图、仪表图和雷达图）详解
Python Pygal常见数据图（折线图、柱状图、饼图、点图、仪表图和雷达图）详解
python3如何使用matplotlib库_python使用matplotlib库生成随机漫步图
python3如何使用matplotlib库_python使用matplotlib库生成随机漫步图
matplotlib生成html,Python-Passing a matplotlib figure to HTML (flask)
matplotlib生成html,Python-Passing a matplotlib figure to HTML (flask)

评论列表共有 0 条评论

立即
投稿
返回
顶部