《Python教材》-模块13 数据可视化

模块13数据可视化113.1matplotlib库13.1.1matplotlib概述matplotlib作为Python的一个基本绘图库，是Python中应用最广泛的绘图工具包之一。可以绘制多种形式的图形，包括折线图、散点图、直方图、条形图、箱形图、饼图等。matplotlib包括pyplot、pylab等绘图模块以及大量用于字体、颜色、图例等图形元素的管理与控制的模块。使用pyplot或pylab绘图的一般过程为：首先读入数据，然后根据需要绘制折线图、散点图、直方图、条形图、箱形图或饼图等图形，接下来设置轴、标题和图形的属性，最后显示或者保存绘制的图形。在matplotlib中提供了丰富的函数用于各类图形的绘制。这些函数都具有很多可选参数用于支持个性化设置，其中的很多参数又具有多个可能的值，例如颜色、线型、字体、字号等。通过使用这些函数，我们可以用非常简洁的代码绘制出各种优美的图形。213.1matplotlib库13.1.2matplotlib安装在安装完python后，我们可以使用pip命令来安装matplotlib模块。具体步骤如下：（1）按下Win+R，在“运行”窗口输入“cmd”，单击“确定”进入到cmd窗口下，执行python-mpipinstall-Upipsetuptools进行升级。（2）输入python-mpipinstallmatplotlib进行matplotlib模块的安装，系统会自动下载安装包并进行安装。（3）安装完成后，可以用python-mpiplist查看本机的安装的所有模块，确保matplotlib已经安装成功。313.2绘制统计图形13.2.1折线图在Python数据可视化图表的所有类型中，折线图最为简单。当你想清楚地看到一个变量随另一个变量的变化而发生的变化时，可以使用折线图。折线图的各个数据点由一条直线来连接，一对对(x,y)值组成的数据点在图表中的位置取决于两条轴(x和y)的刻度范围。Python中用来绘制折线图的函数是plot()函数。plot()函数语法如下：plot(x,y,linestyle,linewidth,color,marker,markersize,markeredgecolor,markerfactcolor,markeredgewidth,label,alpha)413.2绘制统计图形plot()函数各参数的含义如下：x：指定折线图的x轴数据。y：指定折线图的y轴数据。linestyle：指定折线的类型，可以是实线、虚线、点虚线、点点线等，默认为实线。linewidth：指定折线的宽度。marker：可以为折线图添加点，该参数是设置点的形状。markersize：设置点的大小。markeredgecolor：设置点的边框色。markerfactcolor：设置点的填充色。markeredgewidth：设置点的边框宽度。label：为折线图添加标签，类似于图例的作用。alpha：设置透明度，越接近0越透明,越接近1越不透明。513.2绘制统计图形

例13-1某高校计算机系近5年的招生人数见表13-1，针对该表绘制折线图。表13-1计算机系近5年的招生人数基本思路：我们先导入模块pyplot，然后使用该模块的plot函数来绘制折线图，接着调用该模块的相关函数来调整、设置图表的标题、横纵标签、刻度标记内容和大小。6年份20152016201720182019人数38041039641543013.2绘制统计图形importmatplotlib.pyplotasplt#导pyplot模块x=[2015,2016,2017,2018,2019]#X坐标轴显示年份y=[380,410,396,415,430]#Y坐标轴显示人数

plt.plot(x,y,color='red')

#用plot函数绘制折线图#指定图形标题，并设置标题字体字号

plt.title("2015-2019年计算机系招生人数",fontproperties='STKAITI',fontsize=24)#指定X坐标轴的标签，并设置标签字体字号

plt.xlabel("年份",fontproperties='STKAITI',fontsize=20)#指定Y坐标轴的标签，并设置标签字体字号plt.ylabel("招生人数",fontproperties='STKAITI',fontsize=20)

#参数axis值为both，代表要设置横纵坐标的刻度标记，标记大小为14plt.tick_params(axis='both',labelsize=14)plt.show()#打开matplotlib查看器，并显示绘制的图形713.2绘制统计图形代码运行结果如图13-4所示。图13-4折线图813.2绘制统计图形13.2.2散点图散点图用两组数据构成多个坐标点，考察坐标点的分布，判断两变量之间是否存在某种关联或总结坐标点的分布模式。散点图将序列显示为一组点，值由点在图表中的位置表示，类别由图表中的不同标记表示。散点图通常用于比较跨类别的聚合数据。Python中用来绘制散点图的函数是scatter()函数。scatter()函数语法如下：scatter(x,y,s=20,c=None,marker='o',cmap=None,norm=None,vmin=None,vmax=None,alpha=None,linewidths=None,edgecolors=None)913.2绘制统计图形scatter()函数各参数的含义如下：x：指定散点图的x轴数据。y：指定散点图的y轴数据。s：指定散点图点的大小，默认为20，通过传入其他数值型变量，可以实现气泡图的绘制。c：指定散点图点的颜色，默认为蓝色，也可以传递其他数值型变量，通过cmap参数的色阶表示数值大小marker：指定散点图点的形状，默认为空心圆。cmap：指定某个Colormap值，只有当c参数是一个浮点型数组时才有效。norm：设置数据亮度，标准化到0~1，使用该参数仍需要参数c为浮点型的数组。vmin、vmax：亮度设置，与norm类似，如果使用norm参数，则该参数无效。alpha：设置散点的透明度。linewidths：设置散点边界线的宽度。edgecolors：设置散点边界线的颜色。1013.2绘制统计图形例13-2绘制由200个随机点组成的散点图，要求随机点的横纵坐标值均在0-1之间。importmatplotlib.pylabaspltimportnumpyasnpk=200#随机点数量为200个x=np.random.rand(k)#生成200个0-1之间的随机小数y=np.random.rand(k)size=np.random.rand(k)*50#生成每个点的大小colour=np.arctan2(x,y)#生成每个点的颜色plt.scatter(x,y,s=size,c=colour)#绘制散点图plt.show()1113.2绘制统计图形代码运行结果如图13-5所示。图13-5散点图1213.2绘制统计图形13.2.3直方图直方图描述了数据中某个范围内数据出现的频度。Python中用来绘制直方图的函数是hist()函数，hist()函数语法如下：hist(x,bins=10,range=None,normed=False,weights=None,cumulative=False,bottom=None,histtype='bar',align='mid',orientation='vertical',rwidth=None,log=False,color=None,edgecolor=None,label=None,stacked=False)1313.2绘制统计图形hist()函数各参数的含义如下：x：指定要绘制直方图的数据。bins：指定直方图条形的个数。range：指定直方图数据的上下界，默认包含绘图数据的最大值和最小值。normed：是否将直方图的频数转换成频率。weights：该参数可为每一个数据点设置权重。cumulative：是否需要计算累计频数或频率。bottom：可以为直方图的每个条形添加基准线，默认为0。histtype：指定直方图的类型，默认为bar，除此还有’barstacked’,‘step’,‘stepfilled’。1413.2绘制统计图形align：设置条形边界值的对其方式，默认为mid，除此还有’left’和’right’。orientation：设置直方图的摆放方向，默认为垂直方向。rwidth：设置直方图条形宽度的百分比。log：是否需要对绘图数据进行log变换。color：设置直方图的填充色。edgecolor：设置直方图的边框色。label：设置直方图的标签，可通过legend展示其图例。stacked：当有多个数据时，是否需要将直方图呈堆叠摆放，默认水平摆放。1513.2绘制统计图形例13-3生成1000个0-100之间的随机整数，用直方图展示这1000个随机数的分布情况。importmatplotlib.pylabasplt

importnumpyasnp

pop=np.random.randint(0,100,1000)#生成随机数

plt.hist(pop,bins=20,color='steelblue',edgecolor='k')#绘制直方图

plt.title('1000个0-100之间的随机数分布直方图',fontproperties='STKAITI',fontsize=20)#设置直方图标题

plt.xlabel('随机数值',fontproperties='STKAITI',fontsize=18)#设置x轴标签

plt.ylabel('随机数个数',fontproperties='STKAITI',fontsize=18)#设置y轴标签

plt.show()1613.2绘制统计图形代码运行结果如图13-6所示。图13-6直方图1713.2绘制统计图形13.2.4条形图条形图是统计图资料分析中最常用的图形，条形图常常用来描述一组数据的对比情况。条形图能够使人们一眼看出各个项目数据的大小，使人们容易比较各个不同项目数据之间的差别。条形图与直方图的区别：（1）条形图是用条形的长度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。（2）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。（3）条形图主要用于展示分类数据，而直方图则主要用于展示数据型数据。1813.2绘制统计图形Python中用来绘制条形图的函数是bar()函数。bar()函数语法如下：bar(left,height,width=0.8,bottom=None,color=None,edgecolor=None,linewidth=None,tick_label=None,xerr=None,yerr=None,label=None,ecolor=None,align,log=False,**kwargs)bar()函数各参数的含义如下：x：传递数值序列，指定条形图中x轴上的刻度值。height：传递数值序列，指定条形图y轴上的高度。width：指定条形图的宽度，默认为0.8。bottom：用于绘制堆叠条形图。color：指定条形图的填充色。1913.2绘制统计图形edgecolor：指定条形图的边框色。linewidth：指定条形图边框的宽度，如果指定为0，表示不绘制边框。tick_label：指定条形图的刻度标签。xerr：如果参数不为None，表示在条形图的基础上添加误差棒。yerr：参数含义同xerr。label：指定条形图的标签，一般用以添加图例。ecolor：指定条形图误差棒的颜色align：指定x轴刻度标签的对齐方式，默认为center，表示刻度标签居中对齐，如果设置为edge，则表示在每个条形的左下角呈现刻度标签。log：bool类型参数，是否对坐标轴进行log变换，默认为False。**kwargs：关键字参数，用于对条形图进行其他设置，如透明度等。2013.2绘制统计图形例13-4某商场2019年四个季度手机的销售数量统计如表13-2所示，针对该表绘制条形图。表13-2某商场2019年四个季度手机销售统计表21季度一季度二季度三季度四季度销售数量（台）232520171533192513.2绘制统计图形importmatplotlib.pylabasplt

plt.rcParams['font.sans-serif']=['SimHei']#用于正常显示中文标签

s=['一季度','二季度','三季度','四季度']

v=[2325,2017,1533,1925]

plt.bar(x=list(range(4)),#指定条形图x轴的刻度值

height=v,#指定条形图y轴的数值

tick_label=s,#指定条形图x轴的刻度标签color='steelblue',

#指定条形图的填充色

width=0.8)

#指定条形图的宽度

plt.ylabel('销售数量(台)')#添加y轴的标签

plt.title('2019年四个季度手机销售数量')#添加条形图的标题

forx,yinenumerate(v):#为每个条形图添加数值标签

plt.text(x,y,y,ha='center')

plt.show()2213.2绘制统计图形代码运行结果如图13-7所示。图13-7条形图2313.2绘制统计图形13.2.5箱形图箱形图也称箱线图，是一种用作显示一组数据分散情况资料的统计图。因形状如箱子而得名，在各种领域也经常被使用。它主要用于反映原始数据分布的特征，还可以进行多组数据分布特征的比较。箱形图利用数据中的五个统计量（最小值、下四分位数、中位数、上四分位数、最大值）来描述数据，可粗略看出数据是否具有对称性、分布的分散程度等信息。Python中用来绘制箱形图的函数是boxplot()函数。boxplot()函数语法如下：boxplot(x,notch=None,sym=None,vert=None,whis=None,positions=None,widths=None,patch_artist=None,meanline=None,showmeans=None,showcaps=None,showbox=None,showfliers=None,boxprops=None,labels=None,flierprops=None,medianprops=None,meanprops=None,capprops=None,whiskerprops=None)2413.2绘制统计图形boxplot()函数各参数的含义如下：x：指定要绘制箱线图的数据。notch：是否以凹口的形式展现箱线图，默认非凹口。sym：指定异常点的形状，默认为+号显示。vert：是否需要将箱线图垂直摆放，默认垂直摆放。whis：指定上下须与上下四分位的距离，默认为1.5倍的四分位差。positions：指定箱线图的位置，默认为[0,1,2…]。widths：指定箱线图的宽度，默认为0.5。patch_artist：bool类型参数，是否填充箱体的颜色；默认为False。meanline：bool类型参数，是否用线的形式表示均值，默认为False。showmeans：bool类型参数，是否显示均值，默认为False。2513.2绘制统计图形showcaps：bool类型参数，是否显示箱线图顶端和末端的两条线（即上下须），默认为True。showbox：bool类型参数，是否显示箱线图的箱体，默认为True。showfliers：是否显示异常值，默认为True。boxprops：设置箱体的属性，如边框色，填充色等。labels：为箱线图添加标签，类似于图例的作用。filerprops：设置异常值的属性，如异常点的形状、大小、填充色等。medianprops：设置中位数的属性，如线的类型、粗细等。meanprops：设置均值的属性，如点的大小、颜色等。capprops：设置箱线图顶端和末端线条的属性，如颜色、粗细等。whiskerprops：设置须的属性，如颜色、粗细、线的类型等。2613.2绘制统计图形例13-5

3月份济南各小区二手房单价如表13-3所示，依据表中房屋单价绘制箱形图。表13-33月份济南各小区二手房单价27小区单价小区单价领秀城20000常春藤12000泉景天沅25000西苑9000中海国际18000中央花园14500舜玉小区17500新世界19500燕子山小区26000雅苑15000万科城22500金科城1200013.2绘制统计图形importmatplotlib.pyplotasplt

plt.rcParams['font.sans-serif']=['SimHei']

#绘制箱线图

plt.boxplot(x=[20000,25000,18000,17500,26000,22500,12000,9000,14500,19500,15000,12000],#指定绘图数据

patch_artist=True,#要求用自定义颜色填充盒形图，默认白色填充

showmeans=True,#以点的形式显示均值#设置箱体属性，如边框色和填充色

boxprops={'color':'black','facecolor':'steelblue'},

2813.2绘制统计图形#设置异常点属性，如点的形状、填充色和点的大小

flierprops={'marker':'o','markerfacecolor':'red','markersize':3},

#设置均值点的属性，如点的形状、填充色和点的大小

meanprops={'marker':'D','markerfacecolor':'indianred','markersize':4},#设置中位数线的属性，如线的类型和颜色

medianprops={'linestyle':'--','color':'orange'},

labels=[''])#删除x轴的刻度标签，否则图形显示刻度标签为1

plt.title('二手房单价分布的箱线图')#添加图形标题

plt.show()#显示图形2913.2绘制统计图形代码运行结果如图13-8所示。图13-8箱形图3013.2绘制统计图形13.2.6饼图除了条形图，饼图也可以用来描述一组数据的对比情况。饼图展示的是集合中各个部分的百分比。饼图适合展示各部分占总体的比例，而条形图适合比较各部分的大小。Python中用来绘制饼图的函数是pie()函数。pie()函数语法如下：pie(x,explode=None,labels=None,colors=None,autopct=None,pctdistance=0.6,shadow=False,labeldistance=1.1,startangle=None,radius=None,counterclock=True,wedgeprops=None,textprops=None,center=(0,0),frame=False)3113.2绘制统计图形pie()函数各参数的含义如下：x：指定绘图的数据。explode：指定饼图某些部分的突出显示，即呈现爆炸式。labels：为饼图添加标签说明，类似于图例说明。colors：指定饼图的填充色。autopct：自动添加百分比显示，可以采用格式化的方法显示。pctdistance：设置百分比标签与圆心的距离。shadow：是否添加饼图的阴影效果。labeldistance：设置各扇形标签（图例）与圆心的距离。3213.2绘制统计图形startangle：设置饼图的初始摆放角度。radius：设置饼图的半径大小。counterclock：是否让饼图按逆时针顺序呈现。wedgeprops：设置饼图内外边界的属性，如边界线的粗细、颜色等。textprops：设置饼图中文本的属性，如字体大小、颜色等。center：指定饼图的中心点位置，默认为原点。frame：是否要显示饼图背后的图框，如果设置为True的话，需要同时控制图框x轴、y轴的范围和饼图的中心位置。3313.2绘制统计图形位次编程语言市场占有率1Java16.73%2C16.72%3Python9.31%4C++6.78%5C#4.74%6VisualBasic4.72%7JavaScrpt2.38%8PHP2.37%9SQL2.17%……Others34.08%34例13-62020年4月的TIOBE编程语言排行榜如表13-4所示，绘制饼图展示各编程语言的市场占有率。表13-42020年4月TIOBE编程语言排行榜13.2绘制统计图形importmatplotlib.pylabasplt

importnumpyasnp

data=np.array([0.1673,0.1672,0.0931,0.0678,0.0474,0.0472,0.0238,0.0237,0.0217,0.3408])colors=['red','pink','yellow','green','orange']labels=['Java','C','Python','C++','C#','VisualBasic','JavaScript','PHP','SQL','Others']

plt.pie(x=data,#设置饼图数据labels=labels,#设置饼图各部分标签3513.2绘制统计图形autopct="%1.2f%%",#设置百分比格式,保留2位小数colors=colors,#设置自定义填充色textprops={'fontsize':14,'color':'black'})#设置文本标签的属性值

plt.axis('equal')

plt.legend()#添加图例plt.title('2020年4月TIOBE编程语言排行榜',fontproperties='STKAITI',fontsize=26)#添加标题

plt.show()3613.2绘制统计图形代码运行结果如图13-9所示。图13-9饼图3713.3综合案例

现有一张某销售部门的员工信息统计表如图13-10所示，该表存储位置为“d:\employ.xlsx”，针对该表分别绘制折线图、散点图、直方图、条形图、箱形图和饼图。图13-10员工信息统计表3813.3综合案例1.绘制折线图，用于统计各员工的销售数量。importmatplotlib.pylotasplt

importpandasaspd

plt.rcParams['font.sans-serif']=['SimHei']

df=pd.read_excel("d:\\employ.xlsx","Sheet1")

plt.plot(df['工号'],df['销售数量'],color='green')

plt.title("员工销售数量折线图",fontsize=22)

plt.xlabel("工号",fontsize=18)

plt.ylabel("销售数量",fontsize=18)

plt.tick_params(axis='both',labelsize=14)

plt.show()3913.3综合案例40运行结果如图13-11所示。图13-11折线图13.3综合案例2.绘制散点图，用于统计不同年龄员工的月收入。importmatplotlib.pylotasplt

importpandasaspd

plt.rcParams['font.sans-serif']=['SimHei']

df=pd.read_excel("d:\\employ.xlsx","Sheet1")

fig=plt.figure()

ax=fig.add_subplot(1,1,1)

ax.scatter(df['年龄'],df['月收入'])

plt.title("员工收入散点图",fontsize=22)

plt.xlabel("年龄",fontsize=18)

plt.ylabel("月收入",fontsize=18)

plt.show()4113.3综合案例42运行结果如图13-12所示。图13-12散点图13.3综合案例3.绘制直方图，用于统计各年龄段员工的人数。importmatplotlib.pylotasplt

importpandasaspd

plt.rcParams['font.sans-serif']=['SimHei']df=pd.read_excel("d:\\employ.xlsx","Sheet1")

fig=plt.figure()

ax=fig.add_subplot(1,1,1)

ax.hist(df['年龄'],bins=7,color='steelblue',edgecolor='k')

plt.title('各年龄段人数统计',fontsize=22)

plt.xlabel('年龄',fontsize=18)

plt.ylab