微信公衆號:碼農充電站pro
我的主頁:https://codeshellme.github.iohtml
在進行數據分析的時候,常常須要將數據進行可視化,以方便咱們對數據的認識和理解。python
Matplotlib 是一個可視化工具包,可讓咱們使用Python 來可視化數據。git
這裏有一些官方資源你能夠點擊查看:github
不少更高級的繪圖庫,也都是基於Matplotlib,好比seaborn,HoloViews,ggplot 等。算法
在使用 Matplotlib 時,常常須要用到 pyplot 模塊,用下面代碼引入:shell
import matplotlib.pyplot as plt
下文中,都用plt
來代指pyplot
。api
說明:
這裏咱們只介紹幾種簡單的圖,更多其它的圖,能夠查看官方手冊。
下面的每一個函數,只介紹了最簡單的用法,其它更多的參數能夠查看手冊。數組
plt.scatter
函數用於繪製散點圖。函數原型:微信
scatter(x, y, s = None, c = None, marker = None)
參數含義:函數
x, y
:分別表示點的橫縱座標。x, y 能夠是單個點座標,也能夠是一組點座標。s
:表示點的大小。c
:表示點的顏色。marker
:表示點的形狀,可選的值見這裏,好比 marker 的值爲x
, o
, s
等。以下代碼,畫了三個點:
# 三個點的座標分別是: # (2, 5) # (3,6) # (3, 5) plt.scatter([2, 3, 3], [5, 6, 5], marker='o') plt.show() # 展現圖
畫出的散點圖以下:
plt.plot
函數用於繪製折線圖。函數原型:
plot(x, y)
參數 x
,y
分別表示點的橫縱座標,通常是一組點座標。
好比下面表格表明5
次數學考試成績:
次數 | 1 | 2 | 3 | 4 | 5 |
---|---|---|---|---|---|
成績 | 89 | 78 | 92 | 79 | 86 |
將上面表格數據,繪製成折線圖,代碼以下:
x = [1, 2, 3, 4, 5] y = [89, 78, 92, 79, 86] plt.plot(x, y) plt.show()
畫出的折線圖以下:
直方圖用於描述數據的分佈狀況。
plt.hist
函數用於繪製直方圖。函數原型:
plt.hist(x, bins=None)
參數x
是一個一維數組,bins
能夠理解爲矩形的個數,默認是10
。
假以下面是一次數學考試的成績,全班共50 名同窗:
將全部同窗的成績畫成直方圖,代碼以下:
scores = [ 96, 89, 95, 91, 94, 95, 92, 98, 95, 93, 93, 96, 94, 94, 98, 92, 88, 90, 88, 98, 84, 89, 87, 84, 94, 82, 83, 95, 93, 79, 84, 91, 86, 91, 81, 89, 77, 81, 77, 70, 66, 93, 90, 87, 79, 83, 86, 90, 93, 79, ] plt.hist(scores) plt.show()
畫出來的直方圖以下,橫座標爲成績區間,縱座標爲人數:
經過該直方圖,能夠直觀的看出來每一個成績區間的人數。
plt.bar
函數用於繪製條形圖。函數原型:
plt.bar(x, y, width = 0.8)
參數x
, y
均是一個數組,x
是橫座標,表示數據類別;y
是縱座標,表示每一個類別的頻度。參數width
表示長條的寬度。
好比下表是一位同窗的期中考試的各科成績:
咱們將這位同窗的成績單畫成條形圖,代碼以下:
# 每一個科目分別用字母表示 subjects = ['A', 'B', 'C', 'D', 'E', 'F', 'G', 'H', 'I'] scores = [96, 89, 85, 91, 75, 90, 88, 79, 89] plt.bar(subjects, scores) plt.show()
畫出的條形圖以下:
餅圖經常使用於表示個體佔整體的佔比狀況。
plt.pie
函數用於繪製餅圖。函數原型:
plt.pie(x, labels=None)
參數x
是一個數組,表示一組數據,labels
用於描述每一個數據的含義。
好比下表是某個公司某年每一個季度的收入:
咱們能夠用餅圖分析出每一個季度佔整年收入的佔比,代碼以下:
# 表示每一個季度 quarters = ['1', '2', '3', '4'] incomes = [56, 89, 75, 91] plt.pie(incomes, labels=quarters) plt.show()
畫出的餅圖以下:
(本節完。)
推薦閱讀:
歡迎關注做者公衆號,獲取更多技術乾貨。