matplotlib.pyplot 讓數據可視化

1.條形圖

import matplotlib.pyplot as plt
plt.style.use('ggplot')  #  使用ggplot樣式來模擬ggplot2風格的圖形，ggplot2是一個經常使用的R語言繪圖包
customers = ['ABC','DEF','GHI','JKL','MNO']
customers_index = range(len(customers))
sale_amounts = [127,90,201,111,232]
fig = plt.figure() #  建立基礎圖
ax1 = fig.add_subplot(1,1,1)  #  向基礎圖中添加一個子圖  1,1,1表示穿件1行1列的子圖，並使用第一個也是惟一的一個子圖
ax1.bar(customers_index,sale_amounts,align='center',color='darkblue') # 建立條形圖，customers_index設置天性左側在x軸上的座標,sale_amounts設置條形圖的高度，align 設置條形圖與標籤中間對齊，color設置條形圖的衍射

plt.xlabel('用戶姓名', fontproperties="SimHei") #  設置X軸的標題
plt.ylabel('銷售數量', fontproperties="SimHei") # 設置Y軸的標題
plt.title('銷售額/客戶', fontproperties="SimHei") #  設置title的標題

plt.savefig('bar_plot.png',dpi=400,bbox_inches='tight')  # 講統計圖保存在當前文件夾中，文件名爲bar_plot.png，dpi=400設置圖形分辨率，【每英寸（1英寸=2.54釐米）的點數】,bbox_inches='tight' 表示在保存圖形時，將圖形四周的空白部分去掉
plt.show() # 在一個新窗口中顯示統計圖，

2.直方圖

# @author: erlang
import numpy as np
import matplotlib.pyplot as plt
plt.style.use('ggplot')
mu1,mu2,sigma = 100,130,15
x1 = mu1 + sigma * np.random.randn(10000)  # 生成兩個正太分佈變量x1和x2，x1的均值是100，x2的均值是130,
x2 = mu2 + sigma * np.random.randn(10000)
fig = plt.figure()
ax1 = fig.add_subplot(1,1,1)
n, bins, patches = ax1.hist(x1,bins=50,normed=False,color='darkgreen')  #建立兩個柱形圖或稱頻率分佈圖，bins= 50表示每一個變量的值應該被分紅50份
n, bins, patches = ax1.hist(x2,bins=50,normed=False,color='orange',alpha=0.2) # normed= False表示直方圖顯示是平率分佈，而不是機率密度。alpha=0.2 表示第二個直方圖應該是透明的
ax1.xaxis.set_ticks_position('bottom')
ax1.yaxis.set_ticks_position('left')
plt.xlabel('Bins')
plt.ylabel('Number中值數',fontproperties="SimHei")
fig.suptitle('直方圖',fontproperties="SimHei")
ax1.set_title('兩個頻率分佈',fontproperties="SimHei")
plt.savefig('histogram.png',dpi=400,bbox_inches='tight') 
plt.show()

3.折線圖

# @author: erlang
from numpy.random import randn
import matplotlib.pyplot as plt
import matplotlib
#  保證圖中的中文能夠正常顯示
matplotlib.rcParams['font.sans-serif'] = ['SimHei']
matplotlib.rcParams['axes.unicode_minus'] = False

plt.style.use('ggplot')
plot_data1 = randn(50).cumsum()
plot_data2 = randn(50).cumsum()
plot_data3 = randn(50).cumsum()
plot_data4 = randn(50).cumsum()

fig = plt.figure()
ax1 = fig.add_subplot(1,1,1)

# 穿件4條折線，每條折線均可以經過選項進行設置。使用不一樣的數據點類型、顏色和現行，label參數盤整折線在圖列中能夠正確標記
ax1.plot(plot_data1,marker='o',color=u'blue',linestyle='-',label='Blue solid(藍色固體)',)
ax1.plot(plot_data2,marker='+',color=u'red',linestyle='--',label='Red Dashed(紅色虛線)',)
ax1.plot(plot_data3,marker='*',color=u'green',linestyle='-.',label='Green Dash Dot(綠色衝點)',)
ax1.plot(plot_data4,marker='s',color=u'orange',linestyle=':',label='Orange Dotted(橙色的虛線)',)


ax1.xaxis.set_ticks_position('bottom')
ax1.yaxis.set_ticks_position('left')
ax1.set_title('Line Plots:Markers,colors,and Linestyles(情節:標記、顏色和線型)')
plt.xlabel('Draw(畫)')  # x軸標題
plt.ylabel('Random Number(隨機數)')# Y軸標題
plt.legend(loc='best') # 指示matplotlib根據圖中空白部分將圖列放在最合適的位置
plt.savefig('line_plot.png',dpi=400,bbox_inches='tight')
plt.show()

 

4散點圖

# @author: erlang
import numpy as np import matplotlib.pyplot as plt import matplotlib # 保證圖中的中文能夠正常顯示 matplotlib.rcParams['font.sans-serif'] = ['SimHei'] matplotlib.rcParams['axes.unicode_minus'] = False plt.style.use('ggplot') x = np.arange(start=1.,stop=15.,step=1.) y_linear = x + 5. * np.random.randn(14) y_quadratic = x** 2 + 10. * np.random.randn(14) # 經過隨機數是數據與一條直線和一條二次曲線悄悄偏離 # 使用numpy的polyfit函數經過函數兩組數據點（x，y_linear）和（x，y_quadratic）擬合出一條直線和一條二次曲線 # 再使用polyid函數根據直線和二次曲線的參數與生成一個線性方程和二次方程 fn_linear = np.poly1d(np.polyfit(x,y_linear,deg=1)) fn_quadratic = np.poly1d(np.polyfit(x,y_quadratic,deg=2)) #  fig = plt.figure() ax1 = fig.add_subplot(1,1,1) # 代碼建立帶有兩個迴歸曲線的散點圖,'bo'表示（x,_y_linear）點事是藍色圓圈,'go'表示(,x,y_quadratic)點是綠色圓圈, # 一樣'b-'表示（x,y_linear）點之間的顯示一條藍色實線 'g-'表示(,x,y_quadratic)點是綠色實線, 經過linewidth能夠設置線的高度 ax1.plot(x,y_linear,'bo',x,y_quadratic,'go',x,fn_linear(x),'b-',x,fn_quadratic(x),'g-',linewidth = 2.) ax1.xaxis.set_ticks_position('bottom') ax1.yaxis.set_ticks_position('left') ax1.set_title('Scatter ploys Regression Lines(散射伎倆迴歸直線)',) plt.xlabel('x') plt.ylabel('f(x)') # 設置了x軸和Y軸的範圍。這兩條曲線使用min和max函數基於實際數據設置座標軸範圍，你也能夠使用具體的數值設置範圍，列入xlim(0,20)和ylom(0,200) # 若是你沒有設置座標範圍，那麼matplotlib會替你本身設置， plt.xlim(min(x)-1,max(x)+1) plt.ylim(min(y_quadratic)-10.,max(y_quadratic)+10.) plt.savefig('scatter_plot.png',dpi=400,bbox_inches='tight') plt.show()