使用 Python 进行数据可视化之Matplotlib｜Python 主题月

本文正在参加「Python主题月」，详情查看活动连接python

在当今世界，天天都会产生大量数据。有时为了分析某些趋势的数据，若是数据是原始格式，模式可能会变得困难。为了克服这种数据可视化发挥做用。数据可视化提供了良好的、有组织的数据图形表示，使其更易于理解、观察和分析。在本系列教程中，咱们将讨论如何使用 Python 可视化数据。面试

咱们将一一讨论这些库，并绘制一些最经常使用的图形。数据库

注意： 若是您想了解有关这些库的深刻信息，能够按照他们的完整教程进行操做。编程

在深刻研究这些库以前，首先，咱们须要一个数据库来绘制数据。咱们将在本完整教程中使用tips database。让咱们讨论一下这个数据库的简介。数组

使用的数据库

tips 数据库

tips 数据库是20世纪90年代初期顾客在餐厅的两个半月的小费记录。它包含 6 列，例如 total_bill、tip、sex、smoker、day、time、size。markdown

您能够从这里下载 tips 数据库。多线程

例子：svn

import pandas as pd


# 读取数据库
data = pd.read_csv("tips.csv")

# 打印前 10 行
print(data.head(10))
复制代码

输出：函数

Matplotlib

Matplotlib 是一个易于使用的低级数据可视化库，它构建在 NumPy 数组上。它由散点图、线图、直方图等各类图组成。 Matplotlib 提供了很大的灵活性。oop

要安装此库，请在终端中输入如下命令。

pip install matplotlib
复制代码

安装 Matplotlib 后，让咱们看看使用这个库最经常使用的绘图。

散点图

散点图用于观察变量之间的关系，并用点来表示它们之间的关系。matplotlib 库中的scatter()方法用于绘制散点图。

例子：

import pandas as pd
import matplotlib.pyplot as plt


# 读取数据库
data = pd.read_csv("tips.csv")

# day 对 tip 的散点图
plt.scatter(data['day'], data['tip'])

# 为 Plot 添加标题
plt.title("Scatter Plot")

# 设置 X 和 Y 标签
plt.xlabel('Day')
plt.ylabel('Tip')

plt.show()
复制代码

输出：

若是咱们能够添加颜色并更改点的大小，则此图会更有意义。咱们能够经过分别使用 scatter 函数的c 和 s参数来作到这一点。咱们还可使用colorbar()方法显示颜色条。

import pandas as pd
import matplotlib.pyplot as plt


# 读取数据库
data = pd.read_csv("tips.csv")

# day对tip的散点图
plt.scatter(data['day'], data['tip'], c=data['size'],
			s=data['total_bill'])

# 为Plot添加标题
plt.title("Scatter Plot")

# 设置 X 和 Y 标签
plt.xlabel('Day')
plt.ylabel('Tip')

plt.colorbar()

plt.show()
复制代码

折线图

折线图用于表示不一样轴上两个数据 X 和 Y 之间的关系。它是使用plot() 函数绘制的。让咱们看看下面的例子。

例子：

import pandas as pd
import matplotlib.pyplot as plt


# 读取数据库
data = pd.read_csv("tips.csv")

# day对tip的折线图
plt.plot(data['tip'])
plt.plot(data['size'])

# 为Plot添加标题
plt.title("Scatter Plot")

# 设置 X 和 Y 标签
plt.xlabel('Day')
plt.ylabel('Tip')

plt.show()
复制代码

输出：

条形图

柱状图或叫条形图是表示与长度和高度的矩形条数据的类别是正比于它们所表明的值的图。它可使用bar()方法建立。

例子：

import pandas as pd
import matplotlib.pyplot as plt


# 读取数据库
data = pd.read_csv("tips.csv")

# day对tip的条形图
plt.bar(data['day'], data['tip'])

plt.title("Bar Chart")

# 设置 X 和 Y 标签
plt.xlabel('Day')
plt.ylabel('Tip')

# 添加图例
plt.show()
复制代码

输出：

直方图

直方图基本上是用来在一些基团的形式来表示数据。它是一种条形图，其中 X 轴表示 bin 范围，而 Y 轴提供有关频率的信息。的HIST（）函数用于计算和建立直方图。在直方图中，若是咱们传递分类数据，那么它将自动计算该数据的频率，即每一个值出现的频率。

例子：

import pandas as pd
import matplotlib.pyplot as plt


# 读取数据库
data = pd.read_csv("tips.csv")

# total_bill直方图
plt.hist(data['total_bill'])

plt.title("Histogram")

# 添加图例
plt.show()
复制代码

输出：

以上是关于 Matplotlib 使用 Python 进行数据可视化的所有示例，下一节咱们来谈谈 Seaborn

🥇 Python 进行数据可视化系列汇总

🧵 更多相关文章

🍰 往日优秀文章推荐：

若是你真的从这篇文章中学到了一些新东西，喜欢它，收藏它并与你的小伙伴分享。🤗最后，不要忘了❤或📑支持一下哦