1.散点图
以一个变量为横坐标,另一个变量为纵坐标,利用散点(坐标点)的分布形态反映变量关系的图形。
用于探索数值型变量数据之间关系,传递变量间关系类型的信息,反映变量间关系的明确程度,与相关分析、回归分析结合使用。
散点图绘图函数
plot(x, y, '.', color=(r, g, b))
- x, y, :X轴和Y轴的序列
- '.'、'o':小点还是大点
- color:散点图颜色,用RGB或英文字母定义
RGB颜色的设置
- red:红色组成部分
- green:绿色组成部分
- blue:蓝色组成部分
常用RGB颜色对应表
屏幕快照 2018-07-08 06.48.15.png
import pandas
import numpy
import matplotlib
import matplotlib.pyplot as plt
data = pandas.read_csv(
'/users/bakufu/desktop/6.1/data.csv'
)
#1表示透明度
mainColor = (42/256, 87/256, 141/256, 1)
font = {
'size': 14,
'family': 'Microsoft YaHei Mono'
}
matplotlib.rc('font', **font)
#%matplotlib qt
#plt.grid(True)
小点的散点图
plt.xlabel('广告费用', color=mainColor)
plt.ylabel('购买用户数', color=mainColor)
plt.tick_params(axis='x', colors=mainColor)
plt.tick_params(axis='y', colors=mainColor)
plt.plot(
data['广告费用'],
data['购买用户数'],
'.', color=mainColor
)
屏幕快照 2018-07-08 07.21.38.png
大点的散点图
plt.xlabel('广告费用', color=mainColor)
plt.ylabel('购买用户数', color=mainColor)
plt.tick_params(axis='x', colors=mainColor)
plt.tick_params(axis='y', colors=mainColor)
plt.plot(
data['广告费用'],
data['购买用户数'],
'o', color=mainColor
)
屏幕快照 2018-07-08 07.21.51.png
#',' 像素点的散点图
plt.plot(
data['购买日期'],
data['购买用户数'],
',', color=mainColor
)
#'v' 下三角标记的散点图
plt.plot(data['购买日期'], data['购买用户数'], 'v')
#'^' 上三角标记的散点图
#'<' 左三角标记的散点图
#'>' 右三角标记的散点图
#'1' 伞形下标记的散点图
plt.plot(data['购买日期'], data['购买用户数'], '1')
#'2' 伞形上标记的散点图
#'3' 伞形左标记的散点图
#'4' 伞形右标记的散点图
#'s' 正方形标记的散点图
#'p' 五角形标记的散点图
#'*' 五角星标记的散点图
#'h' 多边形标记的散点图
#'H' hexagon2 marker
#'+' plus marker
#'x' x marker
#'D' diamond marker
#'d' thin_diamond marker
#'|' vline marker
#'_' hline marker
2.折线图
即趋势图,用直线段将各数据点连接起来而组成的图形,以折线方式显示数据的变化趋势。适合用于时间趋势的绘图。
折线图绘图函数
plot(x, y, style, color, linewidth)
title('图的标题')
- style:画线的样式
- color:画线的颜色
- linewidth:线的宽度
plot函数的style参数意义表
参数值 | 注释 |
---|---|
- | 连续的曲线 |
-- | 连续的虚线 |
-. | 连续的用带点的曲线 |
: | 由点连成的曲线 |
. | 小点,散点图 |
o | 大点,散点图 |
, | 像素点,散点图 |
* | 五角星的点,散点图 |
import pandas
import matplotlib
from matplotlib import pyplot as plt
data = pandas.read_csv(
'/users/bakufu/desktop/6.2/data.csv'
)
#对日期格式进行转换
data['购买日期'] = pandas.to_datetime(
data['日期']
)
mainColor = (42/256, 87/256, 141/256, 1)
font = {
'family': 'Microsoft YaHei Mono',
'size': 12
}
matplotlib.rc('font', **font)
#%matplotlib qt
plt.xlabel(
'购买日期',
color=mainColor
)
plt.ylabel(
'购买用户数',
color=mainColor
)
plt.tick_params(
axis='x',
color=mainColor
)
image.png
#'-' 顺滑的曲线
plt.plot(
data['购买日期'],
data['购买用户数'],
'-', color=mainColor
)
plt.title('购买用户数')
plt.show()
image.png
#设置线条粗细
plt.plot(
data['购买日期'],
data['购买用户数'],
'-', color=mainColor,
linewidth=5
)
image.png
#'--' 虚线
plt.plot(
data['购买日期'],
data['购买用户数'],
'--', color=mainColor
)
image.png
#'-.' 线加点
plt.plot(
data['购买日期'],
data['购买用户数'],
'-.', color=mainColor
)
image.png
#':' 由点组成的曲线
plt.plot(
data['购买日期'],
data['购买用户数'],
':', color=mainColor
)
image.png
饼图
用于反映个体与总体的比例关系。
饼图绘图函数
pie(x, labels, colors, explode, autopct)
- x:进行绘图的序列
- labels:饼图各部分的标签序列
- colors:饼图各部分的颜色(RGB)
- explode:需要突出的块状序列
- autopct:饼图占比的显示格式,%.2f保留两位小数
import numpy
import pandas
import matplotlib
import matplotlib.pyplot as plt
import matplotlib.font_manager as font_manager
#%matplotlib qt
#设置不在交互式命令行绘图,在弹出新的窗口绘图
data = pandas.read_csv(
'/users/bakufu/desktop/6.3/data.csv'
)
result = data.groupby(
by=['通信品牌'],
as_index=False
)['号码'].agg({
'用户数': numpy.size
})
Out[21]:
通信品牌 用户数
0 全球通 1209
1 动感地带 11838
2 神州行 18355
#设置长宽分辨率
plt.figure(figsize=(30, 30), dpi=80)
#设置字体
font = {
'family': 'Microsoft YaHei Mono',
'size': 20
}
Out[24]:
{'family': 'Microsoft YaHei Mono', 'size': 20}
matplotlib.rc('font', **font)
#设置为横轴和纵轴等长的饼图,即圆形饼图
plt.axis('equal')
plt.pie(
result['用户数'],
labels=result['通信品牌'],
autopct='%.2f%%'
)
image.png
#设置突出的部分
explode = (0.1, 0.2, 0.3)
plt.axis('equal')
plt.pie(
result['用户数'],
labels=result['通信品牌'],
autopct='%0.2f%%',
explode=explode,
startangle=67
)
plt.show()
image.png
网友评论