数据挖掘——matplotlib

matplotlib概述

Mat指的是Matlab，plot指的是画图，lib即library，顾名思义，matplotlib是python专门用于开发2D图表的第三方库，使用之前需要下载该库，使用pip命令即可下载。

pip install matplotlib

1、matplotlib画图流程

matplotlib可分为三层结构，分别为：容器层(canvas)，辅助显示层和显示层，而容器显示层又可以分为画板层，画布层和绘图区。辅助显示层主要是添加网格，图例等，增加可读性。而显示层则负责是将图像显现出来。

# 简单画图-折线图
import matplotlib.pyplot as plt
plt.figure()  # 容器层
plt.plot([1, 0, 9], [4, 5, 6])   # 三个点(1,4)(0,5)(9,6)  并连线
plt.show()  # 显示图像

结果如下，依次将三点连线

2、常用操作

(a)是否添加网格

plt.grid(visible,linstyle,alpha)
# visible传入布尔值，为True表示可见
# linestyle 表示线的形状
# alpha 表示透明系数

(b) 修改刻度

plt.xticks(ticks, [labels], **kwargs)
# ticks：数组类型，用于设置X轴刻度间隔
# [labels]：数组类型，用于设置每个间隔的显示标签
# **kwargs：用于设置标签字体倾斜度和颜色等外观属性。

(c )设置x,y轴说明以及标题

plt.xlabel('name')   # 设置x轴名称
plt.ylabel('name')   # 设置y轴名称
plt.title('title')   # 设置标题

(d)设置图例

plt.legend(loc='best')  # loc指的为图例位置，还有其他取值，不过一般设为best即可

(e) 设置多个绘图区
如果想要在一幅图上显示多个图像，可以使用如下方法：

figure,axes = plt.subplots(nrows,ncols)
# 划分绘图区，参数表示几行几列，默认一行一列，即一个绘图区
# 其返回值为一个figure对象和axes，使用axes[i]可以操作对应画图
# 设置每个子图区和上面大部分操作相同，但是对于修改x,y轴标题和刻度的时候需要修改一下方法名
# 修改对应的刻度使用axes[i].set_xticks(),修改x,y轴说明和标题用set_xlabel(),set_ylabel(),set_title()

(f)设置图片大小

plt.figure(figsize,dpi) 
# figsize传入一个元组，指定figure的宽和高，单位为英寸
# dpi指定绘图对象的分辨率，即每英寸多少个像素，缺省值为80

(g)图片的保存

plt.savefig(loc)
# loc指存储路径，默认为当前目录
# 注意保存必须在plt.show()之前进行，否则保存出来是一个空白图片

3、常用的图形(折线图，柱状图，饼状图，直方图，散点图)

(a) 折线图(plot)

 plt.plot(x,y,color,linestyle,label)
 """
 x:横轴数据
 y:纵轴数据
 color:颜色，可以使用RGB或者英语单词
 linestyle:线的类型
 label:标签，如果后面设置图例，需要在此设置label
 """

需求：利用折线图绘制上海和北京两地上午11点到12点的气温变化，要求创建两个绘图区并显示图例，加上网格以及x轴、y轴说明，x轴时间刻度为每5分钟显示一次，y轴显示气温为0到40之间，一小格代表5摄氏度。上海温度在25-28摄氏度之间，北京温度在20-27摄氏度之间。

import matplotlib.pyplot as plt
import random
plt.rcParams['font.family'] = 'STFangsong'  # 正常显示中文：仿宋体
# 准备数据
x = range(60)
y_shanghai = [random.uniform(25, 28) for i in x]
y_beijing = [random.uniform(20, 27) for i in x]
figure, axes = plt.subplots(nrows=1, ncols=2, figsize=(20, 8), dpi=80)   # 创建两个绘图区，一行两列
axes[0].plot(x, y_shanghai, color='red', label='上海')
axes[1].plot(x, y_beijing, color='green', linestyle='--', label='北京')
# 设置刻度
time = ['11点{}分'.format(i) for i in range(0, 60, 5)]
axes[0].set_xticks(x[::5], time)
axes[1].set_xticks(x[::5], time)
# 设置y轴刻度
axes[0].set_yticks(range(0, 40, 5))
axes[1].set_yticks(range(0, 40, 5))
# 设置x,y轴说明
axes[0].set_xlabel("时间")
axes[1].set_xlabel("时间")
axes[0].set_ylabel("温度")
axes[1].set_ylabel("温度")
# 设置图例，和前面plot中的label对应
axes[0].legend()
axes[1].legend()
# 加入网格，透明度为0.5
axes[0].grid(True, linestyle='--', alpha=0.5)
axes[1].grid(True, linestyle='--', alpha=0.5)
# 加标题
axes[0].set_title("上海中午11点到12点气温折线图")
axes[1].set_title("北京中午11点到12点气温折线图")
plt.show()

示意图如下所示：

(b)散点图(scatter)

plt.scatter(x,y)
"""
x:横轴数据
y:纵轴数据
散点图只在坐标系上描出对应的点，可以看出变量之间的关系
"""

需求：用散点图画出房价和面积之间的关系，数据如下：房价(万元)：[195.53, 203.88, 210.75, 372.74, 202.41, 247.61, 24.9, 239.34, 140.32, 104.15, 176.84, 288.23, 128.79, 49.64, 191.74, 33.1, 30.74, 400.02,205.35, 330.64, 283.45]，对应的面积(平方米)：[225.98, 247.97, 253.14, 457.85, 241.58, 301.01, 20.67, 288.64, 163.56,120.06, 207.83, 342.75, 147.9, 53.06, 224.72, 29.51, 21.61, 483.21,245.25, 399.25, 343.35]

import matplotlib.pyplot as plt
plt.rcParams['font.family'] = 'STFangsong'
# 创建画布
plt.figure(figsize=(20, 8), dpi=80)
# 绘制图形
x = [225.98, 247.97, 253.14, 457.85, 241.58, 301.01, 20.67, 288.64, 163.56,
     120.06, 207.83, 342.75, 147.9, 53.06, 224.72, 29.51, 21.61, 483.21,
     245.25, 399.25, 343.35]
y = [195.53, 203.88, 210.75, 372.74, 202.41, 247.61, 24.9, 239.34, 140.32,
     104.15, 176.84, 288.23, 128.79, 49.64, 191.74, 33.1, 30.74, 400.02,
     205.35, 330.64, 283.45]
plt.scatter(x, y)
plt.xlabel("房屋面积(平方米)")
plt.ylabel("房屋价格(万元)")
plt.xticks(range(0, 500, 50))
plt.show()

示意图如下所示：

经图像分析，房屋面积和房屋价格呈正相关。
(c )柱状图(Bar)

plt.bar(x,y,color)
# x 表示x轴数据
# y 表示y轴数据
# color 表示颜色，可以传入一个列表

需求：画出电影与对应票房的柱状图
movie = [“头脑特工队2”,
“沙丘：第二部分”,
“哥斯拉大战金刚：新帝国”,
“功夫熊猫4”,
“猩球崛起：王国”,
“小丑2：双重疯狂”,
“捉鬼敢死队：冰冻帝国”,
“鲍勃·马利：一爱”,
“养蜂人”,
“木法沙：狮子王”
]
data = [
850.5, # 百万美元（预测）
720, # 百万美元（预测）
650, # 百万美元（预测）
600, # 百万美元（预测）
450, # 百万美元（估计）
800, # 百万美元（预测）
188, # 百万美元
177, # 百万美元
153, # 百万美元
690 # 百万美元（预测）
]

import matplotlib.pyplot as plt
plt.rcParams['font.family'] = 'STFangsong'
movie = [
    "头脑特工队2",
    "沙丘：第二部分",
    "哥斯拉大战金刚：新帝国",
    "功夫熊猫4",
    "猩球崛起：王国",
    "小丑2：双重疯狂",
    "捉鬼敢死队：冰冻帝国",
    "鲍勃·马利：一爱",
    "养蜂人",
    "木法沙：狮子王"
]
data = [
    850.5,  # 百万美元（预测）
    720,    # 百万美元（预测）
    650,    # 百万美元（预测）
    600,    # 百万美元（预测）
    450,    # 百万美元（估计）
    800,    # 百万美元（预测）
    188,    # 百万美元
    177,    # 百万美元
    153,    # 百万美元
    690     # 百万美元（预测）
]
plt.figure(figsize=(20, 8), dpi=80)
color = ['b', 'r', 'g', 'y', 'c', 'm', 'y', 'k', 'c', 'g']
plt.bar(movie, data, color=color)
plt.grid(True, linestyle="--", alpha=0.5)
plt.title("电影票房")
plt.xlabel("电影名称")
plt.ylabel("票房(百万美元)")
plt.show()

示意图如下所示：

(d)直方图(hist)
直方图与柱状图的区别为：直方图各个柱状之间是连续的，而柱状图是离散的。

plt.hist(x,bins,**kwargs(density)) 
# x为数据，bins为组数，density为频率，为True则显示为频率

需求：描绘电影时长的频率分布直方图，时长数据见具体程序。

import matplotlib.pyplot as plt
plt.rcParams['font.family']='STFangsong'
movie_time = [131, 98, 125, 131, 124, 139, 131, 117, 128, 108, 135, 138, 131, 102, 107, 114, 119, 128, 121, 142, 127,
              130, 124, 101, 110, 116, 117, 110, 128, 128, 115, 99, 136, 126, 134, 95, 138, 117, 111, 78, 132, 124, 113,
              150, 110, 117, 86, 95, 144, 105, 126, 130, 126, 130, 126, 116, 123, 106, 112, 138, 123, 86, 101, 99, 136,
              123, 117, 119, 105, 137, 123, 128, 125, 104, 109, 134, 125, 127, 105, 120, 107, 129, 116, 108, 132, 103,
              136, 118, 102, 120, 114, 105, 115, 132, 145, 119, 121, 112, 139, 125, 138, 109, 132, 134, 156, 106, 117,
              127, 144, 139, 139, 119, 140, 83, 110, 102, 123, 107, 143, 115, 136, 118, 139, 123, 112, 118, 125, 109,
              119, 133, 112, 114, 122, 109, 106, 123, 116, 131, 127, 115, 118, 112, 135, 115, 146, 137, 116, 103, 144,
              83, 123, 111, 110, 111, 100, 154, 136, 100, 118, 119, 133, 134, 106, 129, 126, 110, 111, 109, 141, 120,
              117, 106, 149, 122, 122, 110, 118, 127, 121, 114, 125, 126, 114, 140, 103, 130, 141, 117, 106, 114, 121,
              114, 133, 137, 92, 121, 112, 146, 97, 137, 105, 98, 117, 112, 81, 97, 139, 113, 134, 106, 144, 110, 137,
              137, 111, 104, 117, 100, 111, 101, 110, 105, 129, 137, 112, 120, 113, 133, 112, 83,
              94, 146, 133, 101, 131, 116, 111, 84, 137, 115, 122, 106, 144, 109, 123, 116, 111, 111, 133, 150]
plt.figure(figsize=(20, 8), dpi=80)
plt.hist(movie_time, bins=int((max(movie_time)-min(movie_time))//2), density=True)  # 频率分布直方图，所有density为True
plt.xticks([i for i in range(min(movie_time), max(movie_time)+2, 2)])   # 加2因为range是左闭右开，防止最大值取不到，所以加2
plt.grid(linestyle='--', alpha=0.5)
plt.title("电影时长分布直方图")
plt.xlabel("时长")
plt.ylabel("频率")
plt.show()

示意图如下所示：

(e)饼状图

plt.pie(x,labels,autopct,colors)
# x:数量，根据数量自动计算百分比
# labels:每部分名称，需要和x一一对应
# autopct:占比指定%1.2f%%
# colors:每部分颜色
# 一般超过9个类的时候就不用饼图了，而使用柱形图

需求：描绘电影和对应票房的饼状图。
movie_name = [‘雷神3：诸神黄昏’, ‘正义联盟’, ‘东方快车谋杀案’, ‘寻梦环游记’, ‘全球风暴’, ‘降魔传’, ‘追捕’, ‘七十七天’, ‘密战’,‘狂兽’, ‘其它’]
place_count = [60605, 54546, 45819, 28243, 13270, 9945, 7679, 6799, 6101, 4621, 20105]

import matplotlib.pyplot as plt
plt.rcParams['font.family'] = 'STFangsong'
movie_name = ['雷神3：诸神黄昏', '正义联盟', '东方快车谋杀案', '寻梦环游记', '全球风暴', '降魔传', '追捕', '七十七天', '密战',
              '狂兽', '其它']
place_count = [60605, 54546, 45819, 28243, 13270, 9945, 7679, 6799, 6101, 4621, 20105]
plt.figure(figsize=(20, 8), dpi=80)
plt.pie(place_count, labels=movie_name, autopct="%1.2f%%", colors=['b', 'r', 'g', 'y', 'c', 'm', 'y', 'k', 'c', 'g', 'y'])
plt.legend()
# 将长径和短径设为相等，构成一个圆，否则为椭圆
plt.axis('equal')
plt.show()

示意图如下所示：

4、总结

对于各类图形的绘画，发现只是在方法名和参数上有所不同，只需要掌握折线图对应plot，散点图对应scatter，柱状图对应bar，饼图对应pie，直方图对应hist，再传入具体的参数即可。
折线图：plt.plot(x,y) # x为横轴数据，y为纵轴数据
散点图：plt.scatter(x,y) # x为横轴数据，y为纵轴数据
柱状图：plt.bar(x,y) # x为横轴数据，y为纵轴数据
饼图：plt.pie(x,labels) # x轴数据，labels为对应的标签
直方图：plt.hist(x,bins,density) # x为数据，bins为组数，density为是否按照频率显示，默认为False