Pandas8(可视化)——polt()\scatter()\bar()\hist()\pie()\boxplot()、子图、savefig()

可视化（import matplotlib.pyplot as plt）

绘图和可视化

数据探索过程的一部分，找出异常值，必要的数据转换，得出建模的想法
pip install matplotlib / conda install matplotlib

一、 polt函数

plot函数及其参数

传入格式化字符串用于规定颜色、标记和线型

类型	可选值示例	说明
颜色	`'r'` (红), `'g'`(绿), `'b'`(蓝)	支持单字母或十六进制值。
标记	`'o'`(圆形), `'s'`(方形), `'^'`(三角形)	数据点的显示样式。
线型	`'-'`, `'--'`, `':'`	实线、虚线、点线等。

该函数的其他参数

参数	说明
`color` / c	颜色（`'red'`, `'#FF0000'`）。
`linestyle` / ls	线型（`'-'`, `'--'`, `':'`, `'None'`）。
`linewidth` / lw	线宽（默认 1.5）。
`marker`	标记样式（`'o'`, `'*'`, `'x'`）。
`markersize` / `ms`	标记大小（默认 6）。
`label`	图例标签（需配合 `plt.legend()` 使用）。
`alpha`	透明度（0-1）。
`markerfacecolor` / `mfc`	给标记填充颜色
`markeredgecolor` / `mec`	给标记填充边缘色

基础的折线图

years = [2006 + x for x in range(16)]
weights = np.random.randint(65, 80, 16)
plt.plot(years, weights, c="purple", lw=3, linestyle='--',marker = "s",markerfacecolor = "blue",markeredgecolor="black") 

plt.show()

在这里插入图片描述

二、 scatter函数

函数的参数

参数	含义
s	点的大小（标量或数组）
c=None	点的颜色（颜色字符串、RGB数组或数值映射）
marker=None	点的形状 `'.' : 小圆点 'o' : 大圆点 'v' : 倒三角形 '^' : 正三角形 '<' : 左三角形 '>' : 右三角形 's' : 正方形 'p' : 五边形 '*' : 星形 '+' : 加号 'x' : 叉号 'D' : 菱形`
alpha=None	透明度（0-1）
linewidths=None	点边缘线宽
edgecolors=None	点边缘颜色
cmap=None	颜色映射（当c为数值时使用）
norm=None	归一化对象（配合cmap使用）
vmin=None, vmax=None	颜色映射范围

函数的基础使用

X_data = np.random.standard_normal(10000) * 100
Y_data = np.random.standard_normal(10000) * 100
plt.scatter(X_data, Y_data, c="r", marker="*", s=150, alpha=0.1, linewidths=0.5, edgecolors="g" )

在这里插入图片描述

三、 bar函数

函数的参数

参数	含义
x	条形图的 x 轴坐标（类别标签的位置）。
y	y 轴坐标（类别）。
height	条形的高度（y 轴的值）。
width	条形的宽度（默认 0.8）。
bottom	条形的起始高度（用于堆叠条形图，默认 None）。
align	对齐方式：
‘center’	（默认，条形居中于 x 坐标）
‘edge’	（条形左边缘对齐 x 坐标）。
color	条形的颜色（支持字符串、RGB、列表）。
edgecolor	条形边框颜色（默认 None）。
linewidth	条形边框宽度（默认 0，无边框）。
tick_label	自定义 x 轴刻度标签（替代 x 的默认数值标签）。
label	图例标签（配合 plt.legend() 使用）。

函数的基础使用

x = ["C++", "C#", "Python", "Java", "Go"]
y = [20, 50, 140, 1, 45]
plt.bar(x,y)  # 柱状图
plt.bar(x, y, color="r", align="edge", width=0.5, edgecolor="green", lw=2)

在这里插入图片描述

四、 hist 函数

函数的参数

参数	含义
x,	# 输入数据（一维数组或列表）
bins=None,	区间划分方式,显示多少个方块（ `int`：指定区间数量（如 bins=10）； `list`：自定义区间边界（如 bins=[0, 10, 20, 30]）； `str`：自动计算方式（如 bins=‘auto’））
range=None,	# 数据范围
density=False,	# 是否归一化为频率
weights=None,	# 权重
cumulative=False,	# 是否累积统计
bottom=None,	# 柱状图底部基线
histtype=‘bar’,	# 直方图类型（ `bar`（默认）；`barstacked`（堆叠）； `step`（无填充）； `stepfilled`（有填充））
align=‘mid’,	# 柱状图对齐方式（`left`（左对齐）；`mid`（居中，默认）；`right`（右对齐）
orientation=‘vertical’,	# 水平或垂直（`vertical`（垂直，默认）；`horizontal`（水平））
rwidth=None,	# 柱状图相对宽度
log=False,	# 是否对数刻度
color=None,	# 颜色
label=None,	# 图例标签
stacked=False,	# 是否堆叠
**kwargs	# 其他绘图参数

函数的基础使用

x = ["C++", "C#", "Python", "Java", "Go"]
y = [20, 50, 140, 1, 45]
plt.hist(ages, bins=20, cumulative=True)
plt.show()

在这里插入图片描述

五、 pie函数

函数的参数

参数	含义
x	数据（数组或列表），表示每个扇区的数值大小
labels （可选）	每个扇区的标签（列表或数组）
colors （可选）	每个扇区的颜色（列表或数组，支持颜色名称或十六进制值）
autopct （可选）	显示百分比格式，如 ‘%.1f%%’ 表示保留 1 位小数
startangle （可选）	起始角度（默认 0°，即从正东方向开始，逆时针旋转）
explode （可选）	突出显示某些扇区（数组，非零值表示偏移距离）
shadow （可选）	是否显示阴影（True/False）
pctdistance （可选）	百分比标签距离圆心的比例（默认 0.6）
labeldistance （可选）	标签距离圆心的比例（默认 1.1）
rotatelabels （可选）	False , 旋转标签
normalize （可选）	True, 是否自动归一化（总和=1）
radius （可选）	饼图的半径（默认 1）
wedgeprops （可选）	扇区属性（字典，如 {‘linewidth’: 2, ‘edgecolor’: ‘white’}）
textprops （可选）	文本属性（字典，如 {‘fontsize’: 12, ‘color’: ‘black’}）
center （可选）	饼图中心坐标（默认 (0, 0)）
frame （可选）	是否显示坐标轴框架（True/False，默认 False）

基础使用

langs = ["Python", "C++", "Java", "C#", "Go"]
votes = [50, 24, 14, 6, 17]

plt.pie(votes, labels=langs, autopct="%.1f%%", explode=[0.2, 0.1, 0, 0, 0], startangle=90) # autopct自动百分比，explode 表示分离，startangle表示角度的调整
plt.show()

在这里插入图片描述
六、 boxplot函数

函数的参数

参数	含义
x,	# 输入数据（数组或列表）
notch=None,True	# 是否显示中位数凹口
patch_artist=True,	# 是否填充箱体颜色
widths=0.5,	# 箱体宽度
vert=None,	# 是否垂直显示

showfliers=None,	# 是否显示异常值
sym=‘o’,	# 异常值符号
flierprops=None,	# 自定义异常值属性

whis=None,	# 须线范围。设为 “range” 时，须线延伸至最小/最大值 whis=“range”

boxprops=None,	# 箱体属性，例如boxprops=dict(color=‘red’, linewidth=2)
whiskerprops=None,	# 须线属性
medianprops=None,	# 中位数线属性
capprops=None,	# 顶端横线属性

函数的基础使用

heights = np.random.normal(172, 8, 300)
plt.boxplot(heights,sym='*') 
plt.show()

在这里插入图片描述

图和子图

matplotlib的图像位于Figure（图像）对象中，可以用plt.figure创建一张新图
不能在空Figure（图像）对象上绘图，必须用add_subplot创建一个或多个 Axes 对象（子图），才能在该子图上绘制具体图表

一、使用 figure 结合 add_subplot 创建多个子图

fig = plt.figure()		# 创建一个空白画布
#  2*2，4张子图，编号从1开始
ax1 = fig.add_subplot(2,2,1)
ax2 = fig.add_subplot(2,2,2)
ax3 = fig.add_subplot(2,2,3)

ax1.hist(np.random.standard_normal(100), 
			bins=20, color="black", alpha=0.5)  
# alpha=0.5 设置图像透明度
ax2.scatter(np.arange(30), np.arange(30) + 3*np.random.standard_normal(30))
ax3.plot(np.random.standard_normal(50).cumsum(),
		 color="purple", linestyle="dashed")

在这里插入图片描述

fig = plt.figure()

# 极坐标子图
ax_polar = fig.add_subplot(121, projection='polar')
ax_polar.plot([0, np.pi/2, np.pi], [1, 2, 1])

# 3D子图
ax_3d = fig.add_subplot(122, projection='3d')
ax_3d.scatter([1, 2, 3], [1, 2, 3], [1, 3, 2])

plt.show()

在这里插入图片描述

二、采用plt.subplots函数创建多个子图

fig, axes = plt.subplots(2,2)

# 位置为（0，0）的地方的子图
x = np.linspace(0.1, 20, 100)  # 0.1到20分成100等分
axes[0,0].plot(x, np.sin(x))  # 对第一个子图对象画图
axes[0,0].set_title("sin func")  # 每个子图可以自定义信息

# 第二个子图
axes[0,1].plot(x, np.cos(x))
axes[0,1].set_title("cos func")

# 第三个子图
axes[1,0].plot(x, np.random.random(100))
axes[1,0].set_title("random func")

# 第四个子图
axes[1,1].plot(x, np.log(x))
# axes[1,1].set_title("log func")

# 画sigmoid函数 ： f(x) = 1/(1+e**(-x)); 图像命名为sigmoid func
axes[1,1].plot(x,1/(1+np.e**(-x)))
axes[1,1].set_title("sigmoid func")

fig.suptitle("Four plots")  # 整个图的大标题

plt.tight_layout()  # 解决标题的堆叠
plt.show()

在这里插入图片描述

保存画出的图片（savefig() ）

plt.savefig(“examples/images”, format=fig_extension文件扩展名, dpi=resolution分辨率)

保存图片的时候的错误做法：
plt.boxplot(data)
plt.show()  # 显示图形（会阻塞代码，关闭窗口后继续执行）
plt.savefig('boxplot.png')  # 可能因图形已关闭而保存空白

# 正确做法：直接保存，或显式关闭
plt.boxplot(data)
plt.savefig("images/testplt.png", format="png", dpi=100)
plt.close()  # 关闭当前图形