數據挖掘——matplotlib

matplotlib概述

Mat指的是Matlab，plot指的是畫圖，lib即library，顧名思義，matplotlib是python專門用于開發2D圖表的第三方庫，使用之前需要下載該庫，使用pip命令即可下載。

pip install matplotlib

1、matplotlib畫圖流程

matplotlib可分為三層結構，分別為：容器層(canvas)，輔助顯示層和顯示層，而容器顯示層又可以分為畫板層，畫布層和繪圖區。輔助顯示層主要是添加網格，圖例等，增加可讀性。而顯示層則負責是將圖像顯現出來。

# 簡單畫圖-折線圖
import matplotlib.pyplot as plt
plt.figure()  # 容器層
plt.plot([1, 0, 9], [4, 5, 6])   # 三個點(1,4)(0,5)(9,6)  并連線
plt.show()  # 顯示圖像

結果如下，依次將三點連線
在這里插入圖片描述

2、常用操作

(a)是否添加網格

plt.grid(visible,linstyle,alpha)
# visible傳入布爾值，為True表示可見
# linestyle 表示線的形狀
# alpha 表示透明系數

(b) 修改刻度

plt.xticks(ticks, [labels], **kwargs)
# ticks：數組類型，用于設置X軸刻度間隔
# [labels]：數組類型，用于設置每個間隔的顯示標簽
# **kwargs：用于設置標簽字體傾斜度和顏色等外觀屬性。

(c )設置x,y軸說明以及標題

plt.xlabel('name')   # 設置x軸名稱
plt.ylabel('name')   # 設置y軸名稱
plt.title('title')   # 設置標題

(d)設置圖例

plt.legend(loc='best')  # loc指的為圖例位置，還有其他取值，不過一般設為best即可

(e) 設置多個繪圖區
如果想要在一幅圖上顯示多個圖像，可以使用如下方法：

figure,axes = plt.subplots(nrows,ncols)
# 劃分繪圖區，參數表示幾行幾列，默認一行一列，即一個繪圖區
# 其返回值為一個figure對象和axes，使用axes[i]可以操作對應畫圖
# 設置每個子圖區和上面大部分操作相同，但是對于修改x,y軸標題和刻度的時候需要修改一下方法名
# 修改對應的刻度使用axes[i].set_xticks(),修改x,y軸說明和標題用set_xlabel(),set_ylabel(),set_title()

(f)設置圖片大小

plt.figure(figsize,dpi) 
# figsize傳入一個元組，指定figure的寬和高，單位為英寸
# dpi指定繪圖對象的分辨率，即每英寸多少個像素，缺省值為80

(g)圖片的保存

plt.savefig(loc)
# loc指存儲路徑，默認為當前目錄
# 注意保存必須在plt.show()之前進行，否則保存出來是一個空白圖片

3、常用的圖形(折線圖，柱狀圖，餅狀圖，直方圖，散點圖)

(a) 折線圖(plot)

 plt.plot(x,y,color,linestyle,label)"""x:橫軸數據y:縱軸數據color:顏色，可以使用RGB或者英語單詞linestyle:線的類型label:標簽，如果后面設置圖例，需要在此設置label"""

需求：利用折線圖繪制上海和北京兩地上午11點到12點的氣溫變化，要求創建兩個繪圖區并顯示圖例，加上網格以及x軸、y軸說明，x軸時間刻度為每5分鐘顯示一次，y軸顯示氣溫為0到40之間，一小格代表5攝氏度。上海溫度在25-28攝氏度之間，北京溫度在20-27攝氏度之間。

import matplotlib.pyplot as plt
import random
plt.rcParams['font.family'] = 'STFangsong'  # 正常顯示中文：仿宋體
# 準備數據
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)   # 創建兩個繪圖區，一行兩列
axes[0].plot(x, y_shanghai, color='red', label='上海')
axes[1].plot(x, y_beijing, color='green', linestyle='--', label='北京')
# 設置刻度
time = ['11點{}分'.format(i) for i in range(0, 60, 5)]
axes[0].set_xticks(x[::5], time)
axes[1].set_xticks(x[::5], time)
# 設置y軸刻度
axes[0].set_yticks(range(0, 40, 5))
axes[1].set_yticks(range(0, 40, 5))
# 設置x,y軸說明
axes[0].set_xlabel("時間")
axes[1].set_xlabel("時間")
axes[0].set_ylabel("溫度")
axes[1].set_ylabel("溫度")
# 設置圖例，和前面plot中的label對應
axes[0].legend()
axes[1].legend()
# 加入網格，透明度為0.5
axes[0].grid(True, linestyle='--', alpha=0.5)
axes[1].grid(True, linestyle='--', alpha=0.5)
# 加標題
axes[0].set_title("上海中午11點到12點氣溫折線圖")
axes[1].set_title("北京中午11點到12點氣溫折線圖")
plt.show()

示意圖如下所示：
折線圖實例
(b)散點圖(scatter)

plt.scatter(x,y)
"""
x:橫軸數據
y:縱軸數據
散點圖只在坐標系上描出對應的點，可以看出變量之間的關系
"""

需求：用散點圖畫出房價和面積之間的關系，數據如下：房價(萬元)：[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]，對應的面積(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'
# 創建畫布
plt.figure(figsize=(20, 8), dpi=80)
# 繪制圖形
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("房屋面積(平方米)")
plt.ylabel("房屋價格(萬元)")
plt.xticks(range(0, 500, 50))
plt.show()

示意圖如下所示：
在這里插入圖片描述
經圖像分析，房屋面積和房屋價格呈正相關。
(c )柱狀圖(Bar)

plt.bar(x,y,color)
# x 表示x軸數據
# y 表示y軸數據
# color 表示顏色，可以傳入一個列表

需求：畫出電影與對應票房的柱狀圖
movie = [“頭腦特工隊2”,
“沙丘：第二部分”,
“哥斯拉大戰金剛：新帝國”,
“功夫熊貓4”,
“猩球崛起：王國”,
“小丑2：雙重瘋狂”,
“捉鬼敢死隊：冰凍帝國”,
“鮑勃·馬利：一愛”,
“養蜂人”,
“木法沙：獅子王”
]
data = [
850.5, # 百萬美元（預測）
720, # 百萬美元（預測）
650, # 百萬美元（預測）
600, # 百萬美元（預測）
450, # 百萬美元（估計）
800, # 百萬美元（預測）
188, # 百萬美元
177, # 百萬美元
153, # 百萬美元
690 # 百萬美元（預測）
]

import matplotlib.pyplot as plt
plt.rcParams['font.family'] = 'STFangsong'
movie = ["頭腦特工隊2","沙丘：第二部分","哥斯拉大戰金剛：新帝國","功夫熊貓4","猩球崛起：王國","小丑2：雙重瘋狂","捉鬼敢死隊：冰凍帝國","鮑勃·馬利：一愛","養蜂人","木法沙：獅子王"
]
data = [850.5,  # 百萬美元（預測）720,    # 百萬美元（預測）650,    # 百萬美元（預測）600,    # 百萬美元（預測）450,    # 百萬美元（估計）800,    # 百萬美元（預測）188,    # 百萬美元177,    # 百萬美元153,    # 百萬美元690     # 百萬美元（預測）
]
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("電影票房")
plt.xlabel("電影名稱")
plt.ylabel("票房(百萬美元)")
plt.show()

示意圖如下所示：
電影票房柱狀圖
(d)直方圖(hist)
直方圖與柱狀圖的區別為：直方圖各個柱狀之間是連續的，而柱狀圖是離散的。

plt.hist(x,bins,**kwargs(density)) 
# x為數據，bins為組數，density為頻率，為True則顯示為頻率

需求：描繪電影時長的頻率分布直方圖，時長數據見具體程序。

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)  # 頻率分布直方圖，所有density為True
plt.xticks([i for i in range(min(movie_time), max(movie_time)+2, 2)])   # 加2因為range是左閉右開，防止最大值取不到，所以加2
plt.grid(linestyle='--', alpha=0.5)
plt.title("電影時長分布直方圖")
plt.xlabel("時長")
plt.ylabel("頻率")
plt.show()

示意圖如下所示：
電影時長頻率分布直方圖
(e)餅狀圖

plt.pie(x,labels,autopct,colors)
# x:數量，根據數量自動計算百分比
# labels:每部分名稱，需要和x一一對應
# autopct:占比指定%1.2f%%
# colors:每部分顏色
# 一般超過9個類的時候就不用餅圖了，而使用柱形圖

需求：描繪電影和對應票房的餅狀圖。
movie_name = [‘雷神3：諸神黃昏’, ‘正義聯盟’, ‘東方快車謀殺案’, ‘尋夢環游記’, ‘全球風暴’, ‘降魔傳’, ‘追捕’, ‘七十七天’, ‘密戰’,‘狂獸’, ‘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：諸神黃昏', '正義聯盟', '東方快車謀殺案', '尋夢環游記', '全球風暴', '降魔傳', '追捕', '七十七天', '密戰','狂獸', '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()
# 將長徑和短徑設為相等，構成一個圓，否則為橢圓
plt.axis('equal')
plt.show()

示意圖如下所示：
在這里插入圖片描述

4、總結

對于各類圖形的繪畫，發現只是在方法名和參數上有所不同，只需要掌握折線圖對應plot，散點圖對應scatter，柱狀圖對應bar，餅圖對應pie，直方圖對應hist，再傳入具體的參數即可。
折線圖：plt.plot(x,y) # x為橫軸數據，y為縱軸數據
散點圖：plt.scatter(x,y) # x為橫軸數據，y為縱軸數據
柱狀圖：plt.bar(x,y) # x為橫軸數據，y為縱軸數據
餅圖：plt.pie(x,labels) # x軸數據，labels為對應的標簽
直方圖：plt.hist(x,bins,density) # x為數據，bins為組數，density為是否按照頻率顯示，默認為False