Ketahui cara menggunakan visualisasi data Matplotlib

1. Pengenalan

Paparan data, iaitu visualisasi data, ialah langkah kelima analisis data . , cara yang baik untuk memaparkan data membolehkan orang ramai menemui masalah atau corak dengan cepat dan mencari nilai yang tersembunyi di sebalik data.

2. Konsep Matplotlib

Matplotlib ialah perpustakaan lukisan 2D yang biasa digunakan dalam Python Ia boleh menggambarkan data dengan mudah dan mencipta carta yang cantik. Modul Matplotlib adalah sangat besar, dan salah satu sub-modul yang paling biasa digunakan ialah pyplot Biasanya diimport dengan cara berikut:

 import matplotlib.pyplot as plt

Kerana ia sering digunakan dalam program, ia adalah. dinamakan matplotlib.pyplot. Alias ​​​​plt untuk mengurangkan banyak kod berulang

3. ialah, koordinat setiap titik diberikan , pyplot akan melukis titik-titik ini dalam sistem koordinat dan menghubungkan titik-titik ini dengan garisan. Mengambil fungsi sinus sebagai contoh, gunakan pyplot untuk melukis imej:

Kod segmen 1:

 import numpy as np
 import matplotlib.pyplot as plt
 
 x = np.arange(0,2*np.pi,0.1) #生成一个0到2pi、步长为0.1的数组x
 y = np.sin(x) #将x的值传入正弦函数，得到对应的值存入数组y
 plt.plot(x,y) #传入plt.plot()，将x，y转换成对应坐标。
 plt.show() #显示图像

Atur cara di atas melukis imej berikut:

Nota:

Saiz langkah x dipilih menjadi 0.1 untuk menjadikan jarak antara setiap titik lebih kecil dan menjadikan imej lebih dekat ke keadaan sebenar Jika tidak, jika saiz langkah Jika terlalu besar, ia akan menjadi polyline Jika saiz langkah adalah 1, ia akan menjadi situasi berikut:

<.>Selain kaedah np.sin(), terdapat juga np dalam numpy cos(), np.tan() dan kaedah lain untuk mengira fungsi trigonometri. Daripada kaedah di atas, yang paling penting ialah kaedah plt.plot() Kaedah plt.plot() boleh menerima sebarang logaritma x dan y Ia akan melukis imej ini pada satu gambar, seperti sinus asal Untuk menambah a imej kosinus kepada imej, anda boleh menulisnya seperti ini:

 import numpy as np
 import matplotlib.pyplot as plt
 
 x = np.arange(0,2*np.pi,0.1) #生成一个0到2pi，步长为0.1的数组x
 y1 = np.sin(x) #将x的值传入正弦函数，得到对应的值存入数组y1
 y2 = np.cos(x) #将x的值传入余弦函数，得到对应的值存入数组y1
 plt.plot(x,y1,x,y2) #传入plt.plot()，将(x，y1)、(x,y2)转换成对应坐标。
 plt.show() #显示图像

Program di atas berkongsi x yang sama, anda juga boleh mentakrifkan semula x baharu. Imej akhir adalah seperti berikut:

Kod segmen 2 menggunakan kaedah plt.plot() sekali untuk menukar terus dua nombor kepada koordinat yang sepadan, ia juga boleh dipanggil dua kali dua baris kod dan baris ke-7 kod di atas adalah setara.

 plt.plot(x,y1)
 plt.plot(x,y2)

Untuk setiap pasangan x dan y, terdapat parameter pemformatan pilihan yang menentukan warna garisan, penanda titik dan jenis garisan.

Coretan kod 3:

 import numpy as np
 import matplotlib.pyplot as plt
 
 x = np.arange(0,2*np.pi,0.1) #生成一个0到2pi，步长为0.1的数组x
 y1 = np.sin(x) #将x的值传入正弦函数，得到对应的值存入数组y1
 y2 = np.cos(x) #将x的值传入余弦函数，得到对应的值存入数组y1
 plt.plot(x,y1,'ro--',x,y2,'b*-.') #将(x，y1)、(x,y2)转换成对应坐标，并选用格式化参数
 plt.show() #显示图像

Selepas menghantar parameter pemformatan coretan kod 2, imej akhir kelihatan seperti ini:

Ambil parameter 'ro--' sebagai contoh Ia terbahagi kepada tiga bahagian: r mewakili merah (merah), o mewakili tanda titik pada titik koordinat, --. mewakili garis putus-putus. Secara amnya, garisan ialah garis putus-putus dan titik koordinat ditandakan sebagai titik. Ketiga-tiga bahagian parameter format ini adalah pilihan, iaitu, ia juga mungkin untuk lulus sebahagiannya, dan tiada keperluan pesanan

'ro--'Pilihan dan makna yang biasa digunakan bagi parameter format adalah seperti. ditunjukkan dalam jadual berikut:

3. Paparan data

3.1 Cara memilih kaedah paparan

Kami membuat keputusan melalui analisis data, jadi gunakan carta yang sesuai Adalah penting untuk mewakili data dengan tepat. Dalam penggunaan sebenar, kami akan menggunakan berpuluh-puluh pelbagai carta Mereka boleh dibahagikan kepada lima jenis mengikut tujuan paparan data, iaitu: trend, perbandingan, komposisi, pengedaran dan sambungan.

Trend:
• Perhubungan siri masa yang paling biasa Kami mengambil berat tentang cara data berubah dari semasa ke semasa trend boleh Ia secara intuitif mencerminkan aliran perubahan tahunan, bulanan dan harian, sama ada trend itu meningkat, menurun, turun naik dan turun, atau pada dasarnya tidak berubah, yang paling biasa ialah carta garis, yang boleh menyatakan arah aliran penunjuk dari semasa ke semasa .

Komposisi:
• Terutamanya fokus pada perkadaran setiap bahagian secara keseluruhan, jika sasaran analisis terbalik adalah seperti "kongsi", "peratusan", dsb. Jenis carta yang menunjukkan perhubungan, selalunya carta pai.

Perbandingan:
• boleh memaparkan susunan dimensi tertentu dan menganalisis sama ada perbandingan antara dimensi tertentu adalah serupa, atau "lebih besar daripada" atau "kurang daripada", contohnya Menganalisis perbezaan ketinggian antara lelaki dan perempuan.

Pengagihan:
• Apabila anda mengambil berat tentang kekerapan dan pengedaran dalam set data, contohnya, berdasarkan data lokasi geografi, gunakan peta untuk memaparkan ciri pengedaran yang berbeza. Carta yang biasa digunakan termasuk peta, histogram dan plot serakan.

• 联系：主要查看两个变量之间是否表达出我们所要证明的相关关系，比如预期销售额可能随着优惠折扣的增长而增长，常用于表打“与......有关”、“随......而增长”、“随......而不同”等维度的关系。

在进行数据可视化时，要先明确分析的目标，再来选择五种合适的分类，最后选择某个分类里合适的图表类型。

3.2绘制折线图

其实在前面已经用过折线图了，就是使用 plot.plot() 方法。之前我们传入的时x和y坐标点，而折线图的 x 和 y 分别是时间点和对应的数据，下面以两个商品的销量走势为例：

import numpy as np
import matplotlib.pyplot as plt
 
x = ['周一','周二','周三','周四','周五','周六','周日']
y1 = [61,42,52,72,86,91,73]
y2 = [23,26,67,38,46,55,33]
#传入label参数
plt.rcParams['font.family'] = ['SimHei'] #设置字体防止乱码
plt.plot(x, y1, label='商品A') #增加折线图例“商品A”
plt.plot(x, y2, label='商品B') #增加折线图例“商品B”
#设置x轴标签
plt.xlabel('时间')
plt.ylabel('销量')
#设置图表标题
plt.title('商品销量对比图')
#显示图例、图像
plt.legend(loc='best') #显示图例，并设置在“最佳位置”
plt.show()

得到的图像如下图所示：

因为上图中有中文，所以通过 plt.rcParams['font.family'] = ['SimHei'] 来设置中文字体来防止乱码，如果想设置其他字体只需将 SimHei(黑体)替换成相应的名称即可。通过一下代码获得，自己编译器所在环境安装的字体：

import matplotlib.font_manager as fm
for font in fm.fontManager.ttflist:
    print(font.name)

 图例位置是一个可选参数，默认 matplotlib 会自动选择合适位置，也可以指定其他位置。

具体的如下表所示：

plt.legend() 方法的 loc 参数选择 参数含义参数含义best最佳位置center居中upper right右上角center right靠右居中upper left左上角center left靠左居中lower left左下角lower center靠下居中lower right右下角upper center靠上居中

3.3绘制柱状图

柱状图描述的是分类数据，展示的是每一类的数量。柱状图分为很多种，有普通柱状图、堆叠柱状图、分组柱状图等。

3.3.1普通柱状图

 普通柱状图调用 plt.bar() 方式实现。我们至少需要传入两个参数，第一个参数是 x 轴上刻度的标签序列（列表、元组、数组等），第二个参数用于指定每个柱子的高度，也就是具体的数据。下面以一个班级体育课选课的情况为例：

import matplotlib.font_manager as fm
for font in fm.fontManager.ttflist:
    print(font.name)

 得到如下图像：

 plt.bar() 前两个参数是必选的，当然还有一些可选参数，常用的有 width 和 color ，分别是用于设置柱子的宽度（默认0.8）和颜色。比如我们将柱子宽度改成0.6，将柱子的颜色设成好看的天蓝色只需将 plt.bar() 改为 plt.bar(names, nums, width=0.6, color='skyblue') 即可。之前在折线图部分用到的 plt.xlabel() 、plt.ylabel() 、plt.title() 和 plt.legend() 方法都是通用方法，并不局限于一种图表，所有的图表都适用。

3.3.2堆叠柱状图

 柱状图能直观地展现出不同数据上的差异，但有时候我们需要进一步分析数据的分布，比如每门选修课的男女比例，这时就需要用到堆叠柱状图。

下面就是进一步分析每一门选修课中男女比例为例编写程序：

import numpy as np
import matplotlib.pyplot as plt
 
plt.rcParams['font.family'] = ['SimHei'] #设置字体防止乱码
name = ['乒乓球','羽毛球','网球']
nums_boy = [16,5,11]
nums_girl = [10,15,8]
 
plt.bar(name, nums_boy, width=0.6, color='skyblue', label='男')
plt.bar(name, nums_girl, bottom=nums_boy, width=0.6, color='pink', label='女')
plt.legend()
plt.show()

最终得到图像：

上面的代码和普通柱状图相比，多调用了一次，plt.bar() 方法，并传入了 bottom 参数，每调用一次 plt.bar() 方法都会画出对应的柱状图，而 bottom 参数作用就是控制柱状图低端的位置。我们将前一个柱状图的高度传进去，这样就形成了堆叠柱状图。而如果没有 bottom 参数，后面的图形会盖在原来的图形之上，

就像下面这样：

3.3.3分组柱状图

分组柱状图经常用于不同组间数据的比较，这些组都包含了相同分类的数据。

先来看一下效果图：

 绘制上图的代码如下：

import numpy as np
import matplotlib.pyplot as plt
 
x = np.arange(3)
width = 0.3
 
names = ['篮球', '羽毛球', '乒乓球']
nums_boy = [16, 5, 11]
nums_girl = [10, 15, 8]
plt.rcParams['font.family'] = ['SimHei'] #设置字体防止乱码
plt.bar(x - width / 2, nums_boy, width=width, color='skyblue', label='男')
plt.bar(x + width / 2, nums_girl, width=width, color='pink', label='女')
plt.xticks(x, names)
plt.legend()
plt.show()

这次的方法和之前有些不同，首先使用 np.arange(3) 方法创建了一个数组 x ，值为[0,1,2]。并定义了一个变量 width 用于指定柱子的宽度。在调用 plt.bar() 时，第一个参数不再是刻度线上的标签，而是对应的刻度。以[0,1,2]为基准，分别加上或减去柱子的宽度得到[-0.15,0.85,1,85]和[0.15,1.15,2.15]，这些刻度将分别作为两组柱子的中点，并且柱子的宽度为0.3。

因为传入的是刻度，而不是刻度的标签。所以调用 plt.xticks() 方法来将 x 轴上刻度改为对应的标签，该方法第一个参数时要改的刻度序列，第二个参数时与之对于的标签序列。同理，使用plt.yticks() 方法来更改y轴上刻度的标签。

3.3.4饼图

饼图广泛地应用在各个领域，用于表示不同分类的占比情况，通过弧度大小来对比各种分类。饼图通过将一个圆饼按照分类的占比划分成多个区块，整个圆饼代表数据的总量，每个区块(圆弧）表示该分类占总体的比例大小，所有区块（圆弧）的加和等于100%。

 饼图的绘制很简单，只需要传入数据和对于的标签给 plt.pie() 方法即可。以2018年国内生产总值（GDP）三大产业的占比为例，可以画出这样的饼图：

绘制上图的代码如下：

import matplotlib.pyplot as plt
 
plt.rcParams['font.family'] = ['SimHei'] #设置字体防止乱码
data = [64745.2, 364835.2, 489700.8]
labels = ['第一产业', '第二产业', '第三产业']
explode = (0.1, 0, 0)
plt.pie(data, explode=explode, labels=labels,autopct='%0.1f%%')
plt.show()

 plt.pie() 方法的第一个参数是绘图需要的数据；参数 explode 是可选参数，用于突出显示某一区块，默认数值都是0，数值越大，区块抽离越明显；参数 lables 是数据对应的标签；参数 autopct 则给饼图自动添加百分比显示。

参数 autopct 的格式用到了字符串格式化输出的知识，代码中 '%0.1f%%' 可以分成两部分。一部分是 %0.1f 表示保留一位小数，同理 %0.2f 表示保留两位小数；另一部分是 %% ,它表示输出一个 %，因为% 在字符串格式化输出中有特殊的含义，所以想要输出 % 就得写成 %% 。所以，'%0.1f%%' 的含义是保留一位小数的百分数，例如：66.6%。

4.绘制子图

Matplotlib 提供了子图的概念，通过使用子图，可以在一张图里绘制多个图表。在 matplotlib 中，调用 plt.subplot() 方法来添加子图。plt.subplot() 方法的前两个参数分别是子图的行数和列数，第三个参数是子图的序号（从1开始）。

ax1 = plt.subplot(2, 2, 1)
ax2 = plt.subplot(2, 2, 2)
ax3 = plt.subplot(2, 2, 3)
ax4 = plt.subplot(2, 2, 4)

 plt.subplot(2,2,1) 的作用是生成一个两行两列的子图，并选择其中序号为1的子图，所以上面四行代码将一张图分成了4个子图，并用1、2、3、4来选择对应的子图。

我们也可以绘制不规则的子图，比如上面两张子图，下面一张子图。

方法如下：

ax1 = plt.subplot(2, 2, 1)
ax2 = plt.subplot(2, 2, 2)
ax3 = plt.subplot(2, 1, 2)

之所以第三行代码是 plt.subplot(2, 1, 2) ，因为子图序号是独立的，与之前创建的子图没有关系。plt.subplot(2, 2, 1) 选择并展示了2*2的子图中的第一个。plt.subplot(2, 2, 2) 选择并展示了2*2的子图中的第二个，它们两个合起来占了2*2子图的第一行。而 plt.subplot(2, 1, 2) 则是生成了两行一列的子图，并选择了第二行。即占满第二行的子图，正好填补了之前2*2子图第二行剩下的空间，因此生成的图表是这样的：

图表的框架画好了，就可以往里面填充图像了，之前调用的是 plt 上的方法绘图，只要将其改成 plt.subplot() 方法的返回值上调用相应的方法绘图即可。

举个栗子，下面是在一张图上绘制了 sin、cos 和 tan 三个函数的图像的代码：

import numpy as np
import matplotlib.pyplot as plt
 
plt.rcParams['font.family'] = ['SimHei'] #设置字体防止乱码
 
x = np.arange(0, 2 * np.pi, 0.1)
 
plt.suptitle('三角函数可视化')
ax1 = plt.subplot(2,2,1)
ax1.set_title('sin函数')
y1 = np.sin(x)
ax1.plot(x,y1)
 
ax2 = plt.subplot(2,2,2)
ax2.set_title('cos函数')
y2 = np.cos(x)
ax2.plot(x,y2)
 
ax3 = plt.subplot(2,1,2)
ax3.set_title('tan函数')
y3 = np.tan(x)
ax3.plot(x,y3)
 
plt.show()

得到的图像是：

上面程序中，使用 set_title() 方法为每个子图设置单独的标题。需要注意的是，如果想要给带有子图的图表设置总的标题的话，不是使用的 plt.titie() 方法，而是通过 plt.suptitile() 方法来设置带有子图的图表标题。 

Atas ialah kandungan terperinci Ketahui cara menggunakan visualisasi data Matplotlib. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!