Python數據可視化實例之繪製圖表

Python數據可視化實例之繪製圖表

原創 蟲蟲安全 2018-09-05 17:41:57

得利於語言的簡單明了、豐富的數據結構、豐富的類和模塊，Python如今成了數據科學中的香餑餑，成了matlab、R語言之外又一強大的數據分析工具。拋開其他方面的、今天蟲蟲帶大家一起來探索Python在數據可視化方面的應用。我們以最基本的幾種圖標為實例來介紹Python matplotlib的強大的作圖能力。

1.折線圖

在繪製折線圖時，如果你的數據很小，圖表的線條有點折，當你數據集比較大時候，比如超過100個點，則會呈現相對平滑的曲線。

在這裡，我們使用三個plt.plot繪製了，不同斜率（1，2和3）的三條線。

import numpy as np

import matplotlib.pyplot as plt

cc= np.linspace(0,2,100)

plt.rcParams['font.sans-serif'] = ['SimHei']

plt.plot(cc,cc,label='linear')

plt.plot(cc,cc**2,label='兩倍')

plt.plot(cc,cc**3,label='三倍')

plt.xlabel('x label')

plt.ylabel('y label')

plt.title("折線圖")

plt.legend()

plt.show()

cc = np.linspace(0,2,100)

plt.plot(cc,cc,label ='linear')

plt.plot(cc,cc ** 2,label ='quadratic')

plt.plot(cc,cc ** 3,label ='cubic')

plt.xlabel('x label')

plt.ylabel('y label')

結果顯示，如下：

注意為了顯示中文，我們plt.rcParams屬性設置了中文字體，不然不能正確顯示中文title的。

2.散點圖

散點圖和折線圖的原理差不多；如果使用直線連接散點圖中的點，得到的就是折線圖。所以你只需要設置線型來繪製散點圖。

注意：次例中我們也畫了三行。不同的地方時，只使用了一個plt.plot。

import numpy as np

import matplotlib.pyplot as plt

x = np.arange(0., 5., 0.2)

plt.plot(x, x, 'r--', x, x**2, 'bs', x, x**3, 'g^')

plt.show()

圖表顯示結果為：

3.直方圖

直方圖也是一種常用的簡單圖表，本例中我們在同一張圖片中繪製兩個概率直方圖。

import numpy as np

import matplotlib.pyplot as plt

np.random.seed(19680801)

mu1, sigma1 = 100, 15

mu2, sigma2 = 80, 15

x1 = mu1 + sigma1 * np.random.randn(10000)

x2 = mu2 + sigma2 * np.random.randn(10000)

n1, bins1, patches1 = plt.hist(x1, 50, density=True, facecolor='g', alpha=1)

n2, bins2, patches2 = plt.hist(x2, 50, density=True, facecolor='r', alpha=0.2)

plt.rcParams['font.sans-serif'] = ['SimHei']

plt.xlabel('智商')

plt.ylabel('置信度')

plt.title('IQ直方圖')

plt.text(110, .025, r'$mu=100, sigma=15$')

plt.text(50, .025, r'$mu=80, sigma=15$')

# 設置坐標範圍

plt.axis([40, 160, 0, 0.03])

plt.grid(True)

plt.show()

顯示效果為：

4.條形圖

我們要介紹的第四種，圖表類型是條形圖，我們這兒引入稍微比較複雜的條形圖。

4.1平行條形圖

此例中，我們引入三組（a,b,c）5個隨機數（0~1），並用條形圖列印出來，做比較

import numpy as np

import matplotlib.pyplot as plt

size = 5

a = np.random.random(size)

b = np.random.random(size)

c = np.random.random(size)

x = np.arange(size)

total_width, n = 0.8, 3

width = total_width / n

# redraw the coordinates of x

x = x - (total_width - width) / 2

# here is the offset

plt.bar(x, a, width=width, label='a')

plt.bar(x + width, b, width=width, label='b')

plt.bar(x + 2 * width, c, width=width, label='c')

plt.legend()

plt.show()

顯示效果為：

4.2堆積條形圖

數據同上，不過條形plot的時候，用的相互的值大小差異（水平方向），而不是條柱平行對比。

import numpy as np

import matplotlib.pyplot as plt

size = 5

a = np.random.random(size)

b = np.random.random(size)

c = np.random.random(size)

x = np.arange(size)

plt.bar(x, a, width=0.5, label='a',fc='r')

plt.bar(x, b, bottom=a, width=0.5, label='b', fc='g')

plt.bar(x, c, bottom=a+b, width=0.5, label='c', fc='b')

plt.ylim(0, 2.5)

plt.legend()

plt.grid(True)

plt.show()

顯示效果為：

5.餅圖

餅圖是對比數量比例的最佳顯示方式。

5.1一般餅圖

ABCD四個數據，我們以餅圖方式顯示器大小對比。

import matplotlib.pyplot as plt

labels = 'A', 'B', 'C', 'D'

sizes = [15, 30, 45, 10]

explode = (0, 0.1, 0, 0)

plt.pie(sizes, explode=explode, labels=labels, autopct='%1.1f%%',

shadow=True, startangle=90)

plt.axis('equal')

plt.show()

顯示效果為：

5.2嵌套餅圖

import numpy as np

import matplotlib.pyplot as plt

size = 0.3

vals = np.array([[60., 32.], [37., 40.], [29., 10.]])

cmap = plt.get_cmap("tab20c")

outer_colors = cmap(np.arange(3)*4)

inner_colors = cmap(np.array([1, 2, 5, 6, 9, 10]))

print(vals.sum(axis=1))

# [92. 77. 39.]

plt.pie(vals.sum(axis=1), radius=1, colors=outer_colors,

wedgeprops=dict(width=size, edgecolor='w'))

print(vals.flatten())

# [60. 32. 37. 40. 29. 10.]

plt.pie(vals.flatten(), radius=1-size, colors=inner_colors,

wedgeprops=dict(width=size, edgecolor='w'))

# equal makes it a perfect circle

plt.axis('equal')

plt.show()

顯示效果為：

5.3極軸餅圖

極軸餅圖是一種非常酷的圖表，讓我們看他的源碼：

import numpy as np

import matplotlib.pyplot as plt

np.random.seed(19680801)

N = 10

theta = np.linspace(0.0, 2 * np.pi, N, endpoint=False)

radii = 10 * np.random.rand(N)

width = np.pi / 4 * np.random.rand(N)

ax = plt.subplot(111, projection='polar')

bars = ax.bar(theta, radii, width=width, bottom=0.0)

for r, bar in zip(radii, bars):

bar.set_facecolor(plt.cm.viridis(r / 10.))

bar.set_alpha(0.5)

plt.show()

顯示效果為：

6.3D圖表

3D圖表也是能我們展示出超想像力的視覺效果的圖表。

6.1三維散點圖

首先來看看三維的散點圖，源碼：

import numpy as np

import matplotlib.pyplot as plt

from mpl_toolkits.mplot3d import Axes3D

data = np.random.randint(0, 255, size=[40, 40, 40])

x, y, z = data[0], data[1], data[2]

ax = plt.subplot(111, projection='3d')

ax.scatter(x[:10], y[:10], z[:10], c='y')

ax.scatter(x[10:20], y[10:20], z[10:20], c='r')

ax.scatter(x[30:40], y[30:40], z[30:40], c='g')

ax.set_zlabel('Z')

ax.set_ylabel('Y')

ax.set_xlabel('X')

plt.show()

顯示效果為：

6.2 3D平面圖

我們要用到mpl_toolkits.mplot3d這個3D模塊包，安裝這個包後，繪製一個超酷的3D圖只需兩行代碼：

from matplotlib import pyplot as plt

import numpy as np

from mpl_toolkits.mplot3d import Axes3D

fig = plt.figure()

ax = Axes3D(fig)

X = np.arange(-4, 4, 0.25)

Y = np.arange(-4, 4, 0.25)

X, Y = np.meshgrid(X, Y)

R = np.sqrt(X**2 + Y**2)

Z = np.sin(R)

顯示效果為：

怎麼樣，效果很酷把，好今天蟲蟲就給大家介紹到這裡，如果你有任何問題，或者需要本文提到的源碼包，請關注蟲蟲，給蟲蟲留言。