• 本文來自《Python數(shù)據(jù)分析從入門到精通》_明日科技編著

5.6 常用圖表的繪制

• 本節(jié)介紹常用圖表的繪制，主要包括繪制折線圖、繪制柱形圖、繪制直方圖、繪制餅形圖、繪制散點(diǎn)圖、繪制面積圖、繪制熱力圖、繪制箱型圖、繪制3D圖表、繪制多個(gè)子圖表以及圖表的保存。對(duì)于常用的圖表類型以繪制多種類型圖表進(jìn)行舉例，以適應(yīng)不同應(yīng)用場(chǎng)景的需求。

5.6.1 繪制折線圖

• 折線圖可以顯示隨時(shí)間而變化的連續(xù)數(shù)據(jù)，因此非常適用于顯示在相等時(shí)間間隔下數(shù)據(jù)的趨勢(shì)。如基礎(chǔ)體溫曲線圖、學(xué)生成績(jī)走勢(shì)圖、股票月成交量走勢(shì)圖，月銷售量統(tǒng)計(jì)分析圖、微博、公眾號(hào)、網(wǎng)站訪問量統(tǒng)計(jì)圖等都可以用折線圖體現(xiàn)。在折線圖中，類別數(shù)據(jù)沿水平軸均勻分布，所有值數(shù)據(jù)沿垂直軸均勻分布。
• Matplotlib繪制折線圖主要使用plot（）函數(shù)，相信通過前面的學(xué)習(xí)，您已經(jīng)了解了plot()函數(shù)的基本用法，并能夠繪制一些簡(jiǎn)單的折線圖，下面嘗試?yán)L制多折線圖。

繪制學(xué)生語(yǔ)數(shù)外各科成績(jī)分析圖（12）

• 使用plot（）函數(shù)繪制多折線圖。例如，繪制學(xué)生語(yǔ)數(shù)外各科成績(jī)分析圖，程序代碼如下：

import pandas as pd
import matplotlib.pyplot as plt
df1=pd.read_excel('data.xls')              #導(dǎo)入Excel文件
df1

#多折線圖
x1=df1['姓名']
y1=df1['語(yǔ)文']
y2=df1['數(shù)學(xué)']
y3=df1['英語(yǔ)']
plt.rcParams['font.sans-serif']=['SimHei']    #解決中文亂碼
plt.rcParams['xtick.direction'] = 'out'       #x軸的刻度線向外顯示
plt.rcParams['ytick.direction'] = 'in'        #y軸的刻度線向內(nèi)顯示
plt.title('語(yǔ)數(shù)外成績(jī)大比拼',fontsize='18')   #圖表標(biāo)題
plt.plot(x1,y1,label='語(yǔ)文',color='r',marker='p')
plt.plot(x1,y2,label='數(shù)學(xué)',color='g',marker='.',mfc='r',ms=8,alpha=0.7)
plt.plot(x1,y3,label='英語(yǔ)',color='b',linestyle='-.',marker='*')
plt.grid(axis='y')                             #顯示網(wǎng)格關(guān)閉y軸
plt.ylabel('分?jǐn)?shù)')
plt.yticks(range(50,150,10))
plt.legend(['語(yǔ)文','數(shù)學(xué)','英語(yǔ)'])             #圖例
plt.savefig('image.png')
plt.show()

• 上述舉例，用到了幾個(gè)參數(shù)，下面進(jìn)行說明。
• mfc:標(biāo)記的顏色
• ms:標(biāo)記的大小
• mec：標(biāo)記邊框的顏色
• alpha：透明度，設(shè)置該參數(shù)可以改變顏色的深淺

5.6.2 繪制柱形圖

• 柱形圖，又稱長(zhǎng)條圖、柱狀圖、條狀圖等，是一種以長(zhǎng)方形的長(zhǎng)度為變量的統(tǒng)計(jì)圖表。柱形圖用來比較兩個(gè)或兩個(gè)以上的數(shù)據(jù)（不同時(shí)間或者不同條件），只有一個(gè)變量，通常用于較小的數(shù)據(jù)集分析。
• Matplotlib繪制柱形圖主要使用bar（）函數(shù)，語(yǔ)法如下：

matplotlib.pyplot.bar(x,height,width,bottom=None,*,align='center',data=None,**kwargs)

• x:x軸數(shù)據(jù)
• height：柱子的高度，也就是y軸數(shù)據(jù)
• width：浮點(diǎn)型，柱子的寬度，默認(rèn)值為0.8，可以指定固定值
• bottom：標(biāo)量或數(shù)組，可選參數(shù)，柱形圖的y坐標(biāo)，默認(rèn)值為None
• *:星號(hào)本身不是參數(shù)。星號(hào)表示其后面的參數(shù)為命名關(guān)鍵字參數(shù)，命名關(guān)鍵字參數(shù)必須傳入?yún)?shù)名；否則程序會(huì)出現(xiàn)錯(cuò)誤。
• align：對(duì)齊方式，如center(居中)和edge(邊緣），默認(rèn)值為center
• data：data關(guān)鍵字參數(shù)。如果給定一個(gè)數(shù)據(jù)參數(shù)，所有位置和關(guān)鍵字參數(shù)都將被替換
• **kwargs：關(guān)鍵字參數(shù)，其他可選參數(shù)，如color（顏色）、alpha（透明度）、label(每個(gè)柱子顯示的標(biāo)簽)等。

4行代碼繪制簡(jiǎn)單的柱形圖（13）

import matplotlib.pyplot as plt
x=[1,2,3,4,5,6]
height=[10,20,30,40,50,60]
plt.bar(x,height)

• bar()函數(shù)可以繪制出各種類型的柱形圖，如基本柱形圖、多柱形圖、堆疊柱形圖，只要將bar()函數(shù)的主要參數(shù)理解透徹，就會(huì)達(dá)到意想不到的效果。下面介紹幾種常見的柱形圖。

1.基本柱形圖（14）

• 使用bar（）函數(shù)繪制“2013-2019年線上圖書銷售額分析圖”，程序代碼如下：

import pandas as pd
import matplotlib.pyplot as plt
df = pd.read_excel('books.xlsx')
plt.rcParams['font.sans-serif']=['SimHei'] #解決中文亂碼
x=df['年份']
height=df['銷售額']
plt.grid(axis="y", which="major")  # 生成虛線網(wǎng)格
#x、y軸標(biāo)簽
plt.xlabel('年份')
plt.ylabel('線上銷售額（元）')

#圖表標(biāo)題
plt.title('2013-2019年線上圖書銷售額分析圖')
plt.bar(x,height,width = 0.5,align='center',color = 'b',alpha=0.5,bottom=0.8)
#設(shè)置每個(gè)柱子的文本標(biāo)簽,format(b,',')格式化銷售額為千位分隔符格式
for a,b in zip(x,height):
    plt.text(a, b,format(b,','), ha='center', va= 'bottom',fontsize=9,color = 'b',alpha=0.9)
#圖例
plt.legend(['銷售額'])

2.多柱形圖 （15）

• 對(duì)于線上圖書銷售額的統(tǒng)計(jì)，如果要統(tǒng)計(jì)各個(gè)平臺(tái)的銷售額，可以使用多柱形圖，不同顏色的柱子代表不同的平臺(tái)，如京東、天貓、自營(yíng)等，程序代碼如下：

import pandas as pd
import matplotlib.pyplot as plt
df = pd.read_excel('books.xlsx',sheet_name='Sheet2')
plt.rcParams['font.sans-serif']=['SimHei'] #解決中文亂碼

x=df['年份']
y1=df['京東']
y2=df['天貓']
y3=df['自營(yíng)']
width =0.25  #柱子寬度，若顯示n個(gè)柱子，則width值需小于1/n ，否則柱子會(huì)出現(xiàn)重疊
#y軸標(biāo)簽
plt.ylabel('線上銷售額（元）')
#圖表標(biāo)題
plt.title('2013-2019年線上圖書銷售額分析圖')
plt.bar(x,y1,width = width,color = 'darkorange')
plt.bar(x+width,y2,width = width,color = 'deepskyblue')
plt.bar(x+2*width,y3,width = width,color = 'g')
#設(shè)置每個(gè)柱子的文本標(biāo)簽,format(b,',')格式化銷售額為千位分隔符格式
# plt.text是設(shè)置文本的位置
for a,b in zip(x,y1):
    plt.text(a, b,format(b,','), ha='center', va= 'bottom',fontsize=8)
for a,b in zip(x,y2):
    plt.text(a+width, b,format(b,','), ha='center', va= 'bottom',fontsize=8)
for a, b in zip(x, y3):
    plt.text(a + 2*width, b, format(b, ','), ha='center', va='bottom',fontsize=8)
plt.legend(['京東','天貓','自營(yíng)'])#圖例

5.6.3 繪制直方圖

• 直方圖，又稱質(zhì)量分布圖，由一系列高度不等的縱向條紋或線段表示數(shù)據(jù)分布的情況。一般用橫軸表示數(shù)據(jù)類型，縱軸表示分布情況。直方圖是數(shù)值數(shù)據(jù)分布的精確圖形表示，是一個(gè)連續(xù)變量（定量變量）的概率分布的估計(jì)。
• 繪制直方圖主要使用hist()函數(shù)，語(yǔ)法如下：

matplotlib.pyplot.hist(x,bin=None,range=None,density=None,bottom=None,histtype='bar',align='mid',bog=False,color=None,labe=None,stacked=False,normed=None)

• x:數(shù)據(jù)集，最終的直方圖將對(duì)數(shù)據(jù)集進(jìn)行統(tǒng)計(jì)
• bins:統(tǒng)計(jì)數(shù)組的區(qū)間分布
• range:元組類型，顯示的區(qū)間
• density：布爾型，顯示的頻率統(tǒng)計(jì)結(jié)果，默認(rèn)值為None。設(shè)置值為False，不顯示頻率統(tǒng)計(jì)結(jié)果；設(shè)置值為True，則顯示頻率統(tǒng)計(jì)結(jié)果。需要統(tǒng)計(jì)結(jié)果=區(qū)間數(shù)目/(總數(shù)x區(qū)間寬度)。
• histtype：可選參數(shù)，設(shè)置值為bar、barstacked、step或stepfilled，默認(rèn)值bar，推薦使用默認(rèn)配置，其中step使用的是梯狀，stepfilled則會(huì)對(duì)梯狀內(nèi)部進(jìn)行填充，效果與bar類似。
• align：可選參數(shù)，控制柱狀圖的水平分布，設(shè)置值為left、mid或right，默認(rèn)值為mid，其中，left或者right會(huì)有部分空白區(qū)域，推薦使用默認(rèn)值。
• log：布爾型，默認(rèn)值為False，即y坐標(biāo)軸是否選擇指數(shù)刻度。
• stacked：布爾型，默認(rèn)值為False，是否為堆積柱狀圖。

繪制簡(jiǎn)單直方圖（16）

import matplotlib.pyplot as plt
x=[22,87,5,43,56,73,55,54,11,20,51,5,79,31,27]
plt.hist(x, bins = [0,25,50,75,100])

直方圖分析學(xué)生數(shù)學(xué)成績(jī)分布情況（17）

import pandas as pd
import matplotlib.pyplot as plt
df = pd.read_excel('grade1.xls')
plt.rcParams['font.sans-serif']=['SimHei'] #解決中文亂碼
x=df['得分']
plt.xlabel('分?jǐn)?shù)')
plt.ylabel('學(xué)生數(shù)量')
# 顯示圖標(biāo)題
plt.title("高一數(shù)學(xué)成績(jī)分布直方圖")
plt.hist(x, bins = [0,25,50,75,100,125,150],facecolor="blue", edgecolor="black", alpha=0.7)

5.6.4 繪制餅形圖

• 餅形圖常用來顯示各個(gè)部分在整體中所占的比例。例如，在工作中如果遇到需要計(jì)算總費(fèi)用或金額的各個(gè)部分構(gòu)成的情況，一般通過各個(gè)部分與總額相除來計(jì)算，而且這種比例表示方法很抽象，而通過餅形圖將直接顯示各個(gè)組成部分所占比例，一目了然。
• Matplotlib繪制餅形圖主要使用pie()函數(shù)，語(yǔ)法如下：

matplotlib.pyplot.pie(x,explode=None,labels=None,colors=None,autopct=None,pctdistance=0.6,shadow=False,labeldistance=1.1,startangle=None,radius=None,counterclock=True,wedgeprops=None,textprops=None,center=(0,0),frame=False,rotatelabels=False,hold=None,data=None)

• x:每一塊餅圖的比例，如果sum(x) > 1會(huì)使用sum(x)歸一化。
• explode:每一塊餅圖離中心的距離。
• labels：每一塊餅圖外側(cè)顯示的說明文字
• autopct:設(shè)置餅圖百分比，可以使用格式化字符串format()函數(shù)。如’%1.1f’保留小數(shù)點(diǎn)前后1位。
• pctdistance：類似于labeldistance參數(shù)，指定百分比的位置刻度，默認(rèn)值為0.6
• shadow：在餅圖下面畫一個(gè)陰影，默認(rèn)值為False，即不畫陰影。
• labeldistance：標(biāo)記的繪制位置，相對(duì)于半徑的比例，默認(rèn)值為1.1，如設(shè)置值為90則從y軸正方向畫起。
• radius：餅圖半徑，默認(rèn)值為1
• counterclock:指定指針方向，布爾型，可選參數(shù)。默認(rèn)值為True，表示逆時(shí)針；如果值為False，則表示順時(shí)針
• wedgeprops：字典類型，可選參數(shù)，默認(rèn)值為None。字典傳遞給wedge對(duì)象，用來畫一個(gè)餅圖。例如wedgeprops={‘linewidth’:2}設(shè)置wedge線寬為2.
• textprops：設(shè)置標(biāo)簽和比例文字的格式，字典類型，可選參數(shù)，默認(rèn)值為None。傳遞給text對(duì)象的字典參數(shù)
• center：浮點(diǎn)類型的列表，可選參數(shù)，默認(rèn)值為（0，0），表示圖表中心位置。
• frame：布爾型，可選參數(shù)，默認(rèn)值為False，不顯示框架（也就是網(wǎng)絡(luò)）；如果值為True，則顯示軸框架，與grid（）函數(shù)配合使用。實(shí)際應(yīng)用中建議使用默認(rèn)設(shè)置，因?yàn)轱@示軸框架會(huì)干擾餅形圖效果。
• rotatelabels:布爾型，可選參數(shù)，默認(rèn)值為False；如果值為True，則旋轉(zhuǎn)每個(gè)標(biāo)簽到指定的角度。

繪制簡(jiǎn)單餅形圖（18）

import matplotlib.pyplot as plt
x = [2,5,12,70,2,9]
plt.pie(x,autopct='%1.1f%%')

1.基礎(chǔ)餅形圖（19）

• 通過餅形圖分析各地區(qū)銷量占比情況：

import pandas as pd
from matplotlib import pyplot as plt
df1 = pd.read_excel('data2.xls')
plt.rcParams['font.sans-serif']=['SimHei'] #解決中文亂碼
plt.figure(figsize=(5,3)) #設(shè)置畫布大小
labels = df1['地區(qū)']
sizes = df1['銷量']
#設(shè)置餅形圖每塊的顏色
colors = ['red', 'yellow', 'slateblue', 'green','magenta','cyan','darkorange','lawngreen','pink','gold']
plt.pie(sizes, #繪圖數(shù)據(jù)
        labels=labels,#添加區(qū)域水平標(biāo)簽
        colors=colors,# 設(shè)置餅圖的自定義填充色
        labeldistance=1.02,#設(shè)置各扇形標(biāo)簽（圖例）與圓心的距離
        autopct='%.1f%%',# 設(shè)置百分比的格式，這里保留一位小數(shù)
        startangle=90,# 設(shè)置餅圖的初始角度
        radius = 0.5, # 設(shè)置餅圖的半徑
        center = (0.2,0.2), # 設(shè)置餅圖的原點(diǎn)
        textprops = {'fontsize':9, 'color':'k'}, # 設(shè)置文本標(biāo)簽的屬性值
        pctdistance=0.6)# 設(shè)置百分比標(biāo)簽與圓心的距離
# 設(shè)置x，y軸刻度一致，保證餅圖為圓形
plt.axis('equal')
plt.title('2020年1月各地區(qū)銷量占比情況分析')

2.分裂餅形圖（20）

• 分裂餅形圖是將您認(rèn)為主要的餅圖部分分裂出來，以達(dá)到突出顯示的目的。
• 將銷量占比量最多的廣東省分裂顯示，效果如下面第一個(gè)圖所示。分裂餅形圖可以同時(shí)分裂多塊，如下面第二個(gè)圖所示。

import pandas as pd
from matplotlib import pyplot as plt
df1 = pd.read_excel('data2.xls')
plt.rcParams['font.sans-serif']=['SimHei'] #解決中文亂碼
plt.figure(figsize=(5,3)) #設(shè)置畫布大小
labels = df1['地區(qū)']
sizes = df1['銷量']
#設(shè)置餅形圖每塊的顏色
colors = ['red', 'yellow', 'slateblue', 'green','magenta','cyan','darkorange','lawngreen','pink','gold']
plt.pie(sizes, #繪圖數(shù)據(jù)
        labels=labels,#添加區(qū)域水平標(biāo)簽
        colors=colors,# 設(shè)置餅圖的自定義填充色
        labeldistance=1.02,#設(shè)置各扇形標(biāo)簽（圖例）與圓心的距離
        autopct='%.1f%%',# 設(shè)置百分比的格式，這里保留一位小數(shù)
        startangle=90,# 設(shè)置餅圖的初始角度
        radius = 0.5, # 設(shè)置餅圖的半徑
        center = (0.2,0.2), # 設(shè)置餅圖的原點(diǎn)
        textprops = {'fontsize':9, 'color':'k'}, # 設(shè)置文本標(biāo)簽的屬性值
        pctdistance=0.6,# 設(shè)置百分比標(biāo)簽與圓心的距離
        #shadow=True,      #陰影
        explode = (0.1,0,0,0,0,0,0,0,0,0))  #設(shè)置分裂餅圖
        #explode = (0.1,0,0,0,0,0,0,0.1,0.1,0))  #設(shè)置多分裂餅圖
# 設(shè)置x，y軸刻度一致，保證餅圖為圓形

plt.axis('equal')
plt.title('2020年1月各地區(qū)銷量占比情況分析')

• 分裂餅圖主要是通過設(shè)置explode參數(shù)實(shí)現(xiàn)，該參數(shù)用于設(shè)置餅圖距中心的距離，我們需要將哪塊餅圖分裂出來，就設(shè)置它與中心的距離即可。例如，上圖中，我們將占比最多的”廣東省“分裂出來，如上面第二個(gè)圖所示。廣東省排在第一位，那么就設(shè)置第一位距中心的距離為0.1，其他為0，關(guān)鍵代碼如下：

explode = (0.1,0,0,0,0,0,0,0,0,0))

3.立體感帶陰影的餅形圖

• 立體感帶陰影的餅形圖看起來更美觀，效果如下圖所示：
• 立體感帶陰影的餅形圖主要通過shadow參數(shù)實(shí)現(xiàn)，設(shè)置該參數(shù)值為True即可，主要代碼如下：

shadow=True,      #陰影

import pandas as pd
from matplotlib import pyplot as plt
df1 = pd.read_excel('data2.xls')
plt.rcParams['font.sans-serif']=['SimHei'] #解決中文亂碼
plt.figure(figsize=(5,3)) #設(shè)置畫布大小
labels = df1['地區(qū)']
sizes = df1['銷量']
#設(shè)置餅形圖每塊的顏色
colors = ['red', 'yellow', 'slateblue', 'green','magenta','cyan','darkorange','lawngreen','pink','gold']
plt.pie(sizes, #繪圖數(shù)據(jù)
        labels=labels,#添加區(qū)域水平標(biāo)簽
        colors=colors,# 設(shè)置餅圖的自定義填充色
        labeldistance=1.02,#設(shè)置各扇形標(biāo)簽（圖例）與圓心的距離
        autopct='%.1f%%',# 設(shè)置百分比的格式，這里保留一位小數(shù)
        startangle=90,# 設(shè)置餅圖的初始角度
        radius = 0.5, # 設(shè)置餅圖的半徑
        center = (0.2,0.2), # 設(shè)置餅圖的原點(diǎn)
        textprops = {'fontsize':9, 'color':'k'}, # 設(shè)置文本標(biāo)簽的屬性值
        pctdistance=0.6,# 設(shè)置百分比標(biāo)簽與圓心的距離
        shadow=True,      #陰影
        explode = (0.1,0,0,0,0,0,0,0,0,0))  #設(shè)置分裂餅圖,本例中第一個(gè)數(shù)字最大
        #explode = (0.1,0,0,0,0,0,0,0.1,0.1,0))  #設(shè)置多分裂餅圖
# 設(shè)置x，y軸刻度一致，保證餅圖為圓形

plt.axis('equal')
plt.title('2020年1月各地區(qū)銷量占比情況分析')

4.環(huán)形圖（21）

• 環(huán)形圖是由兩個(gè)及以上大小不一的餅圖在一起，挖去中間的部分所構(gòu)成的圖形，效果如下：

import pandas as pd
from matplotlib import pyplot as plt
df1 = pd.read_excel('data2.xls')
plt.rcParams['font.sans-serif']=['SimHei'] #解決中文亂碼
plt.figure(figsize=(5,3)) #設(shè)置畫布大小
labels = df1['地區(qū)']
sizes = df1['銷量']
#設(shè)置餅形圖每塊的顏色
colors = ['red', 'yellow', 'slateblue', 'green','magenta','cyan','darkorange','lawngreen','pink','gold']
plt.pie(sizes, #繪圖數(shù)據(jù)
        labels=labels,#添加區(qū)域水平標(biāo)簽
        colors=colors,# 設(shè)置餅圖的自定義填充色
        autopct='%.1f%%',# 設(shè)置百分比的格式，這里保留一位小數(shù)
        #radius =1 , # 設(shè)置餅圖的半徑
        pctdistance=0.85,
        startangle = 180,
        textprops = {'fontsize':9, 'color':'k'}, # 設(shè)置文本標(biāo)簽的屬性值
        wedgeprops = {'width': 0.4, 'edgecolor': 'k'})
plt.title('2020年1月各地區(qū)銷量占比情況分析')

• 這里還是通過pie()函數(shù)實(shí)現(xiàn)，一個(gè)關(guān)鍵參數(shù)wedgegroups，字典類型，用于設(shè)置餅形圖內(nèi)、外邊界的屬性，如環(huán)的寬度，環(huán)邊界顏色和寬度，主要代碼如下：

wedgeprops = {'width': 0.4, 'edgecolor': 'k'}

5.內(nèi)嵌環(huán)形圖（22）

• 內(nèi)嵌環(huán)形圖實(shí)際是雙環(huán)形圖，效果如下：

import pandas as pd
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif']=['SimHei']
df1 = pd.read_excel('data2.xls')
df2=pd.read_excel('data2.xls',sheet_name='2月')
#數(shù)據(jù)集，x1,x2分別對(duì)應(yīng)外環(huán)、內(nèi)環(huán)百分比例
x1=df1['銷量']
x2=df2['銷量']
#設(shè)置餅狀圖各個(gè)區(qū)塊的顏色
colors = ['red', 'yellow', 'slateblue', 'green','magenta','cyan','darkorange','lawngreen','pink','gold']
#外環(huán)
plt.pie(x1,autopct='%.1f%%',radius=1,pctdistance=0.85,colors=colors,wedgeprops=dict(linewidth=2,width=0.3,edgecolor='w'))
#內(nèi)環(huán)
plt.pie(x2,autopct='%.1f%%',radius=0.7,pctdistance=0.7,colors=colors,wedgeprops=dict(linewidth=2,width=0.4,edgecolor='w'))
#圖例
legend_text=df1['地區(qū)']
plt.legend(legend_text,title='地區(qū)',frameon=False,bbox_to_anchor=(0.2,0.5))#設(shè)置圖例標(biāo)題、位置、去掉圖例邊框
plt.axis('equal')#設(shè)置坐標(biāo)軸比例以顯示為圓形
plt.title('2020年1月和2月各地區(qū)銷量占比情況分析')

• 繪制嵌套環(huán)形圖需要注意以下三點(diǎn)：
• （1）連續(xù)使用兩次pie()函數(shù)。
• （2）通過wedgeprops參數(shù)設(shè)置環(huán)形邊界。
• （3）通過radius參數(shù)設(shè)置不同的半徑。
• 另外，由于圖例內(nèi)容比較長(zhǎng)，為了圖例能夠正常顯示，圖例代碼中引入了兩個(gè)主要參數(shù)，即frameon和bboox_to_anchor。其中，frameon參數(shù)設(shè)置圖例有無邊框；bbox_to_anchor參數(shù)設(shè)置圖例位置，主要代碼如下：

#外環(huán)
plt.pie(x1,autopct='%.1f%%',radius=1,pctdistance=0.85,colors=colors,wedgeprops=dict(linewidth=2,width=0.3,edgecolor='w'))
#內(nèi)環(huán)
plt.pie(x2,autopct='%.1f%%',radius=0.7,pctdistance=0.7,colors=colors,wedgeprops=dict(linewidth=2,width=0.4,edgecolor='w'))
#圖例
legend_text=df1['地區(qū)']
plt.legend(legend_text,title='地區(qū)',frameon=False,bbox_to_anchor=(0.2,0.5))#設(shè)置圖例標(biāo)題、位置、去掉圖例邊框

5.6.5 繪制散點(diǎn)圖

• 散點(diǎn)圖主要用來查看數(shù)據(jù)的分布情況或相關(guān)性，一般在線性回歸分析中，查看數(shù)據(jù)點(diǎn)在坐標(biāo)系平面的分布情況。散點(diǎn)圖表示因變量隨自變量而變化的大致趨勢(shì)，據(jù)此可以選擇合適的函數(shù)對(duì)數(shù)據(jù)進(jìn)行擬合。
• 散點(diǎn)圖與折線圖類似，也是一個(gè)個(gè)點(diǎn)構(gòu)成的。但不同之處在于，散點(diǎn)圖的各點(diǎn)之間不會(huì)按照前后關(guān)系以線條連接起來。
• Matplotlib繪制散點(diǎn)圖使用plot()函數(shù)和scatter()函數(shù)都可以實(shí)現(xiàn)，本節(jié)使用scatter()函數(shù)繪制散點(diǎn)圖，scatter()函數(shù)專門用于繪制散點(diǎn)圖，使用方式和plot()函數(shù)類似，區(qū)別在于前者具有更高的靈活性，可以單獨(dú)控制每個(gè)散點(diǎn)與數(shù)據(jù)匹配，并讓每個(gè)散點(diǎn)具有不同的屬性。scatter()函數(shù)的語(yǔ)法如下：

matplotlib.pyplot.scatter(x,y,s=None,marker=None,cmap=None,norm=None,vmax=None,alpha=None,linewidths=None,verts=None,edgecolors=None,data=None,**kwargs)

• x,y:數(shù)據(jù)
• s：標(biāo)記大小，以平方磅為單位的標(biāo)記面積，設(shè)置值如下。數(shù)值標(biāo)量：以相同的大小繪制所有標(biāo)記。行或列向量：是每個(gè)標(biāo)記具有不同的大小。x、y和sz中的相應(yīng)元素確定每個(gè)標(biāo)記的位置和面積。sz的長(zhǎng)度必須等于x和y的長(zhǎng)度。[]：使用36平方磅的默認(rèn)面積。
• c：標(biāo)記顏色，可選參數(shù)，默認(rèn)標(biāo)記顏色為藍(lán)色
• marker:標(biāo)記樣式，可選參數(shù)，默認(rèn)值為’o’
• cmap:顏色地圖，可選參數(shù)，默認(rèn)值為None
• norm：可選參數(shù)，默認(rèn)值為None
• vmin，vmax:標(biāo)量，可選，默認(rèn)值為None
• alpha：透明度，可選參數(shù)，0~1的數(shù)，表示透明度，默認(rèn)值為None
• linewidths：線寬，標(biāo)記邊緣的寬度，可選參數(shù)，默認(rèn)值為None
• verts：(x,y)的序列，可選參數(shù)，如果參數(shù)marker為None，這些頂點(diǎn)將用于構(gòu)建標(biāo)記。標(biāo)記的中心位置為(0,0)
• edgecolors：輪廓顏色，與參數(shù)c類似，可選參數(shù)，默認(rèn)值為None
• data：data關(guān)鍵字參數(shù)。如果給定一個(gè)數(shù)據(jù)參數(shù)，所有位置和關(guān)鍵字參數(shù)將被替換
• **kwargs：關(guān)鍵字參數(shù)，其他可選參數(shù)

繪制簡(jiǎn)單散點(diǎn)圖（23）

import matplotlib.pyplot as plt
x=[1,2,3,4,5,6]
y=[19,24,37,43,55,68]
plt.scatter(x, y)

散點(diǎn)圖分析銷售收入與廣告費(fèi)的相關(guān)性（24）

• 接下來，繪制銷售收入與廣告費(fèi)散點(diǎn)圖，用以觀察銷售收入與廣告費(fèi)的相關(guān)性:

import pandas as pd
import matplotlib.pyplot as plt
aa =r'JDdata.xls'
bb=r'JDcar.xls'
dfaa = pd.DataFrame(pd.read_excel(aa))
dfbb=pd.DataFrame(pd.read_excel(bb))
df1=dfaa[['業(yè)務(wù)日期','金額']]
df2=dfbb[['投放日期','支出']]
df1

#去除空日期和金額為0的記錄
df1=df1[df1['業(yè)務(wù)日期'].notnull() & df1['金額'] !=0]
df2=df2[df2['投放日期'].notnull() & df2['支出'] !=0]
df1['業(yè)務(wù)日期'] = pd.to_datetime(df1['業(yè)務(wù)日期'])
df2['投放日期'] = pd.to_datetime(df2['投放日期'])

# set_index用法：https://zhuanlan.zhihu.com/p/143839744
dfData = df1.set_index('業(yè)務(wù)日期',drop=True) #將業(yè)務(wù)日期設(shè)置列設(shè)置為索引，并刪掉原來的日期索引列
dfCar=df2.set_index('投放日期',drop=True)
dfData

# 按月度統(tǒng)計(jì)并顯示銷售金額
dfData_month=dfData.resample('M').sum().to_period('M')
# 按月度統(tǒng)計(jì)并顯示廣告費(fèi)支出金額
dfCar_month=dfCar.resample('M').sum().to_period('M')
dfData_month

#x為廣告費(fèi)用，y為銷售收入
x=pd.DataFrame(dfCar_month['支出'])
y=pd.DataFrame(dfData_month['金額'])
plt.rcParams['font.sans-serif']=['SimHei'] #解決中文亂碼
plt.title('銷售收入與廣告費(fèi)散點(diǎn)圖')   #圖表標(biāo)題
plt.scatter(x, y,  color='red') #真實(shí)值散點(diǎn)圖

5.6.6 繪制面積圖

• 面積圖用于體現(xiàn)數(shù)量隨時(shí)間而變化的程度，也可以用于引起人們對(duì)總值趨勢(shì)的注意。例如，表示隨時(shí)間而變化的利潤(rùn)的數(shù)據(jù)可以繪制在面積圖中，以強(qiáng)調(diào)總利潤(rùn)。
• Matplotlib繪制面積圖主要使用stackplot()函數(shù)，語(yǔ)法如下：

matplotlib.pyplot.stackplot(x,*args,data=None,**kwargs)

• x:x軸數(shù)據(jù)
• args：當(dāng)傳入的參數(shù)個(gè)數(shù)未知時(shí)使用args。這里指y軸數(shù)據(jù)可以傳入多個(gè)y軸。
• data：data關(guān)鍵字參數(shù)。如果給定一個(gè)數(shù)據(jù)參數(shù)，所有位置和關(guān)鍵字參數(shù)將被替換。
• **kwargs：關(guān)鍵字參數(shù)，其他可選參數(shù)，如color（顏色）、alpha(透明度)等。

繪制簡(jiǎn)單面積圖（25）

import matplotlib.pyplot as plt
x = [1,2,3,4,5]
y1 =[6,9,5,8,4]
y2 = [3,2,5,4,3]
y3 =[8,7,8,4,3]
y4 = [7,4,6,7,12]
plt.stackplot(x, y1,y2,y3,y4, colors=['g','c','r','b'])

• 面積圖也有很多種，如標(biāo)準(zhǔn)面積圖、堆疊面積圖和百分比堆疊面積圖等。下面主要介紹標(biāo)準(zhǔn)堆疊面積圖。

1.標(biāo)準(zhǔn)面積圖(26)

• 通過標(biāo)準(zhǔn)面積圖分析2013-2019年線上圖書銷售情況，通過該圖可以看出每一年線上圖書銷售的一個(gè)趨勢(shì)：

import pandas as pd
import matplotlib.pyplot as plt
df = pd.read_excel('books.xlsx')
plt.rcParams['font.sans-serif']=['SimHei'] #解決中文亂碼
x=df['年份']
y=df['銷售額']
#圖表標(biāo)題
plt.title('2013-2019年線上圖書銷售情況')
plt.stackplot(x, y)

2.堆疊面積圖（27）

• 通過堆疊面積圖分析2013-2019年線上各平臺(tái)圖書銷售情況。堆疊圖不僅可以看到各平臺(tái)每年銷售變化趨勢(shì)，通過將各平臺(tái)數(shù)據(jù)堆疊到一起還可以看到整體的變化趨勢(shì)。
• 實(shí)現(xiàn)堆疊面積圖的關(guān)鍵在于增加y軸，通過增加多個(gè)y軸數(shù)據(jù)，形成堆疊面積圖，代碼如下：

import pandas as pd
import matplotlib.pyplot as plt
df = pd.read_excel('books.xlsx',sheet_name='Sheet2')
plt.rcParams['font.sans-serif']=['SimHei'] #解決中文亂碼
x=df['年份']
y1=df['京東']
y2=df['天貓']
y3=df['自營(yíng)']
#圖表標(biāo)題
plt.title('2013-2019年線上圖書銷售情況')
plt.stackplot(x, y1,y2,y3,colors=['#6d904f','#fc4f30','#008fd5'])
#圖例
plt.legend(['京東','天貓','自營(yíng)'],loc='upper left')

5.6.7 繪制熱力圖

• 熱力圖是通過密度函數(shù)進(jìn)行可視化用于表示地圖中的密度的熱圖。它使人們能夠獨(dú)立于縮放因子感知點(diǎn)的密度。熱力圖可以顯示不可點(diǎn)擊區(qū)域發(fā)生的事情。利用熱力圖可以看到數(shù)據(jù)表里多個(gè)特征兩兩的相似度。例如，以特殊高亮的形式顯示訪客熱衷的頁(yè)面區(qū)域和訪客所在的地理區(qū)域的圖示。熱力圖在網(wǎng)頁(yè)分析、業(yè)務(wù)數(shù)據(jù)分析等其他領(lǐng)域也有較為廣泛的應(yīng)用。

繪制簡(jiǎn)單熱力圖（28）

• 熱力圖是數(shù)據(jù)分析的常用方法，通過色差、亮度來展示數(shù)據(jù)的差異，易于理解。

import matplotlib.pyplot as plt
X = [[1,2],[3,4],[5,6],[7,8],[9,10]]
plt.imshow(X)

• 上述代碼中，plt.imshow(X)中傳入的數(shù)組X=[[1,2],[3,4],[5,6],[7,8],[9,10]]為顏色的對(duì)應(yīng)值，按照矩陣X進(jìn)行顏色分布，如左上角顏色為深藍(lán)，右下角顏色為黃色，其對(duì)應(yīng)值為10，具體如下：

[1,2] [深藍(lán),藍(lán)色]
[3,4] [藍(lán)綠,深綠]
[5,6] [海藻綠,春綠色]
[7,8] [綠色,淺綠色]
[9,10] [草綠色,黃色]

熱力圖對(duì)比分析學(xué)生各科成績(jī)（29）

• 根據(jù)學(xué)生成績(jī)統(tǒng)計(jì)數(shù)據(jù)繪制熱力圖，通過熱力圖直觀地對(duì)比每名學(xué)生各科成績(jī)的高低。程序代碼如下：

import pandas as pd
import matplotlib.pyplot as plt
df = pd.read_excel('data1.xls',sheet_name='高二一班')
plt.rcParams['font.sans-serif']=['SimHei'] #解決中文亂碼
X = df.loc[:,"語(yǔ)文":"生物"].values
name=df['姓名']
plt.imshow(X)
plt.xticks(range(0,6,1),['語(yǔ)文','數(shù)學(xué)','英語(yǔ)','物理','化學(xué)','生物'])#設(shè)置x軸刻度標(biāo)簽
plt.yticks(range(0,12,1),name)#設(shè)置y軸刻度標(biāo)簽
plt.colorbar()  #顯示顏色條
plt.title('學(xué)生成績(jī)統(tǒng)計(jì)熱力圖')

• 從上圖可知，顏色以高亮顯示的，成績(jī)?cè)礁?；反之，成?jī)?cè)降汀?/li>

5.6.9 繪制箱形圖

• 箱型圖又稱箱線圖、盒須圖或盒式圖，它是一種顯示一組數(shù)據(jù)分散情況下的資料的統(tǒng)計(jì)圖。因形狀像箱子而得名。箱形圖最大的優(yōu)點(diǎn)就是不受異常值的影響，可以以一種相對(duì)穩(wěn)定的方式描述數(shù)據(jù)的離散程度分布情況，因此在各種領(lǐng)域經(jīng)常被使用。另外，箱形圖也常用于異常值的識(shí)別。Matplotlib繪制箱型圖主要使用boxplot()函數(shù)，語(yǔ)法如下：

matplotlib.pyplot.boxplot(x,notch=None,sym=None,vert=None,whis=None,positon=None,widths=None,patch_artist=None,meanline=None,showmeans=None,showcaps=None,showbox=None,showfiers=None,boxprops=None,labels=None,flierprops=None,medianprops=None,meanprops=None,capprops=None,whiskerprops=None)

• x:指定要繪制箱型圖的數(shù)據(jù)
• notch：是否以凹口的形式展現(xiàn)箱形圖，默認(rèn)非凹口
• sym：指定異常點(diǎn)的形狀，默認(rèn)為加號(hào)（+）顯示
• vert：是否需要將箱形圖垂直擺放，默認(rèn)垂直擺放
• whis:指定上下限于與上下四分位的距離，默認(rèn)為1.5倍的四分位差。
• position：指定箱形圖的位置，默認(rèn)為[0,1,2,…]
• widths:指定箱形圖的寬度，默認(rèn)為0.5
• patch_artist：是否填充箱體的顏色。
• meanline:是否用線的形式表示均值，默認(rèn)用點(diǎn)來顯示。
• showmeans：是否顯示均值，默認(rèn)不顯示
• showcaps:是否顯示箱形圖頂端和末端的兩條線，默認(rèn)顯示。
• showbox:是否顯示箱形圖的箱體，默認(rèn)顯示。
• showfliers:是否顯示異常值，默認(rèn)顯示。
• boxprops:設(shè)置箱體的屬性，如異常點(diǎn)的形狀、大小、填充色等。
• medianprops：設(shè)置中位數(shù)的屬性，如線的類型、粗細(xì)等。
• meanprops：設(shè)置均值的屬性，如點(diǎn)的大小、顏色等。
• capprops：設(shè)置箱形圖頂端和末端線條的屬性，如顏色、粗細(xì)等。
• whiskerprops:設(shè)置須的屬性，如顏色、粗細(xì)等。

繪制簡(jiǎn)單箱形圖(30)

import matplotlib.pyplot as plt
x=[1,2,3,5,7,9]
plt.boxplot(x)

繪制多組數(shù)據(jù)的箱形圖(31)

• 上述舉例是一組數(shù)據(jù)的箱形圖，還可以繪制多組數(shù)據(jù)的箱形圖，需要指定多組數(shù)據(jù)。例如，為三組數(shù)據(jù)繪制箱形圖，程序代碼如下：

import matplotlib.pyplot as plt
x1=[1,2,3,5,7,9]
x2=[10,22,13,15,8,19]
x3=[18,31,18,19,14,29]
plt.boxplot([x1,x2,x3])

• 箱形圖將數(shù)據(jù)切割分離（實(shí)際上就是將數(shù)據(jù)分為4大部分），如圖5.57所示。
  
• 下面介紹箱形圖每部分具體含義以及如何通過箱形圖識(shí)別異常值。
• 下四分位：圖5.57中的下四分位數(shù)指的是數(shù)據(jù)的25%分位點(diǎn)所對(duì)應(yīng)的值（Q1）。計(jì)算分位數(shù)可以使用Pandas的quantile()函數(shù)。例如，Q1=df[‘總消費(fèi)’].quantile(q=0.25)。
• 中位數(shù)：中位數(shù)即為數(shù)據(jù)的50%分位點(diǎn)所對(duì)應(yīng)的值（Q2)
• 上四分位數(shù)：上四分位數(shù)則為數(shù)據(jù)的75%分位點(diǎn)所對(duì)應(yīng)的值（Q3)
• 上限：上線的計(jì)算公式為Q3+1.5(Q3-Q1)
• 下限：上線的計(jì)算公式為Q1-1.5(Q3-Q1)
• 其中Q3-Q1表示四分位差。如果使用箱形圖識(shí)別異常值，其判斷標(biāo)準(zhǔn)是，當(dāng)變量的數(shù)據(jù)值大于箱形圖的上限或者小于箱形圖的下限時(shí)，就可以將這樣的數(shù)據(jù)判定為異常值。
• 下面了解以下判斷異常值的算法，如圖5.58所示。
  

通過箱形圖判斷異常值(32)

• 通過箱形圖查找客人總消費(fèi)數(shù)據(jù)中存在的異常值，程序代碼如下：

import matplotlib.pyplot as plt
import pandas as pd
df=pd.read_excel('tips.xlsx')
plt.boxplot(x = df['總消費(fèi)'], # 指定繪制箱線圖的數(shù)據(jù)
            whis = 1.5, # 指定1.5倍的四分位差
            widths = 0.3, #指定箱線圖中箱子的寬度為0.3
            patch_artist = True, #填充箱子顏色
            showmeans = True, #顯示均值
            boxprops = {'facecolor':'RoyalBlue'}, # 指定箱子的填充色為寶藍(lán)色
            flierprops = {'markerfacecolor':'red', 'markeredgecolor':'red', 'markersize':3}, # 指定異常值的填充色、邊框色和大小
            meanprops = {'marker':'h','markerfacecolor':'black', 'markersize':8},# 指定均值點(diǎn)的標(biāo)記符號(hào)（六邊形）、填充色和大小
            medianprops = {'linestyle':'--','color':'orange'}, # 指定中位數(shù)的標(biāo)記符號(hào)（虛線）和顏色
            labels = ['']) # 去除x軸刻度值

# 計(jì)算下四分位數(shù)和上四分位
Q1 = df['總消費(fèi)'].quantile(q = 0.25)
Q3 = df['總消費(fèi)'].quantile(q = 0.75)
# 基于1.5倍的四分位差計(jì)算上下限對(duì)應(yīng)的值
low_limit = Q1 - 1.5*(Q3 - Q1)
up_limit = Q3 + 1.5*(Q3 - Q1)
# 查找異常值
val=df['總消費(fèi)'][(df['總消費(fèi)'] > up_limit) | (df['總消費(fèi)'] < low_limit)]
print('異常值如下：')
print(val)

5.6.9 繪制3D圖表

• 3D圖表有立體感也比較美觀，看起來更加“高大上”。下面介紹兩種3D圖表，即三維柱形圖和三維曲面圖。
• 繪制3D圖表，我們?nèi)允褂肕atplotlib，但需要安裝mpl_toolkits工具包，使用pip安裝命令：

pip install -upgrade matplotlib -i https://pypi.tuna.tsinghua.edu.cn/simple

• 安裝好這個(gè)模塊后，即可調(diào)用mpl_tookits下的mplot3d類進(jìn)行3D圖表的繪制。

1. 3D柱形圖（33）

import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d.axes3d import Axes3D
import numpy as np
fig = plt.figure()
axes3d = Axes3D(fig)
zs = [1, 5, 10, 15, 20]
for z in zs:
    x = np.arange(0, 10)
    y = np.random.randint(0, 30, size=10)
    axes3d.bar(x, y, zs=z, zdir='x', color=['r', 'green', 'yellow', 'c'])

2. 3D曲面圖(34)

import matplotlib.pyplot as plt
import numpy as np
from mpl_toolkits.mplot3d import Axes3D
fig = plt.figure()
ax = Axes3D(fig)
delta = 0.125
# 生成代表X軸數(shù)據(jù)的列表
x = np.arange(-4.0, 4.0, delta)
# 生成代表Y軸數(shù)據(jù)的列表
y = np.arange(-3.0, 4.0, delta)
# 對(duì)x、y數(shù)據(jù)執(zhí)行網(wǎng)格化
X, Y = np.meshgrid(x, y)
Z1 = np.exp(-X**2 - Y**2)
Z2 = np.exp(-(X - 1)**2 - (Y - 1)**2)
# 計(jì)算Z軸數(shù)據(jù)（高度數(shù)據(jù)）
Z = (Z1 - Z2) * 2
# 繪制3D圖形
ax.plot_surface(X, Y, Z,
    rstride=1,  # rstride（row）指定行的跨度
    cstride=1,  # cstride(column)指定列的跨度
    cmap=plt.get_cmap('rainbow'))  # 設(shè)置顏色映射
# 設(shè)置Z軸范圍
ax.set_zlim(-2, 2)

5.6.10 繪制多個(gè)圖表

• Matplotlib可以實(shí)現(xiàn)在一張圖表上繪制多個(gè)子圖表。Matplotlib提供了3種方法：一是subplot()函數(shù)；二是subplots()函數(shù)；三是add_subplots()函數(shù)，下面分別介紹：

1.subplot()函數(shù)

• subplot()函數(shù)直接指定劃分方式和位置，它可以將一個(gè)繪圖區(qū)域劃分為n個(gè)子圖，每個(gè)subplot()函數(shù)只能繪制一個(gè)子圖。語(yǔ)法如下：

matplotlib.pyplot.subplot(*args,**kwargs)

• args:當(dāng)傳入的參數(shù)個(gè)數(shù)未知時(shí)使用args
• **kwargs:關(guān)鍵字參數(shù)，其他可選參數(shù)
• 例如，繪制一個(gè)2x3的區(qū)域，subplot(2,3,3),將畫布分成2行3列在第3個(gè)區(qū)域中繪制，用坐標(biāo)表示如下：

(1,1),(1,2),(1,3)
(2,1),(2,2),(2,3)

• 如果行列的值都小于10，那么可以把它們縮寫成一個(gè)整數(shù)，如subplot(233)。
• 另外，subplot()函數(shù)在指定的區(qū)域中創(chuàng)建一個(gè)軸對(duì)象，如果新創(chuàng)建的軸和之前所創(chuàng)建的軸重疊，那么，之前的軸將被刪除。

使用subplot()函數(shù)繪制多個(gè)子圖的空?qǐng)D表（35）

• 繪制一個(gè)2x3包含6個(gè)子圖的空?qǐng)D表，程序代碼如下：

import matplotlib.pyplot as plt
plt.subplot(2,3,1)
plt.subplot(2,3,2)
plt.subplot(2,3,3)
plt.subplot(2,3,4)
plt.subplot(2,3,5)
plt.subplot(2,3,6)

繪制包含多個(gè)子圖的圖表（36）

• 通過上述舉例了解了subplot()函數(shù)的基本用法，接下來將前面所學(xué)的簡(jiǎn)單圖表整合到一張圖表上，結(jié)果如下圖所示：

import matplotlib.pyplot as plt
#第1個(gè)子圖表-折線圖
plt.subplot(2,2,1)
plt.plot([1, 2, 3, 4,5])
#第2個(gè)子圖表-散點(diǎn)圖
plt.subplot(2,2,2)
plt.plot([1, 2, 3, 4,5], [2, 5, 8, 12,18], 'ro')
#第3個(gè)子圖表-柱形圖
plt.subplot(2,1,2)
x=[1,2,3,4,5,6]
height=[10,20,30,40,50,60]
plt.bar(x,height)

圖5.65

• 上述舉例，以下兩個(gè)關(guān)鍵點(diǎn)一定要掌握。
• （1）每繪制一個(gè)子圖表都要調(diào)用一次subplot()函數(shù)
• （2）繪圖區(qū)域位置編號(hào)
• subplot（）函數(shù)的前面兩個(gè)參數(shù)指定的是一個(gè)畫布被分割成的行數(shù)和列數(shù)，后面一個(gè)參數(shù)則指的是當(dāng)前繪制區(qū)域位置編號(hào)，編號(hào)規(guī)則是行優(yōu)先。
• 例如，圖5.64中有3個(gè)子圖表，第1個(gè)子圖表subplot(2,2,1)，即將畫布分成2行2列，在第1個(gè)子圖中繪制折線圖；第二子圖表subplot(2,2,2)，將畫布分成2行2列，在第二個(gè)子圖中繪制散點(diǎn)圖；第3個(gè)子圖表subplot(2,1,2)，將畫布分成2行1列，由于第1行已經(jīng)占用了，所以在第2行也就是第3個(gè)子圖中繪制柱形圖。示意圖如圖5.65所示。
  
• subplot()函數(shù)在畫布中繪圖時(shí)，每次都要調(diào)用它指定繪圖區(qū)域非常麻煩，而subplots()函數(shù)則更直接，它會(huì)事先把畫布區(qū)域分割好。下面介紹subplots()函數(shù)。

2.subplots()函數(shù)

• subplots()函數(shù)用于創(chuàng)建畫布和子圖，語(yǔ)法如下：

matplotlib.pyplot.subplots(nrows,ncols,sharex,sharey,squeeze,subplot_kw,gridspec_kw,**fig_kw)

• nrows和ncols：表示將畫布分割成幾行幾列，例如，nrows=2、ncols=2表示將畫布分割成2行2列，起始值均為0。當(dāng)調(diào)用畫布中的坐標(biāo)軸時(shí)，ax[0,0]表示調(diào)用左上角的坐標(biāo)，ax[1,1]表示調(diào)用右下角的坐標(biāo)。
• sharex和sharey：布爾值或者值為“none”“all”“row”“col”，默認(rèn)值為False。用于控制x或y軸之間的屬性共享。具體參數(shù)值說明如下。
  – True或者“all”：表示x或y軸屬性在所有子圖中共享。
  – False或者“none”：表示每個(gè)子圖的x或y軸都是獨(dú)立的部分。
  – row：表示每個(gè)子圖在一個(gè)x或y軸上共享行（row)
  – col:表示每個(gè)子圖在一個(gè)x或y軸上共享列(column)
• squeeze：布爾值，默認(rèn)值為True，額外的維度從返回的axes（軸）對(duì)象中擠出，對(duì)應(yīng)nx1或1xn個(gè)子圖，返回一個(gè)一維數(shù)組，對(duì)于nxm,n>1和m>1返回一個(gè)二維數(shù)組；如果值為False，則表示不進(jìn)行擠壓操作，返回一個(gè)元素為Axes實(shí)例的二維數(shù)組，即使它最終是1x1
• subplot_kw：字典類型，可選參數(shù)。把字典的關(guān)鍵字傳遞給add_subplot()函數(shù)來創(chuàng)建每個(gè)子圖。
• gridspec_kw：字典類型，可選參數(shù)。把字典的關(guān)鍵字傳遞給GridSpec()構(gòu)造函數(shù)創(chuàng)建網(wǎng)格區(qū)域，然后將子圖放在網(wǎng)格（grid）里。
• **fig_kw：把所有詳細(xì)的關(guān)鍵字參數(shù)傳遞給figure

使用subplots()函數(shù)繪制多子圖的空?qǐng)D表（37）

• 繪制一個(gè)2x3包含6個(gè)子圖的空?qǐng)D表，使用subplots()函數(shù)只需3行代碼：

import matplotlib.pyplot as plt
figure,axes=plt.subplots(2,3)

• 上述代碼中，figure和axes是兩個(gè)關(guān)鍵點(diǎn)。
• figure:繪制圖表的畫布。
• axes：坐標(biāo)軸對(duì)象，可以理解為在figure(畫布)上繪制坐標(biāo)軸對(duì)象，它幫我們規(guī)劃出了一個(gè)科學(xué)作圖的坐標(biāo)軸系統(tǒng)。
• 通過上面可以明白，外面的是畫布（figure)，里面帶坐標(biāo)軸的是坐標(biāo)軸對(duì)象（axes)。

使用subplots()函數(shù)繪制多子圖圖表(38)

• 使用subplots()函數(shù)將前面所學(xué)的簡(jiǎn)單圖表整合到一張圖表上，結(jié)果如圖所示：

import matplotlib.pyplot as plt
figure,axes=plt.subplots(2,2)
axes[0,0].plot([1, 2, 3, 4,5])  #折線圖
axes[0,1].plot([1, 2, 3, 4,5], [2, 5, 8, 12,18], 'ro')#散點(diǎn)圖
#柱形圖
x=[1,2,3,4,5,6]
height=[10,20,30,40,50,60]
axes[1,0].bar(x,height)
#餅形圖
x = [2,5,12,70,2,9]
axes[1,1].pie(x,autopct='%1.1f%%')

3.add_subplot()函數(shù)

• add_subplot()函數(shù)也可以實(shí)現(xiàn)在一張圖上繪制多個(gè)子圖表，用法與subplot()基本相同，先來看下列一段代碼：

import matplotlib.pyplot as plt
fig = plt.figure()
ax1 = fig.add_subplot(2,3,1)
ax2 = fig.add_subplot(2,3,2)
ax3 = fig.add_subplot(2,3,3)
ax4 = fig.add_subplot(2,3,4)
ax5 = fig.add_subplot(2,3,5)
ax6 = fig.add_subplot(2,3,6)

• 上述代碼同樣是繪制一個(gè)2x3包含6個(gè)子圖的空?qǐng)D表。首先創(chuàng)建一個(gè)figure實(shí)例（畫布），然后通過ax1=fig.add_subplot(2,3,1)創(chuàng)建第1個(gè)子圖表，返回Axes實(shí)例（坐標(biāo)軸對(duì)象），第1個(gè)參數(shù)為行數(shù)，第2個(gè)參數(shù)為列數(shù)，第3個(gè)參數(shù)為子圖表的位置。
• 以上用3中方法實(shí)現(xiàn)了在一張圖上繪制多個(gè)子圖表，3中方法各有所長(zhǎng)。subplot()函數(shù)和add_subplot()函數(shù)比較靈活，定制化效果比較好，可以實(shí)現(xiàn)子圖表在圖中的各種布局（如一張圖上可以隨意擺放3個(gè)或5個(gè)圖表）；而subplots()函數(shù)較為不靈活，但它可以用較少的代碼實(shí)現(xiàn)繪制多個(gè)子圖表。

5.6.11 圖表的保存

• 實(shí)際工作中，有時(shí)需要將繪制的圖表保存為圖片放置到報(bào)告中。Matplotlib的savefig()函數(shù)可以實(shí)現(xiàn)這一功能，將圖表保存為JPEG、TIFF或PNG格式的圖片。
• 例如，保存之前繪制的折線圖，主要代碼如下：

plt.savefig('image.png')

• 需要注意一個(gè)關(guān)鍵問題，保存代碼必須在圖表預(yù)覽前，也就是plt.show()代碼前；否則保存后的圖片是白色，圖表無法保存。

5.7 綜合應(yīng)用

5.7.1 雙y軸可視化數(shù)據(jù)分析圖表的實(shí)現(xiàn)

• 雙y軸顧名思義就是兩個(gè)y軸，其特點(diǎn)是通過雙y軸看出發(fā)展情況的同時(shí)還可以看到其增長(zhǎng)速度。對(duì)于產(chǎn)品而言，通過此圖可以看到產(chǎn)品銷量的同時(shí)還可以看到產(chǎn)品增長(zhǎng)率，效果如下：

import pandas as pd
import matplotlib.pyplot as plt
df=pd.read_excel('mrbook.xlsx')                 #導(dǎo)入Excel文件
x=[1,2,3,4,5,6]
y1=df['銷量']
y2=df['rate']
fig = plt.figure()
plt.rcParams['font.sans-serif']=['SimHei']  #解決中文亂碼
plt.rcParams['axes.unicode_minus'] = False  #用來正常顯示負(fù)號(hào)
ax1 = fig.add_subplot(111)                  #添加子圖
plt.title('銷量情況對(duì)比')                   #圖表標(biāo)題
#圖表x軸標(biāo)題
plt.xticks(x,['1月','2月','3月','4月','5月','6月'])
ax1.bar(x,y1,label='銷量')
lin1=ax1.legend(('銷量',)) #設(shè)置圖例
ax1.set_ylabel('銷量（冊(cè)）')            #y軸標(biāo)簽
ax2 = ax1.twinx()                       #共享x軸添加一條y軸坐標(biāo)軸
ax2.plot(x,y2,color='black',linestyle='--',marker='o',linewidth=2,label='增長(zhǎng)率')
ax2.set_ylabel('增長(zhǎng)率')
lin2=ax2.legend(('增長(zhǎng)率',))
for a,b in zip(x,y2):
    plt.text(a, b+0.02, '%.2f' % b, ha='center', va= 'bottom',fontsize=10,color='red')
plt.show()

5.7.2 顏色漸變餅形圖的實(shí)現(xiàn)

from matplotlib import font_manager as fm
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif']=['SimHei'] #解決中文亂碼
plt.style.use('ggplot') #設(shè)置背景樣式，https://blog.csdn.net/qq_22592457/article/details/105636480
from  matplotlib import cm
#原始數(shù)據(jù)
shapes = ['天津', '江西省', '安徽省', '云南省', '福建省', '河南省', '遼寧省',
       '重慶', '湖南省', '四川省', '北京', '上海', '廣西壯族自治區(qū)', '河北省',
       '浙江省', '江蘇省', '湖北省', '山東省', '廣東省']
values = [287,383,842,866,1187,1405,1495,1620,1717,
          2313,2378,3070,4332,5841,6482,7785,9358,9818,20254]
explode=[0,0,1,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0]
s = pd.Series(values, index=shapes)
labels = s.index
sizes = s.values
fig, ax = plt.subplots(figsize=(6,6)) # 設(shè)置繪圖區(qū)域大小
# 繪制彩虹圖，https://blog.csdn.net/weixin_48964486/article/details/124144183
colors = cm.rainbow(np.arange(len(sizes))/len(sizes)) # 顏色地圖：秋天→彩虹→灰色→春天→黑色
patches, texts, autotexts = ax.pie(sizes, labels=labels, autopct='%1.0f%%',
        shadow=False, startangle=170, colors=colors)
ax.axis('equal')
ax.set_title('各地區(qū)線上圖書銷售占比圖',loc='left')
# 重新設(shè)置字體大小
proptease = fm.FontProperties()
# 字體大?。◤男〉酱螅?span id="n5n3t3z"    class="token punctuation">: xx-small、x-small、small、medium、large、x-large、xx-large，或者是數(shù)字，如18
proptease.set_size('small')
plt.setp(autotexts, fontproperties=proptease)
plt.setp(texts, fontproperties=proptease)
plt.show()

• 如果畫分裂餅形圖，可在本文搜索關(guān)鍵詞“分裂餅形圖”。
• 顏色漸變主要使用了Matplotlib內(nèi)置顏色地圖模塊cm，在該模塊中指定一組數(shù)據(jù)可以生成多種顏色，由淺入深。例如，漸變藍(lán)色，cmap=plt.cm.Blues。

5.7.3 等高線圖的實(shí)現(xiàn)

• 等高線圖是地理課中講述山峰山谷時(shí)繪制的圖形，在機(jī)器學(xué)習(xí)中也會(huì)被用在繪制梯度下降算法的圖形中。等高線圖實(shí)現(xiàn)結(jié)果如下圖所示：

import numpy as np
import matplotlib.pyplot as plt
# 計(jì)算x,y坐標(biāo)對(duì)應(yīng)的高度值
def f(x, y):
    return (1-x/2+x**5+y**3) * np.exp(-x**2-y**2)
# 生成x,y的數(shù)據(jù)
n = 256
x = np.linspace(-3, 3, n)
y = np.linspace(-3, 3, n)
# 把x,y數(shù)據(jù)轉(zhuǎn)換為二維數(shù)據(jù)
X, Y = np.meshgrid(x, y)
# 填充等高線
plt.contourf(X, Y, f(X, Y))
# 顯示圖表
plt.show()

文章來源地址http://www.zghlxwxcb.cn/news/detail-421950.html

• 關(guān)鍵代碼解析：需畫出等高線，核心函數(shù)是Matplotlib的coutourf()函數(shù)，但該函數(shù)中參數(shù)x和y對(duì)應(yīng)的值是二維數(shù)據(jù)，因此需要使用NumPy的meshgrid()函數(shù)將x和y值轉(zhuǎn)換成二維數(shù)據(jù)，代碼如下：

np.meshgrid(x,y)

5.8 小 節(jié)

• 數(shù)據(jù)統(tǒng)計(jì)的再好都不如一張圖表清晰、直觀。本章用大量的舉例詳細(xì)地介紹了Matplotlib圖表，其根本在于能夠使讀者全面透徹地了解和掌握最基礎(chǔ)的圖表，并應(yīng)用到實(shí)際數(shù)據(jù)統(tǒng)計(jì)工作中，同時(shí)也為以后學(xué)習(xí)其他繪圖庫(kù)奠定堅(jiān)實(shí)的基礎(chǔ)。

到了這里，關(guān)于Matplotlib可視化數(shù)據(jù)分析圖表下（常用圖表的繪制、折線圖、柱形圖、直方圖、餅形圖、散點(diǎn)圖、面積圖、熱力圖、箱形圖、3D圖表、繪制多個(gè)圖表、雙y軸可視化圖表、顏色漸變圖）的文章就介紹完了。如果您還想了解更多內(nèi)容，請(qǐng)?jiān)谟疑辖撬阉鱐OY模板網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章，希望大家以后多多支持TOY模板網(wǎng)！