python|Python可视化库Matplotlib的使用（折线图、柱状图、散点图）简单图|matplotlib

声明：代码是根据课件整理的，初学python，只是当做自己记个笔记。
一、导入数据首先要导入数据，使用pandas库里的read_csv方法，将 .csv后缀的文件中的数据进行导入，导入后的数据结构是DataFrame。（DataFrame是pandas库中的一种数据结构，它类似excel，是一种二维表）

import pandas as pd unrate = pd.read_csv("unrate.csv") # 如果导入的.csv文件不在当前代码所在的文件下，则需要编辑路径。注意：路径内不能有中文 #导入的格式如： # unrate = pd.read_csv(r"E:\Python\data\UNRATE.csv") unrate['DATE'] = pd.to_datetime(unrate['DATE']) # 把unrate.csv的日期格式为1948/1/1，改为1948-01-01 print(unrate.head(12)) # DateFrame中的方法head:只看前12行

输出的结果如下：
DATE VALUE
0 1948-01-01 3.4
1 1948-02-01 3.8
2 1948-03-01 4.0
3 1948-04-01 3.9
4 1948-05-01 3.5
5 1948-06-01 3.6
6 1948-07-01 3.6
7 1948-08-01 3.9
8 1948-09-01 3.8
9 1948-10-01 3.7
10 1948-11-01 3.8
11 1948-12-01 4.0
关于日期相关的转换，即to_datetime方法的详细编写查看这里，大标题3
二、子图其实就是先划定一个区域

fig = plt.figure(figsize=(3,3)) #采用figure方法来划区域 #figsize(3,3)指，每行3个图，一共3行

然后分别定义每个图在哪个位置

ax1 = fig.add_subplot(3,3,1) ax2 = fig.add_subplot(3,3,4) # 1和4代表图所在的位置，按Z字型的顺序数就可以了

python|Python可视化库Matplotlib的使用（折线图、柱状图、散点图）

文章图片

三、折线图直接上多折线的图，单线图也就呼之欲出了
我想分别对1948-1952年间的1~12个月的失业率绘制曲线。

import pandas as pd import matplotlib.pyplot as plt unrate = pd.read_csv('unrate.csv') unrate['DATE'] = pd.to_datetime(unrate['DATE']) unrate['MONTH'] = unrate['DATE'].dt.month #这一步要重点说明 #将之前DATA里的MONTH作为x轴，从而比较不同年份在这12个月之间的折线图 colors = ['red','green','blue','orange','black'] for i in range(5) start_index = i*12 end_index = (i+1)*12 subset = unrate[start_index,end_index] label = str(1948 + i) # label是图示中，各个颜色线代表哪一年份的标注 plt.plot(subset['MONTH'],subset['VALUE'],c = colors[i],label = lable) #第一个subset指横坐标，第二个代表纵坐标 plt.legend(loc='best') #图示的位置，best指系统自动找一个好位置 #也有upper right（放在右上角）等方法 plt.xlabel('MONTH，Integer') plt.ylabel('Unemployment Rate，Percent') # 横纵坐标分别代表什么 plt.title('Montly Unemployment Trends,1948-1952') plt.show()

结果如下

文章图片

四、柱形图

比如对于某电影评分的汇总查看各个不同的公司对一部电影的打分情况

import pandas as pd import matplotlib.pyplot as plt from numpy import arange reviews = pd.read_csv('fandango_scores.csv') num_cols = ['RT_user_norm','Metacritic_user_nom','IMDB_norm','Fandango_Ratingvalue','Fandango_Stars'] # 打分的公司的名称组成的数组 norms_reviews = reviews[num_cols] #提取每个公司对于电影的分数 bar_heights = norm.reviews.ix[0,num_cols].values #柱形的高度与他的values直接相关，用这个函数来写 bar_position = arange(5) + 1 # 1是第一个柱形的位置，5是x轴分配给柱形的总长度，间距是平分的 tick_position = range(1,6) fig,ax = plt.subplots() ax.bar(bar_position,bar_heights,0.3) #这里要放入的是一个数 #这里的0.3是柱形的宽度 ax.set_xticks(tick_position) # 这里，要放入的是一个list ax.set_xticklabels(num_cols,rotation=45) # 旋转45°方便观看 ax.set_xlabel('Rating Source') ax.set_ylabel('Average Rating') ax.set_title('Average User Rating for Avengers:Age of Ultron 2015') ax.show()

arange和range的唯一区别：
arange返回的是一个数据，而range返回的是list
具体介绍，点击这里
代码运行结果如下

文章图片

五、散点图在编辑散点图的时候，我们把前面的子图复习一下
还是上面电影评分的例子

import pandas as pd import matplotlib.pyplot as plt reviews = pd.read_csv("fandango_scores.csv") num_cols = ['RT_user_norm','Metacritic_user_nom','IMDB_norm','Fandango_Ratingvalue','Fandango_Stars'] norm_reviews = reviews[num_cols] # 两个list 一个是打分平台的名字，一个是分别对应的打分 fig = plt.figure(figsize=(2,1)) ax1 = fig.add_subplot(2,1,1) ax2 = fig.add_subplot(2,1,2) ax1.scatter(norm_reviews['Fandango_Ratingvalue'], norm_reviews['RT_user_norm']) ax1.set_xlabel('Fandango') ax1.set_ylabel('Rotten Tomatoes') ax2.scatter(norm_reviews['RT_user_norm'], norm_reviews['Fandango_Ratingvalue']) ax2.set_xlabel('Rotten Tomatoes') ax2.set_ylabel('Fandango') plt.show() #两个图的x和y进行了交换，可以看出来他正好是关于x=y对称的

代码结果如下