Python matplotlib数据可视化图绘制代码示例

本篇文章小编给大家分享一下Python matplotlib数据可视化图绘制代码示例，文章代码介绍的很详细，小编觉得挺不错的，现在分享给大家供大家参考，有需要的小伙伴们可以来看看。

前言

导入绘图库：

import matplotlib.pyplot as plt
import numpy as np
import pandas as pd
import os

读取数据(数据来源是一个EXCLE表格,这里演示的是如何将数据可视化出来)

os.chdir(r'E:jupyter数据挖掘数据与代码')
df = pd.read_csv('air_data.csv',na_values= '--') 

1.折线图

plt.plot(x,y,ls=,lw=,c=,marker=,markersize=,markeredgecolor=,markerfacecolor, label=)

x:x轴上的数值

y:y轴上的数值

ls- -函数线条风格(=‘-’ 实线, ‘–’ 虚线 ,‘-.’ 点划线 ,‘:’ 实点线)

lw:线条宽度

c:颜色

marker:线条上点的形状, 常用为’o’,即圆点形状

markersize:线条上点的形状

markeredgecolor:点的边框色

markerfacecolor:点的填充色

# 绘制观察窗口内的飞行次数和观测窗口内的总飞行里程数
# 支持中文显示
plt.rcParams['font.sans-serif']=['SimHei']# 字体
plt.rcParams['axes.unicode_minus']=False
x=np.linspace(0,10,100)
y=np.sin(x)
plt.plot(x,y,ls='-',lw=2,marker='o',markersize=5,c='red',markeredgecolor='black',markerfacecolor='lightskyblue')
plt.show()

2.直方图

hist:数据

bins:组距

color:填充色

edgecolor:边框色

density:是否绘制成概率密度形式

xlabel:横坐标

ylabel:纵坐标

labelpad/pad:离坐标轴的距离

# 绘制年龄的分布情况
plt.hist(x=df['AGE'],bins=30,color='r',edgecolor='black',density=True) # density=True 代表是否绘制概率密度形式
plt.xlabel('客户年龄',fontsize=15,labelpad=20)
plt.ylabel('频数',fontsize=15,labelpad=20)
plt.title('年龄分布图',fontsize=15,pad=20)
plt.show()

3.箱线图

plt.boxplot（x，notch，sym，vert，whis，position，widths，patch_artist，meanline，showmeans， boxprops，labels，flierprops）

x：数据

宽度：宽度

patch_artist：是否填充箱体颜色

meanline：是否显示均值

showmeans：是否显示均值

meanprops;设置均值属性，如点的大小，颜色等

medianprops：设置中位数的属性，如线的类型，大小等

showfliers：是否表示有异常值

boxprops：设置箱体的属性，边框色和填充色

cappops：设置箱线顶端和末端线条的属性，如颜色，粗细等

age=df[df['AGE'].notnull()]['AGE'] # 剔除年龄的空值
plt.boxplot(x=age,patch_artist=True,boxprops={'color':'red'})
plt.show()

4.柱状图

# 将字符型数据转换date格式
df['FFP_DATE']=pd.to_datetime(df['FFP_DATE'],format='%Y/%m/%d',errors='coerce') # errors 避免报错
data=df['FFP_DATE'].dt.year.value_counts()
x_data=data.index
y_data=data.values
plt.bar(x=x_data,center',color='y',tick_label=x_data)
plt.title('不同年份的会员数量',pad=5)
plt.show()

5.饼图

autopct:设置百分比的格式

data=df['GENDER'].value_counts()
# 绘制饼图
plt.pie(x=data.values,labels=data.index,colors=['lightskyblue','lightcoral'],autopct='%.1f%%')
plt.show()

6.散点图

# 飞行次数与总飞行公里数的关系
plt.scatter(x=df['FLIGHT_COUNT'],y=df['SEG_KM_SUM'],color='steelblue',marker='o',s=100)
plt.title('飞行次数与总飞行公里数的关系')
plt.show()