目录
- 前言
- 1.折线图
- 2.直方图
- 3.箱线图
- 4.柱状图
- 5.饼图
- 6.散点图
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,height=y_data,align='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()
提供CDN加速