專題第20篇：matplotlib 繪圖(中)

我的施工之路

1我的施工計劃

2數(shù)字專題

3字符串專題

4列表專題

5流程控制專題

6編程風格專題

7函數(shù)使用

8面向?qū)ο缶幊?上篇)

9面向?qū)ο缶幊?下篇)

10十大數(shù)據(jù)結(jié)構(gòu)

11包和模塊使用總結(jié)

12Python正則專題總結(jié)

13設(shè)計模式

14Python時間模塊總結(jié)

15?Python 裝飾器

16?Python 迭代器

17?Python 生成器

18?Python 繪圖入門

19?Python?繪圖神器matplotlib上

今天，繼續(xù)施工專題第20篇：matplotlib常用圖及功能

我們拿到一堆數(shù)據(jù)，首先面臨的問題是該選用哪類圖，去可視化它們，然后才是如何繪制它們。今天這篇文章，解決該選用哪類圖去可視化的問題。

根據(jù)使用場景不同，參考前人總結(jié)，一般劃分為6類圖。

1 關(guān)聯(lián)關(guān)系

用于可視化兩個或多個變量之間的相互關(guān)系，當一個變量發(fā)生變化時，另一個變量與之如何變化。

例如，邊緣直方圖：

2 排序

有序圖有效地傳達了條目的排名順序。在圖表上方添加度量標準的值，用戶可以從圖表本身獲取精確信息。

例如，有序條形圖：

3 分布

分布圖反映數(shù)據(jù)分布情況，最常用的頻率直方圖，柱子高度表示出現(xiàn)的次數(shù)。
例如，下圖是類型變量的直方圖，每種類型可能有幾類取值，通過不同顏色可以看出來：

4 組成

餅圖是最常用的表達組成整體的每個部分占有率的圖

如下所示，餅圖表示整體是由4個國家組成，每個國家的COVID-19的死亡人數(shù)：

5 變化

變化類相關(guān)的圖用于顯示給定度量隨時間變化的方式。例如，如下帶波峰波谷的時序圖：

6 偏差

根據(jù)指標查看條目的變化情況，并可視化差異的順序和數(shù)量等。

例如，發(fā)散型條形圖：

更多以上每類圖的demo參考：

Matplotlib繪制的50類圖

7 小demo：帶stacked的柱狀圖

matplotlib 具有很強的圖形表達能力，呈現(xiàn)出stacked的特點，matplotlib中只需要設(shè)置一個bottom屬性。如下例子，設(shè)置為men的數(shù)據(jù)，圖表類型依然是bar圖。

import?matplotlib.pyplot?as?plt
labels?=?['1',?'2',?'3',?'4',?'5']
men?=?[20,?35,?30,?35,?27]
women?=?[25,?32,?34,?20,?25]
width?=?0.35
fig,?ax?=?plt.subplots()
ax.bar(labels,?men,?width,?label='Men')
#?bottom
ax.bar(labels,?women,?width,?bottom=men,?label='Women')
ax.legend()

在后面專題繪制更多圖形時，我們會更加深入到matplotlib繪圖的重要細節(jié)中，到那時，我們會有更多的機會了解matplotlib的繪圖API，各種屬性。

8 seaborn

接下來，我們從以上6類圖中，選取幾種典型性的圖，使用matplotlib繪制出來，基于前人已經(jīng)繪制的圖形基礎(chǔ)上，我們再做潤色，爭取消化它們的同時做出更加美觀的可視化圖。

提到matplotlib，我們就不得不提seaborn，因為我們知道m(xù)atplotlib本身已經(jīng)足夠強大，而seaborn又是基于它，開發(fā)了一些更加高層的API，讓我們繪圖更加如虎添翼，沒有必要再去重復造輪子，所以能用seaborn的地方，盡量使用它，更少的代碼，實現(xiàn)更加強大的可視化圖。

如果你喜歡我的這些施工專題文章，歡迎給我點個贊，有時真的堅持不下去了。其實，堅持原創(chuàng)410多篇，并不容易！最近半年，我周末幾乎沒休息過。