看了這個總結(jié)，其實 Matplotlib 可視化，也沒那么難！

Python 中可以通過 matplotlib 模塊的 pyplot 子庫來完成繪圖。Matplotlib 可用于創(chuàng)建高質(zhì)量的圖表和圖形，也可以用于繪制和可視化結(jié)果。matplotlib 是 Python 優(yōu)秀的數(shù)據(jù)可視化第三方庫，matplotlib.pyplot 是繪制種類可視化圖形的命令子庫，相當于快捷方式 import matplotlib.pyplot as plt.

本文用 Python 對一批運動員數(shù)據(jù)進行操作，讀取數(shù)據(jù)、數(shù)據(jù)預(yù)處理、matplotlib 數(shù)據(jù)可視化，熟悉用 Python 進行數(shù)據(jù)分析和可視化的基本方法，并繪制柱形圖、堆疊圖、折線圖、餅圖、環(huán)圖、箱形圖、散點圖、直方圖、多個子圖和熱力圖。

數(shù)據(jù)集部分截圖如下：

pandas讀取并查看數(shù)據(jù)，對于本次練習的數(shù)據(jù)，讀取時需要設(shè)置encoding='gbk'，不然會報錯。

pd.read_csv()讀取csv文件，數(shù)據(jù)有17587行，17列。

import?pandas?as?pd

df?=?pd.read_csv('soccer.csv',?encoding='gbk')
print(df)

df.info()：查看索引、數(shù)據(jù)類型和內(nèi)存信息

import?pandas?as?pd

df?=?pd.read_csv('soccer.csv',?encoding='gbk')
print(df.info())

df.describe()：查看數(shù)值型列的匯總統(tǒng)計情況

import?pandas?as?pd

df?=?pd.read_csv('soccer.csv',?encoding='gbk')
print(df.describe())

pyplot中文顯示：

pyplot并不默認顯示中文，坐標系中出現(xiàn)中文漢字，需要增加額外代碼輔助。

方法一：

可以通過rcParams修改字體實現(xiàn)，但這種方法改變的是全局的字體。

import?matplotlib?as?mpl

mpl.rcParams['font.family']?=?'SimHei'
mpl.rcParams['font.size']?=?15

方法二：

在有中文輸出的地方，增加一個屬性：fontproperties

import?matplotlib.pyplot?as?plt
import?numpy?as?np

a?=?np.arange(0.0,?5.0,?0.02)
plt.figure(figsize=(9,?6),?dpi=100)
plt.plot(a,?np.cos(2?*?np.pi?*?a),?'r--')
#?在特定的地方用中文??和改變字號
plt.xlabel('橫軸：時間',?fontproperties='SimHei',?fontsize=15,?color='green')
plt.ylabel('縱軸：振幅',?fontproperties='SimHei',?fontsize=15,?color='red')
plt.show()

1. 繪制柱形圖

(1) ?將運動員年齡（Age）劃分為三個年齡段：’17-26’，’27-36’，’37-47’，統(tǒng)計不同年齡段的人數(shù)，并用柱狀圖可視化。

import?pandas?as?pd
import?matplotlib.pyplot?as?plt
import?matplotlib?as?mpl

#?讀取數(shù)據(jù)??設(shè)置編碼??不然會報錯
df?=?pd.read_csv('soccer.csv',?encoding='gbk')
#?將運動員年齡（Age）劃分為三個年齡段
age_group?=?["17-26",?"27-36",?"37-47"]
#?統(tǒng)計不同年齡段人數(shù)
count_1?=?df[(df['Age']?>=?17)?&?(df['Age']?<=?26)]
count_2?=?df[(df['Age']?>=?27)?&?(df['Age']?<=?36)]
count_3?=?df[(df['Age']?>=?37)?&?(df['Age']?<=?47)]
age_counts?=?[len(count_1),?len(count_2),?len(count_3)]

#?設(shè)置大小???像素
plt.figure(figsize=(9,?6),?dpi=100)
#?設(shè)置中文顯示
mpl.rcParams['font.family']?=?'SimHei'
#?繪制柱形圖??設(shè)置柱條的寬度和顏色
plt.bar(age_group,?age_counts,?width=0.35,?color='red')
#?添加描述信息
plt.title('不同年齡段人數(shù)統(tǒng)計')
plt.xlabel('年齡段')
plt.ylabel('人數(shù)')
#?可以設(shè)置網(wǎng)格??透明度?線條樣式
plt.grid(alpha=0.3,?linestyle=':')
#?展示圖片
plt.show()

(2) 查看不同技術(shù)等級（Skill_Moves ）下的球員數(shù)量，以及哪個技術(shù)等級的球員數(shù)量最多，哪個最少，利用水平柱狀圖可視化。

import?pandas?as?pd
import?matplotlib.pyplot?as?plt
import?matplotlib?as?mpl

df?=?pd.read_csv('soccer.csv',?encoding='gbk')
skill_count?=?df['Skill_Moves'].value_counts()

skill?=?[f'等級{m}'?for?m?in?skill_count.index]????#?列表推導式構(gòu)造不同技術(shù)等級
counts?=?skill_count.values.tolist()???????????????#?技術(shù)等級對應(yīng)人數(shù)統(tǒng)計的列表

#?設(shè)置中文顯示
mpl.rcParams['font.family']?=?'SimHei'
#?設(shè)置大小??像素
plt.figure(figsize=(9,?6),?dpi=100)
#?繪制水平柱狀圖
plt.barh(skill[::-1],?counts[::-1],?height=0.5,?color='#FF00FF')
plt.title('不同技術(shù)等級人數(shù)統(tǒng)計')
plt.xlabel('人數(shù)')
plt.show()

2. 繪制堆疊圖

將運動員年齡（Age）劃分為三個年齡段：’17-26’，’27-36’，’37-47’，統(tǒng)計 3 個年齡段下 5個技術(shù)等級（Skill_Moves）的人數(shù)，并用堆疊圖可視化。

import?pandas?as?pd
import?matplotlib.pyplot?as?plt
import?collections
import?numpy?as?np
import?matplotlib?as?mpl

df?=?pd.read_csv('soccer.csv',?encoding='gbk')
age_group?=?["17-26",?"27-36",?"37-47"]

#?&?與????|?或???不同條件之間?()括起來
data1?=?df[(17?<=?df['Age'])?&?(df['Age']?<=?26)]
age1?=?list(data1['Skill_Moves'])
data2?=?df[(27?<=?df['Age'])?&?(df['Age']?<=?36)]
age2?=?list(data2['Skill_Moves'])
data3?=?df[(37?<=?df['Age'])?&?(df['Age']?<=?47)]
age3?=?list(data3['Skill_Moves'])

#?分別統(tǒng)計三個年齡段?不同等級人數(shù)
count_1?=?collections.Counter(age1).most_common()
count_2?=?collections.Counter(age2).most_common()
count_3?=?collections.Counter(age3).most_common()
count_3.append((5,?0))????#?37-47年齡段等級5人數(shù)為零??手動添上

counts?=?count_1?+?count_2?+?count_3
datas?=?[[]?for?i?in?range(5)]
for?i?in?counts:
????datas[i[0]?-?1].append(i[1])

#?轉(zhuǎn)化為數(shù)組??堆疊時可以對應(yīng)相加
grades?=?np.array(datas)
#?print(grades)
#?設(shè)置大小???像素
plt.figure(figsize=(9,?6),?dpi=100)
#?設(shè)置中文顯示
mpl.rcParams['font.family']?=?'SimHei'

plt.bar(age_group,?grades[0],?label='等級一',?color='red',?width=0.35)
plt.bar(age_group,?grades[1],?bottom=grades[0],?label="等級二",?color="#9400D3",?width=0.35)
plt.bar(age_group,?grades[2],?bottom=grades[0]?+?grades[1],?label="等級三",?color="#0000FF",?width=0.35)
plt.bar(age_group,?grades[3],?bottom=grades[0]?+?grades[1]?+?grades[2],?label="等級四",?color="#FFFF00",?width=0.35)
plt.bar(age_group,?grades[4],?bottom=grades[0]?+?grades[1]?+?grades[2]?+?grades[3],?label="等級五",?color="#006400",?width=0.35)

plt.title('不同年齡段等級人數(shù)統(tǒng)計')
plt.xlabel('年齡段')
plt.ylabel('人數(shù)')
plt.grid(alpha=0.3,?linestyle=':')
#?顯示圖例?位置
plt.legend(loc=0)
plt.show()

3. 繪制折線圖

利用頻數(shù)分布折線圖來查看運動員身高（Height）與體重（Weight）的分布

import?pandas?as?pd
import?matplotlib.pyplot?as?plt
import?matplotlib.gridspec?as?gridspec
import?matplotlib?as?mpl

df?=?pd.read_csv('soccer.csv',?encoding='gbk')

#?
height?=?df['Height'].value_counts()
weight?=?df['Weight'].value_counts()
#?SeriseL類型通過索引進行排序??也就是按身高從低到高排序
heights?=?height.sort_index()
weights?=?weight.sort_index()

mpl.rcParams['font.family']?=?'SimHei'
gs?=?gridspec.GridSpec(1,?2)
plt.figure(figsize=(12,?5),?dpi=100)
#?設(shè)置圖形顯示風格
plt.style.use('ggplot')
ax1?=?plt.subplot(gs[0,?0])
ax2?=?plt.subplot(gs[0,?1])

#?子圖1
ax1.plot(heights.index,?heights.values)
ax1.set_title('運動員身高頻數(shù)分布折線圖')
ax1.set_xlabel('身高(cm)')
ax1.set_ylabel('人數(shù)')
#?子圖2
ax2.plot(weights.index,?weights.values)
ax2.set_title('運動員體重頻數(shù)分布折線圖')
ax2.set_xlabel('體重(kg)')
ax2.set_ylabel('人數(shù)')

plt.show()

4. 繪制餅圖

(1) 使用餅圖查看運動員的慣用腳（Preffered_Foot）字段中不同慣用腳人數(shù)的占比。

import?pandas?as?pd
import?matplotlib.pyplot?as?plt
import?matplotlib?as?mpl

preffered_foot?=?list(pd.read_csv('soccer.csv',?encoding='gbk')['Preffered_Foot'])
foot?=?['右腳',?'左腳']
counts?=?[preffered_foot.count('Right'),?preffered_foot.count('Left')]

#?設(shè)置中文顯示
mpl.rcParams['font.family']?=?'SimHei'
#?設(shè)置大小??像素
plt.figure(figsize=(9,?6),?dpi=100)
plt.axes(aspect='equal')???#?保證餅圖是個正圓
explodes?=?[0,?0.2]
color?=?['red',?'#00FF00']
#?繪制餅圖
# x：統(tǒng)計數(shù)據(jù)?? explode：是否突出顯示??? label：標簽? color：自定義顏色
# autopct：設(shè)置百分比的格式,保留2位小數(shù)? shadow：??有陰影??看起來立體
# startangle：初始角度?可使餅圖旋轉(zhuǎn)????? labeldistance：標簽離圓心的位置
plt.pie(counts,?explode=explodes,?labels=foot,
????????colors=color,?autopct='%.2f%%',?shadow=True,
????????startangle=15,?labeldistance=0.8,
????????)
plt.title('不同慣用腳的運動員人數(shù)占比圖',?fontsize=15)
plt.show()

(2) 按照運動員的技術(shù)等級（Skill_Moves），使用環(huán)圖展示出運動員不同技術(shù)等級人數(shù)的占比。

import?pandas?as?pd
import?collections
import?matplotlib.pyplot?as?plt
import?matplotlib?as?mpl

skill_moves?=?list(pd.read_csv('soccer.csv',?encoding='gbk')['Skill_Moves'])
skill_count?=?collections.Counter(skill_moves).most_common()

skill?=?['等級{}'.format(m[0])?for?m?in?skill_count]
counts?=?[n[1]?for?n?in?skill_count]

#?設(shè)置大小??像素
plt.figure(figsize=(9,?6),?dpi=100)
#?設(shè)置中文顯示
mpl.rcParams['font.family']?=?'SimHei'
plt.axes(aspect='equal')???#?保證餅圖是個正圓
x_?=?[1,?0,?0,?0,?0]???????#?用于顯示空心
color?=?["red",?"blue",?"yellow",?"green",?"purple"]

plt.pie(x=counts,?colors=color,?pctdistance=0.9,
????????startangle=45,?autopct='%.1f%%',?shadow=True,
????????)
#?小的空白圓填充??實現(xiàn)圓環(huán)效果
plt.pie(x_,?radius=0.65,?colors="w")

#?添加圖例??可以微調(diào)位置
plt.legend(skill,?bbox_to_anchor=(0.9,?0.92))
plt.title('不同技術(shù)等級的運動員人數(shù)占比圖',?fontsize=15)
plt.show()

5. 繪制箱形圖

箱線圖，又稱箱形圖 (boxplot) 或盒式圖，不同于一般的折線圖、柱狀圖或餅圖等傳統(tǒng)圖表，只是數(shù)據(jù)大小、占比、趨勢等等的呈現(xiàn)，其包含一些統(tǒng)計學的均值、分位數(shù)、極值等等統(tǒng)計量，因此，該圖信息量較大，不僅能夠分析不同類別數(shù)據(jù)平均水平差異（需在箱線圖中加入均值點），還能揭示數(shù)據(jù)間離散程度、異常值、分布差異等等。

使用箱形圖展示出不同技術(shù)等級 (Skill_Moves) 的運動員的評分 (Rating) 分布情況，即橫軸為運動員的技術(shù)等級，縱軸為評分。

import?pandas?as?pd
import?matplotlib.pyplot?as?plt
import?matplotlib?as?mpl

df?=?pd.read_csv('soccer.csv',?encoding='gbk')
labels?=?[f'等級{i}'?for?i?in?['一',?'二',?'三',?'四',?'五']]

data1?=?df[df['Skill_Moves']?==?1]['Rating']
data2?=?df[df['Skill_Moves']?==?2]['Rating']
data3?=?df[df['Skill_Moves']?==?3]['Rating']
data4?=?df[df['Skill_Moves']?==?4]['Rating']
data5?=?df[df['Skill_Moves']?==?5]['Rating']

#?設(shè)置中文顯示
mpl.rcParams['font.family']?=?'SimHei'
#?設(shè)置圖形顯示風格
plt.style.use('ggplot')
fig,?ax?=?plt.subplots()
box_plot?=?ax.boxplot((data1,?data2,?data3,?data4,?data5),?labels=labels,
????????????boxprops={'color':?'black'},?showmeans=True,?patch_artist=True,
????????????)

colors?=?['pink',?'blue',?'green',?'yellow',?'red']

#?填充箱子顏色
for?patch,?color?in?zip(box_plot['boxes'],?colors):
????patch.set(facecolor=color)

#?設(shè)置箱子兩端線的屬性
for?whisker?in?box_plot['whiskers']:
????whisker.set(color='purple',?linewidth=2)
#?設(shè)置頂端和末端線條的屬性
for?cap?in?box_plot['caps']:
????cap.set(color='g',?linewidth=3)
#?設(shè)置中位數(shù)的屬性
for?median?in?box_plot['medians']:
????median.set(color='black',?linewidth=3)

plt.xlabel('技術(shù)等級')
plt.ylabel('評分')
plt.title('不同技術(shù)等級的運動員評分分布箱形圖')

plt.show()

6. 繪制散點圖

繪制年齡 (Age) 與評分 (Rating) 構(gòu)成的散點圖

import?pandas?as?pd
import?matplotlib.pyplot?as?plt
import?matplotlib?as?mpl

df=?pd.read_csv('soccer.csv',?encoding='gbk')
age,?rating?=?list(df['Age']),?list(df['Rating'])

#?設(shè)置中文顯示
mpl.rcParams['font.family']?=?'SimHei'
#?設(shè)置圖形顯示風格
plt.style.use('ggplot')
#?設(shè)置大小??像素
plt.figure(figsize=(9,?6),?dpi=100)

#?繪制散點圖
plt.scatter(age,?rating)

#?添加描述信息
plt.title('運動員年齡與評分散點圖')
plt.xlabel('年齡')
plt.ylabel('評分')
plt.show()

7. 繪制直方圖

利用直方圖查看運動員的年齡(Age)分布

import?pandas?as?pd
import?matplotlib.pyplot?as?plt
import?matplotlib?as?mpl

ages?=?list(pd.read_csv('soccer.csv',?encoding='gbk')['Age'])
ages.sort()

#?設(shè)置中文顯示
mpl.rcParams['font.family']?=?'SimHei'
#?設(shè)置圖形顯示風格
plt.style.use('ggplot')
plt.figure(figsize=(9,?6),?dpi=100)

bin_width?=?1??#?設(shè)置組距???整除
num_bin?=?(max(ages)?-?min(ages))?//?bin_width????#?組數(shù)

#?繪制直方圖? x：指定要繪制直方圖的數(shù)據(jù)
# bins：指定直方圖條形的個數(shù)? color：設(shè)置直方圖的填充色??? edgecolor：指定直方圖的邊界色
plt.hist(x=ages,?bins=num_bin,?color='blue',?edgecolor='k',?label='直方圖')???#?為直方圖呈現(xiàn)標簽
plt.xticks(range(20,?50,?5))?????#?設(shè)置x軸刻度

#?添加描述信息
plt.xlabel('年齡區(qū)間')
plt.ylabel('頻數(shù)')
plt.title('年齡頻數(shù)分布直方圖')

plt.legend()
plt.show()

數(shù)據(jù)可視化的時候，有時需要將多個子圖放在同一個畫板上進行比較。通過使用GridSpec類配合subplot，可以很容易對子區(qū)域進行劃定和選擇，在同一個畫板上繪制多個子圖。

8. 對子繪圖區(qū)域的劃定和選擇

GridSpec是matplotlib中一個特殊的用來進行子繪圖區(qū)域設(shè)計和選定的一個類

import?matplotlib.gridspec?as?gridspec
gs?=?gridspec.GridSpec(2,?2)???#?設(shè)計一個網(wǎng)格?2行2列
#?選定子繪圖區(qū)域
ax1?=?plt.subplot(gs[0,?0])
ax2?=?plt.subplot(gs[0,?1])
ax3?=?plt.subplot(gs[1,?0])
ax4?=?plt.subplot(gs[1,?1])

通過使用GridSpec類配合subplot，可以很容易對子區(qū)域進行劃定和選擇。

9. 繪制多個子圖

測試數(shù)據(jù)如下：

代碼如下：

import?pandas?as?pd
import?matplotlib.pyplot?as?plt
import?matplotlib?as?mpl
import?matplotlib.gridspec?as?gridspec
import?collections
import?numpy?as?np

#?讀取數(shù)據(jù)
df?=?pd.read_csv('soccer.csv',?encoding='gbk')

#?子圖1數(shù)據(jù)
skill_count?=?df['Skill_Moves'].value_counts()
skill?=?[f'等級{m}'?for?m?in?skill_count.index]????#?列表推導式構(gòu)造不同技術(shù)等級
counts?=?skill_count.values.tolist()???????????????#?技術(shù)等級對應(yīng)人數(shù)統(tǒng)計的列表

#?子圖2數(shù)據(jù)
age_group?=?["17-26",?"27-36",?"37-47"]
count_1?=?df[(df['Age']?>=?17)?&?(df['Age']?<=?26)]
count_2?=?df[(df['Age']?>=?27)?&?(df['Age']?<=?36)]
count_3?=?df[(df['Age']?>=?37)?&?(df['Age']?<=?47)]
age_counts?=?[len(count_1),?len(count_2),?len(count_3)]

#?子圖3數(shù)據(jù)
#?&符號?并且????|符號?或???不同條件之間?()括起來
data1?=?df[(17?<=?df['Age'])?&?(df['Age']?<=?26)]
age1?=?list(data1['Skill_Moves'])
data2?=?df[(27?<=?df['Age'])?&?(df['Age']?<=?36)]
age2?=?list(data2['Skill_Moves'])
data3?=?df[(37?<=?df['Age'])?&?(df['Age']?<=?47)]
age3?=?list(data3['Skill_Moves'])

#?分別統(tǒng)計三個年齡段?不同等級人數(shù)
count_1?=?collections.Counter(age1).most_common()
count_2?=?collections.Counter(age2).most_common()
count_3?=?collections.Counter(age3).most_common()
count_3.append((5,?0))????#?37-47年齡段等級5人數(shù)為零??手動填上
age_counts3?=?count_1?+?count_2?+?count_3

datas?=?[[]?for?i?in?range(5)]
for?i?in?age_counts3:
????datas[i[0]-1].append(i[1])

grades?=?np.array(datas)

#?子圖4數(shù)據(jù)
skill_moves?=?list(df['Skill_Moves'])
skill_count?=?collections.Counter(skill_moves).most_common()
skill?=?['等級{}'.format(m[0])?for?m?in?skill_count]
counts?=?[n[1]?for?n?in?skill_count]

#?繪制多個子圖
mpl.rcParams['font.family']?=?'SimHei'
gs?=?gridspec.GridSpec(2,?2)
plt.figure(figsize=(12,?20),?dpi=100)

ax1?=?plt.subplot(gs[0,?0])
ax2?=?plt.subplot(gs[0,?1])
ax3?=?plt.subplot(gs[1,?0])
ax4?=?plt.subplot(gs[1,?1])

ax1.barh(skill[::-1],?counts[::-1],?height=0.5,?color='#FF00FF')
ax1.set_xlabel('人數(shù)')
ax1.set_title('不同技術(shù)等級人數(shù)統(tǒng)計')

ax2.bar(age_group,?age_counts,?width=0.35,?color='red')
ax2.set_title('不同年齡段人數(shù)統(tǒng)計')
ax2.set_xlabel('年齡段')
ax2.set_ylabel('人數(shù)')

ax3.bar(age_group,?grades[0],?label='等級一',?color='red',?width=0.35)
ax3.bar(age_group,?grades[1],?bottom=grades[0],?label="等級二",?color="#9400D3",?width=0.35)
ax3.bar(age_group,?grades[2],?bottom=grades[0]?+?grades[1],?label="等級三",?color="#0000FF",?width=0.35)??#?轉(zhuǎn)化為數(shù)組??直接相加
ax3.bar(age_group,?grades[3],?bottom=grades[0]?+?grades[1]?+?grades[2],?label="等級四",?color="#FFFF00",?width=0.35)
ax3.bar(age_group,?grades[4],?bottom=grades[0]?+?grades[1]?+?grades[2]?+?grades[3],?label="等級五",?color="#006400",?width=0.35)
ax3.set_title('不同年齡段等級人數(shù)統(tǒng)計')
ax3.set_xlabel('年齡段')
ax3.set_ylabel('人數(shù)')

x_?=?[1,?0,?0,?0,?0]???????#?用于顯示空心
color?=?["red",?"blue",?"yellow",?"green",?"purple"]
#?正圓
ax4.set_aspect(aspect='equal')
ax4.pie(x=counts,?colors=color,?pctdistance=0.9,
????????startangle=45,?autopct='%.1f%%',
????????)

ax4.pie(x_,?radius=0.65,?colors="w")???#?小的空白圓填充
ax4.set_title('不同技術(shù)等級的運動員人數(shù)占比圖')
#?調(diào)整圖例位置
plt.legend(skill,?bbox_to_anchor=(0.9,?0.92))
plt.show()

運行效果如下：

import?pandas?as?pd
import?matplotlib.pyplot?as?plt
import?numpy?as?np
import?matplotlib?as?mpl

df?=?pd.read_excel('real_estate_info.xlsx')
area?=?df['土地位置']

#?成都主要?區(qū)?縣?市??9區(qū)6縣4市
with?open('test.txt',?encoding='utf-8')?as?f:
????areas?=?f.read().split('、')

for?item?in?areas:
????#?每個行政區(qū)?對每行數(shù)據(jù)都進行判斷
????#?土地位置里包含行政區(qū)名??值為規(guī)劃建筑面積???不包含??值為0
????#?得到19列?以行政區(qū)為列名?其下面值為規(guī)劃建筑面積
????df[item]?=?[eval(df.loc[x,?'規(guī)劃建筑面積'][:-1])?if?item?in?df.loc[x,?'土地位置']?else?0?for?x?in?range(len(df['土地位置']))]

date?=?df['推出時間'].str.split('年',?expand=True)[0]???#?這列的字符串?按年切割
df['年份']?=?date????????#?添加新的一列??年份

df1?=?df[areas]
df1.index?=?df['年份']
df2?=?df1.groupby('年份').sum()
#?print(df2.iloc[:5,?::])??#?2020年數(shù)據(jù)只有到2月的??舍去
#?print(type(df2.iloc[:5,?::].T))?????#?轉(zhuǎn)置
datas?=?np.array(df2.iloc[:5,?::].T)???#?19行?5列?二維數(shù)組
print(datas)

x_label?=?[year?for?year?in?range(2015,?2020)]
y_label?=?areas
mpl.rcParams['font.family']?=?'Kaiti'?????#?中文顯示
fig,?ax?=?plt.subplots(figsize=(15,?9))???#?繪圖
heatmap?=?plt.pcolor(datas)
for?y?in?range(datas.shape[0]):
????for?x?in?range(datas.shape[1]):
????????plt.text(x?+?0.5,?y?+?0.5,?'%.1f'?%?datas[y,?x],????#?熱力圖種每個格子添加文本??數(shù)據(jù)項設(shè)置
?????????????????horizontalalignment='center',?verticalalignment='center',
?????????????????)

#?x?y軸刻度設(shè)置
plt.xticks(np.arange(0.5,?5.5,?1))
plt.yticks(np.arange(0.5,?19.5,?1))
#?x?y軸標簽設(shè)置
ax.set_xticklabels(x_label)
ax.set_yticklabels(areas)
#?title
ax.set_title(r'各行政區(qū)2015-2019年的總規(guī)劃建筑面積(平方米)',?fontsize=25,?x=0.5,?y=1.02)

#?隱藏邊框
ax.spines['top'].set_visible(False)
ax.spines['right'].set_visible(False)
ax.spines['left'].set_visible(False)
ax.spines['bottom'].set_visible(False)
plt.savefig('heat_map.png')
#?熱力圖???展示
plt.colorbar(heatmap)
plt.show()

其他說明

• 數(shù)據(jù)集來源于網(wǎng)絡(luò)，僅用于知識交流，真實性未知。

• 歡迎提出改進意見，以期共同進步，覺得文章還不錯的老鐵點個在看可好呀>_<

文章鏈接：?

1、http://suo.im/5FwbKC?

2、http://suo.im/5NN2UQ?

3、http://suo.im/6alfOZ

公眾號后臺回復(fù)：「matplotlib數(shù)據(jù)可視化」，獲取本文完整數(shù)據(jù)集。

（防止出錯，建議復(fù)制）

由于微信平臺算法改版，公號內(nèi)容將不再以時間排序展示，如果大家想第一時間看到我們的推送，強烈建議星標我們和給我們多點點【在看】。星標具體步驟為：

（1）點擊頁面最上方“小詹學Python”，進入公眾號主頁。

（2）點擊右上角的小點點，在彈出頁面點擊“設(shè)為星標”，就可以啦。

感謝支持，比心。