Python 中可以通过 matplotlib 模块的 pyplot 子库来完成绘图。Matplotlib 可用于创建高质量的图表和图形,也可以用于绘制和可视化结果。matplotlib 是 Python 优秀的数据可视化第三方库,matplotlib.pyplot 是绘制种类可视化图形的命令子库,相当于快捷方式 import matplotlib.pyplot as plt.
本文用 Python 对一批运动员数据进行操作,读取数据、数据预处理、matplotlib 数据可视化,熟悉用 Python 进行数据分析和可视化的基本方法,并绘制柱形图、堆叠图、折线图、饼图、环图、箱形图、散点图、直方图、多个子图和热力图。数据集部分截图如下:
pandas读取并查看数据,对于本次练习的数据,读取时需要设置encoding='gbk',不然会报错。
pd.read_csv()读取csv文件,数据有17587行,17列。import pandas as pd
df = pd.read_csv('soccer.csv', encoding='gbk')
print(df)复制代码
df.info():查看索引、数据类型和内存信息import pandas as pd
df = pd.read_csv('soccer.csv', encoding='gbk')
print(df.info())复制代码
df.describe():查看数值型列的汇总统计情况import pandas as pd
df = pd.read_csv('soccer.csv', encoding='gbk')
print(df.describe())复制代码
pyplot中文显示:pyplot并不默认显示中文,坐标系中出现中文汉字,需要增加额外代码辅助。
方法一:可以通过rcParams修改字体实现,但这种方法改变的是全局的字体。import matplotlib as mpl
mpl.rcParams['font.family'] = 'SimHei'
mpl.rcParams['font.size'] = 15复制代码
方法二:在有中文输出的地方,增加一个属性:fontpropertiesimport 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 和改变字号
plt.xlabel('横轴:时间', fontproperties='SimHei', fontsize=15, color='green')
plt.ylabel('纵轴:振幅', fontproperties='SimHei', fontsize=15, color='red')
plt.show()复制代码 1. 绘制柱形图
(1) 将运动员年龄(Age)划分为三个年龄段:’17-26’,’27-36’,’37-47’,统计不同年龄段的人数,并用柱状图可视化。import pandas as pd
import matplotlib.pyplot as plt
import matplotlib as mpl
读取数据 设置编码 不然会报错
df = pd.read_csv('soccer.csv', encoding='gbk') 将运动员年龄(Age)划分为三个年龄段
age_group = ["17-26", "27-36", "37-47"] 统计不同年龄段人数
count_1 = df[(df['Age'] >= 17) & (df['Age'] = 27) & (df['Age'] = 37) & (df['Age'] <= 47)]
age_counts = [len(count_1), len(count_2), len(count_3)]
设置大小 像素
plt.figure(figsize=(9, 6), dpi=100) 设置中文显示
mpl.rcParams['font.family'] = 'SimHei' 绘制柱形图 设置柱条的宽度和颜色
plt.bar(age_group, age_counts, width=0.35, color='red') 添加描述信息
plt.title('不同年龄段人数统计')
plt.xlabel('年龄段')
plt.ylabel('人数') 可以设置网格 透明度 线条样式
plt.grid(alpha=0.3, linestyle=':') 展示图片
plt.show()复制代码
(2) 查看不同技术等级(Skill_Moves )下的球员数量,以及哪个技术等级的球员数量最多,哪个最少,利用水平柱状图可视化。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'等级{m}' for m in skill_count.index] # 列表推导式构造不同技术等级
counts = skill_count.values.tolist() # 技术等级对应人数统计的列表
设置中文显示
mpl.rcParams['font.family'] = 'SimHei' 设置大小 像素
plt.figure(figsize=(9, 6), dpi=100) 绘制水平柱状图
plt.barh(skill[::-1], counts[::-1], height=0.5, color='#FF00FF')
plt.title('不同技术等级人数统计')
plt.xlabel('人数')
plt.show()复制代码
2. 绘制堆叠图
将运动员年龄(Age)划分为三个年龄段:’17-26’,’27-36’,’37-47’,统计 3 个年龄段下 5个技术等级(Skill_Moves)的人数,并用堆叠图可视化。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"]
& 与 | 或 不同条件之间 ()括起来
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'])
分别统计三个年龄段 不同等级人数
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年龄段等级5人数为零 手动添上
counts = count_1 + count_2 + count_3
datas = [[] for i in range(5)]
for i in counts:
datas[i[0] - 1].append(i[1])
转化为数组 堆叠时可以对应相加
grades = np.array(datas) print(grades) 设置大小 像素
plt.figure(figsize=(9, 6), dpi=100) 设置中文显示
mpl.rcParams['font.family'] = 'SimHei'
plt.bar(age_group, grades[0], label='等级一', color='red', width=0.35)
plt.bar(age_group, grades[1], bottom=grades[0], label="等级二", color="#9400D3", width=0.35)
plt.bar(age_group, grades[2], bottom=grades[0] + grades[1], label="等级三", color="#0000FF", width=0.35)
plt.bar(age_group, grades[3], bottom=grades[0] + grades[1] + grades[2], label="等级四", color="#FFFF00", width=0.35)
plt.bar(age_group, grades[4], bottom=grades[0] + grades[1] + grades[2] + grades[3], label="等级五", color="#006400", width=0.35)
plt.title('不同年龄段等级人数统计')
plt.xlabel('年龄段')
plt.ylabel('人数')
plt.grid(alpha=0.3, linestyle=':') 显示图例 位置
plt.legend(loc=0)
plt.show()复制代码
3. 绘制折线图
利用频数分布折线图来查看运动员身高(Height)与体重(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类型通过索引进行排序 也就是按身高从低到高排序
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) 设置图形显示风格
plt.style.use('ggplot')
ax1 = plt.subplot(gs[0, 0])
ax2 = plt.subplot(gs[0, 1])
子图1
ax1.plot(heights.index, heights.values)
ax1.set_title('运动员身高频数分布折线图')
ax1.set_xlabel('身高(cm)')
ax1.set_ylabel('人数') 子图2
ax2.plot(weights.index, weights.values)
ax2.set_title('运动员体重频数分布折线图')
ax2.set_xlabel('体重(kg)')
ax2.set_ylabel('人数')
plt.show()复制代码
在这里插入图片描述4. 绘制饼图
(1) 使用饼图查看运动员的惯用脚(Preffered_Foot)字段中不同惯用脚人数的占比。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 = ['右脚', '左脚']
counts = [preffered_foot.count('Right'), preffered_foot.count('Left')]
设置中文显示
mpl.rcParams['font.family'] = 'SimHei' 设置大小 像素
plt.figure(figsize=(9, 6), dpi=100)
plt.axes(aspect='equal') # 保证饼图是个正圆
explodes = [0, 0.2]
color = ['red', '#00FF00'] 绘制饼图 x:统计数据 explode:是否突出显示 label:标签 color:自定义颜色 autopct:设置百分比的格式,保留2位小数 shadow: 有阴影 看起来立体 startangle:初始角度 可使饼图旋转 labeldistance:标签离圆心的位置
plt.pie(counts, explode=explodes, labels=foot,
colors=color, autopct='%.2f%%', shadow=True,
startangle=15, labeldistance=0.8,
)
plt.title('不同惯用脚的运动员人数占比图', fontsize=15)
plt.show()复制代码
(2) 按照运动员的技术等级(Skill_Moves),使用环图展示出运动员不同技术等级人数的占比。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 = ['等级{}'.format(m[0]) for m in skill_count]
counts = [n[1] for n in skill_count]
设置大小 像素
plt.figure(figsize=(9, 6), dpi=100) 设置中文显示
mpl.rcParams['font.family'] = 'SimHei'
plt.axes(aspect='equal') # 保证饼图是个正圆
x_ = [1, 0, 0, 0, 0] # 用于显示空心
color = ["red", "blue", "yellow", "green", "purple"]
plt.pie(x=counts, colors=color, pctdistance=0.9,
startangle=45, autopct='%.1f%%', shadow=True,
) 小的空白圆填充 实现圆环效果
plt.pie(x_, radius=0.65, colors="w")
添加图例 可以微调位置
plt.legend(skill, bbox_to_anchor=(0.9, 0.92))
plt.title('不同技术等级的运动员人数占比图', fontsize=15)
plt.show()复制代码
5. 绘制箱形图
箱线图,又称箱形图 (boxplot) 或盒式图,不同于一般的折线图、柱状图或饼图等传统图表,只是数据大小、占比、趋势等等的呈现,其包含一些统计学的均值、分位数、极值等等统计量,因此,该图信息量较大,不仅能够分析不同类别数据平均水平差异(需在箱线图中加入均值点),还能揭示数据间离散程度、异常值、分布差异等等。使用箱形图展示出不同技术等级 (Skill_Moves) 的运动员的评分 (Rating) 分布情况,即横轴为运动员的技术等级,纵轴为评分。
import pandas as pd
import matplotlib.pyplot as plt
import matplotlib as mpl
df = pd.read_csv('soccer.csv', encoding='gbk')
labels = [f'等级{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']
设置中文显示
mpl.rcParams['font.family'] = 'SimHei' 设置图形显示风格
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']
填充箱子颜色
for patch, color in zip(box_plot['boxes'], colors):
patch.set(facecolor=color)
设置箱子两端线的属性
for whisker in box_plot['whiskers']:
whisker.set(color='purple', linewidth=2) 设置顶端和末端线条的属性
for cap in box_plot['caps']:
cap.set(color='g', linewidth=3) 设置中位数的属性
for median in box_plot['medians']:
median.set(color='black', linewidth=3)
plt.xlabel('技术等级')
plt.ylabel('评分')
plt.title('不同技术等级的运动员评分分布箱形图')
plt.show()复制代码
6. 绘制散点图
绘制年龄 (Age) 与评分 (Rating) 构成的散点图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'])
设置中文显示
mpl.rcParams['font.family'] = 'SimHei' 设置图形显示风格
plt.style.use('ggplot') 设置大小 像素
plt.figure(figsize=(9, 6), dpi=100)
绘制散点图
plt.scatter(age, rating)
添加描述信息
plt.title('运动员年龄与评分散点图')
plt.xlabel('年龄')
plt.ylabel('评分')
plt.show()复制代码
7. 绘制直方图
利用直方图查看运动员的年龄(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()
设置中文显示
mpl.rcParams['font.family'] = 'SimHei' 设置图形显示风格
plt.style.use('ggplot')
plt.figure(figsize=(9, 6), dpi=100)
bin_width = 1 # 设置组距 整除
num_bin = (max(ages) - min(ages)) // bin_width # 组数
绘制直方图 x:指定要绘制直方图的数据 bins:指定直方图条形的个数 color:设置直方图的填充色 edgecolor:指定直方图的边界色
plt.hist(x=ages, bins=num_bin, color='blue', edgecolor='k', label='直方图') # 为直方图呈现标签
plt.xticks(range(20, 50, 5)) # 设置x轴刻度
添加描述信息
plt.xlabel('年龄区间')
plt.ylabel('频数')
plt.title('年龄频数分布直方图')
plt.legend()
plt.show()复制代码
数据可视化的时候,有时需要将多个子图放在同一个画板上进行比较。通过使用GridSpec类配合subplot,可以很容易对子区域进行划定和选择,在同一个画板上绘制多个子图。8. 对子绘图区域的划定和选择
GridSpec是matplotlib中一个特殊的用来进行子绘图区域设计和选定的一个类import matplotlib.gridspec as gridspec
gs = gridspec.GridSpec(2, 2) # 设计一个网格 2行2列 选定子绘图区域
ax1 = plt.subplot(gs[0, 0])
ax2 = plt.subplot(gs[0, 1])
ax3 = plt.subplot(gs[1, 0])
ax4 = plt.subplot(gs[1, 1])复制代码 通过使用GridSpec类配合subplot,可以很容易对子区域进行划定和选择。9. 绘制多个子图
测试数据如下:
代码如下:import pandas as pd
import matplotlib.pyplot as plt
import matplotlib as mpl
import matplotlib.gridspec as gridspec
import collections
import numpy as np
读取数据
df = pd.read_csv('soccer.csv', encoding='gbk')
子图1数据
skill_count = df['Skill_Moves'].value_counts()
skill = [f'等级{m}' for m in skill_count.index] # 列表推导式构造不同技术等级
counts = skill_count.values.tolist() # 技术等级对应人数统计的列表
子图2数据
age_group = ["17-26", "27-36", "37-47"]
count_1 = df[(df['Age'] >= 17) & (df['Age'] = 27) & (df['Age'] = 37) & (df['Age'] <= 47)]
age_counts = [len(count_1), len(count_2), len(count_3)]
子图3数据 &符号 并且 |符号 或 不同条件之间 ()括起来
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'])
分别统计三个年龄段 不同等级人数
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年龄段等级5人数为零 手动填上
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)
子图4数据
skill_moves = list(df['Skill_Moves'])
skill_count = collections.Counter(skill_moves).most_common()
skill = ['等级{}'.format(m[0]) for m in skill_count]
counts = [n[1] for n in skill_count]
绘制多个子图
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('人数')
ax1.set_title('不同技术等级人数统计')
ax2.bar(age_group, age_counts, width=0.35, color='red')
ax2.set_title('不同年龄段人数统计')
ax2.set_xlabel('年龄段')
ax2.set_ylabel('人数')
ax3.bar(age_group, grades[0], label='等级一', color='red', width=0.35)
ax3.bar(age_group, grades[1], bottom=grades[0], label="等级二", color="#9400D3", width=0.35)
ax3.bar(age_group, grades[2], bottom=grades[0] + grades[1], label="等级三", color="#0000FF", width=0.35) # 转化为数组 直接相加
ax3.bar(age_group, grades[3], bottom=grades[0] + grades[1] + grades[2], label="等级四", color="#FFFF00", width=0.35)
ax3.bar(age_group, grades[4], bottom=grades[0] + grades[1] + grades[2] + grades[3], label="等级五", color="#006400", width=0.35)
ax3.set_title('不同年龄段等级人数统计')
ax3.set_xlabel('年龄段')
ax3.set_ylabel('人数')
x_ = [1, 0, 0, 0, 0] # 用于显示空心
color = ["red", "blue", "yellow", "green", "purple"] 正圆
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") # 小的空白圆填充
ax4.set_title('不同技术等级的运动员人数占比图') 调整图例位置
plt.legend(skill, bbox_to_anchor=(0.9, 0.92))
plt.show()复制代码 运行效果如下:
10. matplotlib 绘制热力图
Matplotlib 是 Python 著名的 2D 绘图库,该库仿造 Matlab 提供了一整套相似的绘图函数,用于绘图和绘表,是强大的数据可视化工具和做图库,且绘制出的图形美观。测试数据来源:www.tudinet.com/market-0-0-… 代码如下: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 区 县 市 9区6县4市
with open('test.txt', encoding='utf-8') as f:
areas = f.read().split('、')
for item in areas:
# 每个行政区 对每行数据都进行判断
# 土地位置里包含行政区名 值为规划建筑面积 不包含 值为0
# 得到19列 以行政区为列名 其下面值为规划建筑面积
df[item] = [eval(df.loc[x, '规划建筑面积'][:-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['推出时间'].str.split('年', expand=True)[0] # 这列的字符串 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年数据只有到2月的 舍去 print(type(df2.iloc[:5, ::].T)) # 转置
datas = np.array(df2.iloc[:5, ::].T) # 19行 5列 二维数组
print(datas)
x_label = [year for year in range(2015, 2020)]
y_label = areas
mpl.rcParams['font.family'] = 'Kaiti' # 中文显示
fig, ax = plt.subplots(figsize=(15, 9)) # 绘图
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], # 热力图种每个格子添加文本 数据项设置
horizontalalignment='center', verticalalignment='center',
)
x y轴刻度设置
plt.xticks(np.arange(0.5, 5.5, 1))
plt.yticks(np.arange(0.5, 19.5, 1)) x y轴标签设置
ax.set_xticklabels(x_label)
ax.set_yticklabels(areas) title
ax.set_title(r'各行政区2015-2019年的总规划建筑面积(平方米)', fontsize=25, x=0.5, y=1.02)
隐藏边框
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') 热力图 展示
plt.colorbar(heatmap)
plt.show()复制代码 运行效果如下:
matplotlib 绘制 heatmap,该方法比较繁琐,要调用很多辅助函数才能实现效果更好的热图。
|