python数据可视化之matplotlib.pyplot

文章目录

- - 模块引用
  - 折线条图
  - 实际应用案例
  - 关于Python技术储备
  - - 一、Python所有方向的学习路线
    - 二、Python基础学习视频
    - 三、精品Python学习书籍
    - 四、Python工具包+项目源码合集
    - ①Python工具包
    - ②Python实战案例
    - ③Python小游戏源码
    - 五、面试资料
    - 六、Python兼职渠道

不论是数据挖掘还是数据建模,都免不了数据可视化的问题,对于Python来说,Matplotlib是最著名的绘图库,它主要用于二维绘图,这篇文章主要给大家介绍了关于python数据可视化之matplotlib.pyplot基础以及折线图的相关资料,需要的朋友可以参考下

不论是数据挖掘还是数据建模，都免不了数据可视化的问题。对于Python来说，Matplotlib是最著名的绘图库，它主要用于二维绘图，当然它也可以进行简单的三维绘图(基于spyder)。

模块引用

import matplotlib.pyplot as plt #引用画图库中的pyplot模块

折线条图

语法

import matplotlib.pyplot as plt
data=\[1,2,3,4,5,4,2,4,6,7\] #随便创建了一个数据
plt.plot(data) #引用画图库中的pyplot模块

plot参数

基本折线图不能满足，这时就需plot的参数来进行调整

美化示例：

import matplotlib.pyplot as plt
yy=\[1,2,3,4,5,4,2,4,6,7\]#随便创建了一个数据
xx=\[3,5,4,1,2,3,4,5,6,3\]
zz=\[2,3,4,6,4,3,2,4,5,6\]
plt.plot(yy,color='r',linewidth=5,linestyle=':',label='数据一')#color指定线条颜色，labeL标签内容
plt.plot(xx,color='g',linewidth=2,linestyle='--',label='数据二')#linewidth指定线条粗细
plt.plot(zz,color='b',linewidth=0.5,linestyle='-',label='数据三')#linestyle指定线形为点
plt.legend(loc=2)#标签展示位置，数字代表标签具位置
plt.xlabel('X轴称')
plt.ylabel('Y轴的名称')
plt.title('2018.7.30折线图示例')
plt.ylim(0,10)#Y轴标签范围为0-10

plt常用参数有：

官网详细说明点这里

属性	描述
xlabel	设置当前轴的x轴标签:plt.xlabel(‘X标签名’)
ylabel	设置当前轴的y轴标签:plt.xlabel(‘y标签名’)
title	设置当前轴的标题：plt.title(‘图例标题名’)
ylim	获取或设置当前轴的y限制，plt.ylim(0,6)Y轴范围0-6；Xlim同理懒的写了
legend	在轴上放置图例:legend()无参数自动识别，也可用数字指定位置1,2,3,4试着来
show	展示所画图，spyder一般直接运行不需要此步
grid	plt.grid()打开或关闭轴网格，网格一样能设置颜色线型
rcParams[‘font.sans-serif’]	图表中文字体：plt.rcParams[‘font.sans-serif’]=[‘SimHei’]微软雅黑；或=[‘Microsoft Yahei’]黑体
rcParams[‘axes.unicode_minus’]	图表轴负数符号显示问题：plt.rcParams[‘axes.unicode_minus’] = False

plt常画图例有：

官网详细说明点这里

属性	描述
plot	绘制y与x作为线和/或标记。
plot_date	绘制包含日期的数据。
acorr	绘制x的自相关。
axhline	在轴上添加一条水平线。
bar	制作条形图。
barh	制作一个水平条形图。
hist	绘制直方图
hist2d	制作2D直方图。
scatter	y与x的散点图，具有不同的标记大小和/或颜色。
stackplot	绘制堆积区域图。

plot常用参数有：

官网详细说明点这里

属性	描述
color	字体颜色：color=‘r’；b、g、r、c、m、y、k、w 或者blue、green、red、cyan、magenta、yellow、black、whtite 或十六进制字符串（‘#008000’）
linewidth	线条粗细：linewidth=1.=5.=0.3
linestyle	线条形状：linestyle=‘–’(虚线);linestyle=‘:’(点线);linestyle=‘-.’(短线加点)；
label	数据标签内容：label=‘数据一’,数据标签展示位置需另说明plt.legend(loc=1)数字为标签位置

实际应用案例

因案例涉及机密数据，只展示数据可视化的过程及结果，先放结果输出的样式

import pandas as pd #导入pandas库
import pymysql as mysql #导入mysql库
import matplotlib.pyplot as plt #导入数据可视化库
import numpy as np #导入numpy库
plt.rcParams\['font.sans-serif'\] = \['Microsoft Yahei'\] #指定文字字体格式为微软雅黑字段
plt.rcParams\['axes.unicode\_minus'\] = False

connection=mysql.connect(host='数据库ip',port='端口',user='用户账号',password='登录密码',db='连接的库名',charset='utf8')#设置连接数据库的参数
select=connection.cursor()#创建游标
select.execute("SELECT \* FROM tabel")#写入SQL查询语句
zd=list((pd.DataFrame(list(select.description)))\[0\])#获取查询结果的列名
sqldata=select.fetchall()#获取查询结果
select.close #关闭查询
connection.close #关闭数据库接接
data1=pd.DataFrame(list(sqldata)) #将数据转化成df类型
data1.columns=zd #将列名重置为查询结果列名

plt.figure(figsize=(10,5)) #设置图表大小，长10，宽5
plt.plot(data1\['机器A拟合度'\],label='机器A准确率',color='#aa0000',linestyle='-',linewidth=3)#画机器A准确率的线条
plt.plot(data1\['人工A拟合度'\],label='人工A准确率',color='#aa0000',linestyle=':',linewidth=3)#画人工A准确率的线条
plt.plot(data1\['机器B拟合度'\],label='机器B准确率',color='#666666',linestyle='-',linewidth=3)#画机器B准确率的线条
plt.plot(data1\['人工B拟合度'\],label='人工B准确率',color='#666666',linestyle=':',linewidth=3)#画人工B准确率的线条
plt.plot(\[0,7\],\[0.9,0.9\],color='g',linestyle='-.',linewidth=1)#画一根绿色的辅助线，x轴从0到7，Y轴为0.9
plt.xticks(np.arange(8),('wk23','wk24','wk25','wk26','wk27','wk28','wk29','wk30'))#更改图表X标签为制定内容
plt.legend(loc=4)#将图例说明放在图表的右下角
plt.title('人机绝对准确率6.4-7.29',fontsize=20)#命名图表名称，设置字体大小
plt.xlabel('周',fontsize=20)#设置X轴名称及字体大小
plt.ylabel('准确率%',fontsize=20)#设置Y轴名称及字体大小