Python大數(shù)據(jù)基礎(chǔ)與實戰(zhàn)(第10章-數(shù)據(jù)可視化)課件

《Python大數(shù)據(jù)基礎(chǔ)與實戰(zhàn)》配套課件Python大數(shù)據(jù)基礎(chǔ)與實戰(zhàn)《Python大數(shù)據(jù)基礎(chǔ)與實戰(zhàn)》配套課件Python大數(shù)據(jù)基

第十章數(shù)據(jù)可視化技術(shù)第十章數(shù)據(jù)可視化技術(shù)10.1pyplot基本繪圖流程10.2基于函數(shù)的可視化操作10.3基于對象的可視化技術(shù)10.4配置文件10.5中文顯示10.6分類圖10.7seaborn可視化10.1pyplot基本繪圖流程10.2基于函數(shù)的可視化10.1pyplot繪圖基本流程10.110.1pyplot繪圖基本流程

matplotlib是一套基于NumPy的繪圖工具包，是Python中最著名的繪圖包之一。matplotlib十分適合交互式繪制圖表，可以很方便地設(shè)計和輸出二維和三維的圖表。matplotlib工具包提供了pyplot模塊完成對圖形的繪制，大部分的pyplot圖形繪制都遵循一個流程，使用這個流程可以完成大部分圖形的繪制。10.1pyplot繪圖基本流程matplot10.1pyplot繪圖基本流程10.1pyplot繪圖基本流程Matplotlib提出了ObjectContainer概念，它有Figure、Axes、Axis和Tick四種類型的對象容器。

Figure負責(zé)圖像大小、位置等操作。

Axes負責(zé)坐標系的位置、繪圖等操作。

Axis負責(zé)坐標軸的操作。

Tick負責(zé)刻度的相關(guān)操作。

Figure包含Axes、Axes包含Axis，Axis包含Tick。

Matplotlib提出了ObjectC10.2基于函數(shù)的可視化操作10.210.2基于函數(shù)的可視化操作

為了方便快速繪圖，matplotlib通過pyplot模塊提供了一套和matlab類似的繪圖函數(shù)，只需要調(diào)用pyplot模塊所提供的函數(shù)，就可以實現(xiàn)快速繪圖及設(shè)置圖表的各種細節(jié)。

#使用pyplot之前首先要導(dǎo)入所在的模塊

frommatplotlibimportpyplotaspltimportmatplotlib.pyplotasplt#將要顯示的圖片嵌入到JupyterNotebook中%matplotlibinline

10.2基于函數(shù)的可視化操作為了方便快速繪圖，mat10.2基于函數(shù)的可視化操作1.常用繪圖函數(shù)1）創(chuàng)建圖表和創(chuàng)建子圖繪圖前可以先創(chuàng)建一個空白的圖表，并且可以選擇是否將整個圖表劃分為多個子圖，以方便在同一幅圖上繪制多個圖形。當只需要繪制一幅簡單的圖形時，這部分內(nèi)容可以省略。figure()該函數(shù)創(chuàng)建一個圖表對象，并且成為當前的Figure對象。也可以不創(chuàng)建Figure對象而直接調(diào)用plot()進行繪圖，這時matplotlib會自動創(chuàng)建一個Figure對象。10.2基于函數(shù)的可視化操作1.常用繪圖函數(shù)subplot()可以將一個圖表劃分成多個子圖進行繪制，該函數(shù)用來設(shè)置子圖，第1個參數(shù)是行數(shù)，第2個參數(shù)是列數(shù)，第3個參數(shù)是子圖的編號subplots()

該函數(shù)返回Figure對象和子圖對應(yīng)的Axes對象數(shù)組，Axes是可以進行繪圖操作的對象10.2基于函數(shù)的可視化操作subplot()10.2基于函數(shù)的可視化操作2）添加圖表內(nèi)容添加標題、添加坐標軸名稱、繪制圖形、添加圖例等步驟是并列的，沒有先后順序?？梢韵壤L制圖形，也可以先添加各種標簽。但是添加圖例一定要在繪制圖形之后。plot()

創(chuàng)建figure對象之后，接下來調(diào)用plot()在當前的figure對象中繪圖。plot()的前兩個參數(shù)是表示X、Y軸數(shù)據(jù)的對象，后面參數(shù)是一個格式化字符串，由顏色字符、風(fēng)格字符和標記字符組成10.2基于函數(shù)的可視化操作2）添加圖表內(nèi)容10.2基于函數(shù)的可視化操作title()、text()

在當前圖表中添加標題、文本注釋信息legend()

設(shè)置圖例xlabel()、ylabel()

添加X軸和Y軸名稱xlim()、ylim()

設(shè)置當前圖表的X軸和Y軸取值范圍xticks()、yticks()

指定X軸和Y軸刻度的數(shù)目與取值10.2基于函數(shù)的可視化操作title()、text()10.2基于函數(shù)的可視化操作3）保存與顯示圖形savefig()

保存繪制的圖形到文件中，可以指定圖形的分辨率、邊緣的顏色等參數(shù)show()顯示圖形10.2基于函數(shù)的可視化操作3）保存與顯示圖形10.2基于函數(shù)的可視化操作10.2基于函數(shù)的可視化操作%matplotlibinlinefrommatplotlibimportpyplotasplt #導(dǎo)入pyplot庫importnumpyasnp #導(dǎo)入科學(xué)計算庫numpy#設(shè)置中文字體font={'family':"KaiTi", #字庫：楷體"weight":"bold", #加粗"size":16 #字號}plt.rc("font",**font) #設(shè)置配置參數(shù)plt.rc("axes",unicode_minus=False) #處理負號顯示問題10.2基于函數(shù)的可視化操作%matplotlibinl#創(chuàng)建繪圖數(shù)據(jù)x=np.arange(0.0,2.0,0.01) #x軸數(shù)據(jù)[0.0,2.0)，間隔0.01y=1+np.sin(2*np.pi*x) #y軸數(shù)據(jù)1+sin(2Πx)fig=plt.figure(figsize=(20,8)) #設(shè)置圖片寬度20英寸，高度8英寸plt.plot(x,y,"r--") #繪圖參數(shù)設(shè)置plt.xlabel("時間/s") #設(shè)置x軸標簽plt.ylabel("電壓/mv") #設(shè)置y周標簽plt.title("第一個圖形示例")#設(shè)置圖片的標題t=[r"$1+sin(2\pi{x})$"]

#使用LaText語法描繪數(shù)學(xué)公式plt.legend(t,loc="upperleft",frameon=True) #設(shè)置圖例，位置左上，帶邊框10.2基于函數(shù)的可視化操作#創(chuàng)建繪圖數(shù)據(jù)10.2基于函數(shù)的可視化操作10.2基于函數(shù)的可視化操作#savefig()函數(shù)保存圖表到文件，它的參數(shù)可以指定要保存的文件名、分辨率、去除四周空白plt.savefig(r"d:\test2.png",dpi=1000,bbox_inches='tight',pad_inches=0) plt.show()#顯示圖形10.2基于函數(shù)的可視化操作#savefig()函數(shù)保存圖10.2基于函數(shù)的可視化操作2.

繪制多個子圖一個Figure對象可以包含多個子圖（Axes），在matplotlib中用Axes對象表示一個繪圖區(qū)域（子圖）?？梢杂胹ubplot()函數(shù)快速繪制包含多個子圖的圖表。

subplot(nrows,ncols,index,**kwargs)整個繪圖區(qū)域被等分為nrows行和ncols列，然后按照從左到右、從上到下的順序?qū)γ總€區(qū)域進行編號，左上區(qū)域的編號為1。index參數(shù)指定創(chuàng)建Axes對象所在的區(qū)域。如果3個參數(shù)的值都小于10，那么就可以把它們縮寫成一個整數(shù)。如223表示第2行第1列的子圖。10.2基于函數(shù)的可視化操作2.繪制多個子圖plt.figure(1) #創(chuàng)建圖表1plt.figure(2) #創(chuàng)建圖表2ax1=plt.subplot(211) #在圖表2中創(chuàng)建子圖1ax2=plt.subplot(212) #在圖表2中創(chuàng)建子圖2x=np.linspace(0,3,100) #生成X軸數(shù)據(jù)plt.figure(1)foriinrange(5):

plt.plot(x,np.exp(i*x/3),label=r"$e^{%dx}$"%i) #在圖表1中繪圖

plt.legend() #顯示圖例10.2基于函數(shù)的可視化操作plt.figure(1) #創(chuàng)

plt.sca(ax1) #選擇圖表2的子圖1

plt.plot(x,i+x,label=r"%d+x"%i) #在圖表2的子圖1中繪圖

plt.legend()

plt.sca(ax2) #選擇圖表2的子圖2

plt.plot(x,np.cos(i*x),label=r"cos%dx"%i) #在圖表2的子圖2中繪圖

plt.legend()

plt.figure(1)

plt.savefig("d:/test1.png") #圖表1存盤

plt.figure(2)

plt.show() 10.2基于函數(shù)的可視化操作 plt.sca(ax1) #選擇10.2基于函數(shù)的可視化操作10.2基于函數(shù)的可視化操作10.3基于對象的可視化操作10.310.3

基于對象的可視化操作

為了將面向?qū)ο蟮睦L圖庫封裝成使用函數(shù)的調(diào)用接口，pyplot模塊內(nèi)部保存了當前圖表以及當前子圖等信息。當前的圖表和子圖可以通過gcf()和gca()獲得，其中g(shù)cf()獲得表示圖表的Figure對象，gca()獲得表示子圖的Axes對象。使用matplotlib繪制的圖表每個組成部分都和一個對象對應(yīng)，可以通過調(diào)用這些對象的屬性設(shè)置方法set_*()或者pyplot模塊的屬性設(shè)置方法setp()來設(shè)置它們的屬性值，也可以通過屬性獲取方法get_*()或者pyplot模塊的屬性獲取方法getp()來獲取對象的屬性，或者直接獲取對象的屬性。10.3基于對象的可視化操作為了將面向?qū)ο蟮睦L圖庫封plt.rcParams["font.family"]="KaiTi" #使用楷體字庫plt.rcParams["font.size"]="16" #設(shè)置字體大小x=np.arange(0,5,0.1)

#生成X軸數(shù)據(jù)lines=plt.plot(x,x**2,x,x**3)#plot()返回一個元素類型為Line2D的列表lines[0].set_label(r"$x^2$") #設(shè)置第1個圖表的圖示x2lines[0]._color="r" #設(shè)置第1個圖表對象的顏色為紅色lines[0].set_linestyle("--") #設(shè)置第1個圖表的線型為虛線plt.setp(lines[1],color="g",label=r"$x^3$")#設(shè)置第2個圖表的顏色和圖示plt.setp(lines,linewidth=3.0) #兩個圖表線寬統(tǒng)一設(shè)置為3print(lines[1]._label) #直接獲取第2個圖表對象的label屬性10.3

基于對象的可視化操作plt.rcParams["font.family"]=%matplotlibinlineimportnumpyasnpfrommatplotlibimportpyplotasplt#X軸和Y軸數(shù)據(jù)x=np.linspace(-1.5*np.pi,2*np.pi,256,endpoint=True)y=np.cos(x)#創(chuàng)建figure對象fig=plt.figure(figsize=(10,4),dpi=1000)#figure對象獲取axes對象ax1=fig.add_subplot(211)#axes對象繪圖ax1.plot(x,y,color="b",linewidth=2.5,linestyle="-",label="cosine")10.3

基于對象的可視化操作%matplotlibinline10.3基于對象的可視#axes對象調(diào)整坐標軸ax1.spines['right'].set_color("none")ax1.spines['top'].set_color("none")ax1.spines['bottom'].set_position(('data',0))ax1.spines['left'].set_position(('data',0))#axes對象獲取axis對象x_axis=ax1.get_xaxis()y_axis=ax1.get_yaxis()#axis對象設(shè)置數(shù)據(jù)軸寬度、修改刻度、刻度標簽x_axis.set_data_interval(x.min()*1.1,x.max()*1.1)x_axis.set_ticks([-1.5*np.pi,-np.pi,-np.pi/2.0,0,np.pi/2.0,np.pi,1.5*np.pi,2*np.pi])x_axis.set_ticklabels([r"$-3/2\pi$",r"$-\pi$",r"$-\pi/2$",r"$0$",r"$+\pi/2$",r"$+\pi$",r"$+3/2\pi$",r"$+2\pi$"])y_axis.set_data_interval(y.min()*1.1,y.max()*1.1)y_axis.set_ticks([-1,+1])y_axis.set_ticklabels([r"$-1$",r"$+1$"])10.3

基于對象的可視化操作#axes對象調(diào)整坐標軸10.3基于對象的可視化操作#axis對象設(shè)置刻度位置x_axis.set_ticks_position("bottom")y_axis.set_ticks_position("left")#figure對象添加axes對象ax2=fig.add_subplot(212)t=2*np.pi/3ax2.plot([t,t,0],[0,np.sin(t),0],color="r",linewidth=1.5,linestyle="--",label="axis2")ax1.legend(loc="upperleft",frameon=False)ax2.legend(loc="upperleft",frameon=False)fig.show()10.3

基于對象的可視化操作#axis對象設(shè)置刻度位置10.3基于對象的可視化操作10.4配置文件10.4matplotlibrc配置文件是一個文本文件，它實際上是一個字典。配置文件的讀入可以使用rc_params()函數(shù)，它返回一個配置字典。matplotlib模塊在載入時會自動調(diào)用rc_params(),并把得到的配置保存到rcParams字典變量中。matplotlib使用rcParams字典中的配置進行繪圖，用戶可以直接修改此字典中的配置。10.4

配置文件matplotlibrc配置文件是一個文本文件，它實際上是一10.5中文顯示10.5matplotlib默認配置文件中使用的字體無法正確顯示中文字符，為了讓圖表能正確顯示中文字符，有3種解決方案：代碼中直接指定字體修改配置字典變量rcParams中鍵對應(yīng)的值修改配置文件如果要使用windows中Fonts目錄下眾多的復(fù)合字體文件（*.ttc），可以直接創(chuàng)建字體文件的FontsProperties對象，并使用此對象指定圖表中各種文字的字體。frommatplotlib.font_managerimportFontPropertiesfont=FontProperties(fname=r"c:\windows\fonts\simsun.ttc",size=16)10.5中文顯示matplotlib默認配置文件中使用的字體無法正確顯示中文10.6分類圖10.6繪制對數(shù)坐標圖的函數(shù)主要有3個，分別是：semilogx()、semilogy()和loglog()，它們分別繪制X軸、Y軸以及XY軸為對數(shù)坐標的圖表。10.6.1

對數(shù)坐標圖繪制對數(shù)坐標圖的函數(shù)主要有3個，分別是：10.6.1對數(shù)坐創(chuàng)建極坐標圖表可以通過subplot()函數(shù)來完成，設(shè)置該函數(shù)的關(guān)鍵值參數(shù)poplar=True即可。使用rgrids()函數(shù)設(shè)置同心圓柵格的半徑大小和文字標注角度，使用thetagrids()設(shè)置放射線柵格的角度。plt.subplot(121,polar=True) #創(chuàng)建極坐標子圖1plt.plot(theta,theta/6,linewidth=2.0)plt.plot(3*theta,theta/3,"--",linewidth=2.0)plt.rgrids(np.arange(0.5,2,0.5),angle=45) plt.thetagrids([0,60]) 10.6.2極坐標圖創(chuàng)建極坐標圖表可以通過subplot()函數(shù)來完成，設(shè)置該函直方圖是為了直觀顯示數(shù)據(jù)的分布情況，直方圖的橫軸表示數(shù)據(jù)，縱軸表示數(shù)據(jù)出現(xiàn)的次數(shù)。使用hist()函數(shù)可以繪制直方圖，它的第1個參數(shù)表示數(shù)據(jù)，不能省略，其它參數(shù)為關(guān)鍵字參數(shù)，其中bins表示直方圖的柱子數(shù)，normed表示是否歸一化，alpha表示透明度，histtype設(shè)置直方圖的類型，facecolor設(shè)置顏色等。10.6.3直方圖直方圖是為了直觀顯示數(shù)據(jù)的分布情況，直方圖的橫軸表示數(shù)據(jù)，縱frommatplotlibimportpyplotaspltdata1=np.random.randn(100000)#生成100000個(0,1)符合正態(tài)分布的樣本data2=np.random.rand(100000)#生成100000個(0,1)符合均勻分布的樣本plt.hist(data1,100,alpha=0.7,normed=True)plt.hist(data2,100,alpha=0.4,normed=True)plt.grid(True,ls='--') #繪制網(wǎng)格plt.legend(["Normal","Uniform"])

#設(shè)置圖例plt.show()10.6.3直方圖frommatplotlibimportpyplot10.6.3直方圖10.6.3直方圖柱狀圖用每根柱子的長度表示值的大小，它們通常用來比較兩組或多組值。柱狀圖主要用于查看各分組數(shù)據(jù)的數(shù)量分布，以及各個分組數(shù)據(jù)之間的數(shù)量比較。使用bar()函數(shù)可以繪制垂直柱狀圖，它的第1個參數(shù)為每根柱子左邊緣的橫坐標，第2個參數(shù)為每根柱子的高度，第三個參數(shù)指定所有柱子的寬度，默認是0.8。grid()函數(shù)用于繪制網(wǎng)格，通過對參數(shù)的個性化設(shè)置，可以繪制出個性化的網(wǎng)格。10.6.4柱狀圖柱狀圖用每根柱子的長度表示值的大小，它們通常用來比較兩組或多data1=[107,115,145,212,280,338,350,358,368]data2=[190,260,310,380,410,500,510,580,600] years=np.arange(2000,2009,1) #創(chuàng)建數(shù)組plt.figure(figsize=(10,6))plt.bar(years,data2,label="大學(xué)錄取人數(shù)",color="b",width=0.3,alpha=0.3)forx,yinzip(years,data2):plt.text(x,y,y,ha="center",va="bottom")plt.bar(years+0.3,data1,label="大學(xué)畢業(yè)人數(shù)",color="g",width=0.3,alpha=0.6）plt.grid(color="r",linestyle="--",linewidth=1,axis="y",alpha=0.4) forx,zinzip(years+0.3,data1):plt.text(x,z,z,ha="center",va="bottom") plt.xlabel("年度")plt.ylabel("大學(xué)錄取/畢業(yè)人數(shù)（萬）")plt.title("中國大學(xué)錄取/畢業(yè)人數(shù)數(shù)據(jù)（2000年-2008年）")10.6.4柱狀圖data1=[107,115,145,212,280,310.6.4柱狀圖10.6.4柱狀圖10.6.5餅狀圖

餅狀圖是將各項的大小與各項總和的比例顯示在一張“餅”上，以“餅”的大小來確定每一項的占比。餅狀圖可以比較清楚地反映出部分與部分、部分與整體之間的比例關(guān)系，易于顯示每組數(shù)據(jù)相對于總數(shù)的大小，而且顯示方式比較直觀。

pyplot中繪制餅狀圖使用函數(shù)pie()。pie()中參數(shù)startangel設(shè)置開始角度，autopct設(shè)置數(shù)值顯示方式，radius設(shè)置半徑，默認為110.6.5餅狀圖餅狀圖是將各項的大小與各項總和的比fig=plt.figure(figsize=(8,3))ax1=fig.add_subplot(1,2,1) #定義子圖1plt.sca(ax1) #選擇子圖1plt.pie(data1,explode=explode1,labels=label1,autopct="%1.1f%%",startangle=45,radius=0.8)ax2=fig.add_subplot(1,2,2) #定義子圖2plt.sca(ax2) #選擇子圖2plt.pie(data2,explode=explode2,labels=label2,autopct="%1.1f%%",startangle=90)plt.show()10.6.5餅狀圖fig=plt.figure(figsize=(8,3)10.6.5餅狀圖10.6.5餅狀圖10.6.6散點圖

散點圖可以用來呈現(xiàn)數(shù)據(jù)點的分布，表現(xiàn)兩個元素之間的相關(guān)性。

scatter()函數(shù)可以用來繪制散點圖，傳入X和Y軸坐標數(shù)據(jù)即可。x=np.random.random(50) #產(chǎn)生50個0到1之間的隨機數(shù)y=x+np.random.random(50)/8 #模擬X和Y之間的相關(guān)性plt.scatter(x,y,s=x*300,c='r',marker='*') #參數(shù)s指定大小，c設(shè)置顏色，marker設(shè)置形狀plt.show()10.6.6散點圖散點圖可以用來呈現(xiàn)數(shù)據(jù)點的分布10.6.7箱線圖

箱線圖可以觀察最小值、下四分位數(shù)、中位數(shù)、上四分位數(shù)和最大值，它可以粗略地看出數(shù)據(jù)是否具有對稱性、分布的分散程度等信息，特別是可以對幾個樣本進行比較。

pyplot中繪制箱線圖的函數(shù)是boxplot()。boxplot()函數(shù)中參數(shù)notch設(shè)置中間箱體是否有缺口，labels指定箱線圖的標簽，meanline表示是否顯示均值線

data1=[107,115,145,212,280,338,350,358,368]data2=[900,260,310,380,410,500,510,580,600]label=["畢業(yè)人數(shù)","錄取人數(shù)"]plt.boxplot((data1,data2),notch=True,labels=label,meanline=True) 10.6.7箱線圖箱線圖可以觀察最小值、下四分位數(shù)、10.6.8三維繪圖

mpl_toolkits.mplot3d模塊在matplotlib基礎(chǔ)上提供了三維繪圖的功能，由于它使用matplotlib的二維繪圖功能來實現(xiàn)三維圖形的繪制工作，因此繪圖速度有限，不適合用于大規(guī)模的三維繪圖。如果讀者需要更加復(fù)雜的三維數(shù)據(jù)可視化功能，可以使用Mayavi。

10.6.8三維繪圖mpl_toolkits.mp10.7seaborn可視化10.710.7.1seaborn樣式seaborn預(yù)先設(shè)計好了5種主題樣式：darkgrid、dark、whitegrid、white和ticks，默認使用darkgrid主題樣式。searborn庫的set()方法可以設(shè)置主題、調(diào)色板等多個樣式。importseabornassns #導(dǎo)入seaborn擴展庫sns.set(style="whitegrid",palette="muted",color_codes=True) #set()中style參數(shù)設(shè)置主題，palette參數(shù)設(shè)置調(diào)色板，color_codes參數(shù)設(shè)置顏色代碼10.7.1seaborn樣式seaborn預(yù)先設(shè)計好了510.7.2分類圖

1.散點圖通過seaborn庫的stripplot()函數(shù)可以繪制散點圖，當散點圖中數(shù)據(jù)較多時，很多散點會被覆蓋，可以通過加入抖動（jitter=True）來解決。如果要看清每個數(shù)據(jù)點，可以使用swarmplot()函數(shù)，該函數(shù)的參數(shù)x和y表示列名，hue參數(shù)表示顏色分類10.7.2分類圖1.散點圖10.7.2分類圖1.散點圖sns.set(style="ticks")tips=sns.load_dataset("tips")#使用seaborn自帶tips數(shù)據(jù)集fig,axes=plt.subplots(1,2,figsize=(8,4))sns.stripplot(x='day',y="total_bill",ax=axes[0],data=tips,hue="smoker") #當數(shù)據(jù)點多時，出現(xiàn)覆蓋情況sns.swarmplot(x='day',y="total_bill",ax=axes[1],data=tips) #避免出現(xiàn)覆蓋情況sns.despine()#去掉邊框10.7.2分類圖1.散點圖2.箱線圖在seaborn中使用boxplot()函數(shù)來繪制箱線圖。sns.set(style="ticks")sns.boxplot(x="day",y="total_bill",hue="smoker",orient="v",palette="Set3",data=tips)#參數(shù)orient設(shè)置朝向，取“v”時沿Y軸方向繪圖，取“h”時沿X軸方向繪圖#x、y參數(shù)表示要繪制的列，hue參數(shù)表示分類變量sns.despine()plt.savefig(r"d:\test.png",dpi=1000,bbox_inches='tight',pad_inches=0)10.7.2分類圖2.箱線圖10.7.2分類圖3.琴形圖琴形圖結(jié)合了箱線圖與核密度估計圖，在seaborn中，使用violinplot()函數(shù)來繪制琴形圖。fig,axes=plt.subplots(1,2,figsize=(13,6)) #創(chuàng)建多子圖，返回fig和axes對象#split參數(shù)可以將分類數(shù)據(jù)進行切分，這樣兩邊的顏色就代表了不同的類別sns.violinplot(x="day",y="total_bill",hue="sex",data=tips,split=True,ax=axes[0])#hue參數(shù)指定分類依據(jù)，inner參數(shù)對每個數(shù)據(jù)進行可視化sns.violinplot(x="day",y="total_bill",hue="sex",data=tips,inner="stick",ax=axes[1])#琴形圖可以和分類函數(shù)相互結(jié)合，實現(xiàn)更加強大的可視化效果sns.swarmplot(x="day",y="total_bill",data=tips,color="R",alpha=.6,ax=axes[0])3.琴形圖4.柱狀圖seaborn中使用barplot()函數(shù)來繪制柱狀圖，默認情況下使用該函數(shù)繪制的y軸是變量分布的平均值，并且在每個柱狀條上繪制誤差線。sns.barplot(x="day",y="tip",hue="sex",data=tips)4.柱狀圖

5.計數(shù)圖柱狀圖中，常常繪制類別的計數(shù)柱狀圖。在seaborn中，使用countplot()函數(shù)就可以完成。sns.countplot(x="day",data=tips,palette="Set2")5.計數(shù)圖

6.分組關(guān)系圖seaborn中，使用factorplot()函數(shù)完成分組統(tǒng)計功能。sns.factorplot(x="size",col="sex",data=tips,col_wrap=2,kind="count",size=4,aspect=.9)#參數(shù)col指定分組依據(jù)，參數(shù)col_wrap指定每行最多平鋪數(shù)，kind指定繪圖類型，size參數(shù)指定每個面的高度，aspect參數(shù)指定縱橫比，每個面的寬度由size×aspect共同確定。6.分組關(guān)系圖

7.單變量分布圖單變量分布圖的繪制使用seaborn中的distplot()函數(shù)，默認情況下繪制一個直方圖，并嵌套一個與之對應(yīng)的密度圖。fig,axes=plt.subplots(2,2,figsize=(10,6))#多子圖方式繪圖sns.distplot(tips["tip"],ax=axes[0][0]) #默認方式繪制一個直方圖和密度圖sns.distplot(tips["tip"],kde=False,ax=axes[0][1]) #kde為False時不繪制密度圖sns.distplot(tips["tip"],hist=False,ax=axes[1][0])#hist為False時不繪制直方圖sns.distplot(tips["tip"],rug=True,ax=axes[1][1]) #rug為True時為每個樣本點添加小細線7.單變量分布圖

8.多變量分布圖為了繪制兩個變量的分布關(guān)系，常常使用散點圖的方法。在seaborn中，使用jointplot()函數(shù)繪制一個多面板圖，不僅可以顯示兩個變量的關(guān)系，還可以顯示每個單變量的分布關(guān)系。sns.jointplot(x="tip",y="total_bill",data=tips,kind="reg",color="b")#參數(shù)x、y表示數(shù)據(jù)集中的列名，只能是數(shù)字。#參數(shù)data表示數(shù)據(jù)集，參數(shù)kind表示分類圖的類型#kind取kde表示密度圖，kind取reg表示回歸圖，kind默認取scatter表示點散圖8.多變量分布圖

在數(shù)據(jù)集中，如果要體現(xiàn)多個變量的分布情況，就需要成對的二元分布圖。在seaborn中，可以使用pairplot()函數(shù)來完成二元分布圖，該函數(shù)會創(chuàng)建一個軸矩陣，以此顯示每兩列的關(guān)系，在主對角線上為單變量的分布情況。pairplot()只對數(shù)值型的列有效，其中參數(shù)diag_kind表示對角線子圖的類型，可以取hist和kde，分別表示直方圖和密度圖，默認對角線為直方圖；參數(shù)hue指定分類變量；參數(shù)kind指定非對角線子圖類型，默認為散點圖，取reg時為回歸圖，取scatter時為散點圖。sns.pairplot(tips,diag_kind="hist",hue="sex",markers=["x","o"])在數(shù)據(jù)集中，如果要體現(xiàn)多個變量的分布情況，就需要成對的二9.熱力圖利用熱力圖可以查看數(shù)據(jù)集中多個特征之間兩兩相關(guān)性的強弱。seaborn中heatmap()函數(shù)提供了熱力圖的繪制功能。ssns.set(font='SimHei') #設(shè)置中文字體sns.heatmap(tips.corr(),xticklabels=True,yticklabels=True,cmap='rainbow',annot=True,square=True)#tips.corr()計算tips數(shù)據(jù)集中每兩列之間的相關(guān)性，xticklabels參數(shù)為True時，繪制列名，annot參數(shù)決定是否在網(wǎng)格中寫入數(shù)字，square參數(shù)設(shè)置網(wǎng)格是否為正方形，cmap參數(shù)是colormap對象名或者顏色名稱，fnt參數(shù)指定網(wǎng)格中數(shù)據(jù)的顯示格式9.熱力圖10.回歸圖回歸圖，來揭示兩個變量之間的線性關(guān)系。seaborn中使用regplot()和lmplot()函數(shù)來繪制回歸圖，其繪制的圖表是一樣的，但是兩者傳入的參數(shù)略有不同。

sns.lmplot("total_bill","tip",hue="smoker",markers=["x","o"],data=tips)#使用hue參數(shù)可以加入一個分類變量，通過不同顏色來表示10.回歸圖總結(jié)數(shù)據(jù)可視化可以方便有效地傳達與溝通信息，Python提供了眾多的數(shù)據(jù)可視化工具包，其中matplotlib是經(jīng)典的二維圖形繪制工具包，借助它可以繪制日常中常見的圖表，但是其在主題、數(shù)據(jù)簡單分析方面有一定欠缺。seaborn作為matplotlib的擴展包，正好彌補這方面的缺陷。本章詳細介紹了折線圖、箱線圖、餅圖、散點圖、柱狀圖、琴形圖、回歸圖的繪制方法，使用時可以根據(jù)每種圖表的特點合理選用，通過圖表分析數(shù)據(jù)潛在關(guān)聯(lián)，發(fā)現(xiàn)數(shù)據(jù)后面隱藏的有價值信息。總結(jié)數(shù)據(jù)可視化可以方便有效地傳達與溝通信息，Python提供感謝感謝謝謝，精品課件資料搜集謝謝，精品課件資料搜集《Python大數(shù)據(jù)基礎(chǔ)與實戰(zhàn)》配套課件Python大數(shù)據(jù)基礎(chǔ)與實戰(zhàn)《Python大數(shù)據(jù)基礎(chǔ)與實戰(zhàn)》配套課件Python大數(shù)據(jù)基

第十章數(shù)據(jù)可視化技術(shù)第十章數(shù)據(jù)可視化技術(shù)10.1pyplot基本繪圖流程10.2基于函數(shù)的可視化操作10.3基于對象的可視化技術(shù)10.4配置文件10.5中文顯示10.6分類圖10.7seaborn可視化10.1pyplot基本繪圖流程10.2基于函數(shù)的可視化10.1pyplot繪圖基本流程10.110.1pyplot繪圖基本流程

matplotlib是一套基于NumPy的繪圖工具包，是Python中最著名的繪圖包之一。matplotlib十分適合交互式繪制圖表，可以很方便地設(shè)計和輸出二維和三維的圖表。matplotlib工具包提供了pyplot模塊完成對圖形的繪制，大部分的pyplot圖形繪制都遵循一個流程，使用這個流程可以完成大部分圖形的繪制。10.1pyplot繪圖基本流程matplot10.1pyplot繪圖基本流程10.1pyplot繪圖基本流程Matplotlib提出了ObjectContainer概念，它有Figure、Axes、Axis和Tick四種類型的對象容器。

Figure負責(zé)圖像大小、位置等操作。

Axes負責(zé)坐標系的位置、繪圖等操作。

Axis負責(zé)坐標軸的操作。

Tick負責(zé)刻度的相關(guān)操作。

Figure包含Axes、Axes包含Axis，Axis包含Tick。

Matplotlib提出了ObjectC10.2基于函數(shù)的可視化操作10.210.2基于函數(shù)的可視化操作

為了方便快速繪圖，matplotlib通過pyplot模塊提供了一套和matlab類似的繪圖函數(shù)，只需要調(diào)用pyplot模塊所提供的函數(shù)，就可以實現(xiàn)快速繪圖及設(shè)置圖表的各種細節(jié)。

#使用pyplot之前首先要導(dǎo)入所在的模塊

frommatplotlibimportpyplotaspltimportmatplotlib.pyplotasplt#將要顯示的圖片嵌入到JupyterNotebook中%matplotlibinline

10.2基于函數(shù)的可視化操作為了方便快速繪圖，mat10.2基于函數(shù)的可視化操作1.常用繪圖函數(shù)1）創(chuàng)建圖表和創(chuàng)建子圖繪圖前可以先創(chuàng)建一個空白的圖表，并且可以選擇是否將整個圖表劃分為多個子圖，以方便在同一幅圖上繪制多個圖形。當只需要繪制一幅簡單的圖形時，這部分內(nèi)容可以省略。figure()該函數(shù)創(chuàng)建一個圖表對象，并且成為當前的Figure對象。也可以不創(chuàng)建Figure對象而直接調(diào)用plot()進行繪圖，這時matplotlib會自動創(chuàng)建一個Figure對象。10.2基于函數(shù)的可視化操作1.常用繪圖函數(shù)subplot()可以將一個圖表劃分成多個子圖進行繪制，該函數(shù)用來設(shè)置子圖，第1個參數(shù)是行數(shù)，第2個參數(shù)是列數(shù)，第3個參數(shù)是子圖的編號subplots()

該函數(shù)返回Figure對象和子圖對應(yīng)的Axes對象數(shù)組，Axes是可以進行繪圖操作的對象10.2基于函數(shù)的可視化操作subplot()10.2基于函數(shù)的可視化操作2）添加圖表內(nèi)容添加標題、添加坐標軸名稱、繪制圖形、添加圖例等步驟是并列的，沒有先后順序?？梢韵壤L制圖形，也可以先添加各種標簽。但是添加圖例一定要在繪制圖形之后。plot()

創(chuàng)建figure對象之后，接下來調(diào)用plot()在當前的figure對象中繪圖。plot()的前兩個參數(shù)是表示X、Y軸數(shù)據(jù)的對象，后面參數(shù)是一個格式化字符串，由顏色字符、風(fēng)格字符和標記字符組成10.2基于函數(shù)的可視化操作2）添加圖表內(nèi)容10.2基于函數(shù)的可視化操作title()、text()

在當前圖表中添加標題、文本注釋信息legend()

設(shè)置圖例xlabel()、ylabel()

添加X軸和Y軸名稱xlim()、ylim()

設(shè)置當前圖表的X軸和Y軸取值范圍xticks()、yticks()

指定X軸和Y軸刻度的數(shù)目與取值10.2基于函數(shù)的可視化操作title()、text()10.2基于函數(shù)的可視化操作3）保存與顯示圖形savefig()

保存繪制的圖形到文件中，可以指定圖形的分辨率、邊緣的顏色等參數(shù)show()顯示圖形10.2基于函數(shù)的可視化操作3）保存與顯示圖形10.2基于函數(shù)的可視化操作10.2基于函數(shù)的可視化操作%matplotlibinlinefrommatplotlibimportpyplotasplt #導(dǎo)入pyplot庫importnumpyasnp #導(dǎo)入科學(xué)計算庫numpy#設(shè)置中文字體font={'family':"KaiTi", #字庫：楷體"weight":"bold", #加粗"size":16 #字號}plt.rc("font",**font) #設(shè)置配置參數(shù)plt.rc("axes",unicode_minus=False) #處理負號顯示問題10.2基于函數(shù)的可視化操作%matplotlibinl#創(chuàng)建繪圖數(shù)據(jù)x=np.arange(0.0,2.0,0.01) #x軸數(shù)據(jù)[0.0,2.0)，間隔0.01y=1+np.sin(2*np.pi*x) #y軸數(shù)據(jù)1+sin(2Πx)fig=plt.figure(figsize=(20,8)) #設(shè)置圖片寬度20英寸，高度8英寸plt.plot(x,y,"r--") #繪圖參數(shù)設(shè)置plt.xlabel("時間/s") #設(shè)置x軸標簽plt.ylabel("電壓/mv") #設(shè)置y周標簽plt.title("第一個圖形示例")#設(shè)置圖片的標題t=[r"$1+sin(2\pi{x})$"]

#使用LaText語法描繪數(shù)學(xué)公式plt.legend(t,loc="upperleft",frameon=True) #設(shè)置圖例，位置左上，帶邊框10.2基于函數(shù)的可視化操作#創(chuàng)建繪圖數(shù)據(jù)10.2基于函數(shù)的可視化操作10.2基于函數(shù)的可視化操作#savefig()函數(shù)保存圖表到文件，它的參數(shù)可以指定要保存的文件名、分辨率、去除四周空白plt.savefig(r"d:\test2.png",dpi=1000,bbox_inches='tight',pad_inches=0) plt.show()#顯示圖形10.2基于函數(shù)的可視化操作#savefig()函數(shù)保存圖10.2基于函數(shù)的可視化操作2.

繪制多個子圖一個Figure對象可以包含多個子圖（Axes），在matplotlib中用Axes對象表示一個繪圖區(qū)域（子圖）?？梢杂胹ubplot()函數(shù)快速繪制包含多個子圖的圖表。

subplot(nrows,ncols,index,**kwargs)整個繪圖區(qū)域被等分為nrows行和ncols列，然后按照從左到右、從上到下的順序?qū)γ總€區(qū)域進行編號，左上區(qū)域的編號為1。index參數(shù)指定創(chuàng)建Axes對象所在的區(qū)域。如果3個參數(shù)的值都小于10，那么就可以把它們縮寫成一個整數(shù)。如223表示第2行第1列的子圖。10.2基于函數(shù)的可視化操作2.繪制多個子圖plt.figure(1) #創(chuàng)建圖表1plt.figure(2) #創(chuàng)建圖表2ax1=plt.subplot(211) #在圖表2中創(chuàng)建子圖1ax2=plt.subplot(212) #在圖表2中創(chuàng)建子圖2x=np.linspace(0,3,100) #生成X軸數(shù)據(jù)plt.figure(1)foriinrange(5):

plt.plot(x,np.exp(i*x/3),label=r"$e^{%dx}$"%i) #在圖表1中繪圖

plt.legend() #顯示圖例10.2基于函數(shù)的可視化操作plt.figure(1) #創(chuàng)

plt.sca(ax1) #選擇圖表2的子圖1

plt.plot(x,i+x,label=r"%d+x"%i) #在圖表2的子圖1中繪圖

plt.legend()

plt.sca(ax2) #選擇圖表2的子圖2

plt.plot(x,np.cos(i*x),label=r"cos%dx"%i) #在圖表2的子圖2中繪圖

plt.legend()

plt.figure(1)

plt.savefig("d:/test1.png") #圖表1存盤

plt.figure(2)

plt.show() 10.2基于函數(shù)的可視化操作 plt.sca(ax1) #選擇10.2基于函數(shù)的可視化操作10.2基于函數(shù)的可視化操作10.3基于對象的可視化操作10.310.3

基于對象的可視化操作

為了將面向?qū)ο蟮睦L圖庫封裝成使用函數(shù)的調(diào)用接口，pyplot模塊內(nèi)部保存了當前圖表以及當前子圖等信息。當前的圖表和子圖可以通過gcf()和gca()獲得，其中g(shù)cf()獲得表示圖表的Figure對象，gca()獲得表示子圖的Axes對象。使用matplotlib繪制的圖表每個組成部分都和一個對象對應(yīng)，可以通過調(diào)用這些對象的屬性設(shè)置方法set_*()或者pyplot模塊的屬性設(shè)置方法setp()來設(shè)置它們的屬性值，也可以通過屬性獲取方法get_*()或者pyplot模塊的屬性獲取方法getp()來獲取對象的屬性，或者直接獲取對象的屬性。10.3基于對象的可視化操作為了將面向?qū)ο蟮睦L圖庫封plt.rcParams["font.family"]="KaiTi" #使用楷體字庫plt.rcParams["font.size"]="16" #設(shè)置字體大小x=np.arange(0,5,0.1)

#生成X軸數(shù)據(jù)lines=plt.plot(x,x**2,x,x**3)#plot()返回一個元素類型為Line2D的列表lines[0].set_label(r"$x^2$") #設(shè)置第1個圖表的圖示x2lines[0]._color="r" #設(shè)置第1個圖表對象的顏色為紅色lines[0].set_linestyle("--") #設(shè)置第1個圖表的線型為虛線plt.setp(lines[1],color="g",label=r"$x^3$")#設(shè)置第2個圖表的顏色和圖示plt.setp(lines,linewidth=3.0) #兩個圖表線寬統(tǒng)一設(shè)置為3print(lines[1]._label) #直接獲取第2個圖表對象的label屬性10.3

基于對象的可視化操作plt.rcParams["font.family"]=%matplotlibinlineimportnumpyasnpfrommatplotlibimportpyplotasplt#X軸和Y軸數(shù)據(jù)x=np.linspace(-1.5*np.pi,2*np.pi,256,endpoint=True)y=np.cos(x)#創(chuàng)建figure對象fig=plt.figure(figsize=(10,4),dpi=1000)#figure對象獲取axes對象ax1=fig.add_subplot(211)#axes對象繪圖ax1.plot(x,y,color="b",linewidth=2.5,linestyle="-",label="cosine")10.3

基于對象的可視化操作%matplotlibinline10.3基于對象的可視#axes對象調(diào)整坐標軸ax1.spines['right'].set_color("none")ax1.spines['top'].set_color("none")ax1.spines['bottom'].set_position(('data',0))ax1.spines['left'].set_position(('data',0))#axes對象獲取axis對象x_axis=ax1.get_xaxis()y_axis=ax1.get_yaxis()#axis對象設(shè)置數(shù)據(jù)軸寬度、修改刻度、刻度標簽x_axis.set_data_interval(x.min()*1.1,x.max()*1.1)x_axis.set_ticks([-1.5*np.pi,-np.pi,-np.pi/2.0,0,np.pi/2.0,np.pi,1.5*np.pi,2*np.pi])x_axis.set_ticklabels([r"$-3/2\pi$",r"$-\pi$",r"$-\pi/2$",r"$0$",r"$+\pi/2$",r"$+\pi$",r"$+3/2\pi$",r"$+2\pi$"])y_axis.set_data_interval(y.min()*1.1,y.max()*1.1)y_axis.set_ticks([-1,+1])y_axis.set_ticklabels([r"$-1$",r"$+1$"])10.3

基于對象的可視化操作#axes對象調(diào)整坐標軸10.3基于對象的可視化操作#axis對象設(shè)置刻度位置x_axis.set_ticks_position("bottom")y_axis.set_ticks_position("left")#figure對象添加axes對象ax2=fig.add_subplot(212)t=2*np.pi/3ax2.plot([t,t,0],[0,np.sin(t),0],color="r",linewidth=1.5,linestyle="--",label="axis2")ax1.legend(loc="upperleft",frameon=False)ax2.legend(loc="upperleft",frameon=False)fig.show()10.3

基于對象的可視化操作#axis對象設(shè)置刻度位置10.3基于對象的可視化操作10.4配置文件10.4matplotlibrc配置文件是一個文本文件，它實際上是一個字典。配置文件的讀入可以使用rc_params()函數(shù)，它返回一個配置字典。matplotlib模塊在載入時會自動調(diào)用rc_params(),并把得到的配置保存到rcParams字典變量中。matplotlib使用rcParams字典中的配置進行繪圖，用戶可以直接修改此字典中的配置。10.4

配置文件matplotlibrc配置文件是一個文本文件，它實際上是一10.5中文顯示10.5matplotlib默認配置文件中使用的字體無法正確顯示中文字符，為了讓圖表能正確顯示中文字符，有3種解決方案：代碼中直接指定字體修改配置字典變量rcParams中鍵對應(yīng)的值修改配置文件如果要使用windows中Fonts目錄下眾多的復(fù)合字體文件（*.ttc），可以直接創(chuàng)建字體文件的FontsProperties對象，并使用此對象指定圖表中各種文字的字體。frommatplotlib.font_managerimportFontPropertiesfont=FontProperties(fname=r"c:\windows\fonts\simsun.ttc",size=16)10.5中文顯示matplotlib默認配置文件中使用的字體無法正確顯示中文10.6分類圖10.6繪制對數(shù)坐標圖的函數(shù)主要有3個，分別是：semilogx()、semilogy()和loglog()，它們分別繪制X軸、Y軸以及XY軸為對數(shù)坐標的圖表。10.6.1

對數(shù)坐標圖繪制對數(shù)坐標圖的函數(shù)主要有3個，分別是：10.6.1對數(shù)坐創(chuàng)建極坐標圖表可以通過subplot()函數(shù)來完成，設(shè)置該函數(shù)的關(guān)鍵值參數(shù)poplar=True即可。使用rgrids()函數(shù)設(shè)置同心圓柵格的半徑大小和文字標注角度，使用thetagrids()設(shè)置放射線柵格的角度。plt.subplot(121,polar=True) #創(chuàng)建極坐標子圖1plt.plot(theta,theta/6,linewidth=2.0)plt.plot(3*theta,theta/3,"--",linewidth=2.0)plt.rgrids(np.arange(0.5,2,0.5),angle=45) plt.thetagrids([0,60]) 10.6.2極坐標圖創(chuàng)建極坐標圖表可以通過subplot()函數(shù)來完成，設(shè)置該函直方圖是為了直觀顯示數(shù)據(jù)的分布情況，直方圖的橫軸表示數(shù)據(jù)，縱軸表示數(shù)據(jù)出現(xiàn)的次數(shù)。使用hist()函數(shù)可以繪制直方圖，它的第1個參數(shù)表示數(shù)據(jù)，不能省略，其它參數(shù)為關(guān)鍵字參數(shù)，其中bins表示直方圖的柱子數(shù)，normed表示是否歸一化，alpha表示透明度，histtype設(shè)置直方圖的類型，facecolor設(shè)置顏色等。10.6.3直方圖直方圖是為了直觀顯示數(shù)據(jù)的分布情況，直方圖的橫軸表示數(shù)據(jù)，縱frommatplotlibimportpyplotaspltdata1=np.random.randn(100000)#生成100000個(0,1)符合正態(tài)分布的樣本data2=np.random.rand(100000)#生成100000個(0,1)符合均勻分布的樣本plt.hist(data1,100,alpha=0.7,normed=True)plt.hist(data2,100,alpha=0.4,normed=True)plt.grid(True,ls='--') #繪制網(wǎng)格plt.legend(["Normal","Uniform"])

#設(shè)置圖例plt.show()10.6.3直方圖frommatplotlibimportpyplot10.6.3直方圖10.6.3直方圖柱狀圖用每根柱子的長度表示值的大小，它們通常用來比較兩組或多組值。柱狀圖主要用于查看各分組數(shù)據(jù)的數(shù)量分布，以及各個分組數(shù)據(jù)之間的數(shù)量比較。使用bar()函數(shù)可以繪制垂直柱狀圖，它的第1個參數(shù)為每根柱子左邊緣的橫坐標，第2個參數(shù)為每根柱子的高度，第三個參數(shù)指定所有柱子的寬度，默認是0.8。grid()函數(shù)用于繪制網(wǎng)格，通過對參數(shù)的個性化設(shè)置，可以繪制出個性化的網(wǎng)格。10.6.4柱狀圖柱狀圖用每根柱子的長度表示值的大小，它們通常用來比較兩組或多data1=[107,115,145,212,280,338,350,358,368]data2=[190,260,310,380,410,500,510,580,600] years=np.arange(2000,2009,1) #創(chuàng)建數(shù)組plt.figure(figsize=(10,6))plt.bar(years,data2,label="大學(xué)錄取人數(shù)",color="b",width=0.3,alpha=0.3)forx,yinzip(years,data2):plt.text(x,y,y,ha="center",va="bottom")plt.bar(years+0.3,data1,label="大學(xué)畢業(yè)人數(shù)",color="g",width=0.3,alpha=0.6）plt.grid(color="r",linestyle="--",linewidth=1,axis="y",alpha=0.4) forx,zinzip(years+0.3,data1):plt.text(x,z,z,ha="center",va="bottom") plt.xlabel("年度")plt.ylabel("大學(xué)錄取/畢業(yè)人數(shù)（萬）")plt.title("中國大學(xué)錄取/畢業(yè)人數(shù)數(shù)據(jù)（2000年-2008年）")10.6.4柱狀圖data1=[107,115,145,212,280,310.6.4柱狀圖10.6.4柱狀圖10.6.5餅狀圖

餅狀圖是將各項的大小與各項總和的比例顯示在一張“餅”上，以“餅”的大小來確定每一項的占比。餅狀圖可以比較清楚地反映出部分與部分、部分與整體之間的比例關(guān)系，易于顯示每組數(shù)據(jù)相對于總數(shù)的大小，而且顯示方式比較直觀。

pyplot中繪制餅狀圖使用函數(shù)pie()。pie()中參數(shù)startangel設(shè)置開始角度，autopct設(shè)置數(shù)值顯示方式，radius設(shè)置半徑，默認為110.6.5餅狀圖餅狀圖是將各項的大小與各項總和的比fig=plt.figure(figsize=(8,3))ax1=fig.add_subplot(1,2,1) #定義子圖1plt.sca(ax1) #選擇子圖1plt.pie(data1,explode=explode1,labels=label1,autopct="%1.1f%%",startangle=45,radius=0.8)ax2=fig.add_subplot(1,2,2) #定義子圖2plt.sca(ax2) #選擇子圖2plt.pie(data2,explode=explode2,labels=label2,autopct="%1.1f%%",startangle=90)plt.show()10.6.5餅狀圖fig=plt.figure(figsize=(8,3)10.6.5餅狀圖10.6.5餅狀圖10.6.6散點圖

散點圖可以用來呈現(xiàn)數(shù)據(jù)點的分布，表現(xiàn)兩個元素之間的相關(guān)性。

scatter()函數(shù)可以用來繪制散點圖，傳入X和Y軸坐標數(shù)據(jù)即可。x=np.random.random(50) #產(chǎn)生50個0到1之間的隨機數(shù)y=x+np.random.random(50)/8 #模擬X和Y之間的相關(guān)性plt.scatter(x,y,s=x*300,c='r',marker='*') #參數(shù)s指定大小，c設(shè)置顏色，marker設(shè)置形狀plt.show()10.6.6散點圖散點圖可以用來呈現(xiàn)數(shù)據(jù)點的分布10.6.7箱線圖

箱線圖可以觀察最小值、下四分位數(shù)、中位數(shù)、上四分位數(shù)和最大值，它可以粗略地看出數(shù)據(jù)是否具有對稱性、分布的分散程度等信息，特別是可以對幾個樣本進行比較。

pyplot中繪制箱線圖的函數(shù)是boxplot()。boxplot()函數(shù)中參數(shù)notch設(shè)置中間箱體是否有缺口，labels指定箱線圖的標簽，meanline表示是否顯示均值線

data1=[107,115,145,212,280,338,350,358,368]data2=[900,260,310,380,410,500,510,580,600]label=["畢業(yè)人數(shù)","錄取人數(shù)"]plt.boxplot((data1,data2),notch=True,labels=label,meanline=True) 10.6.7箱線圖箱線圖可以觀察最小值、下四分位數(shù)、10.6.8三維繪圖

mpl_toolkits.mplot3d模塊在matplotlib基礎(chǔ)上提供了三維繪圖的功能，由于它使用matplotlib的二維繪圖功能來實現(xiàn)三維圖形的繪制工作，因此繪圖速度有限，不適合用于大規(guī)模的三維繪圖。如果讀者需要更加復(fù)雜的三維數(shù)據(jù)可視化功能，可以使用Mayavi。

10.6.8三維繪圖mpl_toolkits.mp10.7seaborn可視化10.710.7.1seaborn樣式seaborn預(yù)先設(shè)計好了5種主題樣式：darkgrid、dark、whitegrid、white和ticks，默認使用darkgrid主題樣式。searborn庫的set()方法可以設(shè)置主題、調(diào)色板等多個樣式。importseabornassns #導(dǎo)入seaborn擴展庫sns.set(style="whitegrid",palette="muted",color_codes=True) #set()中style參數(shù)設(shè)置主題，pal