python可视化

Python常用的可视化工具包包括：Matplotlib和Seaborn

他们两者之间的关系就相当于NumPy和Pandas的关系

Seaborn是基于Matplotlib更加高级的可视化库

matplotlib文档

Matplotlib

约定俗成的引入方式：import matplotlib.pyplot as plt

Seaborn

约定俗成的引入方式：import seaborn as sns

至于为什么叫sns有2种说法

• sns可以理解为：seaborn space（seaborn命名空间）的缩写
• 美剧The West Wing里有一个人物名叫Samuel Norman Seaborn, 首字母简写为SNS

当然，如果你是一个不按规矩出牌的人，你要叫sb也是可以的

折线图

以折线的上升或下降来表示统计数量的增减变化的统计图

特点：能够显示数据的变化趋势，反映事物的变化情况（变化）

import matplotlib.pyplot as plt

# 数据准备，x最好是升序的，否则画出来的就不是折线图
x = [2010, 2011, 2012, 2013, 2014, 2015, 2016, 2017, 2018, 2019, 2020, 2021]
y = [5, 3, 6, 20, 17, 16, 19, 30, 32, 35, 666, 888]

# 使用Matplotlib画折线图
plt.plot(x, y)
plt.show()

子图

如果在有子图的场景，直接使用plt.plot()等，默认是在最后一张图上生效（一般不建议这样隐式操作）

• nrows：子图的行数
• ncols：子图的列数
• sharex：所有子图使用相同的x轴刻度(调整xlim会影响所有子图)
• sharey：所有子图使用相同的y轴刻度(调整ylim会影响所有子图)
• subplot_kw：传入add_subplot的关键字参数字典，用于生成子图
• **fig_kw：在生成图片时使用的额外关键字参数，例如：plt.subplots(2,2,figsize=(8,6))

默认情况下，matplotlib会在子图的外部和子图之间留出一定的间距。这个间距都是相对于图的高度和宽度来指定的，如果你通过编程或手动使用GUI窗口来调整图的太小，那么图就会自动调整

你可以使用图对象上的subplots_adjust方法更改间距，也可以用作顶层函数plt.subplots_adjust

import matplotlib.pyplot as plt

x = [2010, 2011, 2012, 2013, 2014, 2015, 2016, 2017, 2018, 2019, 2020, 2021]
y = [5, 3, 6, 20, 17, 16, 19, 30, 32, 35, 666, 888]

fig = plt.figure(figsize=(8, 4), dpi=200)
# 2行1列的第1个
ax1 = fig.add_subplot(2, 1, 1)
# 2行1列的第2个
ax2 = fig.add_subplot(2, 1, 2)
ax1.plot(x, y)
ax2.plot(x, y)
plt.show()

# 子图是比较常用的功能，所以plt提供了subplots方法
# axes是根据行列的维度生成的n行n列的ndarray
fig, axes = plt.subplots(2, 3, sharex=True, sharey=True)
# 这里不要用迭代的方式遍历，否则ax_item会被覆盖
indexes = axes.shape
for i in range(indexes[0]):
    for j in range(indexes[1]):
        axes[i][j].plot(x, y)
# subplots_adjust(left=None, bottom=None, right=None, top=None, wspace=None, hspace=None)
# wspace和hspace分别控制图片的宽高百分比，以用作子图的间距
plt.subplots_adjust(wspace=0, hspace=0)
plt.show()

样式

具体可查看matplotlib文档

linestyle

color

import matplotlib.pyplot as plt

x = [2010, 2011, 2012, 2013, 2014, 2015, 2016, 2017, 2018, 2019, 2020, 2021]
y = [5, 3, 6, 20, 17, 16, 19, 30, 32, 35, 666, 888]

fig, axes = plt.subplots(2, 3)

# 绿色虚线
axes[0, 0].plot(x, y, color='g', linestyle='--')
# 绿色点点线
axes[0, 1].plot(x, y, color='green', linestyle=':')
# 绿色加粗虚线（带网格线、x轴标签、y轴标签、总标题）
axes[0, 2].plot(x, y, color='#00ff00', linestyle='--', linewidth=5)
axes[0, 2].grid(alpha=0.3, linestyle=":")
axes[0, 2].set_xlabel("year", fontsize='small')
axes[0, 2].set_ylabel("sales volume", fontsize='small')
axes[0, 2].set_title("year sales volume summary", fontsize='small')

# 黑色虚线
axes[1][0].plot(x, y, 'k--')
# 黑色虚线带点
axes[1][1].plot(x, y, 'ko--')
# 黑色透明度虚线带点（折线图后面的点默认是线性内插的，可以通过drawstyle选项更改）
axes[1][2].plot(x, y, color='black', linestyle='dashed', marker='o', alpha=0.3, drawstyle='steps-post')

plt.show()

刻度、标签

xlim、xticks、xticklabels分别控制了x轴的绘图范围、刻度位置、刻度标签

当它们不传入参数的话，比如：plt.xlim()返回当前x轴的绘图范围

如果在子图中，分别对应get_xxx和set_xxx，比如：ax.set_xlim([0, 1000])

同理，如果在子图中找不到相关函数，可以加set_试下，如：set_xlabel、set_ylabel、set_title等

子图中所有set相关，可以用set一个字典来实现，如：ax.set(**props)

import matplotlib.pyplot as plt

x = [2010, 2011, 2012, 2013, 2014, 2015, 2016, 2017, 2018, 2019, 2020, 2021]
y = [5, 3, 6, 20, 17, 16, 19, 30, 32, 35, 666, 888]

plt.plot(x, y)

# 没有参数，返回当前x轴绘图范围 (2009.45, 2021.55)
print(plt.xlim())
# 设置y轴范围
plt.ylim([0, 1000])
# 设置y轴刻度、标签、旋转、字体样式
plt.yticks(range(0, 2001, 500), [0, '0.5k', '1k', '1.5k', '2k'], rotation=30, fontsize='small')

# 子图中使用get_xxx、set_xxx
fig = plt.figure()
ax = fig.add_subplot(1, 1, 1)
ax.plot(x, y)
# 设置y轴刻度范围
ax.set_ylim([0, 2000])
# 设置y轴刻度位置
ax.set_yticks(range(0, 2001, 500))
# 设置y轴刻度标签，旋转30度，字体样式：小
ax.set_yticklabels([0, '0.5k', '1k', '1.5k', '2k'], rotation=30, fontsize='small')

plt.show()

如果对刻度没有极致的自定义需求的话，也可以使用下面的方式设置

import matplotlib.pyplot as plt
from matplotlib.ticker import FuncFormatter

x = [2010, 2011, 2012, 2013, 2014, 2015, 2016, 2017, 2018, 2019, 2020, 2021]
y = [5, 3, 6, 20, 17, 16, 19, 30, 32, 35, 666, 888]
y = [i * 1000000 for i in y]

def parse_million(value, position):
    return '{}m'.format(int(value / 1000000))


def parse_thousand(value, position):
    return '{}k'.format(int(value / 1000))


def factory(flag):
    if flag == 'million':
        return parse_million
    elif flag == 'thousand':
        return parse_thousand


plt.gca().yaxis.set_major_formatter(FuncFormatter(factory('million')))
plt.plot(x, y)
plt.show()

图例

import matplotlib.pyplot as plt
import numpy as np

x = [2010, 2011, 2012, 2013, 2014, 2015, 2016, 2017, 2018, 2019, 2020, 2021]
y = [5, 3, 6, 20, 17, 16, 19, 30, 32, 35, 666, 888]
y1 = np.array([5, 3, 6, 20, 17, 16, 19, 30, 32, 35, 666, 888]) * 10
y2 = np.array([5, 3, 6, 20, 17, 16, 19, 30, 32, 35, 666, 888]) + 100
y3 = np.array([5, 3, 6, 20, 17, 16, 19, 30, 32, 35, 666, 888]) + 200

plt.plot(x, y, label='y sales volume')
plt.plot(x, y1, label='y1 sales volume')
plt.plot(x, y2)
plt.plot(x, y3, label='_nolegend_')

# 右上
# plt.legend(loc='upper right')

# 最佳位置（y2、y3不会显示在图例中，因为它们没有标签或显示指定了：_nolegend_）
plt.legend(loc='best')
plt.show()

注释与子图加工

注释可能包含：文本、箭头、其他图形，分别对应：text、arrow、annote

import pandas as pd
import matplotlib.pyplot as plt
import numpy as np
from datetime import date, datetime

nsteps = 100
draws = np.random.randint(0, 2, size=nsteps)
steps = np.where(draws > 0, 1, -1)
walk = steps.cumsum()

df = pd.DataFrame({'walk': walk}, index=pd.date_range(
    '2023-01-01', periods=nsteps))

fig = plt.figure()
ax = fig.add_subplot(1, 1, 1)

# 直接用Series.plot，图片的坐标轴有点问题
# df['walk'].plot(ax=ax)
ax.plot(df.index, df['walk'])
ax.set_xlim([date(2023, 1, 1), date(2023, 4, 30)])
dt = pd.date_range('2023-01-01', periods=4, freq='MS')
ax.set_xticks(dt)
ax.set_xticklabels(dt.strftime("%Y%m%d"))
# x轴、y轴、文本注释、字体、字体大小
ax.text(date(2023, 1, 1), df['walk'].iloc[0],
        'start date', family='monospace', fontsize=10)
data = [
    (datetime(2023, 1, 10), 'text in 1/10'),
    (datetime(2023, 2, 10), 'text in 2/10'),
    (datetime(2023, 3, 10), 'text in 3/10'),
]
# 文本注释、xy=箭头的xy轴坐标（如果只有前2个参数，那就是文本注释的xy轴坐标）、arrowprops=箭头、xytext=文本注释的xy轴坐标、horizontalalignment=水平对齐、verticalalignment=垂直对齐
for date, label in data:
    ax.annotate(label, xy=(date, df['walk'].asof(date)), arrowprops=dict(facecolor='black', headwidth=4, width=2, headlength=4), xytext=(
        date, df['walk'].asof(date)+2), horizontalalignment='left', verticalalignment='top')
plt.show()

绘制图形

import matplotlib.pyplot as plt
fig = plt.figure()
ax = fig.add_subplot(1, 1, 1)
# 矩形，左下角坐标、宽度、长度、颜色、透明度
rect = plt.Rectangle((0.2, 0.75), 0.4, 0.15, color='red', alpha=0.3)
# 圆形（画出来是椭圆，因为xy轴比例不是1:1），圆心坐标、半径、颜色、透明度
circ = plt.Circle((0.7, 0.2), 0.15, color='blue', alpha=0.3)
# 多边形，三个点形成三角形、颜色、透明度
pgon = plt.Polygon([(0.15, 0.15), (0.35, 0.4), (0.2, 0.6)],
                   color="green", alpha=0.3)
ax.add_patch(rect)
ax.add_patch(circ)
ax.add_patch(pgon)

plt.show()

保存图片

• fname：包含文件路径或Python文件型对象的字符串。图片格式是从文件扩展名中推断出来的（例如PDF格式的.pdf或PNG格式的.png）
• dpi：每英寸点数的分辨率；默认值100
• facecolor、edgecolor：子图之外的图形背景的颜色；默认值'w'（白色）
• format：文件格式（'png','pdf','svg','ps','eps'...）
• bbox_inches：要保存的图片范围；如果传递'tight'，将会去除掉图片周围的空白的部分

import matplotlib.pyplot as plt
from io import BytesIO
fig = plt.figure()
ax = fig.add_subplot(1, 1, 1)
rect = plt.Rectangle((0.2, 0.75), 0.4, 0.15, color='red', alpha=0.3)
ax.add_patch(rect)
# 保存图片
plt.savefig('test.svg', dpi=400, bbox_inches='tight')
# savefig并不一定要将图片写到硬盘，它可以将图片写入到所有的文件型对象中，例如：BytesIO
buffer = BytesIO()
plt.savefig(buffer)
plot_data = buffer.getvalue()
print(plot_data)

全局设置

如果需要更深入定制和参看全量选项，可以参考site-packages/matplotlib/mpl-data/matplotlibrc

如果你定制了这个文件，并将他放置在Home路径下并且命名为.matplotlibrc，则每次使用matplotlib时都会读取该文件

如果系统没有相关中文字体或者matplotlib无法找到，可以下载或复制字体到，site-packages/matplotlib/mpl-data/matplotlibrc/fonts路径下

import matplotlib.pyplot as plt
# 第一个参数是想要自定义的组件，比如：figure、axes、xtick、ytick、grid、legend
# 后面的参数是组件相关的参数
plt.rc('figure', figsize=(10, 10), dpi=100)
# 也可以按照关键字参数的序列指定新参数
font_options = {
    'family': 'Hei',     # 中文黑体（windows用SimHei，mac用：Hei，具体根据本地环境来）
    'weight': 'bold',
    'size': 10
}

plt.rc('font', **font_options)

x = [2010, 2011, 2012, 2013, 2014, 2015, 2016, 2017, 2018, 2019, 2020, 2021]
y = [5, 3, 6, 20, 17, 16, 19, 30, 32, 35, 666, 888]
plt.plot(x, y)
plt.title('你好，世界')
plt.xlabel("年份")
plt.ylabel("销量")
y_ticks = [0, 200, 400, 600, 800, 1000]
plt.yticks(y_ticks, [f'{i}万' for i in y_ticks])
plt.show()

中文字体

优先使用rc的方式全局设置，如果全局设置无效的话，可以使用以下方式设置

查看中文字体路径

关于本机 -> 系统报告 -> 软件 -> 字体

fc-list :lang=zh

import matplotlib.pyplot as plt
from matplotlib import font_manager
my_font = font_manager.FontProperties(
    fname=r"/Library/Fonts/Microsoft/SimHei.ttf", size=14)

x = [2010, 2011, 2012, 2013, 2014, 2015, 2016, 2017, 2018, 2019, 2020, 2021]
y = [5, 3, 6, 20, 17, 16, 19, 30, 32, 35, 666, 888]
plt.plot(x, y)
plt.title('你好，世界', fontproperties=my_font)
plt.xlabel("年份", fontproperties=my_font)
plt.ylabel("销量", fontproperties=my_font)
y_ticks = [0, 200, 400, 600, 800, 1000]
plt.yticks(y_ticks, [f'{i}万' for i in y_ticks], fontproperties=my_font)
plt.show()

折线图

import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns

# 数据准备，x最好是升序的，否则画出来的就不是折线图
x = [2010, 2011, 2012, 2013, 2014, 2015, 2016, 2017, 2018, 2019, 2020, 2021]
y = [5, 3, 6, 20, 17, 16, 19, 30, 32, 35, 666, 888]

# 使用Seaborn画折线图
df = pd.DataFrame({'x': x, 'y': y})
sns.lineplot(x="x", y="y", data=df)
plt.show()

散点图

用两组数据构成多个坐标点，考察坐标点的分布，判断两变量之间是否存在某种关联或总结坐标点的分布模式

特点：判断变量之间是否存在数量关联趋势，展示离群点（分布规律）

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns

# 数据准备，随机1000个x,y坐标
N = 1000
x = np.random.randn(N)
y = np.random.randn(N)
# 用Matplotlib画散点图，marker='o'代表使用圆点标记
plt.scatter(x, y, marker='o')
plt.show()

# 用Seaborn画散点图
df = pd.DataFrame({'x': x, 'y': y})
sns.jointplot(x="x", y="y", data=df, kind='scatter')
plt.show()

直方图

由一系列高度不等的纵向条纹或线段表示数据分布的情况，一般用横轴表示数据范围，纵轴表示分布情况

特点：绘制连续性的数据，展示一组或多组数据的分布情况（统计）

hist方法适合对原始数据进行直方图的绘制，如果是分组好的数据使用条形图的方法绘制（调整宽度让图形连续即可）

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns

# 数据准备
a = np.random.randn(100)
s = pd.Series(a)
# 用Matplotlib画直方图，bins默认10，可不填
plt.hist(s, bins=10)
plt.show()
# 用Seaborn画直方图，bins默认10，可不填
sns.histplot(s, kde=False, bins=10)
plt.show()
# kde为True表示显示折线图，默认为True
sns.histplot(s, kde=True, bins=10)
plt.show()

条形图

排列在工作表的列或行中的数据可以绘制到条形图中

特点：绘制离散的数据，能够一眼看出各个数据的大小、比较数据之间的差别（统计）

import matplotlib.pyplot as plt
import seaborn as sns
import pandas as pd

# 数据准备
x = ['Cat1', 'Cat2', 'Cat3', 'Cat4', 'Cat5']
y = [5, 4, 8, 12, 7]
# 用Matplotlib画条形图，x为横坐标分类名，y为纵坐标分类值
plt.bar(x, y)
plt.show()
# 用Seaborn画条形图
df = pd.DataFrame({'x': x, 'y': y})
sns.barplot(x="x", y="y", data=df)
plt.show()

横着的条形图

from matplotlib import pyplot as plt
from matplotlib import font_manager

my_font = font_manager.FontProperties(fname='/System/Library/Fonts/Supplemental/Songti.ttc')

a = ["战狼2", "速度与激情8", "功夫瑜伽", "西游伏妖篇", "变形金刚5：最后的骑士", "摔跤吧！爸爸", "加勒比海盗5：死无对证", "金刚：骷髅岛", "极限特工：终极回归", "生化危机6：终章",
     "乘风破浪", "神偷奶爸3", "智取威虎山", "大闹天竺", "金刚狼3：殊死一战", "蜘蛛侠：英雄归来", "悟空传", "银河护卫队2", "情圣", "新木乃伊", ]
b = [56.01, 26.94, 17.53, 16.49, 15.45, 12.96, 11.8, 11.61, 11.28, 11.12, 10.49, 10.3, 8.75, 7.55, 7.32, 6.99, 6.88,
     6.86, 6.58, 6.23]

plt.barh(a, b, color='orange', height=0.3)
plt.yticks(a, fontproperties=my_font)

plt.show()

箱线图

箱线图，又称盒式图，它是在1977年提出的，由五个数值点组成：最大值(max)、最小值(min)、中位数(median)和上下四分位数(Q3,Q1)

它可以帮我们分析出数据的差异性、离散程度和异常值等

import matplotlib.pyplot as plt
import seaborn as sns
import pandas as pd
import numpy as np

# 数据准备，生成10*4维度数据
data = np.random.normal(size=(10, 4))
labels = ['A', 'B', 'C', 'D']
# 用Matplotlib画箱线图
plt.boxplot(data, labels=labels)
plt.show()
# 用Seaborn画箱线图
df = pd.DataFrame(data, columns=labels)
sns.boxplot(data=df)
plt.show()

饼图

饼图是常用的统计学模块，可以显示每个部分大小与总和之间的比例

import matplotlib.pyplot as plt

# 数据准备
nums = [25, 37, 33, 37, 6]
labels = ['High-school', 'Bachelor', 'Master', 'Ph.d', 'Others']
# 用Matplotlib画饼图
plt.pie(x=nums, labels=labels)
plt.show()

热力图

热力图，英文叫heat map，是一种矩阵表示方法，其中矩阵中的元素值用颜色来代表，不同的颜色代表不同大小的值

通过颜色就能直观地知道某个位置上数值的大小。另外你也可以将这个位置上的颜色，与数据集中的其他位置颜色进行比较

热力图是一种非常直观的多元变量分析方法

import matplotlib.pyplot as plt
import seaborn as sns

# 数据准备，seaborn自带的数据集flights，该数据集记录了1949年到1960年期间，每个月的航班乘客的数量
flights = sns.load_dataset("flights")
data = flights.pivot('year', 'month', 'passengers')
# 用Seaborn画热力图
sns.heatmap(data)
plt.show()

蜘蛛图

蜘蛛图是一种显示一对多关系的方法。在蜘蛛图中，一个变量相对于另一个变量的显著性是清晰可见的

假设我们想要给王者荣耀的玩家做一个战力图，指标一共包括推进、KDA、生存、团战、发育和输出

import numpy as np
import matplotlib.pyplot as plt
from matplotlib.font_manager import FontProperties

# 数据准备，labels标签名，stats标签值
labels = np.array([u"推进", "KDA", u"生存", u"团战", u"发育", u"输出"])
stats = [83, 61, 95, 67, 76, 88]
# 画图数据准备，角度
angles = np.linspace(0, 2 * np.pi, len(labels), endpoint=False)

# 数组上增加一位，也就是添加数组的第一个元素，形成一个环
stats = np.concatenate((stats, [stats[0]]))
angles = np.concatenate((angles, [angles[0]]))
labels = np.concatenate((labels, [labels[0]]))

# 用Matplotlib画蜘蛛图，创建一个空白的figure对象，相当于画画前先准备一个空白的画板
fig = plt.figure()
# 111，把画板划分成1行1列
ax = fig.add_subplot(111, polar=True)
# plot、fill，连线以及绘图上色
ax.plot(angles, stats, 'o-', linewidth=2)
ax.fill(angles, stats, alpha=0.25)
# 设置中文字体
font = FontProperties(fname=r"/Users/tangxiaofeng/data/font/simhei.ttf", size=14)
# 设置标签
ax.set_thetagrids(angles * 180 / np.pi, labels, font_properties=font)
plt.show()

二元变量分布

如果我们想要看两个变量之间的关系，就需要用到二元变量分布。当然二元变量分布有多种呈现方式，散点图就是一种二元变量分布

• 在Seaborn里，使用二元变量分布是非常方便的，直接使用sns.jointplot(x,y,data=None,kind)函数即可
  • “kind='scatter'”代表散点图
  • “kind='kde'”代表核密度图
  • “kind='hex'”代表Hexbin图，它代表的是直方图的二维模拟

import matplotlib.pyplot as plt
import seaborn as sns

# 数据准备，使用seaborn自带的模拟数据
tips = sns.load_dataset("tips")
# 用Seaborn画二元变量分布图（散点图，核密度图，Hexbin图）
sns.jointplot(x="total_bill", y="tip", data=tips, kind='scatter')
sns.jointplot(x="total_bill", y="tip", data=tips, kind='kde')
sns.jointplot(x="total_bill", y="tip", data=tips, kind='hex')
plt.show()

成对关系

如果想要探索数据集中的多个成对双变量的分布，可以直接采用sns.pairplot()函数

它会同时展示出DataFrame中每对变量的关系，另外在对角线上，你能看到每个变量自身作为单变量的分布情况

它可以说是探索性分析中的常用函数，可以很快帮我们理解变量对之间的关系

pairplot函数的使用，就像在DataFrame中使用describe()函数一样方便，是数据探索中的常用函数

import matplotlib.pyplot as plt
import seaborn as sns

# 数据准备
iris = sns.load_dataset('iris')
# 用Seaborn画成对关系
sns.pairplot(iris)
plt.show()