Python 数据可视化之Matplotlib详解
在深入研究这些库之前，首先，我们需要一个数据库来绘制数据。我们将在本完整教程中使用 tips database。让我们讨论一下这个数据库的简介。
使用的数据库
tips 数据库
tips 数据库是20世纪90年代初期顾客在餐厅的两个半月的小费记录。它包含 6 列，例如 total_bill、tip、sex、smoker、day、time、size。
您可以从这里下载 tips 数据库。
例子：
import pandas as pd
# 读取数据库
data = pd.read_csv("tips.csv")
# 打印前 10 行
print(data.head(10))
输出：
Matplotlib
Matplotlib 是一个易于使用的低级数据可视化库，它构建在 NumPy 数组上。它由散点图、线图、直方图等各种图组成。 Matplotlib 提供了很大的灵活性。
要安装此库，请在终端中输入以下命令。
pip install matplotlib
安装 Matplotlib 后，让我们看看使用这个库最常用的绘图。
散点图
散点图用于观察变量之间的关系，并用点来表示它们之间的关系。matplotlib 库中的scatter()方法用于绘制散点图。
例子：
import pandas as pd
import matplotlib.pyplot as plt
# 读取数据库
data = pd.read_csv("tips.csv")
# day 对 tip 的散点图
plt.scatter(data['day'], data['tip'])
# 为 Plot 添加标题
plt.title("Scatter Plot")
# 设置 X 和 Y 标签
plt.xlabel('Day')
plt.ylabel('Tip')
plt.show()
输出：
如果我们可以添加颜色并更改点的大小，则此图会更有意义。我们可以通过分别使用 scatter 函数的c 和 s参数来做到这一点。我们还可以使用colorbar()方法显示颜色条。
import pandas as pd
import matplotlib.pyplot as plt
# 读取数据库
data = pd.read_csv("tips.csv")
# day对tip的散点图
plt.scatter(data['day'], data['tip'], c=data['size'],
s=data['total_bill'])
# 为Plot添加标题
plt.title("Scatter Plot")
# 设置 X 和 Y 标签
plt.xlabel('Day')
plt.ylabel('Tip')
plt.colorbar()
plt.show()
折线图
折线图用于表示不同轴上两个数据 X 和 Y 之间的关系。它是使用plot() 函数绘制的。让我们看看下面的例子。
例子：
import pandas as pd
import matplotlib.pyplot as plt
# 读取数据库
data = pd.read_csv("tips.csv")
# day对tip的折线图
plt.plot(data['tip'])
plt.plot(data['size'])
# 为Plot添加标题
plt.title("Scatter Plot")
# 设置 X 和 Y 标签
plt.xlabel('Day')
plt.ylabel('Tip')
plt.show()
输出：
条形图
柱状图或叫条形图是表示与长度和高度的矩形条数据的类别是正比于它们所代表的值的图。它可以使用bar()方法创建。
例子：
import pandas as pd
import matplotlib.pyplot as plt
# 读取数据库
data = pd.read_csv("tips.csv")
# day对tip的条形图
plt.bar(data['day'], data['tip'])
plt.title("Bar Chart")
# 设置 X 和 Y 标签
plt.xlabel('Day')
plt.ylabel('Tip')
# 添加图例
plt.show()
输出：
直方图
直方图基本上是用来在一些基团的形式来表示数据。它是一种条形图，其中 X 轴表示 bin 范围，而 Y 轴提供有关频率的信息。的HIST（）函数用于计算和创建直方图。在直方图中，如果我们传递分类数据，那么它将自动计算该数据的频率，即每个值出现的频率。
例子：
import pandas as pd
import matplotlib.pyplot as plt
# 读取数据库
data = pd.read_csv("tips.csv")
# total_bill直方图
plt.hist(data['total_bill'])
plt.title("Histogram")
# 添加图例
plt.show()
输出：
以上是关于 Matplotlib 使用 Python 进行数据可视化的全部示例，下一节我们来谈谈 Seaborn
总结
本篇文章就到这里了，希望能够给你带来帮助，也希望您能够多多关注脚本之家的更多内容！
相关文章
本文是小编日常整理的些关于python执行系统命令常见的方法，比较全面，特此通过脚本之家这个平台把此篇文章分享给大家供大家参考2015-10-10
python和C++一样,支持多继承,本文主要介绍了Python类的多继承的搜索顺序,文中通过示例代码介绍的非常详细,需要的朋友们下面随着小编来一起学习学习吧2024-03-03
这篇文章主要为大家详细介绍了Python数据分析中的词频统计和词云图可视化，文中的示例代码讲解详细，对我们学习Python有一定的帮助，需要的可以参考一下2022-12-12
Python之numpy.random.seed()和numpy.random.RandomState()区别及说明
这篇文章主要介绍了Python之numpy.random.seed()和numpy.random.RandomState()区别及说明,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教2017-10-10
数据增强是一种生成合成数据的方法，即通过调整原始样本来创建新样本。这样我们就可获得大量的数据。这不仅增加了数据集的大小，还提供了单个样本的多个变体，这有助于我们的机器学习模型避免过度拟合2021-06-06
这篇文章主要介绍了Python文本文件的合并操作方法代码实例,文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下2020-03-03
大家好，本篇文章主要讲的是用python实现九九乘法表实例，感兴趣的同学赶快来看一看吧，对你有帮助的话记得收藏一下2022-01-01
对于开发者、数据分析师以及研究人员而言,从网页中提取有价值的信息是一项至关重要的技能,本文将详细介绍如何使用Python编写一个脚本来自动抓取指定网站上的所有图片,需要的可以参考下2024-10-10
在 Python 中,超时处理是一项非常常见的需求,尤其是在处理阻塞任务或并发任务时,本文整理了大家常用的六大超时处理方法,感兴趣的小伙伴可以参考下2025-01-01
Django模板报TemplateDoesNotExist异常(亲测可行)
这篇文章主要介绍了Django模板报TemplateDoesNotExist异常(亲测可行),文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧2020-12-12
最新评论