Python 绘图：Python Matplotlib 数据可视化简介（第 2 部分）

有没有想过如何使用 Python 来创建令人惊叹的数据可视化？

在 本系列的第一部分 ，我们了解了 如何 使用 matplotlib 库绘制线图和直方图。我们还了解了如何更改图的默认大小以及 如何 , 向图 、 轴 图例

在本文中，我们将看到可以使用 matplot 库绘制的更多类型的图表，以及 如何改进它们的 专业提示

• 条形图
• 散点图
• 堆叠图
• 饼图

在代码中 plt 使用 matplotlib 模块的别名 plt .

让我们开始吧！

条形图

条形图只是 使用条形来表示特定 x 值的 y 值 。例如，您可以使用条形图来描绘过去十年的股票价格。为此，您可以使用 bar 函数 。此函数的第一个参数是 x 轴的值列表，第二个参数是 y 轴的对应值列表。值得一提的是， x 和 y 列表中的点数必须相等 .

考虑以下脚本：

stock_prices = [23,21,43,32,45,34,56,23,67,89]
years = [2009, 2010, 2011, 2012, 2013, 2014, 2015, 2016, 2017, 2018] 

plt.bar(years, stock_prices)
plt.show()

输出如下所示：

bar 函数的参数 color 传递一个值来更改条形的颜色 ，如下所示：

stock_prices = [23,21,43,32,45,34,56,23,67,89]
years = [2009, 2010, 2011, 2012, 2013, 2014, 2015, 2016, 2017, 2018] 

plt.bar(years, stock_prices, color = "deepskyblue", edgecolor = "rebeccapurple")
plt.show()

在上面的脚本中，color 属性的值设置为 deepskyblue 。上述脚本的输出如下所示：

专业提示：如何创建水平条形图

除了垂直条形图， 您还可以绘制水平条形图 。为此，您只需将 Horizo​​ntal 作为 bar 函数的 orientation 参数的值传入即可。请看以下脚本：

stock_prices = [23,21,43,32,45,34,56,23,67,89]
years = [2009, 2010, 2011, 2012, 2013, 2014, 2015, 2016, 2017, 2018] 

plt.barh(years, stock_prices, orientation = "horizontal", color = "deepskyblue", edgecolor = "rebeccapurple")
plt.show()

在输出中，您将看到一个水平条形图，如下所示：

散点图

散点图与线图类似，但它们不使用曲线来显示 x 轴和 y 轴值之间的关系。相反， 您只需绘制每对 x 和 y 值 。要创建散点图，您只需使用 scatter 函数。x 轴和 y 轴的值分别作为此函数的第一个和第二个参数传入。

看一下下面的脚本：

stock_prices = [23,21,43,32,45,34,56,23,67,89,23,21,43,32,45,34,56,23,67,89,23,21,43,32,45,34,56,23,67,89]
credit_ratings = [2,3,5,2,5,3,5,2,6,8,2,3,5,2,5,3,5,2,6,8,2,3,5, 2,5,3,5,2,6,8] 

plt.scatter(credit_ratings, stock_prices)
plt.show()

上面脚本的输出如下所示：

默认情况下，散点图使用蓝色圆圈，但您可以更改形状和颜色。要绘制的形状由 marker 参数指定。同样，绘图颜色也传递给该 color 参数。请看以下脚本：

stock_prices = [23,21,43,32,45,34,56,23,67,89,23,21,43,32,45,34,56,23,67,89,23,21,43,32,45,34,56,23,67,89]
credit_ratings = [2,3,5,2,5,3,5,2,6,8,2,3,5,2,5,3,5,2,6,8,2,3,5, 2,5,3,5,2,6,8] 

plt.scatter(credit_ratings, stock_prices, marker = "x", color = "#5d3087")
plt.show()

这里，' x ' 作为标记传入，而十六进制代码 #5d3087 作为颜色传入。或者，您可以传入颜色的名称而不是其十六进制值。上述脚本的输出如下所示：

专业提示：如何更改散点图的标记大小

通过传入 s 参数的值来 by passing in a value for the s parameter 。默认值为 20。请看以下脚本：

stock_prices = [23,21,43,32,45,34,56,23,67,89,23,21,43,32,45,34,56,23,67,89,23,21,43,32,45,34,56,23,67,89]
credit_ratings = [2,3,5,2,5,3,5,2,6,8,2,3,5,2,5,3,5,2,6,8,2,3,5, 2,5,3,5,2,6,8] 

plt.scatter(credit_ratings, stock_prices, marker = "o", color = "deepskyblue", edgecolors = "rebeccapurple", s = 400)
plt.show()

输出如下所示：

当然，您可能已经注意到，这些标记非常大，因此很难分辨它们在 x 轴和 y 轴上对应的值。这更像是一个说明性练习。在制作自己的散点图时，请务必选择合理的标记大小，以平衡可见性和清晰度。

堆叠图

当 x 轴的每个数据点都有来自多个类别的数据 。例如，您可以使用堆叠图绘制过去八年三家公司的股价。这些公司的数据将堆叠 在一起， 以便于比较。

要绘制堆栈图，您需要使用 stackplot function of the plt module 。第一个参数是要在 x 轴上绘制的数据列表，其余参数是您想要在堆栈图中显示的每个类别的数据。您还可以使用属性为每个堆栈指定颜色 color 。

year = [2014, 2015, 2016, 2017, 2018]

company1 = [78,57,68,97,51]  
company2 = [85,65,74,105,62]  
company3 = [65,42,56,90,45]

plt.plot([],[], color = "#93c149", label = "company1")  
plt.plot([],[], color = "#25b6ea", label = "company2")  
plt.plot([],[], color = "#5d3087", label = "company3")

plt.stackplot(year,company1,company2,company3,colors = ["#25b6ea","#93c149","#5d3087"])  

plt.legend()  
plt.title("Average Stock Prices for the three companies")  
plt.xlabel("year")  
plt.ylabel("Stock Prices")  
plt.show()

上面脚本的输出如下所示：

专业提示：如何创建对称堆叠图

您还可以通过传入 'sym' 基线参数的值来 ，如下所示：

year = [2014, 2015, 2016, 2017, 2018]

company1 = [78,57,68,97,51]  
company2 = [85,65,74,105,62]  
company3 = [65,42,56,90,45]

plt.plot([],[], color = "#93c149", label = "company1")  
plt.plot([],[], color = "#25b6ea", label = "company2")  
plt.plot([],[], color = "#5d3087", label = "company3")

plt.stackplot(year, company1, company2, company3, colors = ["#25b6ea","#93c149","#5d3087"] , baseline = "sym")  

 
plt.legend()  
plt.title("Average Stock Prices for the three companies")  
plt.xlabel("year")  
plt.ylabel("Stock Prices")  
plt.show()

在输出中，您将看到一个对称堆栈图：

饼图

饼图呈圆形，其中每个切片代表属于特定类别的数据部分。要绘制饼图，您需要调用 the pie function of the plt module 。第一个参数是数据列表。然后，您需要将类别名称列表传递给参数 labels 。如果 shadow 将参数设置为 True ，则图表边缘附近会出现一条细阴影。最后， explode 可以使用该参数在饼图的不同切片之间添加空间。

值得一提的是，您不必指定每个类别在图表中所占的确切百分比。相反，您只需指定每个类别的值；饼图会自动将这些值转换为百分比。以下脚本为一个国家一年的假想预算支出创建了一个饼图：

sectors = "Health", "Defence", "Education', "Tourism"

amount = [40,75,35,15]  
colors = ["#93c149","#25b6ea","#5d3087","#d15197"]

plt.pie(amount, labels = sectors, colors = colors ,shadow = True, explode = (0.025, 0.025, 0.025, 0.025), autopct = "%1.1f%%")  
plt.axis("equal")

plt.show()

脚本的输出如下所示：

让我们增加 explode 第一个类别的值，看看会得到什么结果。我们将其设置为 0.5：

sectors = "Health", "Defence", "Education", "Tourism"

amount = [40,75,35,15]  
colors = ["#93c149","#25b6ea","#5d3087","#d15197"]

plt.pie(amount, labels = sectors, colors=colors ,shadow = True, explode = (0.5, 0.025, 0.025, 0.025), autopct = "%1.1f%%")  
plt.axis("equal")

plt.show()  

在输出中，您会看到“健康”与其他类别之间的距离增加了，如下所示：

专业提示：根据基线改变角度

默认情况下，饼图的切片排列方式是，占饼图最大份额的类别将出现在左上角，其他类别则出现在随机位置。但是，您可以更改此行为。

例如，如果您希望 第一个类别相对于基线 （一条穿过饼图中心的假想水平线）成 90 度角，则可以将 90 作为 startangle 饼图函数参数的值传入，如下所示：

sectors = "Health", "Defence", "Education", "Tourism"

amount = [40,75,35,15]  
colors = ["#93c149","#25b6ea","#5d3087","#d15197"]

plt.pie(amount, labels = sectors, colors = colors ,shadow = True, explode = (0.025, 0.025, 0.025, 0.025), autopct = "%1.1f%%", startangle = 90)  
plt.axis('equal')

plt.show()  

在输出中，您将看到名为“健康”的类别现在相对于基线成 90 度角：

结论

就这样结束了！

在本文中，您学习了如何绘制条形图、堆叠图、散点图和饼图。对于任何有兴趣学习如何绘制和可视化数据的人来说，matplotlib 库都是必备的。

想要了解更多有关使用 matplotlib 进行数据可视化的信息？请务必查看我们的“ 数据科学 Python 简介” 课程。对于想要了解更多有关 Python 数据科学和数据可视化的初学者和中级 Python 用户来说，这都是一个极好的资源。