[原创]-Day3.常见图形不同绘制方式

╰半橙微兮° 2022-12-28 01:52 242阅读 0赞

![format_png][]

我们了解了常用的五种图形：

*  散点图
 *  折线图
 *  柱状图
 *  直方图
 *  饼图

那么如何用`Matplotlib`和`Seaborn`来画出它们。

**Matplotlib**：它在使用时灵活，可以定制化绘图，但是时间上的花费也比较多。为了提高画图效率，包**Seaborn**基于Matplotlib底层开发，使用更少的代码，将常用的可视化绘图过程进行封装，有时只需要一行代码便可以画出我们想要的图形，省时省力；此外seaborn还提供更为丰富的图像以及3D图形供我们使用。掌握两个库的使用可以满足我们在不同情况下的需求。

## 散点图 ##

散点图（scatter plot），它将两组数据（或者变量）的值显示在二维坐标中，适合展示两个变量之间的关系。

第一张散点图用matplotlib绘制，第二张用seaborn绘制。我们可以看到两张图的区别：matplotlib默认情况下绘图区呈现是一个`长方形`，而seaborn是`正方形并且含有x轴和y轴的标签`；seaborn还展示散点图还给出了两组数据（变量）的分布情况。

![format_png 1][]

`说明：`

*  用seaborn画图时，使用函数  画散点图。其中x,y是data中的下标，data就是我们要传入的数据。
 *  在Seaborn中，数据格式需要转换一下，采用科学计算库Pandas中的数据格式DataFrame；对DataFrame的概念我们了解即可，下期DataScience也会推出科学计算库Numpy和Pandas的使用中会有讲解。

## 折线图 ##

折线图能够显示数据的变化趋势，在matplotlib使用plot函数绘制，而在**seaborn使用 lineplot(x,y,data=None)函数**；data是传入的数据，一般是pandas中的DataFrame数据结构。

![format_png 2][]

## 直方图 ##

直方图( histogram )将横坐标等分成一定数量的小区间，在小区间内填充图形，它的高度是y值。特点是用来绘制连续性的数据，展示一组或者多组数据的分布状况(统计)。

#数据准备：创建一个一维随机数组
     import numpy as np
     import random
     import pandas as pd
     
     a = np.random.randn(100)
     x = pd.Series(a) # Series是pandas中用来存放一维数组的数据格式
     
     # ⽤Matplotlib画直⽅图；
     """
     使用plt.hist(x, bins=10)函数
     参数x是一维数组，bins代表小区间的数量，默认是10。
     """
     
     import matplotlib.pyplot as plt
     plt.hist(x, bins=10)
     plt.show()
     
     # ⽤Seaborn画直⽅图：
     '''
     使用sns.distplot(x, bins=10, kde=True)函数
     参数x是一维数组，bins代表直方图中的小区间数量，kde代表显示核密度估计，默认是True。
     核密度估计是通过核函数来估计概率密度的方法。
     '''
     import seaborn as sns
     sns.distplot(x, kde=False)
     plt.show()
     # 图三显示用核函数估计概率密度
     sns.distplot(x, kde=True)
     plt.show()

Matplotlib 运行结果：

![format_png 3][]

Seaborn运行结果:

![format_png 4][]

## 条形图 ##

通过直方图可以看到变量的数值分布，那么条形图可以帮我们查看类别的特征。在条形图中，长条形的长度表示类别的频数，宽度表示类别。

条形图(bar chart)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/对比**)

# 数据准备
     x = ['Cat1', 'Cat2', 'Cat3', 'Cat4', 'Cat5']
     y = [3, 5, 7, 2, 9]
     
     # ⽤Matplotlib画条形图
     # plt.bar(x, height)函数，参数x代表x轴的类别，height是y轴的数值
     import matplotlib.pyplot as plt
     plt.bar(x,y)
     plt.show
     
     # ⽤Seaborn画条形图
     # sns.barplot(x=None,y=None,data=None)函数；参数data为DataFrame类型
     import seaborn as sns
     sns.barplot(x,y)
     plt.show()

运行结果:

![format_png 5][]

## 饼图 ##

饼图（Pie Chart）可以显示每个部分大小与总和之间的比例。在Python数据可视化中，主要用**Matplotlib的pie函数**来绘制。

*  用到的方法 `matplotlib.pyplot.pie()`
 *  参数解析:
 *       pie(x, explode=None, labels=None,  
             colors=('b', 'g', 'r', 'c', 'm', 'y', 'k', 'w'),  
             autopct=None, pctdistance=0.6, shadow=False,  
             labeldistance=1.1, startangle=None, radius=None,  
             counterclock=True, wedgeprops=None, textprops=None,  
             center = (0, 0), frame = False )  
         
 *  参数说明：
 *  > x (每一块)的比例，如果sum(x) > 1会使用sum(x)归一化 labels (每一块)饼图外侧显示的说明文字explode (每一块)离开中心距离 startangle 起始绘制角度,默认图是从x轴正方向逆时针画起,如设定=90则从y轴正方向画起
    > 
    > shadow 是否阴影 labeldistance label绘制位置,相对于半径的比例, 如<1则绘制在饼图内侧 autopct控制饼图内百分比设置,可以使用format字符串或者format function‘%1.1f’指小数点前后位数(没有用空格补齐) pctdistance 类似于labeldistance,指定autopct的位置刻度 radius 控制饼图半径
    > 
    > 返回值: 如果没有设置autopct,返回(patches, texts) 如果设置autopct,返回(patches, texts,autotexts) patches – list –matplotlib.patches.Wedge对象 textsautotexts – matplotlib.text.Text对象

# 数据准备，显示各学历人数的比例
     nums = [20, 42, 18, 7, 6]
     labels = ['High-school', 'Bachelor', 'Master', 'Ph.d', 'Other']
     
     # pie(x, labels=None)函数,x代表绘制饼图的数据，labels是缺省值，可以为饼图添加标签
     import matplotlib.pyplot as plt
     plt.pie(x=nums, labels=labels, autopct='%1.1f%%')
     # autopct:设置圆内的文本 # '1.1f%'指图片上显示的数字格式，表示小数点前后位数# 另外两个%%是format格式的符号plt.show()

运行结果：

![format_png 6][]

## 小作业 ##

*  **1、**说出Matplotlib和Seaborn库的区别。
 *  **2、**总结画出五种常见图像的函数。

![format_png 7][]

*请添加**小编**,回复关键词：\[**数据可视化**\],*

![format_png 8][]

**-今日互动-**

你学会了吗？欢迎文章下方留言互动![format_png 9][]

如果对你有帮助的话

❤️来个「转发朋友圈」和「在看」，是最大的支持❤️

[format_png]: /images/20221120/2cd80435e23247659b03a7be63d37dbe.png
[format_png 1]: https://imgconvert.csdnimg.cn/aHR0cHM6Ly9tbWJpei5xcGljLmNuL21tYml6X3BuZy9xaWFTbDNSVDFSYzNCa3pVak1yQWU1ZE4ybVkwU1BHVmZadm5sWmlhaDBuNnVpY0s5U3JhOExmTHNmZDlKSVV0QzNqRUNhMTAyWk9OVE5xWGVmazc1RktNUS82NDA?x-oss-process=image/format,png
[format_png 2]: https://imgconvert.csdnimg.cn/aHR0cHM6Ly9tbWJpei5xcGljLmNuL21tYml6X3BuZy9xaWFTbDNSVDFSYzNCa3pVak1yQWU1ZE4ybVkwU1BHVmZIaWJKWjVhQ29YV1ZHdHNmbHk4U3ZEbjk2NXlaUWFvT2VmSG5tQkJDVkNYTnBCZHJ5OENyVjJnLzY0MA?x-oss-process=image/format,png
[format_png 3]: https://imgconvert.csdnimg.cn/aHR0cHM6Ly9tbWJpei5xcGljLmNuL21tYml6X3BuZy9xaWFTbDNSVDFSYzNCa3pVak1yQWU1ZE4ybVkwU1BHVmZVTURwa24wS3puOGNvaWJBT0draWM4bEFMQkZpYnU3aWFBcUNGM0RnR3VqRXgycFhhUmVsblc5aDB3LzY0MA?x-oss-process=image/format,png
[format_png 4]: https://imgconvert.csdnimg.cn/aHR0cHM6Ly9tbWJpei5xcGljLmNuL21tYml6X3BuZy9xaWFTbDNSVDFSYzNCa3pVak1yQWU1ZE4ybVkwU1BHVmZFYUtDWXZtbWlhakR2RGZMOVhLaHMzdHh6Rlg1YzJqaWNnMTdhSzVZOVJxekFOU25pYzlRZjczYXcvNjQw?x-oss-process=image/format,png
[format_png 5]: https://imgconvert.csdnimg.cn/aHR0cHM6Ly9tbWJpei5xcGljLmNuL21tYml6X3BuZy9xaWFTbDNSVDFSYzNCa3pVak1yQWU1ZE4ybVkwU1BHVmZveWljemJ5Q2dhVUpOS2xIc2tOVDhyZlplOGJ1RjhFQlFTdG1yeGljeWZaYlg5UktmZU1xRXV2US82NDA?x-oss-process=image/format,png
[format_png 6]: https://imgconvert.csdnimg.cn/aHR0cHM6Ly9tbWJpei5xcGljLmNuL21tYml6X3BuZy9xaWFTbDNSVDFSYzNCa3pVak1yQWU1ZE4ybVkwU1BHVmZVbnI3RzdlZkJqcDE3Zno2NmliV1FZU0x3M3FCUFZJREw1WHNWTDMzbEp0elI3Yks2OWpkUHhnLzY0MA?x-oss-process=image/format,png
[format_png 7]: https://imgconvert.csdnimg.cn/aHR0cHM6Ly9tbWJpei5xcGljLmNuL21tYml6X3BuZy9LQ0R1SVR5UDBWemZiWmJ1RmZ5ZGpYZ3c3T1MweE9SUXJpY0hQSGF2NGliY3p2TVc0OXgwM3VvUGliZXRnbklSY2NHdDE4U3Q3bTdJZHN0OW0zM3YyaWJVOFEvNjQw?x-oss-process=image/format,png
[format_png 8]: https://imgconvert.csdnimg.cn/aHR0cHM6Ly9tbWJpei5xcGljLmNuL21tYml6X2pwZy9xaWFTbDNSVDFSYzIzVXpoaWM3RjhDOWlhV2hCRGJSOW1FYnZTeThRa0NMMUQ5OWF2dWliZWJVUGNucnVVNHl2MzNSTllaaWFhRlRFMWliOXh4M1NxaWNVeWlhWkhnLzY0MA?x-oss-process=image/format,png
[format_png 9]: https://imgconvert.csdnimg.cn/aHR0cHM6Ly9tbWJpei5xcGljLmNuL21tYml6X3BuZy9xaWFTbDNSVDFSYzJ4RU5mVUZjdDVLNUZ6V053UHVFR3FSSG8zVktXelJjY3RhMkJYaWNHelRRdXNKc0RrWlZZS1BiUUFsY3dVUFA3M0tCYXhHUGV3NWR3LzY0MA?x-oss-process=image/format,png