Python图形绘制：如何用Matplotlib和pandas绘图？

骑猪看日落 2022-08-30 04:23 307阅读 0赞

# 用Matplotlib库绘图 #

Matplotlib是一个非常好用的高质量绘图工具库，可以根据输入的数据绘制各种图形，如折线图、柱状图、饼图、散点图等。

# 1．绘制折线图 #

折线图是用直线段将各数据点连接起来而组成的图形，以折线方式显示数据的变化趋势。下面我们绘制一个简单的折线图。

从Matplotlib库导入pyplot模块，简称plt。

>>> import matplotlib.pyplot as plt

准备绘图时要用到的数据，x和y表示与*x*轴和*y*轴对应的数据。

>>> x=[0,1,2,3,4,5]
    >>> y=[0,1,4,9,16,25]

调用模块的plot函数绘图。

>>> plt.plot(x,y)

调用模块的savefig函数把图形保存为矢量图。

>>> plt.savefig('H:\示例\第9章\plt_line.svg')

用浏览器打开矢量图，效果如图9-10所示。

![Python图形绘制：如何用Matplotlib和pandas绘图？][Python_Matplotlib_pandas]

图9-10

plot函数包括许多参数，除了数据之外，常用的参数如下：color表示折线的颜色，marker表示折线上数据点处的标记风格，linestyle表示折线的类型，linewidth表示线条粗细，markersize表示数据点标记大小。

>>> plt.plot(x,y,color='red', marker='o', linestyle='dashed', linewidth=1, markersize=5)

调用模块的show函数显示图形到屏幕。

>>> plt.show()

显示效果如图9-11所示。

![Python图形绘制：如何用Matplotlib和pandas绘图？][Python_Matplotlib_pandas 1]

图9-11

颜色（color）、标记风格（marker）、线条样式（linestyle）的设置可以进一步简写，可以用每个属性的缩写。例如，“ro:”表示红色、圆点、虚线。

>>> plt.plot(x,y,'ro:', linewidth=1, markersize=5)

常用的颜色缩写包括：蓝（b）、绿（g）、红（r）、蓝绿（c）、洋红（m）、黄（y）、黑（k）、白（w）。

常用的点型缩写包括：点标记（.）、像素标记（,）、实心圈标记（o）、倒三角标记（v）、上三角标记（^）、左三角标记（<）、右三角标记（>）、下花三角标记（1）、上花三角标记（2）、左花三角标记（3）、右花三角标记（4）、实心方形标记（s）、五边形标记（p）、星标记（\*）、竖六边形标记（h）、横六边形标记（H）、加号标记（+）、叉标记（x）、钻石标记（D）、菱形标记（d）、竖线标记（|）、横线标记（\_）。

常用的线型缩写包括：实线（-）、破折（--）、点画线（-.）、虚线（:）、无线条（空格）。

在Matplotlib中画图，要提供*x*轴所有的数值以及*y*轴所有的数值，而且这两个数值列表的数目要能够逐一配对，也就是一个x值要搭配一个y值。上例中，实际上就是将（0,0）、（1,1）、（2,4）、（3,9）、（4,16）、（5,25）这6个点连接起来。

要注意的是，当只输入一维数据的时候，自动将其当作*y*轴数值处理，*x*轴默认生成\[0,1,2,…\]。

下面我们在图中绘制多条折线图。

import matplotlib.pyplot as plt
       x=[0,1,2,3]
       y0=[4,6,8,10]
       y1=[4,9,16,25]
    ⓿ plt.plot(x,y0,'bo--',label='电脑')
       plt.plot(x,y1,'rp-',label='手机')
    ❶ plt.legend(loc='best')
    ❷ plt.rcParams['font.sans-serif']=['SimHei']
    ❸ plt.title('2019年各产品销量(单位：万台)', fontsize=20)
       index_name=['1季度', '2季度', '3季度', '4季度']
    ❹ plt.xticks(x, index_name)
       plt.show()

语句⓿绘制两条不同风格的折线；语句❶调用legend函数设置图例位置；语句❷调用rcParams函数设置中文字体；语句❸调用title函数设置图表标题；语句❹调用xticks函数设置*x*轴数值，最后调用show函数显示图形，效果如图9-12所示。

![Python图形绘制：如何用Matplotlib和pandas绘图？][Python_Matplotlib_pandas 2]

图9-12

# 2．绘制其他类型图形 #

折线图是基于plt.plot函数绘制的。Matplotlib库还提供了许多不同种类图形的函数。

> 下面我们将多种类型的图形绘制在一起。

import matplotlib.pyplot as plt
       plt.rcParams['font.sans-serif']=['SimHei']
       x=[0,1,2,3]
       label=['东区','西区','北区','南区']
       value=[2,4,6,8]
    ⓿ fig=plt.figure()
    ❶ ax_1=fig.add_subplot(2,2,1)
    ❷ ax_1.plot(x,value,'rp-')
    ❸ ax_1.set_xticks([0,1,2,3]) 
    ❹ ax_1.set_xticklabels(['东区','西区','北区','南区'])  
    ❺ ax_2=fig.add_subplot(2,2,2)
       ax_2.pie(value,labels=label,autopct='%1.1f%%',startangle=90) 
    ❻ ax_3=fig.add_subplot(2,2,3)
       ax_3.bar(label,value)
    ❼ ax_4=fig.add_subplot(2,2,4)
       ax_4.barh(label,value)
       fig.show()
    ❽ fig.savefig('H:\示例\第9章\pyplot_4.png', dpi=400)

语句⓿调用figure函数新建一个画布，然后在这个画布上添加各种元素；语句❶在2×2的绘图区域添加第一个子图；语句❷在子图中绘制折线；语句❸设定*x*轴的标签；语句❹设定*x*轴的标签文字；语句❺绘制饼图；语句❻绘制柱状图；语句❼绘制条形图；语句❽保存图片到本地，效果如图9-13所示。

![Python图形绘制：如何用Matplotlib和pandas绘图？][Python_Matplotlib_pandas 3]

图9-13

# 9.3.2　用pandas库绘图 #

Matplotlib库功能强大，但是相对底层。前面章节介绍过的数据分析库pandas，它的绘图功能就是基于Matplotlib库，这里继续介绍用Pandas库绘图的方法。

Series和DataFrame是Pandas库中主要的两种数据结构，都内置了plot方法，可以绘制图形。

# 1．Series.plot #

Series是一个一维数据结构，它由index和value组成，类似于Excel表格中的一列数据，由行号和数据组成。根据这样一列数据，我们可以绘制各种图表，如柱状图、条形图、折线图、饼图等。

下面以实例说明。

⓿ import pandas as pd
       import matplotlib.pyplot as plt
    ❶ plt.rcParams['font.sans-serif']=['SimHei']
    ❷ data=pd.Series([2,4,6,8],index=['1季度', '2季度', '3季度', '4季度'])
    ❸ fig=data.plot(kind='bar', title='2019年各季度销量(单位：万台)',
                  figsize=(20,16),fontsize=30)
    ❹ fig.axes.title.set_size(40)
       plt.show()

语句⓿导入pandas库，并给它起别名pd，导入Matplotlib库的pyplot子模块，并给它起别名plt；语句❶是设置中文字体；语句❷构造数据；语句❸绘制柱状图并设置标题；语句❹设置标题字号，效果如图9-14所示。

![Python图形绘制：如何用Matplotlib和pandas绘图？][Python_Matplotlib_pandas 4]

图9-14

plot函数也有许多参数，例如参数kind控制图表类型，将kind='bar'修改为kind='pie'，图表将变为饼状图，效果如图9-15所示。

![Python图形绘制：如何用Matplotlib和pandas绘图？][Python_Matplotlib_pandas 5]

图9-15

# 2．DataFrame.plot #

DataFrame是一个二维结构，除了拥有index和value之外，还拥有column。它类似于一张Excel表格，由多行、多列构成。DataFrame由多个Series对象组成，无论是行还是列，单独拆分出来都是一个Series对象。

下面以实例说明。

import pandas as pd
       import matplotlib.pyplot as plt
       plt.rcParams['font.sans-serif']=['SimHei']
    ⓿ data=pd.DataFrame([[3,8],[2,6],[6,1],[5,4]], 
               index=['1季度', '2季度', '3季度', '4季度'],columns=['手机', '电脑'])   
    ❶ fig=data.plot(kind='bar',title='2019年各季度产品销量(单位：万台)',
               figsize=(20,16),fontsize=30)
     fig.axes.title.set_size(40)
     plt.legend(loc='best',fontsize=30)
       plt.show()

语句⓿构造了绘图所需数据；语句❶绘制图表，设置标题、图表区大小、字号；语句设置标题字号；语句设置图例字号，最后显示图表，效果如图9-16所示。

![Python图形绘制：如何用Matplotlib和pandas绘图？][Python_Matplotlib_pandas 6]

图9-16

# 9.3.3　用Python绘制词云图 #

使用Python不仅可以绘制统计图表，还可以绘制各种可视化图，例如文本分析常用的词云图。

> 词云图，也叫“文字云”，是文本中出现频率较高的“关键词”的视觉化展现。频率越高，则字体越大、越突出，也越重要。相对于柱状图、折线图、饼图等用来显示数值数据的图表，词云图可以展示大量文本数据，通过过滤掉大量的低频低质的文本信息，使浏览者只要一眼扫过文本就可领略文本的主旨。

制作词云图要使用的库有：jieba、wordcloud、numpy、PIL、matplotlib。它们的安装方法都非常简单，直接用pip命令安装即可。

下面我们通过爬虫抓取电影《我们的未来》豆瓣点评，并制作点评文字的词云图。

⓿ import numpy as np
       import jieba
       from PIL import Image
       from wordcloud import WordCloud, STOPWORDS
       import matplotlib.pyplot as plt
    ❶ with open(r'H:\示例\第9章\影评.txt', 'rb') as f:
           text=f.read()
     words=jieba.cut(text)
       wordstr=' '.join(words)
     wordcloud=WordCloud(font_path='H:\示例\第9章\msyh.ttf', 
           mask=np.array(Image.open(r'H:\示例\第9章\background.png')),
           width=600, height=600, max_words=100, max_font_size=80,
           stopwords=set(STOPWORDS),scale=4,background_color='white')
    ❹ wordcloud.generate(wordstr)
    ❺ wordcloud.to_file(r'H:\示例\第9章\wordcloud.png')

语句⓿引入必要的库文件；语句❶打开影评文件，读取文本；语句使用jieba分词，将文件分割为词语；语句设置词云图，如字体、背景（mask）、宽、高、最大字数、最大字号、停用词（排除词列表，即不显示的单词列表，如助词等）、缩放、背景颜色等；语句❹导入词语，生成词云图；语句❺将生成的词云图保存到本地。

打开词云图，效果如图9-17所示（略）。

**本文摘自《学Python，不加班——轻松实现办公自动化》**

![Python图形绘制：如何用Matplotlib和pandas绘图？][Python_Matplotlib_pandas 7]

这是一本关于如何利用Python提高日常办公效率的书，书中凝聚了作者多年的实践经验和独特思考，旨在帮助读者准确、高效地完成大量高重复度的工作。

本书汇集了日常办公和处理文档时常见的问题，通过实例的演示与讲解，帮助读者灵活有效地使用Python处理工作中遇到的问题。全书共11章，涵盖Python的各种应用场景，具体包括文件管理自动化，网络信息自动获取，TXT、XLS／XLSX、DOC／DOCX、PPT、PDF、图片文件的自动化处理，模拟鼠标、键盘操控本地软件，自动化运行管理等。本书力图淡化编程中的抽象概念，贴合工作场景，注重实战效果，通过对Python技术的巧妙讲解，帮助读者成为高效率的办公室“超人”。

[Python_Matplotlib_pandas]: /images/20220829/7be1d6a369f34d8db4762d47d8fe37df.png
[Python_Matplotlib_pandas 1]: /images/20220829/71c71645e6ff49939f51bc85e95e8bc8.png
[Python_Matplotlib_pandas 2]: /images/20220829/d00a68dcc8c34c138b0c7aaac0e6e5ce.png
[Python_Matplotlib_pandas 3]: /images/20220829/ba0515e46d504f08a5a2034c0a3b5e49.png
[Python_Matplotlib_pandas 4]: /images/20220829/fc95fb07d1694b0c9185f7251de34dbd.png
[Python_Matplotlib_pandas 5]: /images/20220829/88ff987760bb4deeabb0045b24856262.png
[Python_Matplotlib_pandas 6]: /images/20220829/d2f3875f1e2941609a69da08d5150eff.png
[Python_Matplotlib_pandas 7]: /images/20220829/77e87cf4a0b1424bbb717d93015bb813.png