目录
前言
一、matplotlib是什么？
二、绘图介绍
2.1 绘制折线图
2.2 绘制散点图
2.3 绘制条形图
2.3.1 绘制条形图
2.3.2 绘制多次条形图
2.4 绘制直方图
2.5 更多绘图工具
总结
前言
为什么要学习matplotlib
（1）能将数据进行可视化
（2）使数据更加客观更具有说服力
一、matplotlib是什么？Matolotlib是最流行的python底层绘图库，主要是做数据可视化图表。它可以让数据更加直观的呈现，让数据更加客观，具有说服力。学习爬虫后，可能会遇到对大量的数据的处理，于是学习数据分析是必不可少的。
二、绘图介绍 2.1 绘制折线图假设一天中每隔两个小时的气温分别为[15,13,14.5,17,20,25,26,26,27,22,18,15]，用matplotlib绘制折线图。
from matplotlib import pyplot as plt x = range(2, 26, 2) y = [15, 13, 14.5, 17, 20, 25, 26, 26, 27, 22, 18, 15] plt.plot(x, y) #传入x和y，绘制折线图 plt.show() #展示图形
pyplot是matplotlib中的绘图库，下图为上述代码执行结果。
但是目前存在的几个问题：
1、设置图片大小
2、保存图片
3、描述x、y轴表示什么
4、调整x、y轴的刻度间距
5、线条样式
6、标记特殊点
7、给图片加水
改进代码如下
#coding=utf-8
from matplotlib import pyplot as plt
#定义字体
font = {'family' : 'SimHei',
'weight' : 'bold',
'size' : '14'}
plt.rc('font', **font) # 步骤一（设置字体的更多属性）
plt.rc('axes', unicode_minus=False) # 步骤二（解决坐标轴负数的负号显示问题）
x = range(2, 26, 2)
y = [15, 13, 14.5, 17, 20, 25, 26, 26, 27, 22, 18, 15]
#设置图片大小
fig = plt.figure(figsize=(12, 9), dpi=80) #figure指我们画的图，传入dpi参数可以让图片更清晰
#绘图
plt.plot(x, y)
#设置x、y轴刻度
_x = x
_xtick_labels = ["{}:00".format(i) for i in _x] #列表生成式
plt.xticks(_x, _xtick_labels, rotation=60) #每隔两个取一个,rotation表示旋转角度
_y = list(range(min(y), max(y)+1))
_ytick_labels = ["{}℃".format(i) for i in _y]
plt.yticks(_y, _ytick_labels)
#添加描述信息
plt.xlabel("时间(h)")
plt.ylabel("温度(℃)")
plt.title("气温表")
#保存图片
plt.savefig("aa.png")
#显示图形
plt.show()
代码结果如下：
2.2 绘制散点图假设通过爬虫获取了背景2016年3，10月份每天白天最高气温（分别为列表a，b），那么如何寻找出气温和时间变化的规律？
a = [11,17,16,11,12,11,12,6,6,7,8,9,12,15,14,17,18,21,16,17,20,14,15,15,15,19,21,22,22,22,23] b = [26,26,28,19,21,17,16,19,18,20,20,19,22,23,17,20,21,20,22,15,11,15,5,13,17,10,11,13,12,13,6]
# coding=utf-8
from matplotlib import pyplot as plt
#定义字体
font = {'family' : 'SimHei',
'weight' : 'bold',
'size' : '14'}
plt.rc('font', **font) # 步骤一（设置字体的更多属性）
plt.rc('axes', unicode_minus=False) # 步骤二（解决坐标轴负数的负号显示问题）
y_3 = [11,17,16,11,12,11,12,6,6,7,8,9,12,15,14,17,18,21,16,17,20,14,15,15,15,19,21,22,22,22,23]
y_10 = [26,26,28,19,21,17,16,19,18,20,20,19,22,23,17,20,21,20,22,15,11,15,5,13,17,10,11,13,12,13,6]
x_3 = range(1,32)
x_10 = range(51,82)
#设置图形大小
plt.figure(figsize=(20,10),dpi=80)
#使用scatter方法绘制散点图,和之前绘制折线图的唯一区别
plt.scatter(x_3, y_3, label="3月份")
plt.scatter(x_10, y_10, label="10月份")
#调整x,y轴的刻度
_x = list(x_3)+list(x_10)
_xtick_labels = ["3月{}日".format(i) for i in x_3]
_xtick_labels += ["10月{}日".format(i-50) for i in x_10]
plt.xticks(_x[::3], _xtick_labels[::3],rotation=45)
_y = list(range(min(min(y_3), min(y_10)), max(max(y_3), max(y_10))+1))
_ytick_labels = ["{}℃".format(i) for i in _y]
plt.yticks(_y, _ytick_labels)
#添加图例
plt.legend(loc="upper left")
#添加描述信息
plt.xlabel("时间(日期)")
plt.ylabel("温度(℃)")
plt.title("标题")
#展示
plt.show()
散点图主要是由plt.scatter()绘制出来，结果如下图所示。
2.3 绘制条形图 2.3.1 绘制条形图假设获取到了2017年内地电影票房前20的电影（列表a）和电影票房数据（列表b），那么如何更加直观的展示数据？
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]
# coding=utf-8
from matplotlib import pyplot as plt
#定义字体
font = {'family' : 'SimHei',
'weight' : 'bold',
'size' : '12'}
plt.rc('font', **font) # 步骤一（设置字体的更多属性）
plt.rc('axes', unicode_minus=False) # 步骤二（解决坐标轴负数的负号显示问题）
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]
#设置图形大小
plt.figure(figsize=(30,20),dpi=80)
#绘制条形图
plt.bar(range(len(a)),b,width=0.3)
#设置字符串到x轴
plt.xticks(range(len(a)),a,rotation=90)
plt.savefig("movie.png")
plt.show()
竖状条形图主要是由plt.bar()绘制出来，结果如下图所示。
生活中有很多条形图也是横着表示的，matplotlib中横着的条形图由plt.barh()绘制出来，代码和结果如下。
# coding=utf-8
from matplotlib import pyplot as plt
#定义字体
font = {'family' : 'SimHei',
'weight' : 'bold',
'size' : '18'}
plt.rc('font', **font) # 步骤一（设置字体的更多属性）
plt.rc('axes', unicode_minus=False) # 步骤二（解决坐标轴负数的负号显示问题）
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]
#设置图形大小
plt.figure(figsize=(22,8),dpi=80)
#绘制条形图
plt.barh(range(len(a)),b,height=0.3,color="orange")
#设置字符串到x轴
plt.yticks(range(len(a)),a)
plt.grid(alpha=0.3)
plt.savefig("movieh.png")
plt.show()
2.3.2 绘制多次条形图
假设知道了列表a中电影分别在2017-09-14(b_14),2017-09-15(b_15),2017-09-16(b_16)三天的票房，为了展示列表中电影本身的票房以及通其他电影的数据对比情况，应该如何更加直观的呈现该数据？
a = ["猩球崛起3：终极之战","敦刻尔克","蜘蛛侠：英雄归来","战狼2"] b_16 = [15746,312,4497,319] b_15 = [12357,156,2045,168] b_14 = [2358,399,2358,362]
多次条形图也就是多次进行plt.bar()绘制步骤，代码与结果如下。
# coding=utf-8
from matplotlib import pyplot as plt
#定义字体
font = {'family' : 'SimHei',
'weight' : 'bold',
'size' : '18'}
plt.rc('font', **font) # 步骤一（设置字体的更多属性）
plt.rc('axes', unicode_minus=False) # 步骤二（解决坐标轴负数的负号显示问题）
a = ["猩球崛起3：终极之战","敦刻尔克","蜘蛛侠：英雄归来","战狼2"]
b_16 = [15746,312,4497,319]
b_15 = [12357,156,2045,168]
b_14 = [2358,399,2358,362]
bar_width = 0.2
x_14 = list(range(len(a)))
x_15 = [i+bar_width for i in x_14]
x_16 = [i+bar_width*2 for i in x_14]
#设置图形大小
plt.figure(figsize=(20,8),dpi=80)
plt.bar(range(len(a)),b_14,width=bar_width,label="9月14日")
plt.bar(x_15,b_15,width=bar_width,label="9月15日")
plt.bar(x_16,b_16,width=bar_width,label="9月16日")
#设置图例
plt.legend()
#设置x轴的刻度
plt.xticks(x_15, a)
plt.savefig("movie3.png")
plt.show()
2.4 绘制直方图
加入获取了230部电影的时常（列表a），希望统计出这些电影市场的分布状态（比如时常为100分钟到120分钟电影的数量，出现的频率）等信息，该如何呈现数据？
a = [131, 98, 125, 131, 124, 139, 131, 117, 128, 108, 135, 138, 131, 102, 107, 114, 119, 128, 121, 142, 127, 130, 124, 101, 110, 116, 117, 110, 128, 128, 115, 99, 136, 126, 134, 95, 138, 117, 111,78, 132, 124, 113, 150, 110, 117, 86, 95, 144, 105, 126, 130,126, 130, 126, 116, 123, 106, 112, 138, 123, 86, 101, 99, 136,123, 117, 119, 105, 137, 123, 128, 125, 104, 109, 134, 125, 127,105, 120, 107, 129, 116, 108, 132, 103, 136, 118, 102, 120, 114,105, 115, 132, 145, 119, 121, 112, 139, 125, 138, 109, 132, 134,156, 106, 117, 127, 144, 139, 139, 119, 140, 83, 110, 102,123,107, 143, 115, 136, 118, 139, 123, 112, 118, 125, 109, 119, 133,112, 114, 122, 109, 106, 123, 116, 131, 127, 115, 118, 112, 135,115, 146, 137, 116, 103, 144, 83, 123, 111, 110, 111, 100, 154,136, 100, 118, 119, 133, 134, 106, 129, 126, 110, 111, 109, 141,120, 117, 106, 149, 122, 122, 110, 118, 127, 121, 114, 125, 126,114, 140, 103, 130, 141, 117, 106, 114, 121, 114, 133, 137, 92,121, 112, 146, 97, 137, 105, 98, 117, 112, 81, 97, 139, 113,134, 106, 144, 110, 137, 137, 111, 104, 117, 100, 111, 101, 110,105, 129, 137, 112, 120, 113, 133, 112, 83, 94, 146, 133, 101,131, 116, 111, 84, 137, 115, 122, 106, 144, 109, 123, 116, 111,111, 133, 150]
绘制直方图采用plt.hist(a, num_bins)，传入需要统计的数据以及组数即可。
# coding=utf-8
from matplotlib import pyplot as plt
#定义字体
font = {'family' : 'SimHei',
'weight' : 'bold',
'size' : '18'}
plt.rc('font', **font) # 步骤一（设置字体的更多属性）
plt.rc('axes', unicode_minus=False) # 步骤二（解决坐标轴负数的负号显示问题）
a=[131, 98, 125, 131, 124, 139, 131, 117, 128, 108, 135, 138, 131, 102, 107, 114, 119, 128,
121, 142, 127, 130, 124, 101, 110, 116, 117, 110, 128, 128, 115, 99, 136, 126, 134, 95,
138, 117, 111,78, 132, 124, 113, 150, 110, 117, 86, 95, 144, 105, 126, 130,126, 130, 126,
116, 123, 106, 112, 138, 123, 86, 101, 99, 136,123, 117, 119, 105, 137, 123, 128, 125,
104, 109, 134, 125, 127,105, 120, 107, 129, 116, 108, 132, 103, 136, 118, 102, 120, 114,
105, 115, 132, 145, 119, 121, 112, 139, 125, 138, 109, 132, 134,156, 106, 117, 127, 144,
139, 139, 119, 140, 83, 110, 102,123,107, 143, 115, 136, 118, 139, 123, 112, 118, 125,
109, 119, 133,112, 114, 122, 109, 106, 123, 116, 131, 127, 115, 118, 112, 135,115, 146,
137, 116, 103, 144, 83, 123, 111, 110, 111, 100, 154,136, 100, 118, 119, 133, 134, 106,
129, 126, 110, 111, 109, 141,120, 117, 106, 149, 122, 122, 110, 118, 127, 121, 114, 125,
126,114, 140, 103, 130, 141, 117, 106, 114, 121, 114, 133, 137, 92,121, 112, 146, 97, 137,
105, 98, 117, 112, 81, 97, 139, 113,134, 106, 144, 110, 137, 137, 111, 104, 117, 100, 111,
101, 110,105, 129, 137, 112, 120, 113, 133, 112, 83, 94, 146, 133, 101,131, 116, 111, 84,
137, 115, 122, 106, 144, 109, 123, 116, 111,111, 133, 150]
#计算组数
d = 6 #组距
num_bins = (max(a)-min(a))//d
print(max(a),min(a),max(a)-min(a))
print(num_bins)
#设置图形的大小
plt.figure(figsize=(20,8),dpi=80)
plt.hist(a,num_bins)
#设置x轴的刻度
plt.xticks(range(min(a),max(a)+d,d))
#画网格
plt.grid()
plt.show()
代码中的组距尽量选择可以整除的数，结果如下图。
2.5 更多绘图工具
例如一些前端的绘图平台比如ECHARTS、ploty（相比matplotlib更加简单，图形更漂亮，同时兼容matplotlib和pandas）（参考https://plotly.com/python/）、seaborn等。
总结以上就是对matplotlib中绘图部分的基础学习代码介绍。
欢迎分享，转载请注明来源：内存溢出
微信扫一扫
支付宝扫一扫
评论列表（0条）