利用Python进行数据分析4-绘图与可视化_python plot bar

信息可视化（也叫绘图）是数据分析中最重要的⼯作之⼀。

matplotlib API⼊⻔

import numpy as np
import pandas as pd
PREVIOUS_MAX_ROWS = pd.options.display.max_rows
pd.options.display.max_rows = 20
np.random.seed(12345)
import matplotlib.pyplot as plt
import matplotlib
plt.rc('figure', figsize=(10, 6))
np.set_printoptions(precision=4, suppress=True)
1
2
3
4
5
6
7
8
9

matplotlib的通常引⼊约定是：

#导入包
import matplotlib.pyplot as plt
1
2

在Jupyter中运⾏%matplotlib notebook（或在IPython中运⾏%matplotlib），就可以创建⼀个简单的图形。如果⼀切设置正确，会看到下图：

import numpy as np
data = np.arange(10)
data
#绘制简单的线图
plt.plot(data)
1
2
3
4
5

虽然seaborn这样的库和pandas的内置绘图函数能够处理许多普通的绘图任务，但如果需要⾃定义⼀些⾼级功能的话就必须学习matplotlib API。

Figure和Subplot

matplotlib的图像都位于Figure对象中。你可以⽤plt.figure创建⼀个新的Figure：

fig	=	plt.figure()
1

如果⽤的是IPython，这时会弹出⼀个空窗⼝，但在Jupyter中，必须再输⼊更多命令才能看到。plt.figure有⼀些选项，特别是figsize，它⽤于确保当图⽚保存到磁盘时具有⼀定的⼤⼩和纵横⽐。
不能通过空Figure绘图。必须⽤add_subplot创建⼀个或多个subplot才⾏：

ax1 = fig.add_subplot(2, 2, 1)
1

这条代码的意思是：图像应该是2×2的（即最多4张图），且当前选中的是4个subplot中的第⼀个（编号从1开始）。如果再把后⾯两个subplot也创建出来，最终得到的图像如下图所示：

fig = plt.figure()
ax1 = fig.add_subplot(2, 2, 1)
ax2 = fig.add_subplot(2, 2, 2)
ax3 = fig.add_subplot(2, 2, 3)
#同时执行则在最后图形上进行绘制
#plt.plot(np.random.randn(50).cumsum(), 'k--')
1
2
3
4
5
6

如果这时执⾏⼀条绘图命令（如plt.plot([1.5, 3.5, -2, 1.6])），
matplotlib就会在最后⼀个⽤过的subplot（如果没有则创建⼀
个）上进⾏绘制，隐藏创建figure和subplot的过程。因此，如果
我们执⾏下列命令，你就会得到如下图所示的结果：

fig = plt.figure()
ax1 = fig.add_subplot(2, 2, 1)
ax2 = fig.add_subplot(2, 2, 2)
ax3 = fig.add_subplot(2, 2, 3)
#同时执行则在最后图形上进行绘制
plt.plot(np.random.randn(50).cumsum(), 'k--')
1
2
3
4
5
6

"k–"是⼀个线型选项，⽤于告诉matplotlib绘制⿊⾊虚线图。上⾯那些由fig.add_subplot所返回的对象是AxesSubplot对象，直接调⽤它们的实例⽅法就可以在其它空着的格⼦⾥⾯画图了，如下图所示：

fig = plt.figure()
ax1 = fig.add_subplot(2, 2, 1)
ax2 = fig.add_subplot(2, 2, 2)
ax3 = fig.add_subplot(2, 2, 3)
#同时执行则在最后图形上进行绘制
plt.plot(np.random.randn(50).cumsum(), 'k--')
#继续绘制两次
_ = ax1.hist(np.random.randn(100), bins=20, color='k', alpha=0.3)
ax2.scatter(np.arange(30), np.arange(30) + 3 * np.random.randn(30))
1
2
3
4
5
6
7
8
9

你可以在matplotlib的⽂档中找到各种图表类型。
创建包含subplot⽹格的figure是⼀个⾮常常⻅的任务，matplotlib有⼀个更为⽅便的⽅法plt.subplots，它可以创建⼀个新的Figure，并返回⼀个含有已创建的subplot对象的NumPy数组：

fig, axes = plt.subplots(2, 3)
axes
1
2

这是⾮常实⽤的，因为可以轻松地对axes数组进⾏索引，就好像是⼀个⼆维数组⼀样，例如axes[0,1]。你还可以通过sharex和sharey指定subplot应该具有相同的X轴或Y轴。在⽐较相同范围的数据时，这也是⾮常实⽤的，否则，matplotlib会⾃动缩放各图表的界限。有关该⽅法的更多信息，请参⻅表1。
下表为表1：

调整subplot周围的间距

默认情况下，matplotlib会在subplot外围留下⼀定的边距，并在subplot之间留下⼀定的间距。间距跟图像的⾼度和宽度有关，因此，如果你调整了图像⼤⼩（不管是编程还是⼿⼯），间距也会⾃动调整。利⽤Figure的subplots_adjust⽅法可以轻⽽易举地修改间距，此外，它也是个顶级函数：
PS：调试过程中发现书中源代码无法运行，在此处更改了。

plt.subplots_adjust(left=None, bottom=None, right=None, top=None, wspace=None, hspace=None)
1

wspace和hspace⽤于控制宽度和⾼度的百分⽐，可以⽤作subplot之间的间距。下⾯是⼀个简单的例⼦，其中我将间距收缩到了0（如下图所示）：

fig, axes = plt.subplots(2, 2, sharex=True, sharey=True)
for
1