matplotlib柱状图上方显示数据_Python数据分析matplotlib可视化之绘图！

Matplotlib是一个基于python的2D画图库，能够用python脚本方便的画出折线图，直方图，功率谱图，散点图等常用图表，而且语法简单。

Python中通过matplotlib模块的pyplot子库来完成绘图。Matplotlib可用于创建高质量的图表和图形，也可以用于绘制和可视化结果。matplotlib是Python优秀的数据可视化第三方库，matplotlb.pyplot是绘制种类可视化图形的命令子库，相当于快捷方式 import matplotlib.pyplot as plt.

线形图：

线性图是最基本的图表类型，常用于绘制连续的数据。通过绘制线形图，可以表现出数据的一种趋势变化。

Matplotlib的plot（X,Y）用来绘制线形图，在参数中传入X和Y的坐标即可。其中，X和Y轴坐标的数据格式可以是列表、数组和Series.

例1：坐标数据格式为series

import numpy as np
import matplotlib.pyplot as plt
import pandas as pd
data={'name':['Tom','Peter','Lucy','Max'],'sex':['female','female','male','male'],'math':[78,79,83,92],'city':['北京','上海','广州','北京']}
df=pd.DataFrame(data)
print(df)#DataFrame数据的行索引作为X轴，math列索引作为Y轴
plt.plot(df.index,df['math'],color='red',linestyle='-',linewidth=3,marker='D')#通过plot函数的color参数可以指定线条的颜色，

linestyle参数可以指定线条的形状，

linewidth参数可指定线条的宽度，

marker参数可对坐标点进行标记（默认情况下，坐标点是没有标记的），

结果：name sex math city #创建一个DataFrame数据
0 Tom female 78 北京
1 Peter female 79 上海
2 Lucy male 83 广州
3 Max male 92 北京

绘制的线性图：

!]( http://upload-images.jianshu.io/upload_images/4809664-7ca76b8569cdce1b?imageMogr2/auto-orient/strip%7CimageView2/2/w/1240 )

注意： 颜色设置要放在线条和点的样式的前面 ，颜色、线条和点的样式可以放置于格式字符串。

如:plt.plot(df.index,df['math'],'co-')

运行结果如下：

image

2. 柱状图

2.1 绘制柱状图主要是使用matplotlib的 bar函数 :

bar函数的color参数可以设置柱状图的填充颜色，

alpha参数可以设置透明度，

例如：

import matplotlib.pyplot as plt
data=[23,85,72,43,52]
plt.bar([1,2,3,4,5],data,color='royalblue',alpha=0.7)

运行结果：

image

bottom参数用于设置柱状图的高度，以此绘制堆积柱状图；

width参数用于设置柱状图的宽度， 以此可以绘制并列柱状图 。

grid函数用于绘制格网，通过对参数的个性化设置，可以绘制出个性的格网

例如：

import numpy as npimport matplotlib.pyplot as pltdata1=[23,85,72,43,52]data2=[42,35,21,16,9]width=0.3plt.bar(np.arange(len(data1)),data1,color='royalblue',alpha=0.7,width=width)plt.bar(np.arange(len(data2))+width,data2,color='green',alpha=0.7,width=width)plt.grid(color='black',linstyle='--',linewidth=3,axis='y',alpha=0.6)

运行结果：

image

Bar函数的通过barh函数可以绘制水平柱状图

import numpy as npimport matplotlib.pyplot as pltdata1=[23,85,72,43,52]plt.barh(np.arange(len(data1)),data1,color='green',alpha=0.5)

如图所示：

image

2.2 刻度与标签：

现实中的柱状图的X轴是有刻度标签的，上述实例中未设置。在matplotlib中，

通过 xticks函数 设置图标的X轴的刻度和刻度标签， yticks函数设置y轴的刻度和标签。

通过xlabel 和 ylabel 方法给X轴和Y轴添加标签，

通过title方法为图表添加标题

例如：

import numpy as npimport matplotlib.pyplot as pltdata1=[23,85,72,43,52]labels=['A','B','C','D','E']plt.xticks(range(len(data1)),labels) #设置刻度和标签plt.xlabel('Class') #plt.xlabel、ylabel、title方法分别给X轴和Y轴，图标题添加标签。plt.ylabel('Amounts')plt.title('Example')#plt.bar(range(len(data1)),data)plt.bar(np.arange(len(data1)),data1,color='royalblue',alpha=0.7)plt.grid(color='black',linstyle='--',linewidth=3,axis='y',alpha=0.6)

运行结果：

2.3 图例：

image

图例是标识图表元素的重要工具，在bar函数中传入label参数表示图例名称，通过legend函数即可绘制出图例。

data1=[23,85,72,43,52]
data2=[42,35,21,16,9]
width=0.3
plt.bar(np.arange(len(data1)),data1,width=width,label='one')
plt.bar(np.arange(len(data2))+width,data2,width=width,label='two')
plt.legend()

结果图：

image

2.4 文本注解：

例如：在柱状图中加入文本数字，可以很清楚的知道每个类别的数量。通过text函数可以在指定的坐标（x,y）上加入文本注释

data=[23,85,72,43,52]
labels=['A','B','C','D','E']
plt.xticks(range(len(data)),labels) #设置刻度和标签
plt.xlabel('Class') 
plt.ylabel('Amounts')
plt.title('Example')
plt.bar(range(len(data)),data)
for x,y in zip(range(len(data)),data):
plt.text(x,y,y,ha='center',va='bottom') #文本注解 # 第一个参数是x轴坐标# 第二个参数是y轴坐标# 第三个参数是要显式的内容

image

3.散点图：

Matpltlib中 scatter函数可以用来绘制散点图，传入X和Y轴坐标。Scatter(X,Y)

利用Numpy创建一组随机数

import numpy as np
import matplotlib.pyplot as plt
X=np.random.randn(100)
Y=np.random.randn(100)
plt.scatter(X,Y,color='red',marker='D')

散点图：

image

4. 直方图

matplotlib的 hist(）函数 用来绘制直方图。

直方图与条形图的区别：

直方图是用面积表示各频数的多少，矩形的高度表示每一组的频数或频率，宽度则表示各组的组距，因此其宽度与高度均有意义；

条形图（柱状图）是用条形的长度表示各类频数的多少，其宽度是固定的。

由于分组数据具有连续性，直方图的各矩形通常是连续排列，而条形图是分开排列；条形图主要是用于展示分类数据，而直方图则主要用于展示数据型数据。

x=np.random.normal(size=100)
plt.hist(x,bins=30)

image

5. 自定义设置

Matplotlib的图像位于Figure对象中，实际上就是创建了一个空的图像窗口。可通过figure函数可以创建一个新的Figure，用于绘制图表

fig=plt.figure(figsize=(10,6)) #figsize参数可以设置图表（整个图）的长宽比

ax1=fig.add_subplot(2,2,1) #不能通过空figure绘图，必须用add_subplot()创建一个或者多个子subplot绘图区才能绘图

意思是：绘制2*2两行两列共4个子subplot图像

ax2=fig.add_subplot(2,2,2) # 在创建Figure对象过程中，通过add_subplot函数创建子图，用于绘制图形

ax3=fig.add_subplot(2,2,3)

years=[1950,1960,1970,1980,1990,2000,2010]

gdp=[300.2,543.3,1075.9,2862.5,5979.6,10289.7,14958.3]

ax1.scatter(years,gdp) #选用不同的ax变量，则可以在对应的subplot子图中绘图（散点图、线形图、柱状图）

ax2.plot(years,gdp)

ax3.bar(years,gdp)

image

plt.subplots可以轻松的创建子图，而axes的索引类型类似于二维数组，这样就可以对指定的子图进行绘制。Subplot函数中有3个参数：垂直绘图的数量、水平绘图的数量以及表示绘图位置的索引（基于行进行计算）

fig,axes=plt.subplots(2,2,figsize=(10,6)) 
axes[1,0].plot(years,gdp)
axes[0,0].scatter(years,gdp)
axes[0,1].bar(years,gdp)
axes[1,1].hist(years,gdp)

image

注意：当没有设置figsize时，创建多子图会显得拥挤。通过 plt..subplot_adjust方法可以设置子图的间距修改子图之间的间距（增加额外的空间以调整两个子图之间的距离）

subplots__adjust(left=None,bottom=None,right=None,top=None,wspace=None,hspace=None) ，其中前4个参数用于设置subplot子图的外围边距，wspace和hapace参数设置用于设置subplot子图间的边距。

fig,axes=plt.subplots(2,2) #未设置figsize时，默认情况下，各sudplot子图间都会留有一定的间距。

image

years=[1950,1960,1970,1980,1990,2000,2010]
gdp=[300.2,543.3,1075.9,2862.5,5979.6,10289.7,14958.3]
fig,axes=plt.subplots(2,2)
plt.subplots_adjust(wspace=0.3,hspace=0.3)
axes[1,0].plot(years,gdp)
axes[0,0].scatter(years,gdp)
axes[0,1].bar(years,gdp)
axes[1,1].hist(years,gdp)