这是我参与11月更文挑战的第8天，活动详情查看：2021最后一次更文挑战

前言

互联网时代下，在网络中每天都会产生很多数据，通过对数据分析之后，如何更好的诠释数据背后的意义，我们需要对数据进行可视化展示。

在数据可视化中，Python 也支持第三模块

• matplotlib 模块：Python使用最多的可视化库
• seaborn 模块：基于matplotlib的图形可视化
• pycharts 模块：用于生成Echarts 图表的类库

本期，我们对matplotlib模块提供的图形方法进行学习，Let's go~

1. matplotlib 模块概述

matplotlib 模块是第三方开源的，由John Hunter团队研发而成，NumFOCUS 的赞助项目。

matplotlib 模块是用于Python创建静态、动态和交互式可视化综合性的库。

• matplotlib 模块特点

  • 易创建图表如出版质量图、交互式数据可放大、缩小
  • 定制化图表可完全控制线条样式、导入并嵌入多种文件格式
  • 扩展性高，可以与第三方模块进行兼容
  • matplotlib 模块资料手册信息丰富，可快速上手

• matplotlib 模块获取

  matplotlib 是Python主流第三方可视化模块，我们需要使用pip进行下载

  pip install matplotlib
  复制代码

• matplotlib 模块使用

  在matplotlib模块中，pyplot类是最常用的。

  • 方式一：

  from matplotlib import pyplot
  复制代码

  • 方式二：

  import matplotlib.pyplot as plt
  复制代码

🔔 重要说明

1. matplotlib 模块官方资料
2. 查看matplotlib内部代码说明

2. matplotlib.pyplot 相关方法

matplotlib.pyplot 模块是我们画图标最常用的模块之一

3. matplotlib.pyplot 图表展示

• 绘制折线图

  • 使用pyplot..plot()方法

  from matplotlib import pyplot
  
  # 设置图表字体格式
  pyplot.rcParams["font.sans-serif"]=['SimHei']
  pyplot.rcParams["axes.unicode_minus"]=False
  
  pyplot.plot([1,2,3,4,5,6],[45,20,19,56,35,69])
  
  pyplot.title("data analyze")
  pyplot.xlabel("data")
  pyplot.ylabel("sum")
  
  pyplot.show()
  复制代码

  

• 绘制柱状图

  • 使用pyplot..bar()方法
  • 再次使用上面的数据，可以看到直方图

  pyplot.bar([1,2,3,4,5,6],[45,20,19,56,35,69])
  复制代码

  

• 绘制饼图

  • 使用pyplot.pie()方法绘制饼图
  • 同时使用pyplot.axis方法设置每一个分区间隔

  from matplotlib import pyplot
  labels = ["windows","MAC","ios","Android","other"]
  sizes = [50,10,5,15,20]
  explode = [0,0.1,0,0,0]
  pyplot.pie(sizes,explode=explode,labels=labels,autopct='%1.1f%%',shadow=False,startangle=90)
  pyplot.axis("equal")
  
  pyplot.title("data analyze")
  pyplot.show()
  复制代码

  

• 绘制散点图

  • 使用pyplot.scatter(x,y)绘制散点图

  import numpy as np
  from matplotlib import pyplot
  
  data = {"a":np.arange(50),"c":np.random.randint(0,50,50),"d":np.random.randn(50)}
  
  data['b'] = data['a']+10*np.random.randn(50)
  data['d'] = np.abs(data['d'])*100
  
  pyplot.scatter("a","b",c='c',s='d',data=data)
  
  pyplot.title("data analyze")
  pyplot.xlabel("元素 a")
  pyplot.ylabel("元素 b")
  
  pyplot.show()
  复制代码

  

总结

本期，我们对matplotlib.pyplot 模块绘制相关如折线、柱状、散点、圆饼图表进行简单地学习

在学习的过程中，我们发现pyplot 模块简单上手，发现在展示之前我们所有的数据是关键点

以上是本期内容，欢迎大佬们点赞评论，我们下期见~