Python資料分析之Matplotlib資料視覺化

2022-08-01 18:04:26

1.前言

資料展示，即資料視覺化，是資料分析的第五個步驟，大部分人對圖形敏感度高於數位，好的資料展示方式能讓人快速發現問題或規律，找到資料背後隱藏的價值。

2.Matplotlib概念

Matplotlib 是 Python 中常用的 2D 繪相簿，它能輕鬆地將資料進行視覺化，作出精美的圖表。Matplotlib 模組很龐大，其中最常用的一個子模組是 pyplot，通常以一下方式將其匯入：

 import matplotlib.pyplot as plt

因為在程式中經常使用，所以給 matplotlib.pyplot 起了個別名plt，以減少大量重複程式碼

3.Matplotlib.pyplot基本使用

pyplot 中最基礎的作圖方式是以點作圖，即給出每個點的座標，pyplot 會將這些點在座標系中畫出，並用線將這些點連起來。以正弦函數為例，用 pyplot 畫出影象：

程式碼段1：

 import numpy as np
 import matplotlib.pyplot as plt
 
 x = np.arange(0,2*np.pi,0.1) #生成一個0到2pi、步長為0.1的陣列x
 y = np.sin(x) #將x的值傳入正弦函數，得到對應的值存入陣列y
 plt.plot(x,y) #傳入plt.plot()，將x，y轉換成對應座標。
 plt.show() #顯示影象

上面程式畫出了以下影象：

注：選擇x的步長為0.1是為了讓每個點間隔較小，讓影象更加接近真實情況，否則如果步長過大，則會變成折線，若步長為1則會變成以下情況：

除了 np.sin()方法外，numpy 中也有 np.cos()、np.tan()等計算三角函數的方法。上面這些方法，最重要的是 plt.plot()方法，plt.plot()方法可以接收任意對數的 x 和 y ，它會將這些影象在一張圖上都畫出來，例如在原來的正弦影象上增加餘弦影象，可以這樣寫：

 import numpy as np
 import matplotlib.pyplot as plt
 
 x = np.arange(0,2*np.pi,0.1) #生成一個0到2pi，步長為0.1的陣列x
 y1 = np.sin(x) #將x的值傳入正弦函數，得到對應的值存入陣列y1
 y2 = np.cos(x) #將x的值傳入餘弦函數，得到對應的值存入陣列y1
 plt.plot(x,y1,x,y2) #傳入plt.plot()，將(x，y1)、(x,y2)轉換成對應座標。
 plt.show() #顯示影象

以上程式公用了同一個x，當然也可以重新定義一個新的 x，最終得到的影象如下：

程式碼段2使用一次 plt.plot()方法直接將兩個數位轉換成對應座標，當然也可以呼叫兩次，以下兩行程式碼和上面第7行程式碼是等價的。

 plt.plot(x,y1)
 plt.plot(x,y2)

對每一對 x 和 y，有一個可選格式化引數，進行指定線條的顏色、點標記和線條的型別。

程式碼段3：

 import numpy as np
 import matplotlib.pyplot as plt
 
 x = np.arange(0,2*np.pi,0.1) #生成一個0到2pi，步長為0.1的陣列x
 y1 = np.sin(x) #將x的值傳入正弦函數，得到對應的值存入陣列y1
 y2 = np.cos(x) #將x的值傳入餘弦函數，得到對應的值存入陣列y1
 plt.plot(x,y1,'ro--',x,y2,'b*-.') #將(x，y1)、(x,y2)轉換成對應座標，並選用格式化引數
 plt.show() #顯示影象

將程式碼段2傳入了格式化引數後，最終影象如下所示：

以其中的引數'ro--'為例，它分為三部分：r 代表紅色(red)，o 代表在座標點採用圓點標記，-- 代表虛線。'ro--'整體來說就是線條為虛線、座標點標記為圓點。格式化引數這三部分都是可選的，即傳入一部分也是可以的，並且沒有順序要求，

格式化引數常用的選型及含義如下表所示:

3.資料展示

3.1如何選擇展示方式

我們通過資料分析來進行決策，那麼使用合適的圖表來準確地展示資料是至關重要的。實際使用中，我們會用到各種各樣地幾十種圖表，按照資料展示的目標可以把它們分為五種，分別是：趨勢、比較、構成、分佈和聯絡。

趨勢：最常見的一種時間序列關係，關心資料如何隨時間變化，趨勢裡的圖示能直觀反映出每年、每月、每天的變化趨勢，增長、減少、上下波動還是基本不變，最常見的是折線圖，它能很好地表現指標隨時間呈現的趨勢。
構成：主要關注每個部分整體的佔比，如果逆向分析的目標如“份額”、“百分比”等。展示構成關係的圖表型別，最常見的是餅圖。
比較：可以展示某個維度上的排列順序，分析某維度之間的對比是差不多，還是“大於”、“小於”，比如分析男生和女生的身高差別。
分佈：當你關心資料集中，頻率、分佈時，比如根據地理位置資料，通過地圖來展示不同分佈特徵。比較常用的圖表有地圖、直方圖、散點圖。
聯絡：主要檢視兩個變數之間是否表達出我們所要證明的相關關係，比如預期銷售額可能隨著優惠折扣的增長而增長，常用於表打“與......有關”、“隨......而增長”、“隨......而不同”等維度的關係。

在進行資料視覺化時，要先明確分析的目標，再來選擇五種合適的分類，最後選擇某個分類裡合適的圖表型別。

3.2繪製折線圖

其實在前面已經用過折線圖了，就是使用 plot.plot() 方法。之前我們傳入的時x和y座標點，而折線圖的 x 和 y 分別是時間點和對應的資料，下面以兩個商品的銷量走勢為例：

import numpy as np
import matplotlib.pyplot as plt
 
x = ['週一','週二','週三','週四','週五','週六','週日']
y1 = [61,42,52,72,86,91,73]
y2 = [23,26,67,38,46,55,33]
#傳入label引數
plt.rcParams['font.family'] = ['SimHei'] #設定字型防止亂碼
plt.plot(x, y1, label='商品A') #增加折線圖例「商品A」
plt.plot(x, y2, label='商品B') #增加折線圖例「商品B」
#設定x軸標籤
plt.xlabel('時間')
plt.ylabel('銷量')
#設定圖表標題
plt.title('商品銷量對比圖')
#顯示圖例、影象
plt.legend(loc='best') #顯示圖例，並設定在「最佳位置」
plt.show()

得到的影象如下圖所示：

因為上圖中有中文，所以通過 plt.rcParams['font.family'] = ['SimHei'] 來設定中文字型來防止亂碼，如果想設定其他字型只需將 SimHei(黑體)替換成相應的名稱即可。通過一下程式碼獲得，自己編譯器所在環境安裝的字型：

import matplotlib.font_manager as fm
for font in fm.fontManager.ttflist:
    print(font.name)

圖例位置是一個可選引數，預設 matplotlib 會自動選擇合適位置，也可以指定其他位置。

具體的如下表所示：

plt.legend() 方法的 loc 引數選擇引數含義引數含義best最佳位置center居中upper right右上角center right靠右居中upper left左上角center left靠左居中lower left左下角lower center靠下居中lower right右下角upper center靠上居中

3.3繪製柱狀圖

柱狀圖描述的是分類資料，展示的是每一類的數量。柱狀圖分為很多種，有普通柱狀圖、堆疊柱狀圖、分組柱狀圖等。

3.3.1普通柱狀圖

普通柱狀圖呼叫 plt.bar() 方式實現。我們至少需要傳入兩個引數，第一個引數是 x 軸上刻度的標籤序列（列表、元組、陣列等），第二個引數用於指定每個柱子的高度，也就是具體的資料。下面以一個班級體育課選課的情況為例：

import matplotlib.font_manager as fm
for font in fm.fontManager.ttflist:
    print(font.name)

得到如下影象：

plt.bar() 前兩個引數是必選的，當然還有一些可選引數，常用的有 width 和 color ，分別是用於設定柱子的寬度（預設0.8）和顏色。比如我們將柱子寬度改成0.6，將柱子的顏色設成好看的天藍色只需將 plt.bar() 改為 plt.bar(names, nums, width=0.6, color='skyblue') 即可。之前在折線圖部分用到的 plt.xlabel() 、plt.ylabel() 、plt.title() 和 plt.legend() 方法都是通用方法，並不侷限於一種圖表，所有的圖表都適用。

3.3.2堆疊柱狀圖

柱狀圖能直觀地展現出不同資料上的差異，但有時候我們需要進一步分析資料的分佈，比如每門選修課的男女比例，這時就需要用到堆疊柱狀圖。

下面就是進一步分析每一門選修課中男女比例為例編寫程式：

import numpy as np
import matplotlib.pyplot as plt
 
plt.rcParams['font.family'] = ['SimHei'] #設定字型防止亂碼
name = ['乒乓球','羽毛球','網球']
nums_boy = [16,5,11]
nums_girl = [10,15,8]
 
plt.bar(name, nums_boy, width=0.6, color='skyblue', label='男')
plt.bar(name, nums_girl, bottom=nums_boy, width=0.6, color='pink', label='女')
plt.legend()
plt.show()

最終得到影象：

上面的程式碼和普通柱狀圖相比，多呼叫了一次，plt.bar() 方法，並傳入了 bottom 引數，每呼叫一次 plt.bar() 方法都會畫出對應的柱狀圖，而 bottom 引數作用就是控制柱狀圖低端的位置。我們將前一個柱狀圖的高度傳進去，這樣就形成了堆疊柱狀圖。而如果沒有 bottom 引數，後面的圖形會蓋在原來的圖形之上，

就像下面這樣：

3.3.3分組柱狀圖

分組柱狀圖經常用於不同組間資料的比較，這些組都包含了相同分類的資料。

先來看一下效果圖：

繪製上圖的程式碼如下：

import numpy as np
import matplotlib.pyplot as plt
 
x = np.arange(3)
width = 0.3
 
names = ['籃球', '羽毛球', '乒乓球']
nums_boy = [16, 5, 11]
nums_girl = [10, 15, 8]
plt.rcParams['font.family'] = ['SimHei'] #設定字型防止亂碼
plt.bar(x - width / 2, nums_boy, width=width, color='skyblue', label='男')
plt.bar(x + width / 2, nums_girl, width=width, color='pink', label='女')
plt.xticks(x, names)
plt.legend()
plt.show()

這次的方法和之前有些不同，首先使用 np.arange(3) 方法建立了一個陣列 x ，值為[0,1,2]。並定義了一個變數 width 用於指定柱子的寬度。在呼叫 plt.bar() 時，第一個引數不再是刻度線上的標籤，而是對應的刻度。以[0,1,2]為基準，分別加上或減去柱子的寬度得到[-0.15,0.85,1,85]和[0.15,1.15,2.15]，這些刻度將分別作為兩組柱子的中點，並且柱子的寬度為0.3。

因為傳入的是刻度，而不是刻度的標籤。所以呼叫 plt.xticks() 方法來將 x 軸上刻度改為對應的標籤，該方法第一個引數時要改的刻度序列，第二個引數時與之對於的標籤序列。同理，使用plt.yticks() 方法來更改y軸上刻度的標籤。

3.3.4餅圖

餅圖廣泛地應用在各個領域，用於表示不同分類的佔比情況，通過弧度大小來對比各種分類。餅圖通過將一個圓餅按照分類的佔比劃分成多個區塊，整個圓餅代表資料的總量，每個區塊(圓弧）表示該分類佔總體的比例大小，所有區塊（圓弧）的加和等於100%。

餅圖的繪製很簡單，只需要傳入資料和對於的標籤給 plt.pie() 方法即可。以2018年國內生產總值（GDP）三大產業的佔比為例，可以畫出這樣的餅圖：

繪製上圖的程式碼如下：

import matplotlib.pyplot as plt
 
plt.rcParams['font.family'] = ['SimHei'] #設定字型防止亂碼
data = [64745.2, 364835.2, 489700.8]
labels = ['第一產業', '第二產業', '第三產業']
explode = (0.1, 0, 0)
plt.pie(data, explode=explode, labels=labels,autopct='%0.1f%%')
plt.show()

plt.pie() 方法的第一個引數是繪圖需要的資料；引數 explode 是可選引數，用於突出顯示某一區塊，預設數值都是0，數值越大，區塊抽離越明顯；引數 lables 是資料對應的標籤；引數 autopct 則給餅圖自動新增百分比顯示。

引數 autopct 的格式用到了字串格式化輸出的知識，程式碼中 '%0.1f%%' 可以分成兩部分。一部分是 %0.1f 表示保留一位小數，同理 %0.2f 表示保留兩位小數；另一部分是 %% ,它表示輸出一個 %，因為% 在字串格式化輸出中有特殊的含義，所以想要輸出 % 就得寫成 %% 。所以，'%0.1f%%' 的含義是保留一位小數的百分數，例如：66.6%。

4.繪製子圖

Matplotlib 提供了子圖的概念，通過使用子圖，可以在一張圖裡繪製多個圖表。在 matplotlib 中，呼叫 plt.subplot() 方法來新增子圖。plt.subplot() 方法的前兩個引數分別是子圖的行數和列數，第三個引數是子圖的序號（從1開始）。

ax1 = plt.subplot(2, 2, 1)
ax2 = plt.subplot(2, 2, 2)
ax3 = plt.subplot(2, 2, 3)
ax4 = plt.subplot(2, 2, 4)

plt.subplot(2,2,1) 的作用是生成一個兩行兩列的子圖，並選擇其中序號為1的子圖，所以上面四行程式碼將一張圖分成了4個子圖，並用1、2、3、4來選擇對應的子圖。

我們也可以繪製不規則的子圖，比如上面兩張子圖，下面一張子圖。

方法如下：

ax1 = plt.subplot(2, 2, 1)
ax2 = plt.subplot(2, 2, 2)
ax3 = plt.subplot(2, 1, 2)

之所以第三行程式碼是 plt.subplot(2, 1, 2) ，因為子圖序號是獨立的，與之前建立的子圖沒有關係。plt.subplot(2, 2, 1) 選擇並展示了2*2的子圖中的第一個。plt.subplot(2, 2, 2) 選擇並展示了2*2的子圖中的第二個，它們兩個合起來佔了2*2子圖的第一行。而 plt.subplot(2, 1, 2) 則是生成了兩行一列的子圖，並選擇了第二行。即佔滿第二行的子圖，正好填補了之前2*2子圖第二行剩下的空間，因此生成的圖表是這樣的：

圖表的框架畫好了，就可以往裡面填充影象了，之前呼叫的是 plt 上的方法繪圖，只要將其改成 plt.subplot() 方法的返回值上呼叫相應的方法繪圖即可。

舉個栗子，下面是在一張圖上繪製了 sin、cos 和 tan 三個函數的影象的程式碼：

import numpy as np
import matplotlib.pyplot as plt
 
plt.rcParams['font.family'] = ['SimHei'] #設定字型防止亂碼
 
x = np.arange(0, 2 * np.pi, 0.1)
 
plt.suptitle('三角函數視覺化')
ax1 = plt.subplot(2,2,1)
ax1.set_title('sin函數')
y1 = np.sin(x)
ax1.plot(x,y1)
 
ax2 = plt.subplot(2,2,2)
ax2.set_title('cos函數')
y2 = np.cos(x)
ax2.plot(x,y2)
 
ax3 = plt.subplot(2,1,2)
ax3.set_title('tan函數')
y3 = np.tan(x)
ax3.plot(x,y3)
 
plt.show()

得到的影象是：