[Python] Matplotlib 图表的绘制和美化技巧

目录

• 在一张画布中绘制多个图表
• 加图表元素
• 气泡图
• 组合图
• 直方图
• 雷达图
• 树状图
• 箱形图
• 玫瑰图

在一张画布中绘制多个图表

Matplotlib模块在绘制图表时，默认先建立一张画布，然后在画布中显示绘制的图表。

如果想要在一张画布中绘制多个图表，可以使用subplot()函数将画布划分为几个区域，然后在各个区域中分别绘制不同的图表。

subplot()函数的参数为3个整型数字：

• 第1个数字代表将整张画布划分为几行；
• 第2个数字代表将整张画布划分为几列；
• 第3个数字代表要在第几个区域中绘制图表，区域的编号规则是按照从左到右、从上到下的顺序，从1开始编号。

演示代码如下：

import matplotlib.pyplot as plt# 如果值中有中文字符，则必须在绘制图表前加上这两行代码
plt.rcParams['font.sans-serif'] = ['Microsoft YaHei']
plt.rcParams['axes.unicode_minus'] = False
x = ['1月', '2月', '3月', '4月', '5月', '6月', '7月', '8月', '9月', '10月', '11月', '12月']
y = [50, 45, 65, 76, 75, 85, 55, 78, 86, 89, 94, 90]
plt.subplot(2, 2, 1)
plt.pie(y, labels = x, labeldistance = 1.1, startangle = 90, counterclock = False)
plt.subplot(2, 2, 2)# 参数width用于设置柱子的宽度，默认值为0.8。如果设置为1，则各个柱子会紧密相连；如果设置为大于1的数，则各个柱子会相互交叠
plt.bar(x, y, width = 0.5, color = 'r')
plt.subplot(2, 2, 3)# 参数color用于设置柱子的填充颜色，具体取值见后面的说明
plt.stackplot(x, y, color = 'r')
plt.subplot(2, 2, 4)
plt.plot(x, y, color = 'r', linestyle = 'solid', linewidth = 2, marker = 'o', markersize = 10)
plt.show()

输出结果：

用颜色名的英文单词或其简写定义的8种基础颜色，具体见：

加图表元素

import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif'] = ['Microsoft YaHei']
plt.rcParams['axes.unicode_minus'] = False
x = ['1月', '2月', '3月', '4月', '5月', '6月', '7月', '8月', '9月', '10月', '11月', '12月']
y = [50, 45, 65, 76, 75, 85, 55, 78, 86, 89, 94, 90]# 这里加了标签
plt.bar(x, y, width=0.6, color='r', label='销售额(万元)')# 这里加了标题，loc还可以是right和left
plt.title(label='销售额对比图', fontdict={'family': 'KaiTi', 'color': 'k', 'size': 30}, loc='center')# 坐标上的标签
plt.xlabel('月份', fontdict={'family': 'SimSun', 'color': 'k', 'size': 20}, labelpad=20)
plt.ylabel('销售额', fontdict={'family': 'SimSun', 'color': 'k', 'size': 20}, labelpad=20)  # legend()函数用于添加图例
plt.legend(loc='upper left', fontsize=15)# zip() 函数用于将可迭代的对象作为参数，将对象中对应的元素打包成一个个元组，然后返回由这些元组组成的列表。
for a,b in zip(x, y):
    # text()函数的功能是在图表坐标系的指定位置添加文本。参数ha是horizontalalignment的简称，相对应有va
    plt.text(x=a, y=b, s=b, ha='center', va='bottom', fontdict={'family': 'KaiTi', 'color': 'k', 'size': 20})
plt.show()

输出结果

气泡图

气泡图是一种展示三个变量之间关系的图表，它其实是在散点图的基础上升级改造而成的，在原有的x坐标和y坐标两个变量的基础上，引入第三个变量，并用气泡的大小表示。

pip install openpyxl

产品销售统计.xls 内容

代码如下：

import matplotlib.pyplot as plt
import pandas as pd
plt.rcParams['font.sans-serif'] = ['Microsoft YaHei']
plt.rcParams['axes.unicode_minus'] = False
data = pd.read_excel('产品销售统计.xls')
n = data['产品名称']
x = data['销售量(件)']
y = data['销售额(元)']
z = data['毛利率(%)']
plt.scatter(x, y, s=z * 300, color='r', marker='o')
plt.xlabel('销售量(件)', fontdict={'family': 'Microsoft YaHei', 'color': 'k', 'size': 20}, labelpad=20)
plt.ylabel('销售额(元)', fontdict={'family': 'Microsoft YaHei', 'color': 'k', 'size': 20}, labelpad=20)
plt.title('销售量、销售额与毛利率关系图', fontdict={'family': 'Microsoft YaHei', 'color': 'k', 'size': 30}, loc='center')
for a, b, c in zip(x, y, n):
    plt.text(x=a, y=b, s=c, ha='center', va='center', fontsize=15, color='w')
plt.xlim(50, 600)
plt.ylim(2900, 11000)
plt.show()

输出结果：

组合图

组合图是指在一个坐标系中绘制多张图表，其实现方式也很简单，在使用Matplotlib模块中的函数绘制图表时设置多组y坐标值即可。

销售业绩表.xls

import pandas as pd
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif'] = ['Microsoft YaHei']
plt.rcParams['axes.unicode_minus'] = False
data = pd.read_excel('销售业绩表.xlsx')
x = data['月份']
y1 = data['销售额(万元)']
y2 = data['同比增长率']
plt.bar(x, y1, color = 'c', label = '销售额(万元)')
plt.legend(loc = 'upper left', fontsize = 15)  # 使用twinx()函数为图表添加次坐标轴
plt.twinx()
plt.plot(x, y2, color = 'r', linewidth = 3, label = '同比增长率')
plt.legend(loc = 'upper right', fontsize = 15)
plt.show()

输出结果：

直方图

直方图用于展示数据的分布情况，使用Matplotlib模块中的hist()函数可以绘制直方图

客户年龄统计表.zip

import pandas as pd
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif'] = ['Microsoft YaHei']
plt.rcParams['axes.unicode_minus'] = False
data = pd.read_excel('客户年龄统计表.xlsx')
x = data['年龄']
plt.hist(x, bins = 9)
plt.xlim(15, 60)
plt.ylim(0, 40)
plt.title('年龄分布直方图', fontsize = 20)
plt.xlabel('年龄')
plt.ylabel('人数')
plt.grid(b = True, linestyle = 'dotted', linewidth = 1)
plt.show()

输出结果

雷达图

雷达图可以同时比较和分析多个指标。该图表可以看成一条或多条闭合的折线，因此，使用绘制折线图的plot()函数也可以绘制雷达图。

汽车性能指标分值统计表.xlsx

代码如下：

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False
data = pd.read_excel('汽车性能指标分值统计表.xlsx')data = data.dropna(axis=1)
data = data.set_index('性能评价指标')
data = data.T
data.index.name = '品牌'def plot_radar(data, feature):
    columns = ['动力性', '燃油经济性', '制动性', '操控稳定性', '行驶平顺性', '通过性', '安全性', '环保性', '方便性', '舒适性', '经济性', '容量性']
    colors = ['r', 'g', 'y']    # 设置雷达图的角度，用于平分切开一个平面
    # linspace(1,10,x) 创建1-10的等差数组,个数为 x，默认50个;endpoint参数指定是否包含终值，默认值为True，即包含终值。
    angles = np.linspace(0.1 * np.pi, 2.1 * np.pi, len(columns), endpoint = False)    # 使雷达图封闭起来
    angles = np.concatenate((angles, [angles[0]]))    # figsize:指定figure的宽和高，单位为英寸；
    figure = plt.figure(figsize = (6, 6))    # 设置为极坐标格式;subplot(nrows,ncols,sharex,sharey,subplot_kw,**fig_kw)创建单个子图,下面两句效果相同
    ax = figure.add_subplot(111, polar=True)
   # ax = figure.add_subplot(1, 1, 1, projection = 'polar')    for i, c in enumerate(feature):
        stats = data.loc[c]        stats = np.concatenate((stats, [stats[0]]))        ax.plot(angles, stats, '-', linewidth = 2, c = colors[i], label = str(c))
        ax.fill(angles, stats, color = colors[i], alpha = 0.75)    # bbox_to_anchor这个参数，可以把图例放在图外面
    # bbox_to_anchor：表示legend的位置，前一个表示左右，后一个表示上下。
    # 当使用这个参数时。loc将不再起正常的作用，ncol=3表示图例三列显示。
    ax.legend(loc = 4, bbox_to_anchor = (1.15, -0.07))    #设置极轴范围
    ax.set_ylim(0,10)
    # ax.set_yticklabels([2, 4, 6, 8, 10])    # 添加每个特质的标签
    columns = np.concatenate((columns, [columns[0]]))
    ax.set_thetagrids(angles*180/np.pi, columns, fontsize = 12)    #添加标题
    plt.title('汽车性能指标雷达图')    plt.show()
    return figure
figure = plot_radar(data, ['A品牌', 'B品牌', 'C品牌'])
# figure = plot_radar(data, ['B品牌'])

树状图

树状图通过矩形的面积、排列和颜色直观地展示多个项目的数据比例关系。要绘制该图表，需结合使用Matplotlib模块与squarify模块。

import squarify as sf
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif'] = ['Microsoft YaHei']
plt.rcParams['axes.unicode_minus'] = False
x = ['上海', '北京', '重庆', '成都', '南京', '青岛', '长沙', '武汉', '深圳']
y = [260, 45, 69, 800, 290, 360, 450, 120, 50]
colors = ['lightgreen', 'pink', 'yellow', 'skyblue', 'cyan', 'silver', 'lightcoral', 'orange', 'violet']
percent = ['11%', '2%', '3%', '33%', '12%', '15%', '18%', '5%', '2%']
chart = sf.plot(sizes = y, label = x, color = colors, value = percent, edgecolor = 'white', linewidth = 2)
plt.title(label = '城市销售额分布及占比图',fontdict = {'family' : 'KaiTi', 'color' : 'k', 'size' : 25})
plt.axis('off')
plt.show()

箱形图

箱形图是一种用于展示数据的分布情况的统计图，因形状如箱子而得名。使用Matplotlib模块中的boxplot()函数可以绘制箱形图。

数据

import pandas as pd
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif'] = ['Microsoft YaHei']
plt.rcParams['axes.unicode_minus'] = False
data = pd.read_excel('1月销售统计表.xlsx')
x1 = data['成都']
x2 = data['上海']
x3 = data['北京']
x4 = data['重庆']
x5 = data['南京']
x = [x1, x2, x3, x4, x5]
labels = ['成都', '上海', '北京', '重庆', '南京']# 参数vert用于设置箱形图的方向，True表示纵向展示，False表示横向展示；参数showmeans用于设置是否显示均值，True表示显示均值，False表示不显示均值。
plt.boxplot(x, vert = True, widths = 0.5, labels = labels, showmeans = True )
plt.title('各地区1月销售额箱形图', fontsize = 20)
plt.ylabel('销售额(万元)')
plt.show()

箱形图中的5条横线和1个点所代表的含义如下：

• 下限：指所有数据中的最小值；
• 下四分位数：又称“第一四分位数”，指将所有数据从小到大排列后第25%的值；
• 中位数：又称“第二四分位数”，指将所有数据从小到大排列后第50%的值；
• 上四分位数：又称“第三四分位数”，指将所有数据从小到大排列后第75%的值；
• 上限：指所有数据中的最大值；
• 点：指所有数据的平均值。

玫瑰图

玫瑰图可反映多个维度的数据，它将柱形图转化为饼图，在圆心角相同的情况下，以扇面长度展示指标大小。要绘制玫瑰图，也要用到绘制柱形图的bar()函数。

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False# 将风速的分布设置为4个区间
index = ['0~0.5', '0.6~2.0', '2.1~4.0', '4.1~6.0']# 设置了16个方向
columns = ['N', 'NNE', 'NE', 'ENE', 'E', 'ESE', 'SE', 'SSE', 'S', 'SSW', 'SW', 'WSW', 'W', 'WNW', 'NW', 'NNW']# seed()函数用于产生相同的随机数
np.random.seed(0)# 创建一个4行16列的DataFrame，其中的数据是30～300范围内的随机数，行标签为第6行代码设置的风速分布区间，列标签为第7行代码设置的方向。
data = pd.DataFrame(np.random.randint(30, 300, (4, 16)), index = index, columns = columns)
N = 16# 生成16个方向的角度值
theta = np.linspace(0, 2 * np.pi, N, endpoint = False)# 用于计算扇面的宽度
width = np.pi / N
labels = list(data.columns)
plt.figure(figsize = (6, 6))
ax = plt.subplot(1, 1, 1, projection = 'polar')
for i in data.index:
    radius = data.loc[i]
    # 使用bar()函数绘制玫瑰图中的16根柱子，也就是扇面，参数bottom用于设置每根柱子底部的位置，这里设置为0.0，表示从圆心开始绘制。
    ax.bar(theta, radius, width = width, bottom = 0.0, label = i, tick_label = labels)# 设置0°的方向为“N”，即北方
ax.set_theta_zero_location('N') # 设置按逆时针方向排列各个柱子
ax.set_theta_direction(-1)
plt.title('各方向风速频数玫瑰图', fontsize = 20)
plt.legend(loc = 4, bbox_to_anchor = (1.3, 0.2))
plt.show()