Matplotlib常用图形制

Matplotlib绘制的常用图形包括散点图、线性图、柱状图、直方图、饼图、箱线图和子图。本节中绘图使用的数据文件为：车次上车人数统计表.xls，其表结构如表4-2所示。

 表4-2   车次上车人数统计表

表中一共有D02~D06车次20150101~20150124日的上车人数统计数据。

1.散点图又称为散点分布图，是以利用坐标点（散点）的分布形态反映特征间的相关关系的一种图形。散点图的绘图函数为：scatter(x, y, [可选项])。其中x表示横轴坐标数据列，y表示纵轴坐标数据列，可选项包含颜色、透明度等。使用scatter函数绘制D02车次每日上车人数散点图示例代码如下：

2.线性图的绘图函数为plot(X,Y,[可选项])，其中X表示横轴坐标数据列，Y表示纵轴坐标数据列，可选项为绘图设置，包括图形类型：散点图、虚线图、实线图等；线条颜色：红、黄、蓝、绿等；数据点形状：星型、圆圈、三角形等。可选项一些示例说明如下： 

图4-9显示了先执行导入pyplot 包命令：import matplotlib.pyplot as plt，接着以待查询函数plt.plot为参数，调用help()函数，按Enter键即可获得plt.plot()函数的详细使用方法。 

图4-9 

3.与Matlab类似，柱状图的绘图函数为bar(x,y,[可选项])，其中X表示横轴坐标数据列，Y表示纵轴坐标数据列，可选项为绘图设置。绘图设置详细使用方法可以参考图通过help(plt.bar)进行查询，一般情况下我们采用默认设置即可（缺省方式，具体见示例代码）。 绘制D02车次柱状图示例代码如下： 

4.与Matlab类似，直方图的绘图函数为hist(X,[可选项])，其中X表示横轴坐标数据列，可选项为绘图设置。绘图设置详细使用方法可以参考图4-9通过help(plt.hist)进行查询，一般情况下我们采用默认设置即可（缺省方式，具体见示例代码）。需要注意的是，直方图中的Y轴往往表示对应X的统计频数。绘制D02车次直方图示例程序如下： 

5.与Matlab类似，饼图的绘制函数为pie(X,Y,[可选项])，其中X表示待绘制的数据序列，Y表示对应的标签，可选项表示绘图设置。这里常用的绘图设置为百分比的小数位，可以通过autopct属性类设置。这里先计算D02~D06共5个车次同期的上车人数，然后绘制其饼图展示出来，示例代码如下： 

6.箱线图是利用数据中的最小值、上分位数、中位数、下四分位数与最大值这5个统计量来描述连续型特征变量的一种方法。它也可以粗略地看出数据是否具有对称性，分布的分散程度等信息，特别可以用于对几个样本的比较。箱线图的构成与含义如图所示。 

7.子图是指在同一个绘图界面上，绘制不同类型的图像。通过子图，可以在同一个界面上实现多种不同类型图像之间的比较，进而提高了数据可读性和可视化效果。在Matplotlib绘图基本流程中已经简单介绍了子图的命令subplot()，本节进一步地对其进行详细介绍，并给出具体的实现例子。 subplot()函数使用方法如下： subplot(a,b,c) 其调用形式为将figure画布分成a行b列矩阵形式的方格图形，并在第c个方格图形（按行顺序数）上绘制图像。这里我们将前面介绍的散点图、线性图、柱状图、直方图、饼图、箱线图六种不同的图形在一个3*2的figure画布中绘制出来。

绘图是数据分析实现数据可视化的一个非常重要的手段。本章介绍了Python绘图包Matplotlib中的pyplot模块，包括如何导入Python以及常用图像的绘制，包括散点图、线性图、柱状图、直方图、饼图、箱线图和子图的绘制。特别是子图，能够将几种不同类型的图像在一个figure界面中展示，方便图像之间的对比，这在金融数据挖掘分析任务中尤为重要。需要特别注意的是，pyplot模块的绘图命令与Matlab非常相似，如果读者具备一定的Matlab基础，学习起来将非常简单。 

本文来自互联网用户投稿，文章观点仅代表作者本人，不代表本站立场，不承担相关法律责任。如若转载，请注明出处。 如若内容造成侵权/违法违规/事实不符，请点击【内容举报】进行投诉反馈！