饼状图
概述：
饼状图表示每个值相对于所有值之和的比例。饼状图上的值以扇形的形式显示了每个值的百分比贡献。扇形的角度是根据值的比例计算的。当我们试图比较总体中的不同部分时，这种可视化效果是最好的。例如，一个销售经理想要知道一个月里不同付款类型所占比例，如现金、信用卡、借记卡、PayPal等应用的支付比例。
函数：
用于饼状图的函数是' plt.pie() '
为了绘制饼状图，我们需要输入一个列表，每个扇形都是先计算列表中的值所占比例，再转换成角度得到的
自定义：
plt.pie()函数具有以下参数，可用于配置绘图。
labels – 用于显示每个扇形所属的类别
explode – 用于突出扇形
autopct –用于显示扇形区域所占百分比
shadow –在扇形上显示阴影
colours –为扇形设置自定义颜色
startangle –设置扇形的角度
例子：
# Let’s create a simple pie plot # Assume that we have a data on number of tickets resolved in a month # the manager would like to know the individual contribution in terms of tickets closed in the week # data Tickets_Closed = Agents = # create pie chart plt.pie(Tickets_Closed, labels = Agents)
请输入图片描述
请输入图片描述
#Let’s add additional parameters to pie plot #explode – to move one of the wedges of the plot #autopct – to add the contribution % explode = plt.pie(Tickets_Closed, labels = Agents, explode=explode, autopct='%1.1f%%' )
请输入图片描述
请输入图片描述
散点图
概述：
散点图通过显示数据点来展示两列数据之间的关系。绘制散点图需要两个变量，一个变量表示X轴位置，另一个变量表示y轴位置。散点图用于表示变量之间的关联，通常建议在进行回归之前使用。散点图有助于理解数据的以下信息：
两列数据间的任何关系
+ ve（阳性）关系
-ve（阴性）关系
函数：
用于散点图的函数是“pl .scatter()”
自定义：
scatter()函数具有以下参数，用于配置绘图。
size – 设置点的大小
color –设置点的颜色
marker – 标记的类型
alpha – 点的透明度
norm –规范化数据(将数据归一化0至1)
例子：
# let's create a simple scatter plot # generate the data with random numbers x = np.random.randn(1000) y = np.random.randn(1000) plt.scatter(x,y)
请输入图片描述
请输入图片描述
# as you observe there is no correlation exists between x and y # let’s try to add additional parameters # size – to manage the size of the points #color – to set the color of the points #marker – type of marker #alpha – transparency of point size = 150*np.random.randn(1000) colors = 100*np.random.randn(1000) plt.scatter(x, y, s=size, c = colors, marker ='*', alpha=0.7)
请输入图片描述
请输入图片描述
直方图
概述：
直方图是用来了解数据分布的。它是对连续数据概率分布的估计。它与上面讨论的条形图相似，但它用于表示连续变量的分布，而条形图用于表示离散变量的分布。每个分布都有四个不同的特征，包括
分布中心
分布散布
分布形状
分布峰值
直方图需要两个输入，x轴表示bin, y轴表示数据集中每个bin对应值的频率。每个bin都有一个最小值和最大值的范围。
函数：
绘制直方图使用的函数是“plt.hist()”
自定义：
函数的具体参数如下，可用于配置绘图：
bins – bin的个数
color-颜色
edgecolor-边缘的颜色
alpha – 颜色透明度
normed –正则化
xlim – X轴范围
ylim –Y轴范围
xticks, yticks-坐标轴的刻度
facecolor-柱的颜色
例子：
# let’s generate random numbers and use the random numbers to generate histogram data = np.random.randn(1000) plt.hist(data)
请输入图片描述
请输入图片描述
# let’s add additional parameters # facecolor # alpha # edgecolor # bins data = np.random.randn(1000) plt.hist(data, facecolor ='y',linewidth=2,edgecolor='k', bins=30, alpha=0.6)
请输入图片描述
请输入图片描述
# lets create multiple histograms in a single plot # Create random data hist1 = np.random.normal(25,10,1000) hist2 = np.random.normal(200,5,1000) #plot the histogram plt.hist(hist1,facecolor = 'yellow',alpha = 0.5, edgecolor ='b',bins=50) plt.hist(hist2,facecolor = 'orange',alpha = 0.8, edgecolor ='b',bins=30)
请输入图片描述
请输入图片描述
保存绘图
使用matplotlib中的“savefig()”函数可将图保存到本地。图可以以多种格式保存，如.png、.jpeg、.pdf以及其他支持的格式。
# let's create a figure and save it as image items = x = np.arange(6) fig = plt.figure() ax = plt.subplot(111) ax.plot(x, y, label='items') plt.title('Saving as Image') ax.legend() fig.savefig('saveimage.png')
请输入图片描述
图像以“saveimage.png”为文件名保存。
#To display the image again, use the following package and commands import matplotlib.image as mpimg image = mpimg.imread("saveimage.png") plt.imshow(image) plt.show()
请输入图片描述
Matplotlib教程到此结束。
