《PySpark大数据分析实战》-25.数据可视化图表Matplotlib介绍

📋 博主简介

• 💖 作者简介：大家好，我是wux_labs。😜
  热衷于各种主流技术，热爱数据科学、机器学习、云计算、人工智能。
  通过了TiDB数据库专员（PCTA）、TiDB数据库专家（PCTP）、TiDB数据库认证SQL开发专家（PCSD）认证。
  通过了微软Azure开发人员、Azure数据工程师、Azure解决方案架构师专家认证。
  对大数据技术栈Hadoop、Hive、Spark、Kafka等有深入研究，对Databricks的使用有丰富的经验。
• 📝 个人主页：wux_labs，如果您对我还算满意，请关注一下吧~🔥
• 📝 个人社区：数据科学社区，如果您是数据科学爱好者，一起来交流吧~🔥
• 🎉 请支持我：欢迎大家 点赞👍+收藏??+吐槽📝，您的支持是我持续创作的动力~🔥

《PySpark大数据分析实战》-25.数据可视化图表Matplotlib介绍

前言

大家好！今天为大家分享的是《PySpark大数据分析实战》第3章第4节的内容：数据可视化图表Matplotlib介绍。

图书在：当当、京东、机械工业出版社以及各大书店有售！

Python数据可视化工具介绍

数据可视化是一种提取有价值数据的有效方法，是数据分析和机器学习中非常重要的一环。它有助于提高分析效率，为机器学习模型提供可靠的数据基础。它可以帮助人们更直观地理解数据，更好地理解数据的趋势和变化，发现潜在的联系，从而帮助人们更好地构建机器学习模型，提高模型的准确性。此外，数据可视化可以帮助人们更好地发现数据中的噪声和异常。通过可视化，可以更容易地发现噪声数据和异常情况，从而减少机器学习模型的误差。常用的Python数据可视化工具包括Matplotlib、Seaborn、Pyecharts等。

Matplotlib介绍

Matplotlib是一个Python 2D绘图库，用于绘制各种类型的图形，包括折线图、柱状图、饼图、散点图等。可以自定义图形的样式和属性，可以添加标签、标题、网格等元素，可以设置图形的大小、分辨率、颜色等属性。Matplotlib采用三层结构来组织图形：

1）容器层。容器层是指在Matplotlib图形中用于组织和管理图形元素的结构，通常包括画板（Canvas）、画布（Figure）、坐标系（Axes）等几个部分。画板是Matplotlib的图形容器，用于显示和交互Matplotlib图形，例如缩放、平移、选择、保存等。画布是Matplotlib中最顶层容器，用于组织所有的坐标系、图例（Legend）、标题（Title）等元素，是整个图形的最外层容器。坐标系是位于画布内部的容器，可以理解为一个具体的子图，用于组织所有的图形元素，例如线条、标记、图例等。

2）辅助显示层。辅助显示层是坐标系内除了根据数据绘制的图像以外的内容，用于在Matplotlib图形中添加额外的信息和标注，以提高图形的可读性和表现力。主要包括外观（Facecolor）、边框线（Spines）、坐标轴（Axis）、坐标轴名称（Axis Label）、坐标轴刻度（Tick）、坐标轴刻度标签（Tick Label）、网格线（Grid）、图例、标题等内容。

3）图像层。图像层指坐标系内通过plot()、scatter()、bar()、histogram()、pie()等函数根据数据绘制出的图像。
要在项目中使用Matplotlib，需要在Python环境中安装Matplotlib，命令如下：

$ pip install matplotlib

在使用时需要在Python脚本中导入matplotlib，代码如下：

import matplotlib.pyplot as plt

绘制折线图

折线图是Matplotlib中最基本的图形之一，Matplotlib提供了plot()方法用来绘制折线图，plot()方法的主要参数有：

• x, y，x轴和y轴的值，可以是列表、数组、Series等类型的数据，如果只提供一个参数，则默认为y轴的值，x轴的值为数据索引或序列号。
• inestyle，指定线条的样式，例如solid（实线）、dashed（虚线）、dashdot（点线）等。
• linewidth，指定线条的宽度，数值类型，单位是像素。
• color，指定线条的颜色。

在下面的案例中，定义了x轴和y轴的数据并绘制了折线图，代码如下：

# 构造数据
x = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
y = [2, 3, 6, 4, 5, 8, 5, 9, 7, 10]
plt.plot(x, y)  # 绘制折线图
plt.show()  # 显示图形

执行代码，绘制的图形如图所示。

绘制柱状图

柱状图也是Matplotlib中最基本的图形之一，Matplotlib提供了bar()方法用来绘制柱状图，bar()方法的主要参数有：

• x，柱状图的x坐标，可以是一个序列或数组，表示每个类别。
• height，柱状图的高度，可以是一个序列或数组，表示每个柱子的高度。
• width，柱状图的宽度，默认值为0.8。
• bottom，柱状图底部的y坐标，可以是一个序列或数组，表示每个柱子底部的位置，用于绘制堆叠柱状图。
• align，柱状图对齐方式，默认值为center，表示柱状图对齐于x坐标轴上的中心。
• color，柱状图的颜色。

在下面的案例中，定义了5种类别及对应的值并绘制柱状图，代码如下：

# 构造数据
categories = ['A', 'B', 'C', 'D', 'E']
values = [23, 45, 12, 34, 32]
plt.bar(x=categories, height=values)  # 绘制柱状图
plt.show()  # 显示图形

执行代码，绘制的图形如图所示。

绘制饼图

Matplotlib提供了pie()方法用来绘制饼图，pie()方法的主要参数有：

• x，用于绘制饼图的数据，可以是一个列表、数组或者Series。
• explode，指定各个部分的偏移量，用于突出某个部分，值为一个列表或数组。
• labels，指定每个部分的标签，值为一个列表或数组。
• colors，指定每个部分的颜色，值为一个列表或数组。
• autopct，指定每个部分所占比例的显示方式，值为一个格式化字符串。
• pctdistance，指定比例值和圆心的距离。
• labeldistance，指定标签和圆心的距离。

在下面的案例中，定义了饼图的数据、颜色、显示方式等，并绘制出饼图，代码如下：

data = [20, 30, 40, 25, 15]  # 构造数据
labels = ['A', 'B', 'C', 'D', 'E']  # 定义标签
explode = [0, 0.2, 0, 0, 0]  # 定义突出显示的切片
colors = ['#ff9999', '#66bbff', '#99ff99', '#ffcc99', '#ffccff']  # 定义颜色
plt.pie(x=data, explode=explode, labels=labels, colors=colors, autopct='%1.1f%%')  # 绘制饼图
plt.show()  # 显示图形

执行代码，绘制的图形如图所示。

结束语

好了，感谢大家的关注，今天就分享到这里了，更多详细内容，请阅读原书或持续关注专栏。