Matplotlib数据可视化

绘图基础语法

１　创建画布并且创建子图

首先创建一个空白的画布，并且可以将画布分为几个部分，这样就可以在同一附图上绘制多个图像。

plt.figure? 创建一个空白画布，可以指定画布大小、像素

figure.add_subplot 创建并且选中子图，可以指定子图的行数、列数、和图片的编号

2 添加画布内容

plt.title? 当前图形标题，可以指定标题名称、位置、颜色、字体大小

plt.xlabel 当前图像添加x轴名称

plt.ylabel 当前图形添加y轴名称

plt.xlim 指定当前图形x轴的范围

plt.ylim y轴的范围

plt.xtricks? x轴刻度数目与取值

plt.legend 当前图像的图例

import numpy as np
import matplotlib.pyplot as plt

rad=np.arange(0,np.pi*2,0.01)
p1=plt.figure(figsize=(8,8),dpi=80)  #创建画布

#子图
ax1=p1.add_subplot(1,2,1) #2行1列的子图，绘制第一幅
plt.title('lines') #添加标题
plt.xlabel('x')  #x轴的名称
plt.ylabel('y')  #y轴的名称
plt.xlim((0,1))  #确定x轴的范围
plt.ylim((0,1))

plt.xticks([0,0.2,0.4,0.6,0.8,1]) #x轴的刻度
plt.yticks([0,0.2,0.4,0.6,0.8,1])
plt.plot(rad,rad**2)  #添加y=x**2曲线
plt.plot(rad,rad**4)  #添加y=x**4曲线
plt.legend(['y=x^2','y=x^4'])

#第二幅子图
ax2=p1.add_subplot(1,2,2)
plt.title('sin/cos')
plt.xlabel('rad')
plt.ylabel('value')
plt.xlim((0,np.pi*2))
plt.ylim((-1,1))
plt.xticks([0,np.pi/2,np.pi*1.5,np.pi*2])
plt.yticks([-1,-0.5,0,0.5,1])
plt.plot(rad,np.sin(rad))
plt.plot(rad,np.cos(rad))
plt.legend(['sin','cos'])
plt.savefig('./sin.png')
plt.show()

散点图和折线图

散点图 又叫做散点分布图，是以一个特征为横坐标，另一个特征为纵坐标，利用坐标点的分布形态反映特征间的统计关系。

散点图可以看出特征之间的关系是线性的还是非线性的，另外可以看出一个点是否偏离大多数点。如果偏离大多数点，则这些点就是离群点。

散点图通过散点的疏密程度和变化趋势表示两个特征的数量关系。

matplotlib.pyplot.scatter(x, y, s=None, c=None, marker=None)

s 表示点的大小，c表示颜色，marker表示点的类型。

折线图是一种将数据点连接起来的图像。折线图主要是用来查看因变量y随着自变量x改变的趋势。

import numpy as np
import matplotlib.pyplot as plt

rad=np.arange(0,np.pi*2,0.01)
p1=plt.figure(figsize=(8,8),dpi=80)  #创建画布

#子图
ax1=p1.add_subplot(1,2,1) #2行1列的子图，绘制第一幅
plt.title('lines') #添加标题
plt.xlabel('x')  #x轴的名称
plt.ylabel('y')  #y轴的名称
plt.xlim((0,1))  #确定x轴的范围
plt.ylim((0,1))

plt.xticks([0,0.2,0.4,0.6,0.8,1]) #x轴的刻度
plt.yticks([0,0.2,0.4,0.6,0.8,1])
plt.plot(rad,rad**2,color='r',linestyle='--')  #添加y=x**2曲线
plt.plot(rad,rad**4,color='c',linestyle='-')  #添加y=x**4曲线
plt.legend(['y=x^2','y=x^4'])

#第二幅子图
ax2=p1.add_subplot(1,2,2)
rad=np.arange(0,np.pi*2,0.1)
plt.title('sin/cos')
plt.xlabel('rad')
plt.ylabel('value')
plt.xlim((0,np.pi*2))
plt.ylim((-1,1))
plt.xticks([0,np.pi/2,np.pi*1.5,np.pi*2])
plt.yticks([-1,-0.5,0,0.5,1])
plt.scatter(rad,np.sin(rad),marker='v')
plt.scatter(rad,np.cos(rad),marker='o')
plt.legend(['sin','cos'])
plt.savefig('./sin.png')
plt.show()

直方图 饼图 箱线图 用于分析特征内部分布与分散状况

直方图主要用于查看各分组数据的数量分布

饼图用于查看个分组数据在总数据中的占比

箱线图是用于发现整体数据的分散情况

直方图? 用于判断特征的分布

直方图，由一系列高度不等的纵向条纹表示数据分布的情况。一般横轴表示数据所属类别，纵轴表示各个类别的数量或者占比。直方图可以直观的表示数据的分布状态。

import numpy as np
import matplotlib.pyplot as plt

# 生成一组服从正态分布的随机数
data = np.random.randn(1000)

# 可视化分布  
plt.hist(data, bins=30, density=True, alpha=0.6, color='g')

# 绘制正态分布的概率密度函数
xmin, xmax = plt.xlim()
x = np.linspace(xmin, xmax, 100)
p = 0.9 * np.exp(-(x - 0) ** 2 / (2 * 0.5 ** 2))  # 正态分布的概率密度函数
plt.plot(x, p, 'k', linewidth=2)

plt.show()

import numpy as np
import matplotlib.pyplot as plt

# 生成一组服从[0, 1]均匀分布的随机数
data = np.random.uniform(0, 1, 1000)

# 可视化分布
plt.hist(data, bins=30, density=True, alpha=0.6, color='g')
plt.show()

?

import numpy as np
import matplotlib.pyplot as plt

# 生成一组服从参数为0.5的指数分布的随机数
data = np.random.exponential(0.5, 1000)

# 可视化分布
plt.hist(data, bins=30, density=True, alpha=0.6, color='g')
plt.show()

import numpy as np
import matplotlib.pyplot as plt

# 生成一组服从参数为5的泊松分布的随机数
data = np.random.poisson(5, 1000)

# 可视化分布
plt.hist(data, bins=30, density=True, alpha=0.6, color='g')
plt.show()

from scipy import stats
import numpy as np
# 生成一组随机数
data = np.random.randn(10000)

# 检测正态分布
stat, p = stats.normaltest(data)
print('Statistics=%.3f, p=%.3f' % (stat, p))

# 如果p值小于显著性水平（例如0.05），则认为数据不服从正态分布
if p < 0.05:
    print('Data does not follow normal distribution')
else:
    print('Data follows normal distribution')

# 拟合指数分布
loc, scale = stats.expon.fit(data)
print('Exponential distribution parameters: loc=%.3f, scale=%.3f' % (loc, scale))

# 检测指数分布
stat, p = stats.kstest(data, stats.expon(loc=loc, scale=scale).cdf)
print('Statistics=%.3f, p=%.3f' % (stat, p))

# 如果p值小于显著性水平（例如0.05），则认为数据不符合指数分布
if p < 0.05:
    print('Data does not follow exponential distribution')
else:
    print('Data follows exponential distribution')

知道数据的分布可以更好的理解数据的变化规律，而且可以帮助我们发现数据中的异常值。通过对数据分布的分析可以识别并且处理重复值，缺失值，异常值，提高数据的质量和准确性。

饼图

饼图是将各项的大小和各项总和比例显示在一张图上，饼图可以清楚的反应部分与部分，部分与整体的比例关系。

import matplotlib.pyplot as plt

# 数据
labels = ['A', 'B', 'C', 'D']
sizes = [15, 30, 45, 10]

# 绘制饼图
plt.pie(sizes, labels=labels, autopct='%1.1f%%')

# 显示图形
plt.show()

箱线图? 判断数据的分散程度

箱线图可以用来显示一组数据分散情况的统计图，包含一组数据的最大值、最小值

中位数、和上下四分位数。

箱线图有箱子和边缘构成，其中箱子包含了50%的数据，边缘则代表数据的上四分位数和下四分位数，也就是数据的上边缘和下边缘，各包含了25%的数据。箱子的中间包含了一条线，表示了数据的中位数。

import matplotlib.pyplot as plt
import numpy as np
all_data=[np.random.normal(0,std,100) for std in range(1,4)]

figure,axes=plt.subplots() #得到画板、轴
axes.boxplot(all_data,patch_artist=True) #描点上色
plt.show() #展示

import matplotlib.pyplot as plt
import numpy as np

# 创建数据
data=np.random.normal(0,1,10000)


# 计算上下四分位数和异常值
q1 = np.percentile(data, 25)
q3 = np.percentile(data, 75)
iqr = q3 - q1
lower = q1 - 1.5 * iqr
upper = q3 + 1.5 * iqr
outliers = [x for x in data if x < lower or x > upper]

print('q1',q1)
print('q3',q3)
print('iqr',iqr)
print('lower',lower)
print('upper',upper)
print('outliers',outliers)
print('异常值的个数',len(outliers))

# 绘制箱线图
fig, ax = plt.subplots()
ax.boxplot(data, vert=True, patch_artist=True)
ax.set_title('Box Plot')
ax.set_xlabel('Data')
ax.set_ylabel('Value')
ax.text(0.85, 0.90, 'Outliers: {0}'.format(', '.join(map(str, outliers))), ha='center', va='center')
plt.show()

?

箱线图的理解-CSDN博客

通过箱线图找到异常值?

import matplotlib.pyplot as plt
import numpy as np

# 创建数据
data=np.random.normal(0,1,10000)


# 计算上下四分位数和异常值
q1 = np.percentile(data, 25)
q3 = np.percentile(data, 75)
iqr = q3 - q1
lower = q1 - 1.5 * iqr
upper = q3 + 1.5 * iqr
outliers = [x for x in data if x < lower or x > upper]

print('q1',q1)
print('q3',q3)
print('iqr',iqr)
print('lower',lower)
print('upper',upper)
print('outliers',outliers)
print('异常值的个数',len(outliers))

# 绘制箱线图
fig, ax = plt.subplots()
ax.boxplot(data, vert=True, patch_artist=True)
ax.set_title('Box Plot')
ax.set_xlabel('Data')
ax.set_ylabel('Value')
ax.text(0.85, 0.90, 'Outliers: {0}'.format(', '.join(map(str, outliers))), ha='center', va='center')
# plt.show()

p1=plt.figure()
ax1=p1.add_subplot(1,2,1)
ax1.hist(data,density=True)
print(len(data))
for _ in outliers:
    coor=np.where(data==_)
    data[coor]=np.nan
    # print(coor)
    # print(data[coor])
# cord=np.where(data==np.nan)
# print(cord)
data=data[~np.isnan(data)]
print(len(data))
# plt.show()

ax2=p1.add_subplot(1,2,2)
ax2.hist(data,density=True)
plt.show()