Python数据可视化之matplotlib实践.pdf

图 1.1 图 1.2 图 1.3 图 1.4 图 1.5 函数函数 axvspan()函数函数 title()函数函数 legend()函数函数 plot()函数函数 scatter()函数函数 xlabel()函数函数 grid()函数函数 axhline()函数函数 annotate()函数函数text()函数函数 xlim()图 1.6 图 1.7 图 1.8 图 1.9 图 1.10 图 1.11 图 1.12 图 2.1 图 2.2 图 2.3 图 2.4 图 2.5 图 2.6 图 2.7 图 2.8 图 2.9 图 3.1 图 3.2 图 3.3 图 3.4 图 3.5 图 3.6 图 3.7 图 3.8 图 3.9 图 3.10 图 3.11 图 3.12 图 3.13 图 3.14 图 3.15 图 3.16 图 3.17 图 3.18 图 3.19 图 3.20 图 3.21 图 3.22 图 3.23 图 3.24 图 3.25 图 3.26 图 3.27 图 3.28 图 3.29 图 4.1 图 4.2 图 4.3 图 4.4 图 4.5 图 4.6 图 4.7 图 5.1 图 5.2 图 5.3 图 5.4 图 5.5 图 5.6 图 5.7 图 5.8 图 5.9 图 5.10 图 5.11 图 6.1 图 6.2 图 6.3 图 6.4 图 6.5 图 6.6 图 6.7 图 6.8 图 6.9 图 7.1 图 7.2 图 7.3 图 7.4 图 7.5 图 7.6 图 7.7 图 7.8 图 7.9 图 8.1 图 8.2 图 8.3 图 8.4 图 8.5 图 8.6 图 8.7 图 8.8 图 8.9 图 8.10 图 9.1 图 9.2 图 9.3 图 9.4 图 9.5 图 9.6 图 9.7 图 10.1 图 11.2 图 11.3 图 11.4 图 11.5 图 12.1 图 12.3 图 12.4 图 12.5 图 12.6 图 12.7 图 12.8 内 容 简 介 本书借助 matplotlib 讲解开展 Python 数据可视化实践所需要掌握的关键知识和技能。本书主要由matplotlib 入门、精进、演练和拓展四部分组成。同时，为方便读者对书中的内容进行有效实践，相关章节都会配以大量典型的案例。书中使用的代码只涉及了 Python 中的基础知识，有利于读者将时间和精力放在数据可视化的实践本身。未经许可，不得以任何方式复制或抄袭本书之部分或全部内容。版权所有，侵权必究。图书在版编目（CIP）数据 Python 数据可视化之 matplotlib 实践/刘大成著.北京：电子工业出版社，2018.9（数据分析从入门到实战系列）ISBN 978-7-121-34888-4.P.刘.软件工具程序设计.TP311.561 中国版本图书馆 CIP 数据核字(2018)第 185861 号 策划编辑：石 倩 责任编辑：石 倩 特约编辑：顾慧芳 印 刷：装 订：出版发行：电子工业出版社 北京市海淀区万寿路 173 信箱 邮编 100036 开 本：787980 1/16 印张：14.25 字数：371 千字 彩插：8 版 次：2018 年 9 月第 1 版 印 次：2018 年 9 月第 1 次印刷 定 价：59.00 元 凡所购买电子工业出版社图书有缺损问题，请向购买书店调换。若书店售缺，请与本社发行部联系，联系及邮购电话：（010）88254888，88258888。质量投诉请发邮件至 ，盗版侵权举报请发邮件至 。本书咨询联系方式：010-51260888-819，。前 言 通过本书的学习，读者可以根据自身需求灵活使用 matplotlib 中的绘图语句，设置图表组成元素，以及进行泛化性的图形设置。值得注意的是，matplotlib 绘图库的操作是通过 API 实现的，一种操作方法是类似 MATLAB 的函数接口的 API；另一种操作方法是面向对象的 API。这两种 API 可以并行使用，不过函数接口的 API 的易用性明显好于面向对象的 API。所以，本书入门篇主要使用函数接口的 API，精进和演练篇主要使用面向对象的 API。本书主要内容 第 1 篇 使用 matplotlib 库绘制基本统计图形，讲解 matplotlib 库的图表组成元素的概念和实现方法，介绍细化 matploblib 库的图形内容的基本操作方法。第 2 篇 设置坐标轴的刻度样式，添加不同形式的注解，划分绘图区域，设置共享绘图区域的坐标轴。第 3 篇 主要围绕数据可视化的主要展示窗口坐标轴，来探讨相关话题，包括设置坐标轴的位置、控制坐标轴刻度显示的方法及移动坐标轴位置等话题。第 4 篇 从通识和泛化的角度，探讨进行 Python 数据可视化需要使用的知识和技术，包括修改matplotlib 的配置，设置文本属性，使用不同形式的配色模式，以及展示和保存图形。读者对象 如果读者了解一些 Python 的基础编程知识，那是最好不过的事情了，但是如果不了解也没有关系，因为书中的 Python 代码都是非常易读的，而且重点代码也都会逐一细致地进行解释。与此同时，书中在必要的章节会介绍统计学的相关概念和计算方法，方便读者将宝贵的时间和精力放在数据可视化的实践本身。你可以是第一次接触数据可视化的人员，甚至是没有任何 MATLAB 或类似使用统计分析软件的应用经验的人员；你也可以是对 Python 有基本了解的运营人员、数据分析师、大数据工程师、机器学习工程师、数据挖掘工程师，甚至是人工智能专家、运维工程师、软件测试人员，以及对 Python数据可视化有兴趣的各行业的读者。本书特色 本书在列举大量 Python 数据可视化案例的过程中，将重点放在 Python 数据可视化思路、PythonPython 数据可视化之 matplotlib 实践 IV 数据可视化技术和方法的探讨上，使读者通过阅读本书，能够在自己的实际工作和学习中灵活应用，并解决现实的 Python 数据可视化问题，而不是拘泥于书中的案例和方法，从而实现“授之以渔”的学习效果。阅读建议 本书的实例代码都比较简单易懂，而且代码量很小，因而我没有将代码放在 GitHub 或相关可以下载实例代码的平台上，目的就是希望读者可以独立敲入完整代码，真正动手实践书中讲过的每一个实例，探索每一个实例，通过动手实践的方式，既能掌握 Python 数据可视化的编程知识，又能领会 matplotlib 的精髓，实现在做中学、在学中练的目标。正像苏轼的诗句中所言的“竹外桃花三两枝，春江水暖鸭先知。”之所以给读者这样的建议，目的就是让读者主动探索和掌握绘制图表的实现方法。本书的示例代码都是基于 Python 2.7、matplotlib 1.5.3 和 NumPy 1.13.1 实现的。在书中的附录部分会详细讲解 Python 2.7、matplotlib 1.5.3 和 NumPy 1.13.1 的安装方法。联系与反馈 由于本人的学识和能力有限，书中存在纰漏之处在所难免，欢迎广大读者针对书中的错误、阅读体会和建议等给予反馈。如果你对 matplotlib 也有自己的见解和研究兴趣，欢迎与我联系。请将反馈信息发送到电子邮箱 中。致谢 谈到本书的出版，还要从读研究生时讲起，那时候我就一直有写书的想法，但当时由于阅历和技能都很不成熟，就暂时放下了。毕业之后，我一直从事数据分析、机器学习方面的工作，随着工作经验的积累，也逐渐找到自己的研究兴趣。机缘巧合的是，这段时间恰好有精力可以完成自己的这个梦想。在写作本书的过程中，我得到了很多人的帮助和支持。首先，要感谢我的父母，在求学和工作的过程中一直做我的坚强后盾，我也一直自豪于生活在“生产性的简朴蜂巢”中。再有，在本书的编辑过程中，得到电子工业出版社石倩编辑耐心、细致的帮助和指导，让我获益良多。最后，要感谢我的妻子一直以来对我工作的理解和支持，而且也要感谢我的朋友和同事对我的成长所给予的关心和帮助。不忘初心，坚定前行，时间会给你所想的一切。目 录 V 目 录 第 1 篇 入门 第 1 章 使用函数绘制 matplotlib 的图表组成元素.2 1.1 绘制 matplotlib 图表组成元素的主要函数.2 1.2 准备数据.3 1.3 绘制 matplotlib 图表组成元素的函数用法.4 1.3.1 函数 plot()展现变量的趋势变化.4 1.3.2 函数 scatter()寻找变量之间的关系.5 1.3.3 函数 xlim()设置 x 轴的数值显示范围.6 1.3.4 函数 xlabel()设置 x 轴的标签文本.7 1.3.5 函数 grid()绘制刻度线的网格线.8 1.3.6 函数 axhline()绘制平行于 x 轴的水平参考线.9 1.3.7 函数 axvspan()绘制垂直于 x 轴的参考区域.11 1.3.8 函数 annotate()添加图形内容细节的指向型注释文本.12 1.3.9 函数 text()添加图形内容细节的无指向型注释文本.13 1.3.10 函数 title()添加图形内容的标题.15 1.3.11 函数 legend()标示不同图形的文本标签图例.16 1.4 函数组合应用.17 第 2 章 使用统计函数绘制简单图形.20 2.1 函数 bar()用于绘制柱状图.20 2.2 函数 barh()用于绘制条形图.22 2.3 函数 hist()用于绘制直方图.23 2.4 函数 pie()用于绘制饼图.25 2.5 函数 polar()用于绘制极线图.26 2.6 函数 scatter()用于绘制气泡图.27 2.7 函数 stem()用于绘制棉棒图.29 2.8 函数 boxplot()用于绘制箱线图.30 2.9 函数 errorbar()用于绘制误差棒图.31 Python 数据可视化之 matplotlib 实践 VI 第 3 章 绘制统计图形.33 3.1 柱状图.33 3.1.1 应用场景定性数据的分布展示.33 3.1.2 绘制原理.33 3.2 条形图.35 3.3 堆积图.37 3.3.1 堆积柱状图.37 3.3.2 堆积条形图.38 3.4 分块图.39 3.4.1 多数据并列柱状图.40 3.4.2 多数据平行条形图.41 3.5 参数探索.42 3.6 堆积折线图、间断条形图和阶梯图.44 3.6.1 用函数 stackplot()绘制堆积折线图.44 3.6.2 用函数 broken_barh()绘制间断条形图.45 3.6.3 用函数 step()绘制阶梯图.47 3.7 直方图.48 3.7.1 应用场景定量数据的分布展示.48 3.7.2 绘制原理.49 3.7.3 直方图和柱状图的关系.50 3.7.4 堆积直方图.51 3.7.5 直方图的不同形状.53 3.8 饼图.55 3.8.1 应用场景定性数据的比例展示.55 3.8.2 绘制原理.55 3.8.3 延伸阅读非分裂式饼图.57 3.8.4 案例绘制内嵌环形饼图.58 3.9 箱线图.60 3.9.1 应用场景多组定量数据的分布比较.60 3.9.2 绘制原理.61 3.9.3 延伸阅读箱体、箱须、离群值的含义和计算方法.63 3.9.4 案例 1水平方向的箱线图.65 3.9.5 案例 2不绘制离群值的水平放置的箱线图.66 3.10 误差棒图.67 3.10.1 应用场景定量数据的误差范围.67 目 录 VII 3.10.2 绘制原理.68 3.10.3 案例 1带误差棒的柱状图.69 3.10.4 案例 2带误差棒的条形图.71 3.10.5 案例 3带误差棒的多数据并列柱状图.72 3.10.6 案例 4带误差棒的堆积柱状图.74 第 4 章 完善统计图形.77 4.1 添加图例和标题.77 4.1.1 图例和标题的设置方法.77 4.1.2 案例 1图例的展示样式的调整.79 4.1.3