✅作者简介：大家好我是爱康代码！
👦我亦无他，唯手熟尔！天下没有难学的技术，多看多练就会了！
🔥💖如果觉得博主的文章还不错的话，请👍三连支持一下博主哦🤞

一、初识Matplotlib

🔥是Python最常见的可视化工具之一🔥

1.1 认识Matplotlib的图像结构

💖容器层：

Canvas:画板，位于最低分层，用户一般接触不到。
Figure：画布，建立在画板之上，相当于一个设计图纸。
Axes: 绘图区，建立在画之上。

📢辅助显示层：

是Axes（绘图区）中除了根据数据绘制出的图像以外的内容
如x，y坐标轴，边框线，绘图标题，网格线等。

📡图像层：

是指Axes内通过plot、scatter、bar、histogram、pie等函数根据数据绘制出的图形

1.2 绘制一个折线图

🔉使用plt.plot(x,y)绘制折线图：

#调用matplotlib中的pyplot的绘图函数plot()方法进行绘图
#生成画布figure，然后在绘图区axes绘图

#在jupyter notebook中启用对matploytlib的支持
%matplotlib inline
#导包并将pyplot起别名为plt
from matplotlib import pyplot as plt
#添加数据
x = range(1,8)
y = [12,15,13,16,11,12,19]
#绘图
plt.plot(x,y)
#展示绘图
plt.show()

☎️将下列代码加入上面代码给图像加点料：

参数含义：
color:设置折线颜色
alpha:设置折线透明度
linestyle：设置折线样式，支持’-', ‘–’, ‘-.’, ‘:’
linewidth: 设置折线的粗细
marker: 设置拐点的样式

#自定义折线的颜色，粗细以及拐点
plt.plot(x,y,color='red',alpha=0.5,linestyle='-',linewidth=3,marker='*')

💻增加标题的描述信息：

#有可能不显示中文，添加这行代码
plt.rcParams['font.sans-serif'] = ['SimHei']
#添加坐标轴和标题
plt.plot(x,y)
plt.xlabel('x轴坐标')
plt.ylabel('y轴坐标')
plt.title('我是图的标题')

二、给图像添加修饰

2.1 自定义x的刻度

xticks参数：
xticks(locs,[labels],kwargs)
locs:是数组参数，表示x-axis的刻度线显示标注的地方**，就是ticks的地方
第二个参数也是数组参数，表示locs数组表示的位置添加的标签，也就标签的值。

#导包
from matplotlib import pyplot as plt
import random
x=range(1,61) 
y=[random.randint(15,18) for i in x]# 利用random.randint()函数在15-18之间取值60次
plt.figure(figsize=(20,8),dpi=80)
plt.plot(x,y)
#设置x刻度
x_ticks = ["10点{}分".format(i) for i in x] 
plt.xticks(list(x)[::3],x_ticks[::3],rotation=45) #[::3]从头到尾，间隔为3.
plt.show()

plt.xticks(list(x)[::3],x_ticks[::3],rotation=45)
list(x)[::3] ：第一个参数，根据x的个数，调整x轴的疏密程度
x_ticks[::3]：第二个参数，还是用x的值作为刻度的标签，但是只获取了其中的一部分，为了确保第一个参数和第二个参数个数相同
rotation=45：默认刻度是横向的，这个是对文字进行旋转45度。

2.2一图多线

💰其实就是在一张画布上画两次，主要是学习一下如何区分开两条线。也就是增加描述信息。

#导包
from matplotlib import pyplot as plt
import random
#准备数据
x=range(1,61)
print(x)
#手动模拟山东和北京的气温
y_shandong = [random.randint(15,18)for i in x]
y_beijing = [random.randint(13,16)for i in x]
#绘制图形画布
plt.figure(figsize=(20,8),dpi=80)
plt.plot(x,y_shandong,label='山东',linestyle='--',color='red')
plt.plot(x,y_beijing,label='北京',linestyle='-',color='green')
#增加描述信息
plt.title("山东和北京的气温")
plt.xlabel("时间")
plt.ylabel("温度")
#设置x刻度，上个图的基础
x_ticks = ["10点{}分".format(i) for i in x] 
plt.xticks(list(x)[::3],x_ticks[::3],rotation=45)
plt.show()

✉️plt.grid设置网格线：把代码加到上一个代码plt.show()前

plt.grid(alpha=1,linestyle='-.')

💡legend()用来显示图例，图例中的文字需要在绘制方法中添加

plt.legend(loc=0)

🎉添加这两行代码所示图像：

2.3一图绘制多个坐标系子图

🔔subplot方法参数：

plt.subplot(nrows,ncols,index)创建子图：
nrows：指定数据图区域分成多少行
ncols：指定将数据图区域分成多少列
index：指代获取第几个区域

#设置画布
fig,axes=plt.subplots(nrows=2,ncols=2,figsize=(20.,8),dpi=80)

🎁将多个子图画在一张图上：

#导包
from matplotlib import pyplot as plt
import numpy as np
#准备数据
x=[1,10,14,16,17,18]
y=np.array([3,4,6,2,1,5])
#准备画布
plt.figure(figsize=(20.,8),dpi=80)
#绘制第一个子图
plt.subplot(2,2,1)
plt.plot(y)
plt.title("Axes1")
#绘制第二个子图
plt.subplot(2,2,2)
plt.plot(y**3)
plt.title("Axes2")
#绘制第三个子图
plt.subplot(2,2,3)
plt.plot(y**3)
plt.title("Axes3")
plt.show()

三、主流图形的绘制

3.1绘制柱状图

🎊柱状图：利用柱子的高度，反应数据的差异

plt.bar(x,heigh,wight,color)
x:记录x轴上的标签
height：记录柱子高度
wight：设置柱子宽度
color：设置柱子的颜色，传入颜色列表[‘red’,‘blue’,‘black’,‘green’,‘gray’]等多种颜色

#在jupyter notebook中启用对matploytlib的支持
%matplotlib inline
#中文字体
plt.rcParams['font.sans-serif'] = ['SimHei']
#导包并将pyplot起别名为plt
from matplotlib import pyplot as plt
#准备数据
a=['流浪地球','疯狂的外星人','飞驰人生','大黄蜂','新喜剧之王']
b=[38.13,19.85,14.89,11.36,5.93]
#准备画布
plt.figure(figsize=(20.,8),dpi=80)
plt.bar(a,b)
plt.show()

🎅 设置宽度和颜色属性：

plt.bar(a,b,width=0.3,color=['red','#7CFC00','yellow'])

👻在柱状图上面添加标注（水平居中）: 直接看到柱子的高度

#导包并将pyplot起别名为plt
from matplotlib import pyplot as plt#在jupyter notebook中启用对matploytlib的支持
%matplotlib inline
#中文字体
plt.rcParams['font.sans-serif'] = ['SimHei']
#准备数据
a=['流浪地球','疯狂的外星人','飞驰人生','大黄蜂','新喜剧之王']
b=[38.13,19.85,14.89,11.36,5.93]
#准备画布
plt.figure(figsize=(20.,8),dpi=80)
rects=plt.bar(a,b,width=0.3,color=['red','#7CFC00','yellow']) #设置一个参数，获取bar函数返回的值
#在柱状图上面添加标注（水平居中）
for rect in rects:
    height = rect.get_height()
    plt.text(rect.get_x()+rect.get_width()/2,height+0.3,str(height),ha='center')
    #通过get_x() get_width() get_height()分别获取了左边的x值，柱状图的宽度和高度
    #使用plt.plot()函数添加文字信息
plt.show()

3.2绘制直方图

🎒用来绘制连续性的数据展示一组或者多组数据的分布情况（统计）

plt.hist(data,bins,facecolor,edgecolor)
参数解释：
data：绘制用到的数据
bins：设置柱子的宽度
facecolor：矩阵的填充颜色
edgercolor：矩阵的边框颜色

🌄其实是描述数据之间的数学关系，如实现统计count种各个数值出现的次数：（每次运行结果是随机的）

#在jupyter notebook中启用对matploytlib的支持
%matplotlib inline
#导包并将pyplot起别名为plt
from matplotlib import pyplot as plt
import random
#中文字体
plt.rcParams['font.sans-serif'] = ['SimHei']
#准备数据
count=[123, 140, 104, 106, 119, 140, 118, 126, 101, 118, 134, 128, 110, 128, 102, 141, 136, 127, 113, 139, 113, 123, 139,
       109, 111, 135, 123, 102, 105, 130, 148, 107, 150, 104, 141, 125, 123, 146, 119, 138, 124, 107, 140, 146, 146, 145,
       130, 115, 112, 103, 134, 140, 104, 132, 109, 134, 143, 119, 129, 109, 134, 116, 145, 148, 135, 109, 150, 101, 130,
       138, 109, 101, 136, 133, 100, 132, 129, 100, 147, 116, 122, 121, 147, 108, 114, 118, 118, 101, 121, 134, 148, 142,
       104, 123, 148, 122, 119, 111, 100, 101, 107, 135, 124, 146, 122, 111, 121, 123, 107, 102, 107, 103, 138, 102, 139, 
       126, 129, 134, 113, 150, 119, 137, 140, 125, 115, 132, 146, 114, 110, 147, 117, 114, 148, 132, 135, 128, 101, 114, 
       148, 113, 135, 101, 141, 120, 138, 121, 149, 127, 148, 142, 133, 106, 133, 138, 147, 141, 146, 101, 138, 136, 127, 
       104, 105, 107, 136, 132, 101, 140, 115, 137, 138, 105, 149, 138, 130, 150, 133, 125, 131, 129, 100, 122, 101, 116, 
       116, 126, 142, 124, 110, 123, 134, 129, 109, 128, 149, 119, 122, 122, 105, 134, 114, 116, 102, 138, 140, 124, 106, 
       111, 141, 129, 102, 122, 111, 126, 139, 143, 118, 142, 146, 124, 133, 143, 119, 110, 129, 129, 114, 116, 107, 127, 
       128, 147, 147, 100, 109, 148, 126, 142, 141, 119, 147, 105, 145, 121, 124, 141, 122, 124, 108, 107, 122, 105, 129, 
       125, 122, 136, 143, 137, 132, 144, 149, 115, 150, 101, 116, 145, 142, 149, 126, 121, 102, 136, 150, 110, 139, 128, 
       105, 133, 106, 111, 121, 100, 145, 137, 149, 112, 146, 130, 127, 134, 119, 130, 103, 120, 135, 133, 140, 144, 109, 
       117, 102, 127, 119, 128, 101, 108, 117, 100, 100, 131, 100, 139, 114, 107, 111, 113, 104, 120, 114, 149, 117, 130, 
       101, 132, 145, 103, 138, 135, 110, 143, 127, 111, 136, 136, 143, 116, 149, 130, 121, 106, 119, 111, 125, 121, 149, 
       109, 145, 110, 108, 106]
#准备画布
plt.figure(figsize=(20.,8),dpi=80)
#开始绘图
plt.hist(time)
plt.show()

🌝设置柱形宽度： 其实就是把这些数据分成多少个组，分组越多，柱状图越细

#开始绘图,将此代码加入上一个代码中
#设置组距
distance=2
#计算组数
group_num = int(max(count)-min(count)/distance)
plt.hist(count,group_num)

🌐修改x的刻度：

plt.xticks(range(min(count),max(count)))
#加在plt.show()上面

3.2散点图的绘制

🌼用于判断变量之间是否存在关联趋势（如身高和体重是否有关联），展示离群点（分布规律）

ptl.scatter(x,y,s,c,marker,alpha,linewidths)
参数解释：
x,y：数组
s：散点图中点的大小，可选
c：散点图中点的颜色，可选
marker：散点图的形状，可选
alpha：表示透明度，0-1之间，可选
linewidths：表示线条的粗细 ，可选

🌱**绘制数据散点图：**绘制身高和体重相关性图

%matplotlib inline
from matplotlib import pyplot as plt
import pandas as pd 
df=pd.read_csv('./data/SOCR-HeightWeight.csv')#网上自己下载一个身高体重的数据
#准备画布
plt.figure(figsize=(20.,8),dpi=80)
#准备身高和体重数据
x=df['Height(Inches)']
y=df['Weight(Pounds)']
plt.scatter(x,y)
plt.show()

🌰修改点的颜色，样式和透明度：

plt.scatter(x,y,c='red',marker='*',alpha=0.6)

3.4绘制饼图

🌰分析数据的占比情况（占比）

plt.pie(x,lables,autopct,shadow,startangle)
参数解释：
x：绘制饼图用到的数据
labels：用于设置饼图中每一个扇形外侧的显示说明数据的文字
autopct：设置饼图内百分比数据，可以使用format字符串，或者使用format function，“%。2f%%”指小数保留两位
shadow：表示是否在饼图下绘制阴影，默认Fales。
startangle：设置起始绘制角度，默认是从x轴正方向逆时针花起。

🌷绘制一个不同种衣服占比的简单饼状图：：

%matplotlib inline
from matplotlib import pyplot as plt
import pandas as pd 
df=pd.read_csv('./data/uniqlo.csv')#自己找个分类的数据集
x=df.groupby('product').size() #根据衣服产品进行分组并统计个数
#设置画布
plt.figure(figsize=(20.,8),dpi=80)
plt.pie(x)
#展示绘图
plt.show()

🌸绘制详细的饼状图添加外侧对应名称，对应占比，阴影，绘图起始位置（逆时针）

#增加参数
plt.pie(x,labels=x.index,autopct="%.2f%%",shadow=True,startangle=90)