如何用python繪制圖表

摘要: 使用python繪制簡單的圖表，包括折線圖、柱狀圖、條形圖、餅圖、散點圖、氣泡圖、箱線圖、直方圖等。

前言

本文介紹如果使用python匯總常用的圖表，與Excel的點選操作相比，用python繪制圖表顯得比較比較繁瑣，尤其提現在對原始數據的處理上。但兩者在繪制圖表過程中的思路大致相同，Excel中能完成的工作python大多也能做到。為了能夠更好使用python繪制圖表，我們需要導入幾個 Python 的基本軟件包NumPy，Pandas，matplotlib。

NumPy 是用於科學計算與 Python 的基本軟件包。它包含除其他外：

一個強大的 N 維數組對象

復雜的 （廣播） 功能

為集成 C/c + + 和 Fortran 代碼工具

有用的線性代數、 傅裏葉變換和隨機編號功能

除了其明顯的科學用途，NumPy 也可以用作泛型數據高效多維容器。可以定義任意數據類型。這允許 NumPy 迅速、 無縫集成與各種各樣的數據庫。

Pandas 是連接 SciPy 和 NumPy 的一種工具，該工具是為了解決數據分析任務而創建的。Pandas 納入了大量庫和一些標準的數據模型，提供了高效地操作大型數據集所需的工具。Comma-separated values (CSV) 文件表示在有關各方之間分發數據的最常見的方法之一。Pandas 提供了一種優化庫功能來讀寫多種文件格式，包括 CSV 和高效的 HDF5 格式。

Matplotlib是一個Python的圖形框架，類似於MATLAB和R語言。

在使用NumPy進行學習統計計算時是枯燥的，大量的數據令我們很頭疼，所以我們需要把它圖形化顯示。

接下來我們進行實戰

1，數據如下

1，圓形圖

# coding=utf-8
__author__ = ‘Jay‘

import pandas as pd
# 導入圖表庫以進行圖表繪制
import matplotlib.pyplot as plt

plt.rcParams[‘font.sans-serif‘] = [‘SimHei‘]
plt.rcParams[‘font.serif‘] = [‘SimHei‘]

plt.rcParams[‘axes.unicode_minus‘] = False  # 用控制中文亂碼

loandata = pd.DataFrame(pd.read_excel(‘loan_data.xlsx‘))

# 按用戶等級grade字段對貸款金額進行求和匯總
loan_grade = loandata.groupby(‘grade‘)[‘loan_amnt‘].agg(sum)

# 設置餅圖中每個數據分類的顏色
colors = ["#99CC01", "#FFFF01", "#0000FE", "#FE0000", "#A6A6A6", "#D9E021"]
# 設置餅圖中每個數據分類的名稱
name = [u‘A級‘, u‘B級‘, u‘C級‘, u‘D級‘, u‘E級‘, u‘F級‘]
# 創建餅圖，設置分類標簽，顏色和圖表起始位置等，
# labels  (每一塊)餅圖外側顯示的說明文字
# loan_grade       (每一塊)的比例，如果sum(x) > 1會使用sum(x)歸一化
#  explode (每一塊)離開中心距離
plt.pie(loan_grade, labels=name, colors=colors, explode=(0, 0, 0.1, 0, 0.1, 0), startangle=60, autopct=‘%1.1f%%‘)
# 添加圖表標題
plt.title(u‘不同用戶等級的貸款金額占比‘)
# 添加圖例，並設置顯示位置
plt.legend(name, loc=‘upper left‘)
# 顯示圖表
plt.show()

2，條形圖

# coding=utf-8

# LOCALTION = [3, 4, 5, 6, 7, 8]

__author__ = ‘Jay‘



import numpy as np

import pandas as pd



# 導入圖表庫以進行圖表繪制

import matplotlib.pyplot as plt



plt.rcParams[‘font.sans-serif‘] = [‘SimHei‘]

plt.rcParams[‘font.serif‘] = [‘SimHei‘]



plt.rcParams[‘axes.unicode_minus‘] = False  # 用控制中文亂碼



loandata = pd.DataFrame(pd.read_excel(‘loan_data.xlsx‘))



# 按用戶等級grade字段對貸款金額進行求和匯總

loan_grade = loandata.groupby(‘grade‘)[‘loan_amnt‘].agg(sum)

# 定義數據分類名稱

LOCALTIONS = [u‘A級‘, u‘B級‘, u‘C級‘, u‘D級‘, u‘E級‘, u‘F級‘]

# 創建一個一維數組賦值給LOCALTION

LOCALTION = np.arange(len(LOCALTIONS))

# 設置餅圖中每個數據分類的顏色

colors = ["#99CC01", "#FFFF01", "#0000FE", "#FE0000", "#A6A6A6", "#D9E021"]

# a=np.array(LOCALTION)

# 創建柱狀圖，數據源為按用戶等級匯總的貸款金額，設置顏色，透明度和外邊框顏色

plt.barh(LOCALTION, loan_grade, color=colors, alpha=0.8, align=‘center‘, edgecolor=‘white‘)

# 設置x軸標簽

plt.ylabel(u‘用戶等級‘)

# 設置y周標簽

plt.xlabel(u‘貸款金額‘)

# 設置圖表標題

plt.title(u‘不同用戶等級的貸款金額分布‘)

# 設置圖例的文字和在圖表中的位置

plt.legend([u‘貸款金額‘], loc=‘upper right‘)

# 設置背景網格線的顏色，樣式，尺寸和透明度

plt.grid(color=‘#95a5a6‘, linestyle=‘--‘, linewidth=1, axis=‘y‘, alpha=0.4)

# 設置數據分類名稱

plt.yticks(LOCALTION + 0.4, LOCALTIONS)

# 顯示圖表

plt.show()

3.線箱圖

# coding=utf-8

__author__ = ‘Jay‘



import pandas as pd

# 導入圖表庫以進行圖表繪制

import matplotlib.pyplot as plt

plt.rcParams[‘font.sans-serif‘] = [‘SimHei‘]

plt.rcParams[‘font.serif‘] = [‘SimHei‘]



plt.rcParams[‘axes.unicode_minus‘] = False  # 用控制中文亂碼

loandata = pd.DataFrame(pd.read_excel(‘loan_data.xlsx‘))



# 創建箱線圖，數據源為貸款來源，設置橫向顯示

plt.boxplot(loandata[‘loan_amnt‘], 1, ‘rs‘, vert=False)

# 添加x軸標題

plt.xlabel(u‘貸款金額‘)

# 添加圖表標題

plt.title(u‘貸款金額分布‘)

# 設置背景網格線的顏色，樣式，尺寸和透明度

plt.grid(color=‘#95a5a6‘, linestyle=‘--‘, linewidth=1, axis=‘both‘, alpha=0.4)

# 顯示圖表

plt.show()

4.氣泡圖

# coding=utf-8

__author__ = ‘Jay‘



import pandas as pd

# 導入圖表庫以進行圖表繪制

import matplotlib.pyplot as plt



plt.rcParams[‘font.sans-serif‘] = [‘SimHei‘]

plt.rcParams[‘font.serif‘] = [‘SimHei‘]



plt.rcParams[‘axes.unicode_minus‘] = False  # 用控制中文亂碼

loandata = pd.DataFrame(pd.read_excel(‘loan_data.xlsx‘))



# 按月匯總貸款金額及利息

loan_x = loandata[‘loan_amnt‘]

loan_y = loandata[‘total_rec_int‘]

loan_z = loandata[‘total_rec_int‘]

# 設置氣泡圖顏色

colors = ["#99CC01", "#FFFF01", "#0000FE", "#FE0000", "#A6A6A6", "#D9E021", ‘#FFF16E‘, ‘#0D8ECF‘, ‘#FA4D3D‘, ‘#D2D2D2‘,

          ‘#FFDE45‘, ‘#9b59b6‘]

# 創建氣泡圖貸款金額為x，利息金額為y，同時設置利息金額為氣泡大小，並設置顏色透明度等。

plt.scatter(loan_x, loan_y, s=loan_z, color=colors, alpha=0.8)

# 添加x軸標題

plt.xlabel(u‘貸款金額‘)

# 添加y軸標題

plt.ylabel(u‘利息收入‘)

# 添加圖表標題

plt.title(u‘貸款金額與利息收入‘)

# 設置背景網格線的顏色，樣式，尺寸和透明度

plt.grid(color=‘#95a5a6‘, linestyle=‘--‘, linewidth=1, axis=‘both‘, alpha=0.4)

# 顯示圖表

plt.show()

 5.柱狀圖

# coding=utf-8

__author__ = ‘Jay‘



import numpy as np

import pandas as pd

#導入圖表庫以進行圖表繪制

import matplotlib.pyplot as plt



plt.rcParams[‘font.sans-serif‘] = [‘SimHei‘]

plt.rcParams[‘font.serif‘] = [‘SimHei‘]



plt.rcParams[‘axes.unicode_minus‘]=False #用控制中文亂碼



loandata=pd.DataFrame(pd.read_excel(‘loan_data.xlsx‘))



#按用戶等級grade字段對貸款金額進行求和匯總

loan_grade=loandata.groupby(‘grade‘)[‘loan_amnt‘].agg(sum)



#創建一個一維數組賦值給a

a=np.array([1,2,3,4,5,6])

#創建柱狀圖，數據源為按用戶等級匯總的貸款金額，設置顏色，透明度和外邊框顏色

plt.bar([1,2,3,4,5,6],loan_grade,color=‘#99CC01‘,alpha=0.8,align=‘center‘,edgecolor=‘white‘)

#設置x軸標簽

plt.xlabel(u‘用戶等級‘)

#設置y周標簽

plt.ylabel(u‘貸款金額‘)

#設置圖表標題

plt.title(u‘不同用戶等級的貸款金額分布‘)

#設置圖例的文字和在圖表中的位置

plt.legend([u‘貸款金額‘], loc=‘upper right‘)

#設置背景網格線的顏色，樣式，尺寸和透明度

plt.grid(color=‘#95a5a6‘,linestyle=‘--‘, linewidth=1,axis=‘y‘,alpha=0.4)

#設置數據分類名稱

plt.xticks(a,(u‘A級‘,u‘B級‘,u‘C級‘,u‘D級‘,u‘E級‘,u‘F級‘))

#顯示圖表

plt.show()

6.散點圖

# coding=utf-8

__author__ = ‘Jay‘





import pandas as pd

#導入圖表庫以進行圖表繪制

import matplotlib.pyplot as plt

plt.rcParams[‘font.sans-serif‘] = [‘SimHei‘]

plt.rcParams[‘font.serif‘] = [‘SimHei‘]



plt.rcParams[‘axes.unicode_minus‘]=False #用控制中文亂碼



loandata=pd.DataFrame(pd.read_excel(‘loan_data.xlsx‘))



#按月匯總貸款金額，以0填充空值

loan_x=loandata[‘loan_amnt‘]

#按月匯總利息金額，以0填充空值

loan_y=loandata[‘total_rec_int‘]



#創建散點圖，貸款金額為x，利息金額為y，設置顏色，標記點樣式和透明度等

plt.scatter(loan_x,loan_y,60,color=‘white‘,marker=‘*‘,edgecolors=‘#0D8ECF‘,linewidth=3,alpha=0.8)

#添加x軸標題

plt.xlabel(u‘貸款金額‘)

#添加y軸標題

plt.ylabel(u‘利息收入‘)

#添加圖表標題

plt.title(u‘貸款金額與利息收入‘)

#設置背景網格線的顏色，樣式，尺寸和透明度

plt.grid(color=‘#95a5a6‘,linestyle=‘--‘, linewidth=1,axis=‘both‘,alpha=0.4)

#顯示圖表

plt.show()

7.折線圖

# coding=utf-8

__author__ = ‘Jay‘



import numpy as np

import pandas as pd

#導入圖表庫以進行圖表繪制

import matplotlib.pyplot as plt



plt.rcParams[‘font.sans-serif‘] = [‘SimHei‘]

plt.rcParams[‘font.serif‘] = [‘SimHei‘]



plt.rcParams[‘axes.unicode_minus‘]=False #用來正常顯示負號



loandata=pd.DataFrame(pd.read_excel(‘loan_data.xlsx‘))



loandata.set_index(‘issue_d‘)

#按月對貸款金額loan_amnt求均值

loan_plot=loandata[‘loan_amnt‘]



#創建一個一維數組賦值給a

a=np.array([1,2,3,4,5,6,7,8,9,10,11,12])

#創建折線圖，數據源為按月貸款均值，標記點，標記線樣式，線條寬度，標記點顏色和透明度

plt.plot(loan_plot,‘g^‘,loan_plot,‘g-‘,color=‘#99CC01‘,linewidth=3,markeredgewidth=3,markeredgecolor=‘#99CC01‘,alpha=0.8)

#添加x軸標簽

plt.xlabel(u‘月份‘)

#添加y周標簽

plt.ylabel(u‘貸款金額‘)

#添加圖表標題

plt.title(u‘分月貸款金額分布‘)

#添加圖表網格線，設置網格線顏色，線形，寬度和透明度

plt.grid( color=‘#95a5a6‘,linestyle=‘--‘, linewidth=1 ,axis=‘y‘,alpha=0.4)

#設置數據分類名稱

plt.xticks(a, (u‘1月‘,u‘2月‘,u‘3月‘,u‘4月‘,u‘5月‘,u‘6月‘,u‘7月‘,u‘8月‘,u‘9月‘,u‘10月‘,u‘11月‘,u‘12月‘) )

#輸出圖表

plt.show()

自定義字體及配色

圖表中所使用的字體，可以使用下面的字體名稱替換family=後面的內容以改變圖表中所顯示的字體。

圖表中的顏色，可以直接使用顏色名稱，也可以使用簡稱來設置圖表中使用的顏色，本文中沒有使用默認的顏色，而是使用了自定義顏色。

自定義顏色的色號，本文中使用的是Hex色號，下面給出了Hex和RGB的對應關系，以及相應的顏色。可以使用下面的Hex色號替換本文中圖表的顏色。

python繪制圖