> 人生苦短，我用 Python 前文傳送門： [小白學 Python 資料分析（1）：資料分析基礎](https://www.geekdigging.com/2020/01/19/6719980708/) [小白學 Python 資料分析（2）：Pandas （一）概述](https://www.geekdigging.com/2020/01/20/6718497214/) [小白學 Python 資料分析（3）：Pandas （二）資料結構 Series](https://www.geekdigging.com/2020/02/04/3234667780/) [小白學 Python 資料分析（4）：Pandas （三）資料結構 DataFrame](https://www.geekdigging.com/2020/02/05/9920298470/) [小白學 Python 資料分析（5）：Pandas （四）基礎操作（1）檢視資料](https://www.geekdigging.com/2020/02/16/6852411690/) [小白學 Python 資料分析（6）：Pandas （五）基礎操作（2）資料選擇](https://www.geekdigging.com/2020/02/20/6566891797/) [小白學 Python 資料分析（7）：Pandas （六）資料匯入](https://www.geekdigging.com/2020/02/23/7355903936/) [小白學 Python 資料分析（8）：Pandas （七）資料預處理](https://www.geekdigging.com/2020/02/25/9013297409/) [小白學 Python 資料分析（9）：Pandas （八）資料預處理（2）](https://www.geekdigging.com/2020/02/27/2857868620/) [小白學 Python 資料分析（10）：Pandas （九）資料運算](https://www.geekdigging.com/2020/02/29/5808964196/) [小白學 Python 資料分析（11）：Pandas （十）資料分組](https://www.geekdigging.com/2020/03/03/5975552137/) [小白學 Python 資料分析（12）：Pandas （十一）資料透視表（pivot_table）](https://www.geekdigging.com/2020/03/04/8327177610/) [小白學 Python 資料分析（13）：Pandas （十二）資料表拼接](https://www.geekdigging.com/2020/03/06/5036602239/) [小白學 Python 資料分析（14）：Pandas （十三）資料匯出](https://www.geekdigging.com/2020/03/07/6918490736/) [小白學 Python 資料分析（15）：資料視覺化概述](https://www.geekdigging.com/2020/03/09/7393240956/) [小白學 Python 資料分析（16）：Matplotlib（一）座標系](https://www.geekdigging.com/2020/03/14/2444388683/) [小白學 Python 資料分析（17）：Matplotlib（二）基礎操作](https://www.geekdigging.com/2020/03/16/2401104162/) ## 折線圖 各位同學好，我們從本篇開始介紹一些 Matplotlib 的常用圖表。 說道常用圖表，第一個肯定是折線圖，折線圖主要用於表現隨著時間的推移而產生的某種趨勢。 在 Matplotlib 中，化折線圖主要是使用到了 plt 庫中的 plot 方法，下面我們看下 plot 的語法。 plot 函式的一般的呼叫形式如下： ```python #單條線： plot([x], y, [fmt], *, data=None, **kwargs) #多條線： plot([x], y, [fmt], [x2], y2, [fmt2], ..., **kwargs) ``` 可選引數 `[fmt]` 是一個字串來定義圖的基本屬性如：顏色（color），點型（marker），線型（linestyle）。 具體形式 fmt = '[color][marker][line]' 這裡我們寫一個簡單的 fmt 的表示式，需要注意的是 fmt 接收的是每個屬性的單個字母縮寫，如果使用的是全名的話則不能使用 fmt 引數進行組合賦值。 ```python plot(x, y, 'bo-') ``` 上面這個示例中的 `bo-` 的含義是藍色圓點實線，其中 `b` 代表了顏色 blue ， `o` 代表了點型 circle marker （圓點）， `-` 代表了線型 solid line style （實線） 。 如果我們使用全名的話上面這個示例可以改成： ```python plot(x, y, color='blue', marker='o', linestyle='-') ``` 下面小編摘抄一下官方文件上的對應的型別，官方文件地址：https://matplotlib.org/api/_as_gen/matplotlib.pyplot.plot.html ，如果不想開啟官方文件，也可以在程式中執行下面這段程式碼，一樣可以看到： ```python import matplotlib.pyplot as plt help(plt.plot) ``` 首先是顏色 color 的可取值： ```python ============= =============================== character color ============= =============================== ``'b'`` blue ``'g'`` green ``'r'`` red ``'c'`` cyan ``'m'`` magenta ``'y'`` yellow ``'k'`` black ``'w'`` white ============= =============================== ``` 這裡有一點需要注意，除了可以使用上面的這些值，同樣可以使用十六進位制的 RGB 字串，如： `#FFFFFF` 等。 接下來是點型 Maker 的可選值： ```python ============= =============================== character description ============= =============================== ``'.'`` point marker ``','`` pixel marker ``'o'`` circle marker ``'v'`` triangle_down marker ``'^'`` triangle_up marker ``'<'`` triangle_left marker ``'>'`` triangle_right marker ``'1'`` tri_down marker ``'2'`` tri_up marker ``'3'`` tri_left marker ``'4'`` tri_right marker ``'s'`` square marker ``'p'`` pentagon marker ``'*'`` star marker ``'h'`` hexagon1 marker ``'H'`` hexagon2 marker ``'+'`` plus marker ``'x'`` x marker ``'D'`` diamond marker ``'d'`` thin_diamond marker ``'|'`` vline marker ``'_'`` hline marker ============= =============================== ``` 大家看前面的符號應該大致都能知道是啥意思吧，小編這裡有點小懶（屬實有點多，小編自己的碎碎念：常用的就那麼幾種，一張圖上也不會出現太多種的線型，反正會有預設值），就不翻譯了，如果有看不懂的同學可以 CV 後面的英文到某些翻譯網站上自行翻譯。 接下來是線型 Line Styles 的可選值： ```python ============= =============================== character description ============= =============================== ``'-'`` solid line style 實線 ``'--'`` dashed line style 虛線 ``'-.'`` dash-dot line style 點畫線 ``':'`` dotted line style 點線 ============= =============================== ``` 這個就不解釋了吧，各位同學可以自行嘗試一下。 最後再來個示例吧，資料還是使用上一篇文章的： ```python import matplotlib.pyplot as plt # 處理中文亂碼 plt.rcParams['font.sans-serif']=['SimHei'] x_data = [2011,2012,2013,2014,2015,2016,2017] y_data = [58000,60200,63000,71000,84000,90500,107000] y_data_1 = [78000,80200,93000,101000,64000,70500,87000] plt.title(label='xxx 公司 xxx 產品銷量') # 設定標題 plt.plot(x_data, y_data, linestyle = '-.', label = '產品銷量') plt.plot(x_data, y_data_1, label = '使用者增長數') # 開啟網格線 plt.grid(True) # 設定圖例 plt.legend() # 檔案儲存 plt.savefig("plot_demo.png") ``` 結果如下：  這個樣例中，我們將產品銷量使用點線圖來表示。 ## 柱狀圖 ### 普通柱狀圖 柱狀圖主要用於檢視各分組資料的數量分佈，以及各個分組資料之間的數量比較。 在 Matplotlib 中使用的是 `bar()` 方法，還是先看下 `bar()` 的語法： ```python atplotlib.pyplot.bar(left, height, width=0.8, bottom=None, hold=None, data=None, **kwargs) ``` | 引數 | 接收值 | 說明 | 預設值 | | --------------------------- | ------ | ------------------------------- | ------ | | left | array | x 軸； | 無 | | height | array | 柱形圖的高度，也就是y軸的數值； | 無 | | alpha | 數值 | 柱形圖的顏色透明度 ； | 1 | | width | 數值 | 柱形圖的寬度； | 0.8 | | color（facecolor） | string | 柱形圖填充的顏色； | 隨機色 | | edgecolor | string | 圖形邊緣顏色 | None | | label | string | 解釋每個影象代表的含義 | 無 | | linewidth（linewidths / lw) | 數值 | 邊緣or線的寬度 | 1 | 其他詳細的用法可以參考官方文件：https://matplotlib.org/api/pyplot_api.html 。 我們還是先來一個簡單的示例，資料依然使用上面的資料： ```python import matplotlib.pyplot as plt import numpy as np # 處理中文亂碼 plt.rcParams['font.sans-serif']=['SimHei'] x_data = np.array([2011,2012,2013,2014,2015,2016,2017]) y_data = np.array([58000,60200,63000,71000,84000,90500,107000]) y_data_1 = np.array([78000,80200,93000,101000,64000,70500,87000]) plt.title(label='xxx 公司 xxx 產品銷量') plt.bar(x_data, y_data, width=0.5, alpha=0.6, facecolor = 'deeppink', edgecolor = 'darkblue', lw=2, label='產品銷量') plt.legend() plt.savefig("bar_demo_1.png") ``` * width : 柱子的寬度 * alpha : 透明度 * facecolor : 柱子填充色 * edgecolor : 柱子輪廓色 * lw : 柱子輪廓寬度 * label ： 圖例 結果如下：  ### 並排柱狀圖 我們還有一組資料，接下來是兩個柱形圖並列顯示，這裡呼叫的還是 `bar()` ，只不過需要調整的是柱子的位置： ```python import matplotlib.pyplot as plt import numpy as np # 處理中文亂碼 plt.rcParams['font.sans-serif']=['SimHei'] x_data = np.array([2011,2012,2013,2014,2015,2016,2017]) y_data = np.array([58000,60200,63000,71000,84000,90500,107000]) y_data_1 = np.array([78000,80200,93000,101000,64000,70500,87000]) plt.title(label='xxx 公司 xxx 產品銷量') plt.bar(x_data, y_data, width=0.3, alpha=0.6, facecolor = 'pink', edgecolor = 'blue', lw=1, label='產品銷量') plt.bar(x_data + 0.3, y_data_1, width=0.3, alpha=0.6, facecolor = 'blue', edgecolor = 'blue', lw=1, label='使用者增長數') plt.legend() plt.savefig("bar_demo_2.png") ``` 這裡比較重要的是 `x_data + 0.3` ，相當於把使用者量的柱子向右移動了 0.3 ，否則會造成重合。 結果如下：  ### 堆積柱狀圖 還有一種柱形圖是堆積柱形圖，就是把柱狀圖堆疊在一起，我們還是通過示例來看： ```python import matplotlib.pyplot as plt import numpy as np # 處理中文亂碼 plt.rcParams['font.sans-serif']=['SimHei'] x_data = np.array([2011,2012,2013,2014,2015,2016,2017]) y_data = np.array([58000,60200,63000,71000,84000,90500,107000]) y_data_1 = np.array([78000,80200,93000,101000,64000,70500,87000]) plt.title(label='xxx 公司 xxx 產品銷量') plt.bar(x_data, y_data, width=0.3, alpha=0.6, facecolor = 'pink', edgecolor = 'blue', lw=1, label='產品銷量') plt.bar(x_data, y_data_1, bottom=y_data, width=0.3, alpha=0.6, facecolor = 'blue', edgecolor = 'blue', lw=1, label='使用者增長數') plt.legend() plt.savefig("bar_demo_3.png") ``` 這種堆積柱狀圖主要是通過引數 bottom 來實現的，含義是底部開始的位置。 結果如下：  ### 橫向柱狀圖 其實橫向柱狀圖應該是叫條形圖，而且使用的方法也不再是 `bar()` 了，而是變成了 `barh()` 。 咦，這個看起來和 `bar()` 很像嘛，有可能是兄弟關係。 語法如下： ```python matplotlib.pyplot.barh(y, width, height=0.8, left=None, *, align='center', **kwargs) ``` 也不多說啥了，和上面的 `bar()` 簡直如出一轍，還是再來個示例： ```python import matplotlib.pyplot as plt import numpy as np # 處理中文亂碼 plt.rcParams['font.sans-serif']=['SimHei'] x_data = np.array([2011,2012,2013,2014,2015,2016,2017]) y_data = np.array([58000,60200,63000,71000,84000,90500,107000]) plt.title(label='xxx 公司 xxx 產品銷量') plt.barh(x_data, y_data, alpha=0.6, facecolor = 'deeppink', edgecolor = 'deeppink', label='產品銷量') plt.legend() plt.savefig("barh_demo.png") ``` 結果如下：  本篇內容就到這裡了，各位同學想要程式碼或者想要圖片都可以直接訪問程式碼倉庫獲得。 ## 程式碼倉庫 老規矩，所有的示例程式碼都會上傳至程式碼管理倉庫 Github 和 Gitee 上，方便大家取用。 [示例程式碼-Github](https://github.com/meteor1993/python-learning/tree/master/python-data-analysis/matplotlib "示例程式碼-Github") [示例程式碼-Gitee](https://gitee.com/inwsy/python-learning/tree/master/python-data-analysis/matplotlib "示例程式碼-Gitee") ## 參考 https://blog.csdn.net/sinat_36219858/article/details/79800460 https://blog.csdn.net/weixin_40683253/article/details/