python绘制图

时间：2017-07-01 17:16:37 阅读：965 评论：0 收藏：0 [点我收藏+]

标签：表示 logs scipy enter 赋值 odi lines rate 泛型

如何用python绘制图表

摘要: 使用python绘制简单的图表，包括折线图、柱状图、条形图、饼图、散点图、气泡图、箱线图、直方图等。

前言

本文介绍如果使用python汇总常用的图表，与Excel的点选操作相比，用python绘制图表显得比较比较繁琐，尤其提现在对原始数据的处理上。但两者在绘制图表过程中的思路大致相同，Excel中能完成的工作python大多也能做到。为了能够更好使用python绘制图表，我们需要导入几个 Python 的基本软件包NumPy，Pandas，matplotlib。

NumPy 是用于科学计算与 Python 的基本软件包。它包含除其他外：

一个强大的 N 维数组对象

复杂的（广播）功能

为集成 C/c + + 和 Fortran 代码工具

有用的线性代数、傅里叶变换和随机编号功能

除了其明显的科学用途，NumPy 也可以用作泛型数据高效多维容器。可以定义任意数据类型。这允许 NumPy 迅速、无缝集成与各种各样的数据库。

Pandas 是连接 SciPy 和 NumPy 的一种工具，该工具是为了解决数据分析任务而创建的。Pandas 纳入了大量库和一些标准的数据模型，提供了高效地操作大型数据集所需的工具。Comma-separated values (CSV) 文件表示在有关各方之间分发数据的最常见的方法之一。Pandas 提供了一种优化库功能来读写多种文件格式，包括 CSV 和高效的 HDF5 格式。

Matplotlib是一个Python的图形框架，类似于MATLAB和R语言。

在使用NumPy进行学习统计计算时是枯燥的，大量的数据令我们很头疼，所以我们需要把它图形化显示。

接下来我们进行实战

1，数据如下

issue_d	member_id	loan_amnt	term	grade	emp_length	annual_inc	loan_status	total_pymnt_inv	total_rec_int
2016/6/16	1296599	5000	36 months	B	10+ years	24000	Fully Paid	5833.84	863.16
2016/9/13	1314167	2500	60 months	C	< 1 year	30000	Charged Off	1008.71	435.17
2016/6/16	1313524	2400	36 months	C	10+ years	12252	Fully Paid	3005.67	605.67
2016/4/16	1277178	10000	36 months	C	10+ years	49200	Fully Paid	12231.89	2214.92
2016/6/16	1311748	3000	60 months	B	1 year	80000	Current	3581.12	1042.85
2016/1/16	1311441	5000	36 months	A	3 years	36000	Fully Paid	5632.21	632.21
2016/5/16	1304742	7000	60 months	C	8 years	47004	Fully Paid	10137.84	3137.84
########	1288686	3000	36 months	E	9 years	48000	Fully Paid	3939.14	939.14
2016/8/12	1306957	5600	60 months	F	4 years	40000	Charged Off	646.02	294.94
2016/3/13	1306721	5375	60 months	B	< 1 year	15000	Charged Off	1469.34	533.42
########	1305201	6500	60 months	C	5 years	72000	Fully Paid	7678.02	1178.02
2016/8/13	1305008	12000	36 months	B	10+ years	75000	Fully Paid	13947.99	1947.99
########	1298717	9000	36 months	C	< 1 year	30000	Charged Off	2270.7	570.26
2016/6/16	1304956	3000	36 months	B	3 years	15000	Fully Paid	3480.27	480.27
2016/6/17	140597	4000	12 months	D	1 year	10000	Charged Off	1200.02	500

1，圆形图

# coding=utf-8
__author__ = ‘Jay‘

import pandas as pd
# 导入图表库以进行图表绘制
import matplotlib.pyplot as plt

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

plt.rcParams[‘axes.unicode_minus‘] = False  # 用控制中文乱码

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

# 按用户等级grade字段对贷款金额进行求和汇总
loan_grade = loandata.groupby(‘grade‘)[‘loan_amnt‘].agg(sum)

# 设置饼图中每个数据分类的颜色
colors = ["#99CC01", "#FFFF01", "#0000FE", "#FE0000", "#A6A6A6", "#D9E021"]
# 设置饼图中每个数据分类的名称
name = [u‘A级‘, u‘B级‘, u‘C级‘, u‘D级‘, u‘E级‘, u‘F级‘]
# 创建饼图，设置分类标签，颜色和图表起始位置等，
# labels  (每一块)饼图外侧显示的说明文字
# loan_grade       (每一块)的比例，如果sum(x) > 1会使用sum(x)归一化
#  explode (每一块)离开中心距离
plt.pie(loan_grade, labels=name, colors=colors, explode=(0, 0, 0.1, 0, 0.1, 0), startangle=60, autopct=‘%1.1f%%‘)
# 添加图表标题
plt.title(u‘不同用户等级的贷款金额占比‘)
# 添加图例，并设置显示位置
plt.legend(name, loc=‘upper left‘)
# 显示图表
plt.show()

技术分享

2，条形图

# coding=utf-8

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

__author__ = ‘Jay‘



import numpy as np

import pandas as pd



# 导入图表库以进行图表绘制

import matplotlib.pyplot as plt



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

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



plt.rcParams[‘axes.unicode_minus‘] = False  # 用控制中文乱码



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



# 按用户等级grade字段对贷款金额进行求和汇总

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

# 定义数据分类名称

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

# 创建一个一维数组赋值给LOCALTION

LOCALTION = np.arange(len(LOCALTIONS))

# 设置饼图中每个数据分类的颜色

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

# a=np.array(LOCALTION)

# 创建柱状图，数据源为按用户等级汇总的贷款金额，设置颜色，透明度和外边框颜色

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

# 设置x轴标签

plt.ylabel(u‘用户等级‘)

# 设置y周标签

plt.xlabel(u‘贷款金额‘)

# 设置图表标题

plt.title(u‘不同用户等级的贷款金额分布‘)

# 设置图例的文字和在图表中的位置

plt.legend([u‘贷款金额‘], loc=‘upper right‘)

# 设置背景网格线的颜色，样式，尺寸和透明度

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

# 设置数据分类名称

plt.yticks(LOCALTION + 0.4, LOCALTIONS)

# 显示图表

plt.show()

技术分享

3.线箱图

# coding=utf-8

__author__ = ‘Jay‘



import pandas as pd

# 导入图表库以进行图表绘制

import matplotlib.pyplot as plt

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

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



plt.rcParams[‘axes.unicode_minus‘] = False  # 用控制中文乱码

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



# 创建箱线图，数据源为贷款来源，设置横向显示

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

# 添加x轴标题

plt.xlabel(u‘贷款金额‘)

# 添加图表标题

plt.title(u‘贷款金额分布‘)

# 设置背景网格线的颜色，样式，尺寸和透明度

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

# 显示图表

plt.show()

技术分享

4.气泡图

# coding=utf-8

__author__ = ‘Jay‘



import pandas as pd

# 导入图表库以进行图表绘制

import matplotlib.pyplot as plt



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

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



plt.rcParams[‘axes.unicode_minus‘] = False  # 用控制中文乱码

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



# 按月汇总贷款金额及利息

loan_x = loandata[‘loan_amnt‘]

loan_y = loandata[‘total_rec_int‘]

loan_z = loandata[‘total_rec_int‘]

# 设置气泡图颜色

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

          ‘#FFDE45‘, ‘#9b59b6‘]

# 创建气泡图贷款金额为x，利息金额为y，同时设置利息金额为气泡大小，并设置颜色透明度等。

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

# 添加x轴标题

plt.xlabel(u‘贷款金额‘)

# 添加y轴标题

plt.ylabel(u‘利息收入‘)

# 添加图表标题

plt.title(u‘贷款金额与利息收入‘)

# 设置背景网格线的颜色，样式，尺寸和透明度

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

# 显示图表

plt.show()

技术分享

 5.柱状图

# coding=utf-8

__author__ = ‘Jay‘



import numpy as np

import pandas as pd

#导入图表库以进行图表绘制

import matplotlib.pyplot as plt



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

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



plt.rcParams[‘axes.unicode_minus‘]=False #用控制中文乱码



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



#按用户等级grade字段对贷款金额进行求和汇总

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



#创建一个一维数组赋值给a

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

#创建柱状图，数据源为按用户等级汇总的贷款金额，设置颜色，透明度和外边框颜色

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

#设置x轴标签

plt.xlabel(u‘用户等级‘)

#设置y周标签

plt.ylabel(u‘贷款金额‘)

#设置图表标题

plt.title(u‘不同用户等级的贷款金额分布‘)

#设置图例的文字和在图表中的位置

plt.legend([u‘贷款金额‘], loc=‘upper right‘)

#设置背景网格线的颜色，样式，尺寸和透明度

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

#设置数据分类名称

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

#显示图表

plt.show()

技术分享

6.散点图

# coding=utf-8

__author__ = ‘Jay‘





import pandas as pd

#导入图表库以进行图表绘制

import matplotlib.pyplot as plt

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

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



plt.rcParams[‘axes.unicode_minus‘]=False #用控制中文乱码



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



#按月汇总贷款金额，以0填充空值

loan_x=loandata[‘loan_amnt‘]

#按月汇总利息金额，以0填充空值

loan_y=loandata[‘total_rec_int‘]



#创建散点图，贷款金额为x，利息金额为y，设置颜色，标记点样式和透明度等

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

#添加x轴标题

plt.xlabel(u‘贷款金额‘)

#添加y轴标题

plt.ylabel(u‘利息收入‘)

#添加图表标题

plt.title(u‘贷款金额与利息收入‘)

#设置背景网格线的颜色，样式，尺寸和透明度

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

#显示图表

plt.show()

技术分享

7.折线图

# coding=utf-8

__author__ = ‘Jay‘



import numpy as np

import pandas as pd

#导入图表库以进行图表绘制

import matplotlib.pyplot as plt



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

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



plt.rcParams[‘axes.unicode_minus‘]=False #用来正常显示负号



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



loandata.set_index(‘issue_d‘)

#按月对贷款金额loan_amnt求均值

loan_plot=loandata[‘loan_amnt‘]



#创建一个一维数组赋值给a

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

#创建折线图，数据源为按月贷款均值，标记点，标记线样式，线条宽度，标记点颜色和透明度

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

#添加x轴标签

plt.xlabel(u‘月份‘)

#添加y周标签

plt.ylabel(u‘贷款金额‘)

#添加图表标题

plt.title(u‘分月贷款金额分布‘)

#添加图表网格线，设置网格线颜色，线形，宽度和透明度

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

#设置数据分类名称

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‘) )

#输出图表

plt.show()

技术分享

自定义字体及配色

图表中所使用的字体，可以使用下面的字体名称替换family=后面的内容以改变图表中所显示的字体。

技术分享

图表中的颜色，可以直接使用颜色名称，也可以使用简称来设置图表中使用的颜色，本文中没有使用默认的颜色，而是使用了自定义颜色。

技术分享

自定义颜色的色号，本文中使用的是Hex色号，下面给出了Hex和RGB的对应关系，以及相应的颜色。可以使用下面的Hex色号替换本文中图表的颜色。

技术分享

issue_d	member_id	loan_amnt	term	grade	emp_length	annual_inc	loan_status	total_pymnt_inv	total_rec_int
2016/6/16	1296599	5000	36 months	B	10+ years	24000	Fully Paid	5833.84	863.16
2016/9/13	1314167	2500	60 months	C	< 1 year	30000	Charged Off	1008.71	435.17
2016/6/16	1313524	2400	36 months	C	10+ years	12252	Fully Paid	3005.67	605.67
2016/4/16	1277178	10000	36 months	C	10+ years	49200	Fully Paid	12231.89	2214.92
2016/6/16	1311748	3000	60 months	B	1 year	80000	Current	3581.12	1042.85
2016/1/16	1311441	5000	36 months	A	3 years	36000	Fully Paid	5632.21	632.21
2016/5/16	1304742	7000	60 months	C	8 years	47004	Fully Paid	10137.84	3137.84
########	1288686	3000	36 months	E	9 years	48000	Fully Paid	3939.14	939.14
2016/8/12	1306957	5600	60 months	F	4 years	40000	Charged Off	646.02	294.94
2016/3/13	1306721	5375	60 months	B	< 1 year	15000	Charged Off	1469.34	533.42
########	1305201	6500	60 months	C	5 years	72000	Fully Paid	7678.02	1178.02
2016/8/13	1305008	12000	36 months	B	10+ years	75000	Fully Paid	13947.99	1947.99
########	1298717	9000	36 months	C	< 1 year	30000	Charged Off	2270.7	570.26
2016/6/16	1304956	3000	36 months	B	3 years	15000	Fully Paid	3480.27	480.27
2016/6/17	140597	4000	12 months	D	1 year	10000	Charged Off	1200.02	500

python绘制图

标签：表示 logs scipy enter 赋值 odi lines rate 泛型

原文地址：http://www.cnblogs.com/jianjianyu/p/7102645.html

踩

(0)

评论一句话评论（0）

分享档案

更多>

2021年07月29日 (22)
2021年07月28日 (40)
2021年07月27日 (32)
2021年07月26日 (79)
2021年07月23日 (29)
2021年07月22日 (30)
2021年07月21日 (42)
2021年07月20日 (16)
2021年07月19日 (90)
2021年07月16日 (35)

周排行