『python』科学计算专项_科学绘图库matplotlib学习(下)

import matplotlib.pyplot as plt
import pandas as pd

# csv读取文件
data = pd.read_csv(‘OutOrder.csv‘,encoding=‘gb2312‘)

# 每一列都兼容numpy的方法
a = data[‘方式‘].values

# 获取本列的内容的各种可能
typename = []
for i in a:
    if i not in typename:
        typename.append(i)

# 获取每种可能的数目
typenum = []
for i in typename:
    typenum.append(sum(a==i))
print(typenum)

# 绘制饼图
plt.axis(‘equal‘)
plt.pie(typenum,labels=typename,shadow=True,
        labeldistance=1.1,autopct=‘%3.1f%%‘,
            startangle=0,pctdistance=0.8)
plt.legend()
plt.show()

from matplotlib import pyplot as plt
import pandas as pd
import numpy as np
import datetime

data = pd.read_csv(‘OutOrder.csv‘,encoding=‘gb2312‘)

def toDT(a):
    return datetime.datetime.strptime(a,‘%m/%d/%Y %H:%M‘)   # 注意时序字符串处理

# 转换str成datetime格式
a = data[u‘时间‘].apply(toDT)         # <-------显示使用datetime处理时间字符串
# a = pd.to_datetime(data[u‘时间‘])    # <-------pandas内置处理时间字符串方法，和上面等价
print(a)

# X用来存月份，Y用来存金额，Z用来存人数
X=[];Y=[];Z=[]

for i in range(12):
    start_time = datetime.datetime(2015, i+1, 1)
    if i + 2 > 12:
        end_time = datetime.datetime(2016, 1, 1)
    else:
        end_time = datetime.datetime(2015, i+2, 1)
    idx = np.where((a>start_time)&(a<end_time))     # np.where返回含有一个数组的单元素索引元组:(array数组,)，所以加[0]
    if len(idx[0])>0:
        X.append(i + 1)
        Y.append(sum(data[‘金额‘].values[idx[0]]))
        Z.append(len(idx[0]))

width = 0.25

fig, ax1 = plt.subplots()
ax1.bar(np.array(X)-width, Y, width, facecolor=‘#9999ff‘, edgecolor=‘white‘)
ax1.set_ylabel(‘money‘, color=‘b‘)
ax1.set_xlabel(‘month‘)

# ax1.bar(np.array(X)+1, Z, width, facecolor=‘#ff9999‘, edgecolor=‘white‘) # 普通的伴生图绘制方法

ax2 = ax1.twinx()              # <-------伴生图绘制方法（使用同样的横坐标,但是不共用纵轴）
ax2.bar(X, Z, width, facecolor=‘#ff9999‘, edgecolor=‘white‘)
ax2.set_ylabel(‘people num‘, color=‘r‘)

plt.grid(True)
plt.show()