[TOC] ## 在一張畫布中繪製多個圖表 Matplotlib模組在繪製圖表時，預設先建立一張畫布，然後在畫布中顯示繪製的圖表。 如果想要在一張畫布中繪製多個圖表，可以使用subplot()函式將畫布劃分為幾個區域，然後在各個區域中分別繪製不同的圖表。 subplot()函式的引數為3個整型數字： + 第1個數字代表將整張畫布劃分為幾行； + 第2個數字代表將整張畫布劃分為幾列； + 第3個數字代表要在第幾個區域中繪製圖表，區域的編號規則是按照從左到右、從上到下的順序，從1開始編號。 演示程式碼如下： ```python import matplotlib.pyplot as plt # 如果值中有中文字元，則必須在繪製圖表前加上這兩行程式碼 plt.rcParams['font.sans-serif'] = ['Microsoft YaHei'] plt.rcParams['axes.unicode_minus'] = False x = ['1月', '2月', '3月', '4月', '5月', '6月', '7月', '8月', '9月', '10月', '11月', '12月'] y = [50, 45, 65, 76, 75, 85, 55, 78, 86, 89, 94, 90] plt.subplot(2, 2, 1) plt.pie(y, labels = x, labeldistance = 1.1, startangle = 90, counterclock = False) plt.subplot(2, 2, 2) # 引數width用於設定柱子的寬度，預設值為0.8。如果設定為1，則各個柱子會緊密相連；如果設定為大於1的數，則各個柱子會相互交疊 plt.bar(x, y, width = 0.5, color = 'r') plt.subplot(2, 2, 3) # 引數color用於設定柱子的填充顏色，具體取值見後面的說明 plt.stackplot(x, y, color = 'r') plt.subplot(2, 2, 4) plt.plot(x, y, color = 'r', linestyle = 'solid', linewidth = 2, marker = 'o', markersize = 10) plt.show() ``` 輸出結果：  用顏色名的英文單詞或其簡寫定義的8種基礎顏色，具體見：  ## 加圖表元素 ```python import matplotlib.pyplot as plt plt.rcParams['font.sans-serif'] = ['Microsoft YaHei'] plt.rcParams['axes.unicode_minus'] = False x = ['1月', '2月', '3月', '4月', '5月', '6月', '7月', '8月', '9月', '10月', '11月', '12月'] y = [50, 45, 65, 76, 75, 85, 55, 78, 86, 89, 94, 90] # 這裡加了標籤 plt.bar(x, y, width=0.6, color='r', label='銷售額(萬元)') # 這裡加了標題，loc還可以是right和left plt.title(label='銷售額對比圖', fontdict={'family': 'KaiTi', 'color': 'k', 'size': 30}, loc='center') # 座標上的標籤 plt.xlabel('月份', fontdict={'family': 'SimSun', 'color': 'k', 'size': 20}, labelpad=20) plt.ylabel('銷售額', fontdict={'family': 'SimSun', 'color': 'k', 'size': 20}, labelpad=20) # legend()函式用於新增圖例 plt.legend(loc='upper left', fontsize=15) # zip() 函式用於將可迭代的物件作為引數，將物件中對應的元素打包成一個個元組，然後返回由這些元組組成的列表。 for a,b in zip(x, y): # text()函式的功能是在圖表座標系的指定位置新增文字。引數ha是horizontalalignment的簡稱，相對應有va plt.text(x=a, y=b, s=b, ha='center', va='bottom', fontdict={'family': 'KaiTi', 'color': 'k', 'size': 20}) plt.show() ``` 輸出結果  ## 氣泡圖 氣泡圖是一種展示三個變數之間關係的圖表，它其實是在散點圖的基礎上升級改造而成的，在原有的x座標和y座標兩個變數的基礎上，引入第三個變數，並用氣泡的大小表示。 ``` pip install openpyxl ``` 產品銷售統計.xls 內容 | 產品名稱 | 銷售量(件) | 銷售額(元) | 毛利率(%) | | ---- | ------ | ------ | ------ | | 牛仔褲 | 125 | 6800 | 30 | | 連衣裙 | 278 | 5600 | 20 | | 運動褲 | 366 | 7800 | 35 | | 短褲 | 452 | 5800 | 10 | | 短裙 | 365 | 5400 | 50 | | 揹帶褲 | 258 | 10000 | 22 | | 半身裙 | 369 | 3600 | 15 | | 闊腿褲 | 566 | 7800 | 8 | 程式碼如下： ```python import matplotlib.pyplot as plt import pandas as pd plt.rcParams['font.sans-serif'] = ['Microsoft YaHei'] plt.rcParams['axes.unicode_minus'] = False data = pd.read_excel('產品銷售統計.xls') n = data['產品名稱'] x = data['銷售量(件)'] y = data['銷售額(元)'] z = data['毛利率(%)'] plt.scatter(x, y, s=z * 300, color='r', marker='o') plt.xlabel('銷售量(件)', fontdict={'family': 'Microsoft YaHei', 'color': 'k', 'size': 20}, labelpad=20) plt.ylabel('銷售額(元)', fontdict={'family': 'Microsoft YaHei', 'color': 'k', 'size': 20}, labelpad=20) plt.title('銷售量、銷售額與毛利率關係圖', fontdict={'family': 'Microsoft YaHei', 'color': 'k', 'size': 30}, loc='center') for a, b, c in zip(x, y, n): plt.text(x=a, y=b, s=c, ha='center', va='center', fontsize=15, color='w') plt.xlim(50, 600) plt.ylim(2900, 11000) plt.show() ``` 輸出結果：  ## 組合圖 組合圖是指在一個座標系中繪製多張圖表，其實現方式也很簡單，在使用Matplotlib模組中的函式繪製圖表時設定多組y座標值即可。 銷售業績表.xls | 月份 | 銷售額(萬元) | 同比增長率 | | ---- | ------- | ----- | | 1月 | ¥36.00 | 10% | | 2月 | ¥25.00 | 8% | | 3月 | ¥36.12 | 20% | | 4月 | ¥69.30 | 50% | | 5月 | ¥26.90 | 15% | | 6月 | ¥32.00 | 11% | | 7月 | ¥45.00 | 26% | | 8月 | ¥56.00 | 13% | | 9月 | ¥25.60 | 4% | | 10月 | ¥36.21 | 5% | | 11月 | ¥25.00 | 7% | | 12月 | ¥59.00 | 30% | ```python import pandas as pd import matplotlib.pyplot as plt plt.rcParams['font.sans-serif'] = ['Microsoft YaHei'] plt.rcParams['axes.unicode_minus'] = False data = pd.read_excel('銷售業績表.xlsx') x = data['月份'] y1 = data['銷售額(萬元)'] y2 = data['同比增長率'] plt.bar(x, y1, color = 'c', label = '銷售額(萬元)') plt.legend(loc = 'upper left', fontsize = 15) # 使用twinx()函式為圖表新增次座標軸 plt.twinx() plt.plot(x, y2, color = 'r', linewidth = 3, label = '同比增長率') plt.legend(loc = 'upper right', fontsize = 15) plt.show() ``` 輸出結果：  ## 直方圖 直方圖用於展示資料的分佈情況，使用Matplotlib模組中的hist()函式可以繪製直方圖 [客戶年齡統計表.zip](https://files.cnblogs.com/files/feily/%E5%AE%A2%E6%88%B7%E5%B9%B4%E9%BE%84%E7%BB%9F%E8%AE%A1%E8%A1%A8.zip) ```python import pandas as pd import matplotlib.pyplot as plt plt.rcParams['font.sans-serif'] = ['Microsoft YaHei'] plt.rcParams['axes.unicode_minus'] = False data = pd.read_excel('客戶年齡統計表.xlsx') x = data['年齡'] plt.hist(x, bins = 9) plt.xlim(15, 60) plt.ylim(0, 40) plt.title('年齡分佈直方圖', fontsize = 20) plt.xlabel('年齡') plt.ylabel('人數') plt.grid(b = True, linestyle = 'dotted', linewidth = 1) plt.show() ``` 輸出結果  ## 雷達圖 雷達圖可以同時比較和分析多個指標。該圖表可以看成一條或多條閉合的折線，因此，使用繪製折線圖的plot()函式也可以繪製雷達圖。 汽車效能指標分值統計表.xlsx | 效能評價指標 | A品牌 | B品牌 | C品牌 | | ------ | ---- | ---- | ---- | | 動力性 | 1 | 3 | 10 | | 燃油經濟性 | 2 | 6 | 7 | | 制動性 | 1 | 10 | 5 | | 操控穩定性 | 3 | 10 | 2 | | 行駛平順性 | 2 | 6 | 1 | | 通過性 | 4 | 7 | 2 | | 安全性 | 8 | 2 | 1 | | 環保性 | 9 | 1 | 3 | | 方便性 | 10 | 3 | 0 | | 舒適性 | 8 | 2 | 1 | | 經濟性 | 4 | 1 | 10 | | 容量性 | 2 | 2 | 8 | 程式碼如下： ```python import pandas as pd import numpy as np import matplotlib.pyplot as plt plt.rcParams['font.sans-serif'] = ['SimHei'] plt.rcParams['axes.unicode_minus'] = False data = pd.read_excel('汽車效能指標分值統計表.xlsx') data = data.dropna(axis=1) data = data.set_index('效能評價指標') data = data.T data.index.name = '品牌' def plot_radar(data, feature): columns = ['動力性', '燃油經濟性', '制動性', '操控穩定性', '行駛平順性', '通過性', '安全性', '環保性', '方便性', '舒適性', '經濟性', '容量性'] colors = ['r', 'g', 'y'] # 設定雷達圖的角度，用於平分切開一個平面 # linspace(1,10,x) 建立1-10的等差陣列,個數為 x，預設50個;endpoint引數指定是否包含終值，預設值為True，即包含終值。 angles = np.linspace(0.1 * np.pi, 2.1 * np.pi, len(columns), endpoint = False) # 使雷達圖封閉起來 angles = np.concatenate((angles, [angles[0]])) # figsize:指定figure的寬和高，單位為英寸； figure = plt.figure(figsize = (6, 6)) # 設定為極座標格式;subplot(nrows,ncols,sharex,sharey,subplot_kw,**fig_kw)建立單個子圖,下面兩句效果相同 ax = figure.add_subplot(111, polar=True) # ax = figure.add_subplot(1, 1, 1, projection = 'polar') for i, c in enumerate(feature): stats = data.loc[c] stats = np.concatenate((stats, [stats[0]])) ax.plot(angles, stats, '-', linewidth = 2, c = colors[i], label = str(c)) ax.fill(angles, stats, color = colors[i], alpha = 0.75) # bbox_to_anchor這個引數，可以把圖例放在圖外面 # bbox_to_anchor：表示legend的位置，前一個表示左右，後一個表示上下。 # 當使用這個引數時。loc將不再起正常的作用，ncol=3表示圖例三列顯示。 ax.legend(loc = 4, bbox_to_anchor = (1.15, -0.07)) #設定極軸範圍 ax.set_ylim(0,10) # ax.set_yticklabels([2, 4, 6, 8, 10]) # 新增每個特質的標籤 columns = np.concatenate((columns, [columns[0]])) ax.set_thetagrids(angles*180/np.pi, columns, fontsize = 12) #新增標題 plt.title('汽車效能指標雷達圖') plt.show() return figure figure = plot_radar(data, ['A品牌', 'B品牌', 'C品牌']) # figure = plot_radar(data, ['B品牌']) ```  ## 樹狀圖 樹狀圖通過矩形的面積、排列和顏色直觀地展示多個專案的資料比例關係。要繪製該圖表，需結合使用Matplotlib模組與squarify模組。 ```python import squarify as sf import matplotlib.pyplot as plt plt.rcParams['font.sans-serif'] = ['Microsoft YaHei'] plt.rcParams['axes.unicode_minus'] = False x = ['上海', '北京', '重慶', '成都', '南京', '青島', '長沙', '武漢', '深圳'] y = [260, 45, 69, 800, 290, 360, 450, 120, 50] colors = ['lightgreen', 'pink', 'yellow', 'skyblue', 'cyan', 'silver', 'lightcoral', 'orange', 'violet'] percent = ['11%', '2%', '3%', '33%', '12%', '15%', '18%', '5%', '2%'] chart = sf.plot(sizes = y, label = x, color = colors, value = percent, edgecolor = 'white', linewidth = 2) plt.title(label = '城市銷售額分佈及佔比圖',fontdict = {'family' : 'KaiTi', 'color' : 'k', 'size' : 25}) plt.axis('off') plt.show() ```  ## 箱形圖 箱形圖是一種用於展示資料的分佈情況的統計圖，因形狀如箱子而得名。使用Matplotlib模組中的boxplot()函式可以繪製箱形圖。 資料 | 日期 | 成都 | 上海 | 北京 | 重慶 | 南京 | | ----- | ---- | ---- | ---- | ---- | ---- | | 1月1日 | 25 | 50 | 52 | 25 | 50 | | 1月2日 | 12 | 58 | 56 | 26 | 56 | | 1月3日 | 26 | 60 | 100 | 78 | 58 | | 1月4日 | 23 | 78 | 125 | 45 | 87 | | 1月5日 | 18 | 36 | 108 | 46 | 50 | | 1月6日 | 15 | 69 | 100 | 50 | 60 | | 1月7日 | 19 | 41 | 85 | 53 | 26 | | 1月8日 | 20 | 52 | 85 | 61 | 36 | | 1月9日 | 26 | 53 | 87 | 87 | 69 | | 1月10日 | 27 | 69 | 86 | 25 | 78 | | 1月11日 | 28 | 78 | 45 | 16 | 75 | | 1月12日 | 54 | 80 | 78 | 69 | 80 | | 1月13日 | 50 | 52 | 73 | 68 | 81 | | 1月14日 | 51 | 26 | 62 | 45 | 45 | | 1月15日 | 52 | 28 | 65 | 40 | 65 | | 1月16日 | 36 | 57 | 90 | 50 | 63 | | 1月17日 | 38 | 56 | 96 | 60 | 69 | | 1月18日 | 45 | 89 | 94 | 36 | 64 | | 1月19日 | 40 | 84 | 25 | 52 | 65 | | 1月20日 | 41 | 85 | 36 | 54 | 45 | | 1月21日 | 26 | 80 | 68 | 58 | 52 | | 1月22日 | 29 | 75 | 78 | 56 | 59 | | 1月23日 | 36 | 50 | 70 | 52 | 80 | | 1月24日 | 33 | 25 | 52 | 57 | 29 | | 1月25日 | 31 | 36 | 51 | 69 | 36 | | 1月26日 | 15 | 64 | 58 | 54 | 29 | | 1月27日 | 18 | 56 | 68 | 25 | 90 | | 1月28日 | 25 | 54 | 78 | 36 | 78 | | 1月29日 | 14 | 50 | 90 | 78 | 71 | | 1月30日 | 39 | 44 | 95 | 56 | 75 | | 1月31日 | 48 | 49 | 84 | 25 | 76 | ``` import pandas as pd import matplotlib.pyplot as plt plt.rcParams['font.sans-serif'] = ['Microsoft YaHei'] plt.rcParams['axes.unicode_minus'] = False data = pd.read_excel('1月銷售統計表.xlsx') x1 = data['成都'] x2 = data['上海'] x3 = data['北京'] x4 = data['重慶'] x5 = data['南京'] x = [x1, x2, x3, x4, x5] labels = ['成都', '上海', '北京', '重慶', '南京'] # 引數vert用於設定箱形圖的方向，True表示縱向展示，False表示橫向展示；引數showmeans用於設定是否顯示均值，True表示顯示均值，False表示不顯示均值。 plt.boxplot(x, vert = True, widths = 0.5, labels = labels, showmeans = True ) plt.title('各地區1月銷售額箱形圖', fontsize = 20) plt.ylabel('銷售額(萬元)') plt.show() ```  箱形圖中的5條橫線和1個點所代表的含義如下： + 下限：指所有資料中的最小值； + 下四分位數：又稱“第一四分位數”，指將所有資料從小到大排列後第25%的值； + 中位數：又稱“第二四分位數”，指將所有資料從小到大排列後第50%的值； + 上四分位數：又稱“第三四分位數”，指將所有資料從小到大排列後第75%的值； + 上限：指所有資料中的最大值； + 點：指所有資料的平均值。 ## 玫瑰圖 玫瑰圖可反映多個維度的資料，它將柱形圖轉化為餅圖，在圓心角相同的情況下，以扇面長度展示指標大小。要繪製玫瑰圖，也要用到繪製柱形圖的bar()函式。 ```python import numpy as np import pandas as pd import matplotlib.pyplot as plt plt.rcParams['font.sans-serif'] = ['SimHei'] plt.rcParams['axes.unicode_minus'] = False # 將風速的分佈設定為4個區間 index = ['0~0.5', '0.6~2.0', '2.1~4.0', '4.1~6.0'] # 設定了16個方向 columns = ['N', 'NNE', 'NE', 'ENE', 'E', 'ESE', 'SE', 'SSE', 'S', 'SSW', 'SW', 'WSW', 'W', 'WNW', 'NW', 'NNW'] # seed()函式用於產生相同的隨機數 np.random.seed(0) # 建立一個4行16列的DataFrame，其中的資料是30～300範圍內的隨機數，行標籤為第6行程式碼設定的風速分佈區間，列標籤為第7行程式碼設定的方向。 data = pd.DataFrame(np.random.randint(30, 300, (4, 16)), index = index, columns = columns) N = 16 # 生成16個方向的角度值 theta = np.linspace(0, 2 * np.pi, N, endpoint = False) # 用於計算扇面的寬度 width = np.pi / N labels = list(data.columns) plt.figure(figsize = (6, 6)) ax = plt.subplot(1, 1, 1, projection = 'polar') for i in data.index: radius = data.loc[i] # 使用bar()函式繪製玫瑰圖中的16根柱子，也就是扇面，引數bottom用於設定每根柱子底部的位置，這裡設定為0.0，表示從圓心開始繪製。 ax.bar(theta, radius, width = width, bottom = 0.0, label = i, tick_label = labels) # 設定0°的方向為“N”，即北方 ax.set_theta_zero_location('N') # 設定按逆時針方向排列各個柱子 ax.set_theta_direction(-1) plt.title('各方向風速頻數玫瑰圖', fontsize = 20) plt.legend(loc = 4, bbox_to_anchor = (1.3, 0.2)) plt.show() ``` ![](https://img2020.cnblogs.com/blog/2200001/202102/2200001-20210220193807032-15218021