大数据实战 Python可视化 Matplotlib可视化

Sekiro
大数据实战

发布于：2020年6月10日
次浏览

字数：2.9k字

时长：12分钟
0  

本文是关于大数据通过Python的Matplotlib实现数据可视化。

一、实验环境：

  • 虚拟机数量：1
  • 系统版本：Centos 7.5
  • Anaconda版本：4.4.0

二、实验内容：

  • 通过创建Kafka topic，使用Kafka Producer产生消息，然后通过编写spark
    Streaming程序处理这些消息。
  • 主要步骤：
    • Matplotlib的介绍
    • 基本绘图函数
    • 图表的修饰项介绍
    • 子图绘制
    • 图像的保存

三、实验步骤：

3.1Matplotlib的介绍：

在Python中，主要运用matplotlib库进行数据可视化。matplotlib是Python最著名的绘图库，它提供了一整套和matlab相似的命令API，十分适合交互式地进行制图。而且也可以方便地将它作为绘图控件，嵌入GUI应用程序中。

3.2基本绘图函数：

matplotlib的pyplot子库提供了和matlab类似的绘图API，方便用户快速绘制2D图表。pyplot模块中常见的用来绘制图形的主要有以下几种函数：

3.2.1plot:常用于绘制线型图，该方法具有可变长参数，参数color指定颜色，参数linestyle设置线的样式、参数marker设置标记类型，结果返回一个lines.Line2D对象的列表，lines.Line2D对象的属性可通过plot的关键字参数设置。

3.2.2scatter: 用于绘制散点图；

3.2.3hist:用于绘制直方图，其参数中较为重要的是bins，该参数指定bin(箱子)的个数，即柱状图中柱子的总数，该值默认为10；

3.2.4show: 显示图像。

3.3图表的修饰项介绍：

对于大多数的图表装饰项，其主要实现方式主要有使用过程型的pyplot接口和面向对象的原生matplotlib API两种，分别对应的是函数编程和对象编程两种思想。

3.3.1title：设置或者获取图表标题；

3.3.2xlim：设置或者获取X轴范围；

3.3.3xlabel：设置或者获取X轴标签；

3.3.4**xticks(<刻度>,<标签>)**：设置或者获取X轴刻度和刻度标签；

3.3.5**text(x,y,z)**：将文本z绘制在图表的指定坐标(x,y)

3.3.6legend：自动创建图例，可以通过设置loc参数指定图例的位置。需要事先在添加图像时设置label参数。

3.3.7**twinx(ax)**：返回一个与子图对象ax的x轴一致y轴在右侧的子图对象ax2，用于绘制双轴图表。使用实例方法的形式为ax2=ax.twinx()。

3.3.8除了上面特别说明的，其它方法各自对应子图对象的的两个实例方法，以xlim为例，就是Axes.get_xlim和Axes.set_xlim。

3.4子图绘制：

简单类型的Artists为标准的绘图元件，例如Line2D、Rectangle、Text、AxesImage等等。而容器类型则可以包含许多简单类型的Artists，使它们组织成一个整体，例如Axis、Axes、Figure等。

3.4.1figure：用来创建一个绘图对象，通常也可以不创建绘图对象而调用plot之类的函数直接绘图，matplotlib会自动创建一个绘图对象。通过figsize参数可以指定绘图对象的宽度和高度。如果需要同时绘制多幅图表的话，可以是给figure传递一个整数参数指定图表的序号，如果所指定序号的绘图对象已经存在的话，将不创建新的对象，而只是让它成为当前绘图对象；

3.4.2subplot：创建一个新的Figure，并返回一个含有已创建的subplot对象的NumPy数组。该方法的调用形式为：subplot(numRows,numCols, plotNum)，将整个绘图区域等分为numRows行、numCols列个子区域，然后按照从左到右，从上到下的顺序对每个子区域进行编号，左上的子区域的编号为1。如果numRows，numCols和plotNum的值都小于10，可以把它们缩写为一个整数，例如 subplot(321)和subplot(3,2,1)是相同的；对于绘图对象有add_subplot方法用于添加subplot对象；

3.4.3subplots：创建一个包含多个子图的Figure，返回Figure和一个或多个ax（子图）对象，可以通过设置sharex/sharey参数指定共享x轴/y轴；

3.4.4axes：同样往图表添加子图，不同之处在于子图可以设定在绘图区域的任意位置，axes的参数是一个形如[left,bottom, width,height]的列表，这些数值分别指定所创建的Axes对象相对于绘图对象的位置和大小，取值范围都在0到1之间。对于绘图对象有add_axes方法用于添加subplot对象。

3.5图像的保存：

利用plt.savefig可以将当前图表保存到文件，该方法相当于Figure对象的实例方法savefig。具体参数如下：

3.5.1 fname：含有文件路径的字符串或Python的文件型对象；

3.5.2 dpi：图像分辨率（每英寸点数），默认为100；

3.5.3 facecolor，edgecolor，图像的背景色，默认为”w”，即白色；

3.5.4 format：显式设置文件格式（”png”、”pdf”、”svg”等）；

3.5.5 bbox_inches：图表需要保存的部分。

3.6Matplotlib 绘图示例

3.6.1执行如下命令打开编程环境

1
2
cd
ipython
2020-06-02_110843

3.6.2绘制世界人口与年份的关系图：

3.6.2.1导入实验所需的库

1
2
3
4
from datetime import datetime

import matplotlib.dates as mdates
import matplotlib.pyplot as plt
2020-06-02_111044

3.6.2.2year 和pop为年份和对应的全世界人口数辆（单位10亿）

1
2
3
yearInt = [2005, 2006, 2007, 2008, 2009, 2010, 2011, 2012, 2013, 2014, 2015, 2016, 2017, 2018, 2019, 2020]
year = [str(item) for item in yearInt]  # 将yearInt中的数字转换成str
pop = [6.49, 6.558, 6.656, 6.725, 6.804, 6.884, 6.965, 7.043, 7.125, 7.207, 7.356, 7.380, 7.405, 7.440, 7.468, 8.020]
2020-06-02_114653

3.6.2.3绘图

1
2
3
4
5
6
xs = [datetime.strptime(d, '%Y').date() for d in year]  # 将year中的每个如'2005'的字符串转换成只包含年的日期
plt.gca().xaxis.set_major_formatter(mdates.DateFormatter('%Y'))  # gca()获得坐标轴；
plt.gca().xaxis.set_major_locator(mdates.YearLocator())  # 年份
plt.plot(xs, pop)  # 绘制图表
plt.gcf().autofmt_xdate()  # 将x轴的日期自动旋转角度
plt.show()  # 显示图表
2020-06-02_115550 2020-06-02_115609

3.7在上一幅图表中添加另一条关于中国人品与年份关系的线，并对新图添加对应的修饰项

3.7.1添加中国人口数量关系

1
2
3
plt.figure()
pop_cn = [1.30756, 1.31448, 1.32129, 1.32802, 1.33450, 1.34091, 1.34735, 1.35404, 1.36072, 1.36782, 1.36790, 1.36801,
          1.36813, 1.36832, 1.36845, 1.36860]
2020-06-02_115923

3.7.2绘制人口数量和年份关系；year与pop仍然用之前的数据

1
2
plt.plot(year, pop, color="g", label="World population")
plt.plot(year, pop_cn, linestyle="--", color="r", label="China population")
2020-06-02_120014

3.7.3添加修饰项

3.7.3.1添加x，y轴标签

3.7.3.2添加注解。注解点为(2008, 6.725)，内容为年(2013)

3.7.3.3添加图例，loc=1,表示图例出现在恰当的位置

3.7.3.4添加title

1
2
3
4
5
plt.xlabel('year')
plt.ylabel('Population')
plt.text('2008', 6.725, '2013')
plt.legend(loc=1)
plt.title("World Population Summary")
2020-06-02_120228

3.7.4显示图片

1
plt.show()
2020-06-02_120321 2020-06-02_120300

3.8子图的绘制：

利用plt.subplots函数创建包含多个子图的绘图对象，还可以设置子图个数。

3.8.1绘制x轴共享子图，

3.8.1.1子图个数设置为2，并且共享x轴

1
f, (ax1, ax2) = plt.subplots(2, sharex=True)  # f是Figure对象；ax1,ax2分别是Axes
2020-06-02_120441

3.8.1.2使用散点图绘制

1
2
ax1.scatter(year, pop)  # 绘制散点图
ax2.scatter(year, pop_cn)
2020-06-02_120452

3.8.1.3添加修饰项：标题，

1
2
ax1.set_title('World Population Summary')  # 设置标题
ax2.set_title("China Population Summary")
2020-06-02_120501

3.8.1.4显示图像

1
plt.show()
2020-06-02_120725 2020-06-02_120708

3.8.2绘制双y轴子图，共享x轴。

3.8.2.1创建绘图对象fig

1
fig = plt.figure()
2020-06-02_120843

3.8.2.2使用fig.add_subplot函数为绘图对象fig添加两个子图，ax4通过使用ax3的twinx方法创建，且与ax3共享x中，放置在y轴右侧

1
2
ax3 = fig.add_subplot(111)  # 参数是1个3位的整数或3个分隔的整数，描述子图的位置，分别是nrows,ncols,index
ax4 = ax3.twinx()  # 创建一个x轴，并创建一个与原y轴处于相对位置的新y轴
2020-06-02_120854

3.8.2.3绘制子图ax3， ax4

1
2
ax3.plot(year, pop, color="g", label="World population")
ax4.plot(year, pop_cn, linestyle="--", color="r", label="China population")
2020-06-02_120905

3.8.2.4添加修饰项：添加x,y轴标签、 标题

1
2
3
4
ax3.set_ylabel('World population')
ax3.set_title("Double Y axis")
ax4.set_ylabel('China population')
ax4.set_xlabel('Year')
2020-06-02_121021

3.8.2.5显示图像

1
plt.show()
2020-06-02_121101 2020-06-02_121049

3.9图像的保存：

3.9.1代码使用双y轴的代码，代码末尾show（）方法改成保存方法即可

3.9.2使用plt.savfig()函数保存图像

3.9.2.1制定保存的名称，格式，像素，以及是否修渐空白区域。

1
2
3
4
5
6
7
8
9
10
11
fig = plt.figure()
ax3 = fig.add_subplot(111)
ax3.plot(year, pop, color="g", label="World population")
ax3.set_ylabel('World population')
ax3.set_title("Double Y axis")
ax4 = ax3.twinx()
ax4.plot(year, pop_cn, linestyle="--", color="r", label="China population")
ax4.set_ylabel('China population')
ax4.set_xlabel('Year')
plt.savefig('figure.pdf', dpi=400, bbox_inches='tight')  # 去除空白区域
plt.show()
2020-06-02_121228

3.9.2.2点击关闭弹出的效果图

3.9.2.3查看保存的文件：打开火狐浏览器，地址栏键入如下内容（生成图片的绝对路径）

2020-06-02_121449 2020-06-02_121529

四、附录

所有的代码汇总plt.py

点击查看代码 
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
from datetime import datetime

import matplotlib.dates as mdates
import matplotlib.pyplot as plt

yearInt = [2005, 2006, 2007, 2008, 2009, 2010, 2011, 2012, 2013, 2014, 2015, 2016, 2017, 2018, 2019, 2020]
year = [str(item) for item in yearInt]  # 将yearInt中的数字转换成str
pop = [6.49, 6.558, 6.656, 6.725, 6.804, 6.884, 6.965, 7.043, 7.125, 7.207, 7.356, 7.380, 7.405, 7.440, 7.468, 8.020]
xs = [datetime.strptime(d, '%Y').date() for d in year]  # 将year中的每个如'2005'的字符串转换成只包含年的日期
plt.gca().xaxis.set_major_formatter(mdates.DateFormatter('%Y'))  # gca()获得坐标轴；
plt.gca().xaxis.set_major_locator(mdates.YearLocator())  # 年份
plt.plot(xs, pop)  # 绘制图表
plt.gcf().autofmt_xdate()  # 将x轴的日期自动旋转角度
plt.show()  # 显示图表

plt.figure()
pop_cn = [1.30756, 1.31448, 1.32129, 1.32802, 1.33450, 1.34091, 1.34735, 1.35404, 1.36072, 1.36782, 1.36790, 1.36801,
          1.36813, 1.36832, 1.36845, 1.36860]
plt.plot(year, pop, color="g", label="World population")
plt.plot(year, pop_cn, linestyle="--", color="r", label="China population")
plt.xlabel('year')
plt.ylabel('Population')
plt.text('2008', 6.725, '2013')
plt.legend(loc=1)
plt.title("World Population Summary")
plt.show()

f, (ax1, ax2) = plt.subplots(2, sharex=True)  # f是Figure对象；ax1,ax2分别是Axes
ax1.scatter(year, pop)  # 绘制散点图
ax2.scatter(year, pop_cn)
ax1.set_title('World Population Summary')  # 设置标题
ax2.set_title("China Population Summary")
plt.show()

fig = plt.figure()
ax3 = fig.add_subplot(111)  # 参数是1个3位的整数或3个分隔的整数，描述子图的位置，分别是nrows,ncols,index
ax4 = ax3.twinx()  # 创建一个x轴，并创建一个与原y轴处于相对位置的新y轴
ax3.plot(year, pop, color="g", label="World population")
ax4.plot(year, pop_cn, linestyle="--", color="r", label="China population")
ax3.set_ylabel('World population')
ax3.set_title("Double Y axis")
ax4.set_ylabel('China population')
ax4.set_xlabel('Year')
plt.show()

fig = plt.figure()
ax3 = fig.add_subplot(111)
ax3.plot(year, pop, color="g", label="World population")
ax3.set_ylabel('World population')
ax3.set_title("Double Y axis")
ax4 = ax3.twinx()
ax4.plot(year, pop_cn, linestyle="--", color="r", label="China population")
ax4.set_ylabel('China population')
ax4.set_xlabel('Year')
plt.savefig('figure.pdf', dpi=400, bbox_inches='tight')  # 去除空白区域
plt.show()
相关文章
Python 爬虫小Demo 学堂在线课程本文是关于Python中的Spider的小Demo，通过Python的scrapy爬取学堂在线课程的相关数据。Python 项目集锦本文是一些我曾经写过的Python项目工程集锦。机器学习 DNN 手写识别本文是关于经典深度神经网络DNN的应用手写识别的思路样例。机器学习 实验 K-Means聚类本文是关于经典聚类算法K-Means的代码实现。大数据实战 Spark Java单词计数本文是关于大数据通过Spark实现Java单词计数。

本文为博主「Sekiro」的原创文章

内容遵循 署名-非商业性使用-相同方式共享 4.0 国际 (CC BY-NC-SA 4.0) 协议

本文永久链接是：https://666wxy666.github.io/2020/06/10/%E5%A4%A7%E6%95%B0%E6%8D%AE%E5%AE%9E%E6%88%98-Python%E5%8F%AF%E8%A7%86%E5%8C%96-Matplotlib%E5%8F%AF%E8%A7%86%E5%8C%96/

更新于：2023年1月14日

Python

大数据

Matplotlib

评论




博客内容遵循 署名-非商业性使用-相同方式共享 4.0 国际 (CC BY-NC-SA 4.0) 协议

载入天数...载入时分秒...

Copyright © since 2020 Sekiro


PoweredHexo
HostedGitHub & Coding
CDNjsDelivr
ThemeVolantis