数据可视化，未来的新希望，了解一下Matplotlib到底是什么？

欢迎大家来到IT世界,在知识的湖畔探索吧!

带你走进 @ 机器人时代

Discover 点击上面蓝色文字，关注我们

欢迎大家来到IT世界,在知识的湖畔探索吧!

数据可视化
将原本很长的一段数据转化为一种容易获取的、易于查看的形式，俗话说：秒懂。

未来，人们越来越忙碌，时间越来越碎片化，但数据量却越来越大。数据的可视化需求会越来越激增。

人类利用视觉获取的信息量，远远超出其他器官，在这个一图胜千言的时代，学习可视化数据操作变得尤为重要。

Python结合Numpy、Pandas、Matplotlib三剑客打造可视化数据图表，让你的客户对你刮目相看，赢得更多的商机。

Matplotlib 是一款用于数据可视化的 Python 软件包，支持跨平台运行，它能够根据 NumPy ndarray 数组来绘制 2D 图像，它使用简单、代码清晰易懂。

Matplotlib生成的图形主要由以下几个部分构成：
Figure：指整个图形，包括了所有的元素，比如标题、轴线等；
Axes：绘制 2D 图像的实际区域，也称为轴域区，或者绘图区；
Axis：指坐标系中的垂直轴与水平轴，包含轴的长度大小轴标签刻度标签；
Artist：画布上看到的所有元素都属于 Artist 对象。

安装方式很简单：pip install matplotlib

使用先导入模块：

import matplotlib.pyplot as plt

欢迎大家来到IT世界,在知识的湖畔探索吧!

在游戏中我们描述各位大侠的战斗力，输入以下代码：

欢迎大家来到IT世界,在知识的湖畔探索吧!

import matplotlib.pyplot as plt plt.rcParams['font.sans-serif'] = ['Kaiti'] #定义文字字体 plt.rcParams['axes.unicode_minus'] = True #显示字符 体重 = [65, 78, 98, 23, 45, 15, 6, 36, 88, 66] 战斗力 = [90, 167, 56, 78, 128, 98, 54, 156, 74, 83] 名字 = ['张三', '李四', '王五', '赵六', '钱七', '刘八', '吴九', '彭十', '孙二', '陈大'] size = [] for x in 战斗力: size.append(x * x / 5) #plt.grid() # 画表格 plt.title('绘制图表') plt.xlim(-1,10) #设置x轴的范围 plt.ylim(0,210) #设置y轴的范围 plt.scatter(名字, 战斗力, size, #生成散点图 c=['g', 'r', 'b', 'c', 'm','g', 'r', 'b', 'c', 'm'], c表示颜色序列 marker='p'#点的标记样式，默认'o' ) plt.show()

运行得到：

这是一个散点图marker参数选择’p’是一个五边形图标。增加如下代码：

欢迎大家来到IT世界,在知识的湖畔探索吧!plt.plot(名字,战斗力) #生成连线图 plt.bar(名字,战斗力, #生成柱状图 width=0.4)

绘制连线图和柱状图，大家可以自己尝试一下：

我们再来看一个与Numpy结合的实例：

欢迎大家来到IT世界,在知识的湖畔探索吧!import math import numpy as np from matplotlib import pyplot as plt plt.rcParams['font.sans-serif'] = ['Kaiti'] plt.rcParams['axes.unicode_minus'] = True #获得0到2π之间的ndarray对象 x = np.arange(0, math.pi*2, 0.05) y = np.sin(x) plt.plot(x,y) plt.xlabel("数值") plt.ylabel("正弦值") plt.title('画一个正弦曲线') #使用show展示图像 plt.show()

运行后可以得到如下图形：

这就是数据可视化的基础方法，还有许多的属性和方法可以让我们绘制更多更好的图表，后面的文章我们将逐步介绍。

你学会了吗？
升职加薪好用！