matplotlib中文手冊，python畫相關系數矩陣圖_pyhton中matplotlib箱線圖的繪制（matplotlib雙軸圖、箱線圖、散點圖以及相關系

//2019.07.23

1、箱形圖，又稱為盒式圖，一般可以很好地反映出數據分布的特征，也可以進行多項數據之間分布特征的比較，它主要包含五個基礎數據：中位數，兩個上下分位數以及上下邊緣線數據

其中的一些參數具體含義及其計算過程如下：

2、雙軸圖的繪制代碼：

import numpy as np

import matplotlib.pyplot as plt

import pandas as pd

plt.rcParams["font.sans-serif"]=["SimHei"] #輸出圖像的標題可以為中文正常輸出

plt.rcParams["axes.unicode_minus"]=False #可以正常輸出圖線里的負號

import warnings

warnings.filterwarnings("ignore") #忽略相應的警告信息

df=pd.read_excel("D:/Byrbt2018/Study/Python數據分析課程+練習+講解/Python數據分析課程+練習+講解/作業/作業4/作業4/酒店數據1.xlsx")#導入w我們的表格數據文件

print(df)

print(df.index)

print(df.columns)

d=df[:5]

print(d)

2、#雙軸圖的繪制.twinx()

import matplotlib.mlab as mlab

fig=plt.figure(figsize=(10,8))

ax1=fig.add_subplot(1,1,1)

n,bins,patches=ax1.hist(df["評分"],bins=100,color="m")

ax1.set_ylabel("電影數量",fontsize=15)

ax1.set_xlabel("評分",fontsize=15)

ax1.set_title("頻率分布直方圖",fontsize=20)

y=mlab.normpdf(bins,df["評分"].mean(),df["評分"].std()) #生成正態分布函數

ax2=ax1.twinx() #定義新的雙軸圖函數

ax2.plot(bins,y,"b--")

ax2.set_ylabel("概率分布",fontsize=15)

3、#散點圖的繪制plt.scatter(x,y)繪制散點圖

x=df["評分人數"][::10]

y=df["評分"][::10] #隔10個點進行選取數據點

plt.figure(2)

plt.scatter(x,y,color="r",marker="p") #散點圖函數圖像輸出

plt.xlabel("評分",fontsize=15)

plt.ylabel("評分人數",fontsize=15)

plt.title("酒店評分與人數散點圖",fontsize=20)

4、#箱線圖的繪制

d=df[df.類型=="商務出行"]["評分"]

print(d)

plt.figure(4)

plt.boxplot(d,whis=1.5,flierprops={"marker":"o","markerfacecolor":"r","color":"g"},patch_artist=True,boxprops={"color":"k","facecolor":"g"})

#箱線圖的格式設置和調整

plt.title("商務出行酒店的評分數據分布",fontsize=17)

#多組數據的箱線圖

d1=df[df.類型=="浪漫情侶"]["評分"]

d2=df[df.類型=="地鐵周邊"]["評分"]

d3=df[df.類型=="休閑度假"]["評分"]

d4=df[df.類型=="海濱風光"]["評分"]

d5=df[df.類型=="交通方便"]["評分"]

d6=df[df.類型=="商務出行"]["評分"]

plt.figure(5)

plt.boxplot([d1,d2,d3,d4,d5,d6],labels=["浪漫情侶","地鐵周邊","休閑度假","海濱風光","交通方便","商務出行"],whis=1.5,flierprops={"marker":"o","markerfacecolor":"r","color":"g"},patch_artist=True,boxprops={"color":"k","facecolor":"g"}

,vert=True) #多組數據分布特征比較,vert決定了整體圖像的橫向與縱向

#坐標軸的編輯與改變

ax=plt.gca() #坐標軸的編輯與改變

ax.patch.set_facecolor("white") #設置坐標軸的背景顏色

ax.patch.set_alpha(0.3) #設置配色和透明度

plt.title("不同類型酒店的評分箱線圖",fontsize=20)

plt.xlabel("酒店類型",fontsize=15)

plt.ylabel("評分大小",fontsize=15)

#相關系數矩陣圖

df1=df[["評分","評分人數"]]

df1["排序"]=np.random.randint(1,100,396)

print(df1)

r1=pd.scatter_matrix(df1,diagonal="kde",color="k",alpha=0.3,figsize=(10,10))

#對于多個數據減的散點圖繪制函數參數設置，diagonal表示對角線圖像kde/hist(數據密度圖或者直方圖選擇)

5、#相關系數熱力圖

import seaborn as sns

corr=df1.corr()

corr=abs(corr)

ax=plt.figure(figsize=(10,8))

ax=sns.heatmap(corr,vmax=1,vmin=0,annot=True,annot_kws={"size":13,"weight":"bold"},linewidth=0.05)

plt.xticks(fontsize=15)

plt.yticks(fontsize=15)

plt.xlabel("數據名稱",fontsize=15)

plt.ylabel("數據名稱",fontsize=15)

plt.title("不同數據間相關系數矩陣圖",fontsize=20)

plt.show()

整體運行代碼如下：

import numpy as np

import matplotlib.pyplot as plt

import pandas as pd

plt.rcParams["font.sans-serif"]=["SimHei"] #輸出圖像的標題可以為中文正常輸出

plt.rcParams["axes.unicode_minus"]=False #可以正常輸出圖線里的負號

import warnings

warnings.filterwarnings("ignore") #忽略相應的警告信息

df=pd.read_excel("D:/Byrbt2018/Study/Python數據分析課程+練習+講解/Python數據分析課程+練習+講解/作業/作業4/作業4/酒店數據1.xlsx")#導入w我們的表格數據文件

print(df)

print(df.index)

print(df.columns)

d=df[:5]

print(d)

#雙軸圖的繪制.twinx()

import matplotlib.mlab as mlab

fig=plt.figure(figsize=(10,8))

ax1=fig.add_subplot(1,1,1)

n,bins,patches=ax1.hist(df["評分"],bins=100,color="m")

ax1.set_ylabel("電影數量",fontsize=15)

ax1.set_xlabel("評分",fontsize=15)

ax1.set_title("頻率分布直方圖",fontsize=20)

y=mlab.normpdf(bins,df["評分"].mean(),df["評分"].std()) #生成正態分布函數

ax2=ax1.twinx() #定義新的雙軸圖函數

ax2.plot(bins,y,"b--")

ax2.set_ylabel("概率分布",fontsize=15)

#散點圖的繪制plt.scatter(x,y)繪制散點圖

x=df["評分人數"][::10]

y=df["評分"][::10] #隔10個點進行選取數據點

plt.figure(2)

plt.scatter(x,y,color="r",marker="p") #散點圖函數圖像輸出

plt.xlabel("評分",fontsize=15)

plt.ylabel("評分人數",fontsize=15)

plt.title("酒店評分與人數散點圖",fontsize=20)

#箱線圖的繪制

d=df[df.類型=="商務出行"]["評分"]

print(d)

plt.figure(4)

plt.boxplot(d,whis=1.5,flierprops={"marker":"o","markerfacecolor":"r","color":"g"},patch_artist=True,boxprops={"color":"k","facecolor":"g"})

#箱線圖的格式設置和調整

plt.title("商務出行酒店的評分數據分布",fontsize=17)

#多組數據的箱線圖

d1=df[df.類型=="浪漫情侶"]["評分"]

d2=df[df.類型=="地鐵周邊"]["評分"]

d3=df[df.類型=="休閑度假"]["評分"]

d4=df[df.類型=="海濱風光"]["評分"]

d5=df[df.類型=="交通方便"]["評分"]

d6=df[df.類型=="商務出行"]["評分"]

plt.figure(5)

plt.boxplot([d1,d2,d3,d4,d5,d6],labels=["浪漫情侶","地鐵周邊","休閑度假","海濱風光","交通方便","商務出行"],whis=1.5,flierprops={"marker":"o","markerfacecolor":"r","color":"g"},patch_artist=True,boxprops={"color":"k","facecolor":"g"}

,vert=True) #多組數據分布特征比較,vert決定了整體圖像的橫向與縱向

#坐標軸的編輯與改變

ax=plt.gca() #坐標軸的編輯與改變

ax.patch.set_facecolor("white") #設置坐標軸的背景顏色

ax.patch.set_alpha(0.3) #設置配色和透明度

plt.title("不同類型酒店的評分箱線圖",fontsize=20)

plt.xlabel("酒店類型",fontsize=15)

plt.ylabel("評分大小",fontsize=15)

#相關系數矩陣圖

df1=df[["評分","評分人數"]]

df1["排序"]=np.random.randint(1,100,396)

print(df1)

r1=pd.scatter_matrix(df1,diagonal="kde",color="k",alpha=0.3,figsize=(10,10))

#對于多個數據減的散點圖繪制函數參數設置，diagonal表示對角線圖像kde/hist

#相關系數熱力圖

import seaborn as sns

corr=df1.corr()

corr=abs(corr)

ax=plt.figure(figsize=(10,8))

ax=sns.heatmap(corr,vmax=1,vmin=0,annot=True,annot_kws={"size":13,"weight":"bold"},linewidth=0.05)

plt.xticks(fontsize=15)

plt.yticks(fontsize=15)

plt.xlabel("數據名稱",fontsize=15)

plt.ylabel("數據名稱",fontsize=15)

plt.title("不同數據間相關系數矩陣圖",fontsize=20)

plt.show()

輸出結果如下：