学习目标

了解数据可视化概念
掌握图表中相关的术语
了解绘制图表的相关函数
掌握绘制散点图
掌握绘制折线图
掌握绘制条形图
掌握绘制直方图
掌握绘制面积图
掌握绘制饼图
掌握绘制子图
掌握图中的中文显示
掌握组合图形与标注
掌握保存图片

数据可视化基础

数据可视化是一个新术语，它不仅通过图表展示数据，更使用直观的方式将数据背后的信息展示出俩。相对于大量的原始数据，人类可以快速理解数据可视化后的图表表达的信息。
目前成熟的图表已超过30种，每种图表有特定的实用场景和特点。
数据有多种展示的方式，不同的展示方式突出的重点不同。
下面是常用的几种图表：

选择正确的图表和绘制技巧需要大量的练习和对比。有效的数据可视化有助于理解数据或传递信息。数据可视化的过程也需要对数据进行分析和提取，通过对数据的分析展现出其统计信息或隐藏的信息。
数据可视化是数据分析后的一个过程，但是通常数据分析和数据可视化过程常常是交互进行的。
数据可视化的主要原则是根据目标读者的需求，结合通过分析数据能展示的问题，采用能精确呈现数据的特征的图表进行可视化。

应用统计图表的目的是能够准确、直观地反映一组数据所蕴含的信息，帮助人们迅速地解读数据。对于同一组数据，有时可以画出不同的统计图，但不是任何一种统计图都能准确而只管地反映数据所表达信息，因此要根据调查的目的和数据的特点选择适当的统计图。
数据本身并不能确定图表类型，更重要的是通过数据表达的观点。选择图表类型有一定的技巧和原则，但是对于特定问题需要独立分析。美国专家Andrew Abela整理的一张图表类型选择指南。他根据需要表达的主题将图分为比较、分布、构成、联系四类。在每种类别下，根据不同情况选择不同的图表进行展示。

同样的数据，站在不同的立场上去解析，不同人发现的信息和观点可能不一样。不仅选用的图表类型不一样，即使采用同样的图表类型，通过不同的数据展示方式也可以强调不同观点。最重要的是，这种方法具有很强的迷惑性。
例如：某公司有5个股东，100个职工，公司的股东利润和员工工资总额如表所示：

公司股东、工会和职工代表用同样的数据绘制了三张不同的图表。

从上面例子可以看出，从同样数据画出的三份图表，得出了三种不同的结论。股东、工会、职工三者是根据同一组数据从各自不同的观点出发，绘制出不同的统计图，进而根据它们得出了要表达的不同含义。应该说，三者都是有理有据的。同一组数据，不同的人站在不同的角度，可以画出不同的统计图，进而可以得出不同的结论。
图表展示的观点差异主要取决于几个方面：

• 要表达的观点和突出的重点；
• 从数据中提取的信息；
• 数据间的关系及提供信息的方法。

数据本身对图表的选择和设计也有一定的影响。如采用直方图表示数据对比，当数据项差异悬殊时可能某些数据项数值过小无法得到量化的结果。如数据分类不当，饼图也无法传递有效的信息。这些情况都要对图表进行进一步的处理和美化。

使用Matplotlib绘图

Python语言的matplotlib扩展包是一个提供了跨平台的2D图形库，它可以将数据用多重形式展示出来。Matplotlib可以画出折线图、柱状图、饼图、雷达图等。在matplotlib的官网上给出了500多个图表展示的例子程序（https://matplotlib.org/gallery/index.html）。
Matplotlib提供了详细的在线API文档（https://matplotlib.org/api/），并且在每个函数介绍后提供了使用该函数的例子。
Matplotlib提供了两种编程风格，一种是函数式绘图，这种方式参考了matlab里面的绘图函数语法。另一种是面向对象式绘图，这种方式更接近Matplotlib的底层架构，更能理解细节。
matplotlib.pyplot是一个函数式绘图的函数集合，其中每一个pyplot的函数都对图进行一些改动，例如创建图，画点或线，以及增加标签等。
在面向对象方式中，matplotlib.axes.Axes和matplotlib.figure.Figure是最主要的两个对象，分别表示坐标轴和图。这种模式下，通常使用pyplot.subplots创建一个图和多个坐标轴，并在此基础上调用相关对象的方法绘制图。
Matplotlib模块依赖于Numpy和tkinter模块，可以绘制多种形式的图形，包括线图、直方图、饼图、散点图等，图形质量满足出版要求，是数据可视化的重要工具。Matplotlib中应用最广的是matplotlib.pyplot模块。pyplot提供了一套和Matlab类似的绘图API，使得Matplotlib的机制更像Matlab。我们只需要调用pyplot模块所提供的函数就可以实现快速绘图并设置图表的各个细节。
使用matplotlib时，使用的导入惯例为：
import matplotlib.pyplot as plt
想象你在一张纸上作图，所做的图是图表，用到的纸是画布，对图表进行解释的内容是图表元素。
依照代码实现逻辑，应该是先有画布，再有图表，具备这两者就能生成一张最简单的图，而要让这张图传递更丰富的信息，则需要添加图表元素。

图表相关的术语：

• 图表区：表示整个图表，包含所有数据系列、坐标轴、标题、图例、数据表等。绘图区是图表的一部分，由垂直坐标轴和水平坐标轴及其负轴包围的区域。

下图给出了图表中的常用术语：

• 标题（Title）和图例（Legend）：图表标题用于对图表的功能进行说明，通常出现在图表区的顶端中心处。图例是一个方框，用于标识为图表中每个数据系列或分类指定的图案或颜色。默认情况下，图例放在图表的右侧。
• 数据标签：是指派给单个数据点的数值或名称。它在图表上的显示是可选的。数据标签可以包含很多项目。如“系列名称”、“类别名称”、“值”、“百分比”和“气泡尺寸”。text函数可以在图表区任意位置显示文字。
• 坐标轴（Axes）：一般情况下，图表有两个用于对数据进行分类和度量的坐标轴：分类轴和数值轴。三维图表有三个轴。饼图或圆环图没有坐标轴。某些组合图表一般还会有次分类轴和次数值轴。次数值轴出现在主数值轴绘图区的反面，它在绘制混合类型的数据（如数量和价格），需要各种不同刻度时使用。一般情况下，主数值轴在绘图区的左侧，而次数值轴在绘图区的右侧（对于条形图，主数值轴在绘图区的下部，而次数值轴在绘图区的上部）。坐标轴包括坐标刻度线（tick）、刻度线标签（tick label）和轴标题（label）等。刻度线是类似于直尺分割线的短度量线，与坐标轴相交。刻度线标签用于标识坐标轴的分类或值。轴标题是用于对坐标轴进行说明的文字。
• 数据：数据在绘图区通过不同的函数可以表现为线（plot）、柱状图（bar）、散点（scatter）等。绘制折线图时，每条折线就是一个数据系列，对应的y值是一个列表，和x的列表大小一致。图表中的数据序列可以指定颜色或图案，并展示在图表的图例中。折线图，散点图可以有一个或多个数据序列。但是饼图只有一个数据序列。
• 网格线（Grid）和趋势线：网格线是添加到图表中易于查看和计算数据的线条，是坐标轴上刻度线的延伸，并穿过绘图区。有了网格线，就很容易回到坐标轴进行过程也称为回归分析。Matplotlib中没有趋势线的概念，可参照。趋势线以图形方式说明数据系列的变化趋势。它们常用于绘制预报图表，这个预报以通过numpy，scikit-learn等第三方库计算出趋势，并用plot函数用不同颜色或标记叠加在真实数据上。

matplotlib可绘制不同的图表，下面以一个简单的正弦函数为例说明图表的绘制方法。

'''
程序首先准备了x，y两个数组，x是0~720度，y是对应的正弦函数值。使用axis函数设定x，y坐标轴的起止范围，plot函数画出正弦曲线，xticks指定x轴的小刻度标示。xlabel和ylabel分别是x，y轴的主题，title设置了图表的主题。
'''
import matplotlib.pyplot as plt
import math
x = range(721)
y = [math.sin(i * 3.14 / 180) for i in x]
plt.axis([0, 720, -1.1, 1.1])
plt.plot(x, y, 'b')
plt.xticks(range(0, 721, 90))
plt.xlabel('degree')
plt.ylabel('sin')
plt.title('sin function')
plt.show()

函数简介

图表类型及相关函数

坐标轴格及相关函数

标注类型及相关函数

其他一些功能

散点图

散点图由一些不连续的点组成，用来研究两个变量的相关性。包括正相关、负相关、不相关。主要通过scatter函数画散点图。
格式：def scatter(x, y, s = None, marker = None, cmap = None, morm = None, vmin = None, vmax = None, alpha = None, linewidths = None, verts = None, edgecolors = None, hold = None, data = None, **kwargs):
说明：

• x/y：数据，都是向量，而且必须长度相等
• s：标记大小，以像素点的平方为单位的标记面积，指定为一下形式之一：
  • 数值标量：以相同的大小绘制所有标记
  • 行或列向量：使每个标记具有不同的大小。x、y和sz向量中的相应元素确定每个标记的位置和面积。sz向量的长度必须等于x和y的长度
  • 默认大小为rcParams[‘lines.markersize’]**2
• c：标记颜色，指定为下列形式之一：
  • RGB三元数或颜色名称-使用相同的颜色绘制所有标记
  • 由RGB三元数组成的三列矩阵-对每个标记使用不同的颜色。矩阵的每行为对应标记指定一种RGB三元数颜色。行数必须等于x和y的长度
  • 向量-对每个标记使用不同的颜色，并以线性方式将c中的值映射到当前颜色图种的颜色。c的长度必须等于x和y的长度。要更改坐标区的颜色图，需使用colormap函数。在绘制散点图时，如果希望散点颜色成为颜色图的索引，可以使用RGB颜色对照表中色值代码的形式指定c

颜色对照表

注意：在绘制散点图时，如果要使用非预定义颜色绘制点，也可以使用RGB颜色对照表中色值代码的形式来指定颜色，形如c = ['#FFDAB9', '#FF1493', '#E066F']，该方法可以指定任意颜色。使用时要注意c中参数个数与x，y个数相等。

• marker：标记样式，其中值和说明如表所示 | 值 | 说明 | | —- | —- | | ‘o’ | 圆圈 | | ‘+’ | 加号 | | ‘*’ | 星号 | | ‘.’ | 点 | | ‘x’ | 叉号 | | ‘square’或’s’ | 方形 | | ‘diamond’或’d’ | 菱形 | | ‘^’ | 上三角 |

• edgecolors：轮廓颜色，和c类似，参数也相同

• alpha：透明度，[0, 1]：1不透明，0透明
• cmap：色彩盘，可以使用默认的也可以使用自定义的，它实际上就是一个三列的矩阵（或者说，shape为[N, 3]的array），矩阵中的值取值范围为[0., 1.]，每一行代表一个颜色（RGB）
• linewidths：线宽，标记边缘的宽度，默认是没有外围轮廓线，color、marker等不能同时作为一个参数，plt.scatter(x1, y1, ‘bo’, s = 5)不合法

比如现在有一组女大学生的身高和体重数据，可以画散点图来观察两组数据之间的关系。