13 数据可视化之结合Matplotlib进行可视化

在上一篇的教程中，我们了解了如何使用 Pandas 进行简单的绘图，使用 Pandas 自带的绘图功能能够快速地生成一些基本的图表，例如折线图、柱状图等。但为了实现更复杂或专业的可视化效果，我们通常还需要借助更为强大的绘图库——Matplotlib。

本篇文章将详细介绍如何结合 Matplotlib 和 Pandas 实现数据的可视化。末尾我们将通过一个案例，将所学的内容应用到实际的数据分析中。这为接下来的实战案例之数据分析项目概述打下基础。

Matplotlib简介

Matplotlib 是 Python 中最常用的绘图库，能够生成多种类型的图表，如折线图、散点图、柱状图、饼图等。它的灵活性和强大的功能使它成为数据可视化的主要选择之一。

安装Matplotlib

如果还未安装 Matplotlib，可以通过以下命令进行安装：

pip install matplotlib

与Pandas结合使用

在使用 Pandas 处理数据时，我们可以利用 Matplotlib 来更好地进行数据可视化。Pandas 的绘图功能是 Matplotlib 的封装，使用起来非常方便。

基本用法

让我们通过一个示例来了解如何结合使用 Pandas 和 Matplotlib。假设我们有一个关于每月销售额的数据集，数据集如下：

月份	销售额
1月	2000
2月	3000
3月	2500
4月	4000
5月	5000

我们可以将这个数据集存储为一个 Pandas 的 DataFrame，并使用 Matplotlib 进行可视化。

示例代码

import pandas as pd
import matplotlib.pyplot as plt

# 创建数据
data = {
    '月份': ['1月', '2月', '3月', '4月', '5月'],
    '销售额': [2000, 3000, 2500, 4000, 5000]
}
df = pd.DataFrame(data)

# 设置绘图风格
plt.style.use('seaborn-darkgrid')

# 绘制折线图
plt.figure(figsize=(10, 6))
plt.plot(df['月份'], df['销售额'], marker='o', linestyle='-', color='b')
plt.title('每月销售额变化')
plt.xlabel('月份')
plt.ylabel('销售额（元）')
plt.xticks(rotation=45)
plt.grid(True)
plt.tight_layout()

# 显示图表
plt.show()

代码解析

1. 创建数据：我们将月和销售额的数据存入一个字典，然后转换为一个 Pandas 的 DataFrame。
2. 设置绘图风格：使用 plt.style.use() 方法设置绘图的风格。这里我们使用了 seaborn-darkgrid 风格。
3. 绘制折线图：调用 plt.plot() 方法绘制销售额的折线图。我们设置了线条的样式、颜色和标记。
4. 添加标题和标签：通过 plt.title()、plt.xlabel() 和 plt.ylabel() 方法为图表添加标题和坐标轴标签。
5. 显示图表：最后，使用 plt.show() 方法显示图表。

其他图形类型

除了折线图，我们还可以绘制其他类型的图形。以下是一些常见的图形类型：

柱状图

# 绘制柱状图
plt.figure(figsize=(10, 6))
plt.bar(df['月份'], df['销售额'], color='orange')
plt.title('每月销售额柱状图')
plt.xlabel('月份')
plt.ylabel('销售额（元）')
plt.xticks(rotation=45)
plt.grid(axis='y')
plt.tight_layout()
plt.show()

饼图

# 绘制饼图
plt.figure(figsize=(8, 8))
plt.pie(df['销售额'], labels=df['月份'], autopct='%1.1f%%', startangle=140)
plt.title('每月销售额占比')
plt.axis('equal')  # 使饼图为圆形
plt.show()

这些代码展示了如何使用 Matplotlib 结合 Pandas 进行多样的数据可视化，使得不同的数据展示方式更加丰富。

小结

通过本篇教程，我们详细解释了如何将 Matplotlib 应用于 Pandas 的数据可视化中，并通过不同类型的图表进行展示。接下来，我们将在实战案例之数据分析项目概述中，将这些可视化技巧结合实际项目，更深入地探索数据分析的过程。

希望大家能够通过实践，将所学的知识应用到自己的数据分析工作中，提升数据可视化的能力！