python画图：matplotlib、seaborn、pandas、Pyeplotllib
1.matplotlib：功能很强大，非常多，代码量比较大
2.pyechart：经过很多的渲染，代码小一点，酷炫，动态交互效果
3.seaborn：基于matplotlib，数据分布，相关性分析，密度估计
4.pandas. 直接在pandas画，简单图表
读入图片
plt.imread(‘E:\123\ziliao’)
Matplotlib（基于数组绘图）
%matplotlib inline
import matplotlib
import matplotlib.pyplot as plt
matplotlib.rcParams[‘font.sans-serif’] = [‘KaiTi’] #用黑体显示中文楷体（修改字体的第一种方法）
matplotlib.rcParams[‘axes.unicode_minus’] = False #正常显示负号
修改字体的第二种方法：
myfont1 = matplotlib.font_manager.FontProperties(fname=r'C:\Windows\Fonts\STKAITI.TTF') # 修改字体
myfont2 = matplotlib.font_manager.FontProperties(fname=r'C:\Windows\Fonts\FZSTK.TTF') # 修改字体
plt.figure(figsize = (8, 4), dpi = 100) #创建画布
plt.title() #图标标题
plt.xlabel(("Time(s)" , fontsize=20 , color='r' , rotation=0) #添加x轴名称
plt.xlabel("Volt") #添加y轴名称
plt.xlim(-1 , 11) #规定x轴范围
plt.ylim(-1.2 , 1.2) #确定y轴范围
plt.xticks(np.arange(0,12,2) ,f ontsize=15 , rotation=30) #规定x轴刻度
plt.yticks([-1 , -0.5 , 0.0 , 0.5 , 1.0]) #规定y轴刻度
plt.plot(x , y , color = "red" , linewidth=2 , marker='*' , label = "$sin(x)$") #画图 美元符号是变斜体的意思
plt.legend(loc = 0) #显示图例
plt.savefig(‘test.png’, dpi = 100, bbox_inches = ‘tight’) #保存
plt.show() #显示
绘制子图
调用fig对象add_subplot方法和plt.subplot()绘制有多个轴的图表
方法一：p1.add_subplot(3,2,3)三行两列共六个子图，当前是第3个子图
plt.subplot_adjust(wspace = 0, hspace = 0.7) #调整子图的间距
方法二：plt.subplot(3,2,3)
调价备注：
plt.text(0,0,'(0,0)',color='r',fontsize=20,rotation=0,bbox=dict(facecolor='b', edgecolor='r', alpha=0.65 )) #添加文字说明
plt.annotate('max', color='r',xy=(1.57, 1), xytext=(2, 1.5),arrowprops=dict(facecolor='r', edgecolor='r',width=2,shrink=0.015,headlength=10)) #添加注释
循环作图：
图中图：
散点图
plt.scatter(x , y , color = ‘r’, marker = ‘D’ , s= 10)
plt.show()
饼图
labels = [‘USA’ , ‘China’ , ‘India’]
X = [129340 , 45464564 , 3465643]
explode = (0 , 0.1, 0, 0, 0)
plt.pie(X, labels= labels, labeldistance = 1, explode = explode , autopct = ‘%.2f%%’ , shadow = True , startangle = 120)
plt.show()
柱状图(竖着)
X= [‘USA’ , ‘China’ , ‘India’]
Y= [129340 , 45464564 , 3465643]
plt.bar(X, Y, color = ‘blue’,width = 0.6 , align = ‘center’ , edgecolor = ‘ r’) edgecolor = ‘ r’边框颜色
plt.xlabel(‘Country’)
plt.ylabel(‘GDP’)
plt.show()
柱状图（横着）
X= [‘USA’ , ‘China’ , ‘India’]
Y= [129340 , 45464564 , 3465643]
plt.barh(X, Y, color = ‘blue’,height = 0.5, align = ‘center’ , edgecolor = ‘ r’) edgecolor = ‘ r’边框颜色
plt.xlabel(‘Country’)
plt.ylabel(‘GDP’)
plt.show()
直方图
plt.hist(data , bins = 100, density = 1, facecolor = ‘blue’, edgecolor = ‘black’, alpha =0.7) #density做归一化
plt.show()
箱线图
plt.boxplot(data, 1, ‘rD’, 1) #第一个1表示中间是否开口，第二个1表示横、竖箱线图
plt.show()
折线图
plt.plot(x , y , marker = ‘o’ , c = ‘red’ , linestyle = ‘--’)
Pyeplotllib(基于列表绘图)
柱状图——簇状柱形图（数据形式必须是列表）
from pyecharts.charts import Bar
bar = Bar()
bar.add_xaxis(列表) #设定横坐标
bar.add_yaxis(列表1) #设定纵坐标1
bar.add_yaxis(列表2) #设定纵坐标2
bar.render_notebook()
柱状图——堆积柱状图
bar = Bar()
bar.add_xaxis(列表)
bar.add_yaxis('第一产业',data1,stack = 's')
bar.add_yaxis('第二产业',data2,stack = 's')
bar.add_yaxis('农林牧渔业',data1,stack = 't')
bar.add_yaxis('工业',data2,stack = 't')
bar.render_notebook()
柱状图——横着的柱状图
bar = Bar()
bar.add_xaxis(列表)
bar.add_yaxis('第一产业',data1)
bar.add_yaxis('第二产业',data2)
bar.reversal_axis()
bar.set_series_opts(label_opts=opts.LabelOpts(position="right"))
bar.render_notebook()
箱型图（数据形式必须是列表）
from pyecharts.charts import Boxplot
v1 = np.random.randint(1,50,50).reshape(2,-1).tolist() #有多少个x轴（季度）数据就有多少维度
v2 = np.random.randint(1,300,50).reshape(2,-1).tolist()
box = Boxplot()
box.add_xaxis(['第一季度','第二季度'])
box.add_yaxis('第一产业',box.prepare_data(v1))
box.add_yaxis('第二产业',box.prepare_data(v2))
box.render_notebook()
热力图（注意数据要与横纵坐标匹配）
import random
from pyecharts.charts import HeatMap
value = [[i, j, random.randint(0, 200)] for i in range(8) for j in range(5)]
heat = HeatMap()
heat.add_xaxis(['1点','2点','3点','4点','5点','6点','7点','8点'])
heat.add_yaxis('serires0',['周一','周二','周三','周四','周五'],value)
heat.render_notebook()
折线图
from pyecharts.charts import Line
line = Line()
line.add_xaxis(['第一季度','第二季度','第三季度','第四季度'])
line.add_yaxis('第一产业',data1,is_smooth = True) #曲线是否平滑
line.add_yaxis('第二产业',data2)
line.render_notebook()
散点图
from pyecharts.charts import Scatter
scatter = Scatter()
scatter.add_xaxis(['第一季度','第二季度','第三季度','第四季度'])
scatter.add_yaxis('第一产业',data1)
scatter.render_notebook()
漏斗图
from pyecharts.charts import Funnel
f = Funnel()
f.add('产业' , [list(z) for z in zip(x,data1)])
f.render_notebook()
饼图
from pyecharts.charts import Pie
p = Pie()
p.add('第一产业',[list(z) for z in zip(x,data1)])
p.render_notebook()
词云图
from pyecharts.charts import WordCloud
word = [
("Sam S Club", 10000000),
("Macys", 6181),
("Amy Schumer", 4386),
("Jurassic World", 4055),
("Charter Communications", 2467),
("Chick Fil A", 2244),
("Planet Fitness", 1868),
("Pitch Perfect", 1484),
("Express", 1112)]
w = WordCloud()
w.add('', word, word_size_range = [20,1000]) # word_size_range单词字体大小范围
w.render_notebook()
地图
province = ["广东", "北京", "上海", "辽宁", "湖南", "四川", "西藏"]
values = [100,200,300,400,500,400,400]
from pyecharts import options as opts
from pyecharts.charts import Map
m = Map()
m.add('', [list(z) for z in zip(province, values)], 'china')
m.set_global_opts(title_opts=opts.TitleOpts(title="Map-中国地图"),visualmap_opts=opts.VisualMapOpts(max_=150)) #添加标题
m.render_notebook()
Seaborn（基于DataFrame绘图）
单变量直方图
import seaborn as sns
sns.set_palette('bright')
x = np.random.normal(size = 1000)
sns.distplot(x)
二元分布图
散点图
data = [list(z) for z in zip(np.random.randint(1,200,10),np.random.randint(1,200,10))]
data = pd.DataFrame(data,columns = ['x','y'])
sns.jointplot(x = 'x', y = 'y',data = data )
矩阵散点图1
data = [[1,2,3,4],
[2,3,5,6],
[5,6,8,8],
[5,6,8,3]]
data = pd.DataFrame(data,columns= ['one','two','three','four'])
sns.pairplot(data)
矩阵散点图2
import matplotlib.pyplot as plt
data = [[1,2,3,4],
[2,3,5,6],
[5,6,8,8],
[5,6,8,3]]
data = pd.DataFrame(data,columns= ['one','two','three','four'])
s = sns.PairGrid(data)
s.map(plt.scatter)
Pandas画图（基于DataFrame绘图）
折线图
import matplotlib.pyplot as plot
data = pd.DataFrame({
'pig': [20, 18, 489, 675, 1776],
'horse': [4, 25, 281, 600, 1900]
}, index=[1990, 1997, 2003, 2009, 2014])
data.plot.line()
柱状图
import matplotlib.pyplot as plot
data = pd.DataFrame({
'pig': [20, 18, 489, 675, 1776],
'horse': [4, 25, 281, 600, 1900]
}, index=[1990, 1997, 2003, 2009, 2014])
data.plot.bar()
散点图
import matplotlib.pyplot as plot
data = pd.DataFrame({
'len': [20, 18, 489, 675, 1776],
'width': [4, 25, 281, 600, 1900]
}, index=[1990, 1997, 2003, 2009, 2014])
data.plot.scatter(x = 'len',y = 'width')
直方图
import matplotlib.pyplot as plot
data = pd.DataFrame({
'len': [20, 18, 489, 675, 1776],
'width': [4, 25, 281, 600, 1900]
}, index=[1990, 1997, 2003, 2009, 2014])
data.plot.hist()
箱型图
import matplotlib.pyplot as plot
data = pd.DataFrame(np.random.randint(0,100,100).reshape(-1,4).tolist(),columns = ['a','b','c','d'])
data.plot.box()
饼图
matplotlib.rcParams['font.sans-serif'] = 'Simhei'
data = pd.DataFrame(np.random.randint(0,100,16).reshape(4,4).tolist(),
columns = ['a','b','c','d'],
index = ['第一季度','第二季度','第三季度','第四季度'])
data.plot.pie(y = 'a',figsize=(10, 10))