數據可視化指的是通過可視化表示來探索數據
數據挖掘指的是使用代碼來探索數據集的規律和關聯
使用matplotlib可制作的各種圖表
繪制簡單的折線圖
# Author:song import matplotlib.pyplot as plt squre = [7,6,8,3,5,9,2] plt.plot(squre) plt.show() #顯示圖形
結果圖
調整可視化的各個方面，改善這個圖形的可讀性
# Author:song import matplotlib.pyplot as plt squre = [7,6,8,3,5,9,2] # 設置圖表標題，並給坐標軸加上標簽 plt.plot(squre,linewidth=5)#參數linewidth決定了plot()繪制的線條的粗細。 plt.title('Example title',fontsize=24) #函數title()給圖表指定標題 plt.xlabel('value',fontsize=14) #函數xlabel()和ylabel()讓你能夠為每條軸設置標題 plt.ylabel('Example value',fontsize=14) plt.tick_params(axis='both',labelsize=14) #而函數tick_params()設置刻度的樣式，其中指定的實參將影響x軸和y軸上的刻度（axes='both'），並將刻度標記的字號設置為14（labelsize=14）。 plt.show()
當你向plot()提供一系列數字時，它假設第一個數據點對應的x坐標值為0，為改變這種默認行為，我們可以給plot()同時提供輸入值和輸出值
# Author:song import matplotlib.pyplot as plt input_num = [1,2,3,4,5,6] squre = [x**2 for x in input_num] plt.plot(input_num,squre,linewidth=5) plt.title('Example title',fontsize=24) plt.xlabel('value',fontsize=14) plt.ylabel('Example value',fontsize=14) plt.tick_params(axis='both',labelsize=14) plt.show()
結果圖
使用 scatter()繪制散點圖並設置其樣式
有時候，需要繪制散點圖並設置各個數據點的樣式。你可能想以一種顏色顯示較小的值，另一種顏色顯示較大的值。繪制大型數據集時，你還可以對每個點都設置同樣的樣式， 再使用不同的樣式選項重新繪制某些點，以突出它們。
import matplotlib.pyplot as plt x_values = [1,4,5,6,3,1,8,9] y_values = [9,6,5,4,3,2,1,7] plt.scatter(x_values, y_values, s=100) plt.show()
結果
自定義樣式
plt.scatter(x_values, y_values, c='red', edgecolor='none', s=40)#c代表顏色，edgecolor=‘none’表示沒有輪廓 #可以使用RGB顏色模式自定義顏色 plt.scatter(x_values, y_values, c=(0, 0, 0.8), edgecolor='none', s=40)
使用顏色映射，從起始顏色漸變到結束顏色，於突出數據的規律
import matplotlib.pyplot as plt x_values = list(range(1,101)) y_values = [x**2 for x in x_values] plt.scatter(x_values,y_values, c=y_values,cmap=plt.cm.Blues,edgecolors='none',s=40)# 將參數c設置成了一個y值列表，並使用參數cmap告訴pyplot使用哪個顏色映射 plt.axis([0, 80, 0, 6400]) ## 設置每個坐標軸的取值范圍,函數axis()要求提供四個值：x和y坐標軸的最小值和最大值 plt.show()
結果
要讓程序自動將圖表保存到文件中，可將對plt.show()的調用替換為對plt.savefig()的調用
plt.savefig('squares_plot.png', bbox_inches='tight') #第一個實參指定要以什么樣的文件名保存圖表，這個文件將存儲到當前所在的目錄中；第二個實參指定將圖表多余的空白區域裁剪掉