用Matplotlib库绘图

　　 Matplotlib是一个非常好用的高质量绘图工具库，可以根据输入的数据绘制各种图形，如折线图、条形图、饼图、散点图等。 　　

1绘制折线图

　　折线图是将所有数据点用直线连接起来形成的图形，以折线的方式展示数据的变化趋势。下面我们画一个简单的折线图。 　　

　　从Matplotlib库中导入pyplot模块(简称plt)。 　　

　　导入matplotlib.pyplot作为绘图时使用的plt数据，x和y表示x轴和y轴对应的数据。 　　

　　X=[0，1，2，3，4，5] y=[0，1，4，9，16，25]调用模块的绘图函数。 　　

　　Plt.plot(x，y)调用模块的savefig函数将图形保存为矢量图。 　　

　　PLT。save fig(' h 3360 \ Example \ Chapter 9 \ PLT _ line . SVG ')用浏览器打开矢量图，效果如图9-10所示。 　　

　　图9-10 　　

>>> plt.plot(x,y,color='red', marker='o', linestyle='dashed', linewidth=1, markersize=5)

调用模块的show函数显示图形到屏幕。

>>> plt.show()

显示效果如图9-11所示。

图9-11

颜色（color）、标记风格（marker）、线条样式（linestyle）的设置可以进一步简写，可以用每个属性的缩写。例如，“ro:”表示红色、圆点、虚线。

>>> plt.plot(x,y,'ro:', linewidth=1, markersize=5)

常用的颜色缩写包括：蓝（b）、绿（g）、红（r）、蓝绿（c）、洋红（m）、黄（y）、黑（k）、白（w）。

常用的点型缩写包括：点标记（.）、像素标记（,）、实心圈标记（o）、倒三角标记（v）、上三角标记（^）、左三角标记（<）、右三角标记（>）、下花三角标记（1）、上花三角标记（2）、左花三角标记（3）、右花三角标记（4）、实心方形标记（s）、五边形标记（p）、星标记（*）、竖六边形标记（h）、横六边形标记（H）、加号标记（+）、叉标记（x）、钻石标记（D）、菱形标记（d）、竖线标记（|）、横线标记（_）。

常用的线型缩写包括：实线（-）、破折（--）、点画线（-.）、虚线（:）、无线条（空格）。

在Matplotlib中画图，要提供x轴所有的数值以及y轴所有的数值，而且这两个数值列表的数目要能够逐一配对，也就是一个x值要搭配一个y值。上例中，实际上就是将（0,0）、（1,1）、（2,4）、（3,9）、（4,16）、（5,25）这6个点连接起来。

要注意的是，当只输入一维数据的时候，自动将其当作y轴数值处理，x轴默认生成[0,1,2,…]。

下面我们在图中绘制多条折线图。

   import matplotlib.pyplot as plt   x=[0,1,2,3]   y0=[4,6,8,10]   y1=[4,9,16,25] plt.plot(x,y0,'bo--',label='电脑')   plt.plot(x,y1,'rp-',label='手机') plt.legend(loc='best') plt.rcParams['font.sans-serif']=['SimHei'] plt.title('2019年各产品销量(单位：万台)', fontsize=20)   index_name=['1季度', '2季度', '3季度', '4季度'] plt.xticks(x, index_name)   plt.show()

语句绘制两条不同风格的折线；语句调用legend函数设置图例位置；语句调用rcParams函数设置中文字体；语句调用title函数设置图表标题；语句调用xticks函数设置x轴数值，最后调用show函数显示图形，效果如图9-12所示。

图9-12

2．绘制其他类型图形

折线图是基于plt.plot函数绘制的。Matplotlib库还提供了许多不同种类图形的函数。

下面我们将多种类型的图形绘制在一起。

   import matplotlib.pyplot as plt   plt.rcParams['font.sans-serif']=['SimHei']   x=[0,1,2,3]   label=['东区','西区','北区','南区']   value=[2,4,6,8] fig=plt.figure() ax_1=fig.add_subplot(2,2,1) ax_1.plot(x,value,'rp-') ax_1.set_xticks([0,1,2,3])  ax_1.set_xticklabels(['东区','西区','北区','南区'])   ax_2=fig.add_subplot(2,2,2)   ax_2.pie(value,labels=label,autopct='%1.1f%%',startangle=90)  ax_3=fig.add_subplot(2,2,3)   ax_3.bar(label,value) ax_4=fig.add_subplot(2,2,4)   ax_4.barh(label,value)   fig.show() fig.savefig('H:\示例\第9章\pyplot_4.png', dpi=400)

语句调用figure函数新建一个画布，然后在这个画布上添加各种元素；语句在2×2的绘图区域添加第一个子图；语句在子图中绘制折线；语句设定x轴的标签；语句设定x轴的标签文字；语句绘制饼图；语句绘制柱状图；语句绘制条形图；语句保存图片到本地，效果如图9-13所示。

图9-13

9.3.2　用pandas库绘图

Matplotlib库功能强大，但是相对底层。前面章节介绍过的数据分析库pandas，它的绘图功能就是基于Matplotlib库，这里继续介绍用Pandas库绘图的方法。

Series和DataFrame是Pandas库中主要的两种数据结构，都内置了plot方法，可以绘制图形。

1．Series.plot

Series是一个一维数据结构，它由index和value组成，类似于Excel表格中的一列数据，由行号和数据组成。根据这样一列数据，我们可以绘制各种图表，如柱状图、条形图、折线图、饼图等。

下面以实例说明。

 import pandas as pd   import matplotlib.pyplot as plt plt.rcParams['font.sans-serif']=['SimHei'] data=pd.Series([2,4,6,8],index=['1季度', '2季度', '3季度', '4季度']) fig=data.plot(kind='bar', title='2019年各季度销量(单位：万台)',              figsize=(20,16),fontsize=30) fig.axes.title.set_size(40)   plt.show()

语句导入pandas库，并给它起别名pd，导入Matplotlib库的pyplot子模块，并给它起别名plt；语句是设置中文字体；语句构造数据；语句绘制柱状图并设置标题；语句设置标题字号，效果如图9-14所示。

图9-14

plot函数也有许多参数，例如参数kind控制图表类型，将kind='bar'修改为kind='pie'，图表将变为饼状图，效果如图9-15所示。

图9-15

2．DataFrame.plot

DataFrame是一个二维结构，除了拥有index和value之外，还拥有column。它类似于一张Excel表格，由多行、多列构成。DataFrame由多个Series对象组成，无论是行还是列，单独拆分出来都是一个Series对象。

下面以实例说明。

   import pandas as pd   import matplotlib.pyplot as plt   plt.rcParams['font.sans-serif']=['SimHei'] data=pd.DataFrame([[3,8],[2,6],[6,1],[5,4]],            index=['1季度', '2季度', '3季度', '4季度'],columns=['手机', '电脑'])    fig=data.plot(kind='bar',title='2019年各季度产品销量(单位：万台)',           figsize=(20,16),fontsize=30) fig.axes.title.set_size(40) plt.legend(loc='best',fontsize=30)   plt.show()

语句构造了绘图所需数据；语句绘制图表，设置标题、图表区大小、字号；语句设置标题字号；语句设置图例字号，最后显示图表，效果如图9-16所示。

图9-16

9.3.3　用Python绘制词云图

使用Python不仅可以绘制统计图表，还可以绘制各种可视化图，例如文本分析常用的词云图。

词云图，也叫“文字云”，是文本中出现频率较高的“关键词”的视觉化展现。频率越高，则字体越大、越突出，也越重要。相对于柱状图、折线图、饼图等用来显示数值数据的图表，词云图可以展示大量文本数据，通过过滤掉大量的低频低质的文本信息，使浏览者只要一眼扫过文本就可领略文本的主旨。

制作词云图要使用的库有：jieba、wordcloud、numpy、PIL、matplotlib。它们的安装方法都非常简单，直接用pip命令安装即可。

下面我们通过爬虫抓取电影《我们的未来》豆瓣点评，并制作点评文字的词云图。

 import numpy as np   import jieba   from PIL import Image   from wordcloud import WordCloud, STOPWORDS   import matplotlib.pyplot as plt with open(r'H:\示例\第9章\影评.txt', 'rb') as f:       text=f.read() words=jieba.cut(text)   wordstr=' '.join(words) wordcloud=WordCloud(font_path='H:\示例\第9章\msyh.ttf',        mask=np.array(Image.open(r'H:\示例\第9章\background.png')),       width=600, height=600, max_words=100, max_font_size=80,       stopwords=set(STOPWORDS),scale=4,background_color='white') wordcloud.generate(wordstr) wordcloud.to_file(r'H:\示例\第9章\wordcloud.png')

语句引入必要的库文件；语句打开影评文件，读取文本；语句使用jieba分词，将文件分割为词语；语句设置词云图，如字体、背景（mask）、宽、高、最大字数、最大字号、停用词（排除词列表，即不显示的单词列表，如助词等）、缩放、背景颜色等；语句导入词语，生成词云图；语句将生成的词云图保存到本地。

打开词云图，效果如图9-17所示（略）。

本文摘自《学Python，不加班――轻松实现办公自动化》

这是一本关于如何利用Python提高日常办公效率的书，书中凝聚了作者多年的实践经验和独特思考，旨在帮助读者准确、高效地完成大量高重复度的工作。

本书汇集了日常办公和处理文档时常见的问题，通过实例的演示与讲解，帮助读者灵活有效地使用Python处理工作中遇到的问题。全书共11章，涵盖Python的各种应用场景，具体包括文件管理自动化，网络信息自动获取，TXT、XLS／XLSX、DOC／DOCX、PPT、PDF、图片文件的自动化处理，模拟鼠标、键盘操控本地软件，自动化运行管理等。本书力图淡化编程中的抽象概念，贴合工作场景，注重实战效果，通过对Python技术的巧妙讲解，帮助读者成为高效率的办公室“超人”。