这篇文章讲述的是Matplotlib常用图形。希望这篇数据清洗的文章对您有所帮助！如果您有想学习的知识或建议，可以给作者留言~

一、可视化探索

数据的初步诊断

• 数据清洗的初始阶段，需要初步认识数据集的特点以及构成

若数据量适中，人为观察是直观可行的方式
一般情况下，需要借助外部工具和手段进行数据的初步判定

• 数据可视化

数据可视化借助图形，图标等手段，从数据集中抽取有效信息，并对其进行展观
从视觉上快速感知、了解数据集
多维度观察“平面”数据

二、Matplotlib

Matplotlib是Python最著名的绘图库
提供于Matlab相似的命令API，适合交互式制图
方便地将它作为绘图控件，嵌入到GUI应用程序中
绘图文档完备，在Gallery页面中有上百幅缩略图和源程序可供查看

1、Matplotlib简介

采集数据
数据可视化交接数据统计特征
可绘制散点图，折线图，分布图，箱线图等
充分了解数据，再进行数据分析

• 1、创建空图

import pandas as pd import numpy as np iris = pd.read_csv('./iris.csv') import matplotlib.pyplot as plt  %matplotlib inline 

• 2、创建子图

fig = plt.figure() ax1 = fig.add_subplot(2, 2, 1) ax2 = fig.add_subplot(2, 2, 2) ax3 = fig.add_subplot(2, 2, 3) 

• 3、查看iris的内容
  

2、折线图

• 1

ax1 = plt.subplot(111) ax1.plot(iris['Sepal.Length'], 'k--', label='Sepal.Length') # 'k--'  为折现的形状或颜色，label为图例的名称 ax1.legend(loc='best') # 设置图例的位置 ax1 

• 2

ax1 = plt.subplot(111) ax1.plot(iris['Sepal.Length'], 'b-', label='Sepal.Length') ax1.legend(loc='best') ax1 

• 3

ax1 = plt.subplot(111) ax1.plot(iris['Sepal.Length'], 'r*', label='Sepal.Length') ax1.legend(loc='best') ax1 

3、散点图

散点图可体现两个属性值的对比

ax2 = plt.subplot(111) ax2.scatter(iris['Sepal.Width'],iris['Petal.Width'] , label= 'petal&sepal_width') ax2.legend(loc='best') plt.xlabel('Sepal.Width') plt.ylabel('Petal.Width') 

上图我们可以看到是不相关的，如果相关的话是会聚集到对角线附近

4、条形图

如果想要查看属性的分布情况时，可以使用条形图

ax3 = plt.subplot(111) a = ax3.hist(iris['Sepal.Width'],bins =10, label='Sepal.Width') ax3.legend(loc='best') 

5、drawstyle

drawstyle用于选择插值方式

plt.plot(iris['Petal.Length'], drawstyle = 'steps') 

6、plt.xlim()&plt.ylim()

用于设置坐标轴范围

• 1、plt.xlim()

plt.plot(iris['Petal.Length'], drawstyle = 'steps') plt.xlim([0, 50]) 

• 2、plt.ylim()

plt.plot(iris['Petal.Length'], drawstyle = 'steps') plt.ylim([0, 50]) 

• 3、设置坐标位置

ax= plt.subplot(111) # 设置坐标轴现实  ax.plot(iris['Sepal.Length'], 'g-', label = '_nolengend_') # 设置坐标位置 ticks = ax.set_xticks([30, 60 , 90, 120]) # 设置该位置显示的文字，以及文字旋转角度，文字大小 labels = ax.set_xticklabels(['30', '60', '90', '120'], rotation = 50, fontsize = 'large') 

7、箱纸图

箱纸图可用于显示数据的分布情况

ax= plt.subplot(111) # whis指定离群点分割线 ax.boxplot(iris['Sepal.Length'], whis=2) # plt.title()设置标题 plt.title('box plot') # plt.ylabel()设置坐标轴名称 plt.ylabel('data content') 

各位路过的朋友，如果觉得可以学到些什么的话，点个赞再走吧，欢迎各位路过的大佬评论，指正错误，也欢迎有问题的小伙伴评论留言，私信。每个小伙伴的关注都是本人更新博客的动力！！！