jupyter notebook默认输出该类和该类的信息，并没有把该类的图像作为结果输出。

matplotlib简介

数据可视化流程。。

data1=[......]

data2=[......]

data3=[......]

name=[......]

# 绘制柱状图

plt.figure(figsize=(20,10))    #调整画布大小，以免文字堆积在一起

plt.bar(range(1,len(data1)+1),data1)

plt.xticks(range(1,len(data1)+1),name)

# 设置标题、标签

plt.show()

# 绘制饼图

plt.figure(figsize=(15,15))

plt.pie(data1,labels=name,autopct="%1.1f%%")    # 设置标签和百分比符号

# 设置标题

plt.show()

# 绘制气泡图

data3=[item/20 for item in data3]    # 调整data的大小，以免气泡图的气泡过大或过小

plt.scatter(data1,data2,s=data3)

# 设置标题、标签

data1=[......]

data2=[......]

data3=[......]

name=[......]

# 计算最大值，使用python的内置函数max（）

data1_max=max(data1)

data2_max=max(data2)

data3_max=max(data3)

# 计算均值，统计数据的总量并除以其数量可得到其均值

data1_mean=sum(data1)/len(data1)

data2_mean=sum(data2)/len(data2)

data3_mean=sum(data3)/len(data3)

# 计算中位数，对数据进行排序，如果数据长度为奇数，取中间的那个数，如果数据长度为偶数，取中间两个数的均值

def median(List):

    List=sorted(List)

    if len(List)%2==1:
        return List[len(List)//2]

    else:

        return (List[len(List)//2]+List[len(List)//2-1])/2

data1_median=median(data1)

data2_median=median(data2)

data3_median=median(data3)

# 计算标准差，需要提前导入math模块

def stdev(List):

    mean=sum(List)/len(List)

    sum=0

    for item in List:

        sum+=(item-mean)**2

    sum/=len(List)

    return math.sqrt(sum)

data1_stdev=stedv(data1)

data2_stdev=stedv(data2)

data3_stdev=stedv(data3)

# 三个维度的数据

x=[......]

y=[......]

z=[......]

plt.scatter(x,y,s=z)    # 气泡大小设置为z，能够同时显示三个维度之间的关系

name_list=['name1','name2',name3']

data1=[......]

data2=[......]

data3=[......]

width=0.4    # 每个柱状图的宽度

x1=[1,3,5]

plt.bar(x1,c1,label='name1',fc='r',width=width)

x2=[......]    # x1加上宽度

plt.bar(x2,c1,label='name2',fc='g',width=width)

x3=[......]    # x2加上宽度

plt.bar(x3,c1,label='name3',fc='b',width=width)

plt.xticks(x2,name_list)    # 在x2的底部显示出name

plt.legend()    # 将每个name对应的颜色体现在图像中

# 添加标题、xy轴标签

n=5

number=['1','2','3','4','5']

data1=[......]

data2=[......]

data3=[......]

data4=[data2[i]+data1[i] for i in range(5)]    #data4是data1加上data2的数据，作为data3的底部

x=np.arange(n)

plt.bar(x,data1,color='r',label='标签1')

plt.bar(x,data1,bottom=data1,color='g',label='标签2')    # bottom的参数是设置底部数据

plt.bar(x,data3,bottom=data4,color='c',label='标签3')

plt.ylim(0,300)    #这里设置y轴的区间

plt.title(标题）

plt.legend(loc='upper right')

plt.grid(axis='y',color='gray',linestyle=':',linewidth=2)

plt.xticks(x,number)

plt.xlabel(x轴标签）

x=[1,2,3]

name=['name1','name2','name3']

y=[data1,data2,data3]

plt.bar(x,y)

plt.title(标题）    # 设置标题

plt.xlabel(x轴标签）    # 设置x轴标签

plt.ylabel(y轴标签）    # 设置y轴标签

plt.xticks(x,name)    # 将x轴上的数字替换成对应的名字

for i in range(1,len(name)+1):

    plt.text(i,y[i-1]+1,y[i-1])    # 在固定位置添加文本，text的参数分别为x，y，数据。

plt.rcParams['font.sans-serif']=['SimHei']#中文支持
plt.rcParams['axes.unicode_minus']=False #正常显示负号
plt.rcParams['lines.linewidth']=5 #设置线条宽度
plt.rcParams['lines.color']='red' #设置线条颜色
plt.rcParams['lines.linestyle']='-' #设置线条样式

收集数据-信息提取-形成结论

指定画布大小

plt.figure(figsize=(20,10)) 横长为20，纵宽为10

plt.xlabel() x坐标名

plt.ylabel() y坐标名

plt.title() 图标题

plt.show()显示图片，之后画布会被清空

中位数的计算

标准差的计算

综合案例

气泡图绘制

分块图的绘制

堆积图

直方图，条形图，折线图及饼图

散点图和箱线图

常见的可视化形式及工具：

比散点图多了一个维度

https://matplotlib.org/stable/api/matplotlib_configuration_api.html

通过搜索关键字，rcParams,查询文章

配置~~~~~~~~~~~~~~~~~

改变横坐标：x。ticks

111:代表1行1列其中的第一张字符（字图）

指定坐标轴为极坐标轴

调用绘图函数：plot

import matplotlib.pyplot as plt
%matplotlib inline
r = [1,2,3,4,5,6]
thera = [0.0, 1.5248756,2.54788762,5.14525889,2.331458,3.554411223]
ax=plt.subplot(111,projection='polar')
ax.plot(theta,r)

统计图分为：直方图 折线图 饼图

分布图分为：热力图 散点图 气泡图

预处理：数据清洗——数据一致性（单位统一）、缺失值