#这样设置以后 可以在图中显示中文
#Fontproperties 字体性质
my_font = fm.FontProperties(fname='C:\Windows\Fonts\STZHONGS.TTF')
x_data = list([2001,2002,2003,2004,2005,2006])
y_data = list([1000,1400,1900,2800,4000,5300])
y_data1 = list([1200,1600,2300,3200,4000,5600])
def y_data2(x):
y_list=[]
while x>9 and x<16:
y = 100*x+100
y_list.append(y)
return y_list
plt1 = plt.plot(x_data,y_data1,'b-',linewidth=3)
plt2 = plt.plot(x_data,y_data,linewidth=2,linestyle='--',color='red',)
plt3 = plt.plot(x_data,y_data2(10),linewidth=2,linestyle='--',color='blue',)
#对图进行说明 legeng(说明)
plt.legend([plt2,plt1,plt3],labels=["图书1销售曲线",'图书2销售曲线','图书3销售曲线'],loc='best',prop=my_font)
plt.title(u'图书历年销售记录',fontproperties=my_font)
plt.xlabel(u'年份',fontproperties=my_font)
plt.ylabel(u'销量',fontproperties=my_font)
plt.show()
折线图结果如下：
2、自定义坐标轴位置和刻度
利用**plt.gca()**来对坐标轴进行改动。
#将y轴对应的值 改成相应的文字 yticks(y上的点)
plt.yticks([2000,4000,5000],['正常','很好','火爆'],fontproperties=my_font)
ax = plt.gca()
ax.spines['bottom'].set_position(('data',2000)) #把X轴移动到y=2000的位置
#position[0] should be one of 'outward', 'axes', or 'data'
ax.spines['right'].set_color('none') #隐藏右边框
ax.spines['top'].set_color('none') #隐藏上边框
折线图结果如下图：
3、关于时间序列的折线图
时间序列数据：
代码：
import matplotlib.font_manager as fm
import matplotlib.pyplot as plt
import pandas as pd
my_font = fm.FontProperties(fname='C:\Windows\Fonts\simsun.ttc')
data1 = pd.read_csv(r'E:\jmdx_gs\当天活跃人数.csv')
print(data1)
#当天活跃人数
plt.figure(figsize=(10,5))
plt.plot(data1['date'],data1['number'],c = 'red')
plt.title('当天活跃人数',FontProperties=my_font,size=15)
plt.xlabel('日期',FontProperties=my_font,)
plt.ylabel('人数',FontProperties=my_font)
plt.xticks(data1['date'][::7],rotation=20)
plt.show()
时间序列的折线图：
4、显示中文的方法
plt.rcParams['font.sans-serif']=['SimHei','Times New Roman'] # 用来正常显示中文标签
plt.rcParams['axes.unicode_minus']=False
#或者如上图用 fontproperties 参数
二、柱状图
1、常规柱状图
import matplotlib.pyplot as plt
my_font = fm.FontProperties(fname='C:\Windows\Fonts\simsun.ttc')
index = ['2020/10','2020/11','2020/12']
number = [651,4668,3832]
plt.figure(figsize=(10,4))
plt.bar(index,number,color='rgb',width = 0.2)
plt.title('近三个月的活跃用户数',FontProperties=my_font)
plt.xlabel('月份',FontProperties=my_font)
plt.ylabel('当月活跃人数',FontProperties=my_font)
plt.xticks(rotation=0)
for xx, yy in zip(index,number):
plt.text(xx, yy+0.1, str(yy), ha='center')
plt.show()
柱状图如下：
2、堆叠柱状图并加入数据表
数据为DataFrom型，如下：
代码：
import matplotlib.pyplot as plt
import pandas as pd
# 用来正常显示中文标签
plt.rcParams['font.sans-serif']=['SimHei','Times New Roman']
plt.rcParams['axes.unicode_minus']=False
data3 = pd.read_csv(r'E:\jmdx_gs\各分公司用户速率.csv',encoding='GBK',index_col='REGION_NAME')
# 创建堆叠图
data3.plot(kind='barh',grid = True,colormap='Reds_r',stacked=True,figsize=(8,3)) #colormap可以替换各种色图
# 外嵌图表plt.table()
# table(cellText=None, cellColours=None,cellLoc='right', colWidths=None,rowLabels=None, rowColours=None, rowLoc='left',
# colLabels=None, colColours=None, colLoc='center',loc='bottom', bbox=None)
# cellText：表格文本
# cellLoc：cell内文本对齐位置
# rowLabels：行标签
# colLabels：列标签
# rowLoc：行标签对齐位置
# loc：表格位置 → left，right，top，bottom
plt.table(cellText = data3.values,
cellLoc='center',
cellColours = None,
rowLabels = data3.index,
rowColours = plt.cm.BuPu(np.linspace(0, 0.5,10))[::-1], # BuPu可替换成其他colormap
colLabels = data3.columns,
colColours = plt.cm.Reds(np.linspace(0, 0.5,10))[::-1],
rowLoc='right',
loc='bottom')
plt.xticks(np.linspace(0,3000,11))
plt.ylabel('分公司名称')
plt.title('各分公司用户速率')
ax = plt.gca()
ax.xaxis.set_ticks_position('top') #将X坐标轴设置在上方
ax.spines['bottom'].set_color('none')
plt.show()
外嵌图表格参数：
# 外嵌图表plt.table()
# table(cellText=None, cellColours=None,cellLoc='right', colWidths=None,rowLabels=None, rowColours=None, rowLoc='left',
# colLabels=None, colColours=None, colLoc='center',loc='bottom', bbox=None)
修改表格内字体大小：
可以先给原先的plt.table命名
the_table1 = plt.table(
...........
...........
the_table1.auto_set_font_size(False)
the_table1.set_fontsize(10)
堆叠柱状图结果如下图，并在图中显示相应的数据表格：
三、饼状图
数据：
代码：
import matplotlib.pyplot as plt
import pandas as pd
# 用来正常显示中文标签
plt.rcParams['font.sans-serif']=['SimHei','Times New Roman']
plt.rcParams['axes.unicode_minus']=False
data2 = pd.read_csv(r'E:\jmdx_gs\分公司当月活跃人数.csv',encoding='GBK')
labels = data2['REGION_NAME']
sizes = data2['number ']
explode = (0,0,0,0,0,0.1) #将某一块分开
plt.pie(sizes,explode=explode,labels=labels,autopct='%1.1f%%',shadow=False,startangle=150)
plt.title("各分公司活跃用户占比",)
plt.show()
饼状图如下：
