数据经过NumPy和Pandas的计算，最终得到了我们想要的数据结论，但是这些数据结论并不直观，所以想要把数据分析的结论做到可视化，让任何其他人看起来毫无压力，那么Matplotlib将派上用场。

Matplotlib简介

Matplotlib是一个Python全面的绘图库，用于创建静态、动画和交互式可视化。通过 Matplotlib，我们可以仅需要写几行代码，就可以生成绘图，直方图，功率谱，条形图，错误图，散点图等，方便数据展示。

Matplotlib的官网地址为https://matplotlib.org/，这里有权威的官网资料，同样与numpy和pandas一样，文档是英文的表达，对读者有一定的能力要求。

折线图

import matplotlib.pyplot as plt
import numpy as np
# 用来正常显示中文标签
plt.rcParams['font.sans-serif'] = ['SimHei']
#x轴生成一个ndarray
x = np.arange(1, 11)
# y轴等于2x
y = 2 * x
#设置作图标题
plt.title("y=2x的坐标图")
#设置x轴标签
plt.xlabel("x轴")
#设置y轴标签
plt.ylabel("y轴")
#绘制折线图
plt.plot(x, y)
#将折线图显示
plt.show()

代码运行结果会生成y=2x的坐标图，如图所示。如果不设置plt的rcParams的参数值，那么生成的图片中将无法正常显示中文。

绘制折线图方法plt.plot(x,y,format_string,**kwargs)

x:x轴数据，列表或数组，可选

y:y轴数据，列表或数组

format_string：控制曲线的格式字符串，可选，由颜色字符、风格字符和标记字符组成。

**kwargs：表示可选多个

常用的控制曲线格式的字符串如下几种：

color:控制颜色，color=’g’

linestyle:线条风格，简写ls，例如ls='-'。'--'表示长虚线

marker:标记风格，例如marker = 'o'，

markerfacecolor:标记颜色，简写用mfc，例如mfc= 'red'

markersize:标记尺寸，简写用ms，例如ms= 10

下面使用上面的自定义参数制作一个个性化的图表：

import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif'] = ['SimHei']
x = np.arange(1, 11)
y = 2 * x
plt.title("y=2x的坐标图")
plt.xlabel("x轴")
plt.ylabel("y轴")
#个性化制作曲线
plt.plot(x, y, color='r', ls='--', marker='o', mfc='blue', ms=10)
plt.show()

代码运行结果如图所示

常用的颜色字符的简写如表所示，基本上可以用颜色英文单词的首字母。如果需要更多颜色，也支持使用16进制的RGB色彩模式。

常用风格字符

常见的标记字符

散点图

import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif'] = ['SimHei']
x = [1, 2, 3, 4, 5]
y = [2, 3, 7, 8, 4]
plt.title("散点图")
plt.xlabel("x轴")
plt.ylabel("y轴")
plt.scatter(x, y, color='r', marker='*')
plt.show()

代码运行结果会生成x轴和y轴指定点的坐标图，如图所示。scatter ()函数中的color表示颜色，marker表示点的形状,与plot的值通用。

直方图

import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif'] = ['SimHei']  # 用来正常显示中文标签
plt.rcParams['axes.unicode_minus'] = False  # 正常显示负号
# 生成正态分布的10000个随机数
data = np.random.randn(10000)
plt.hist(data, bins=50, fc="b", ec="w")
# 设置x轴标签
plt.xlabel("区间")
# 设置y轴标签
plt.ylabel("频数")
# 设置图标题
plt.title("正态分布直方图")
plt.show()

代码运行结果如图所示。randn()函数的作用就是从标准正态分布中返回一个或多个样本值。标准正态分布俗称高斯分布，正态分布是大自然中最常见的分布，标准正态分布就是期望为0，方差为1的正态分布。

在hist()方法中参数含义如下：

data:必选参数，绘图数据

bins:直方图的长条形数目，默认为10,为了更加明显地看出正态分布，可以设置大一些。

fc:全写为facecolor，长条形的颜色

ec:全写为edgecolor，长条形边框的颜色

条形图

在之前的小节中得到了高分电影上映年份的TOP，现在我们就将此数据做成可视化的条形图。

import pandas as pd
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif'] = ['SimHei']
df = pd.read_excel('movie.xlsx')
# 统计每年上映的电影数的前十年份
series = df['上映年份'].value_counts()[:10]
# 格式化年份数据 int转成str 获得横（x）坐标数据
x = []
for i in series.index.tolist():
x.append(str(i))
#获得纵（y）坐标数据
y = series.values.tolist()
ax = plt.bar(x, y, width=0.4)
# 添加横坐标显示
plt.xticks(x, x)
# 在每个条形图上方显示数值
for a, b in zip(x, y):
plt.text(a, b + 0.1, '%.0f' % b, ha='center', va='bottom', fontsize=10)
#设置横纵坐标标签
plt.xlabel('上映年份')
plt.ylabel('上映数量')
plt.title('高评分电影上映年代TOP10')
plt.show()

代码运行结果如图所示，得到这个可视化的图表后，在简单意义上已经完成了一个简单的数据获取、分析以及可视化的过程。

条形图绘制函数bar(),基本用法如下：

bar(x, height, width=0.8, bottom=None, *, align='center', data=None, **kwargs)

x: 横坐标（序列）

height：纵坐标（系列）

width：条形图的宽度，默认是0.8，可以根据实际大小设置，以更加美观

bottom：用于绘制堆叠条形图，默认值为None

align：x轴刻度标签的对齐方式，包括：'center'，'edge'，默认是'center'

饼图

import pandas as pd
import matplotlib.pyplot as plt


plt.rcParams['font.sans-serif'] = ['SimHei']
df = pd.read_excel('movie.xlsx')
# 统计每年上映的电影数的前十年份
series = df['制片国家/地区'].value_counts()[:10]
label_list = series.index.tolist()  # 各部分标签
size = []  # 各部分大小
last = 250
for i in series.values:
last = last - i
size.append(i / 250)
# 显示前10个国家名称，补充剩余国家
label_list.append("其他国家")
size.append(last / 250)
#设置画布大小
plt.figure(figsize=(8, 8))
# 设置各部分颜色
color = ["r", "g", "b", "y", "tomato", "skyblue", "sandybrown", "hotpink", "lightcoral", "mediumturquoise",
"paleturquoise"]
# 画图
plt.pie(size, colors=color, labels=label_list, labeldistance=1.1,
autopct="%1.1f%%", shadow=True, startangle=90)
# 设置横轴和纵轴大小相等，这样饼才是圆的
plt.axis("equal")
plt.title("高评分电影制片国家分布占比图")
plt.legend()
plt.show()

代码运行结果如图所示。

pie()方法用来绘制饼图, pie的参数有很多，如下所列出：

pie(x, explode=None, labels=None, colors=None, autopct=None,
pctdistance=0.6, shadow=False, labeldistance=1.1,
startangle=None, radius=None, counterclock=True,
wedgeprops=None, textprops=None, center=(0, 0), frame=False,
rotatelabels=False, *, data=None)

pie方法常用的参数有以下几个：

x:饼图百分比数据

labels：设置饼图中各个部分的标签

autopct：设置百分比信息的字符串格式化方式，默认值为None,不显示百分比

shadow：设置饼图的阴影，使得看上去有立体感，默认值为False

startangle：设置饼图中第一个部分的起始角度

radius：设置饼图的半径，数值越大，饼图越大

counterclock：设置饼图的方向，默认为True，表示逆时针方向，值为False时为顺时针方向

colors：颜色设置，默认值为None, 会使用默认的调色盘，所以通常情况下，不需要设置该参数。但是调色盘会有10个颜色，上图例子中有11个部分，这样造成了首位颜色一样，不好区分，所以设置自定义11个颜色的调色盘

explode：设置突出显示饼图中的指定部分，参数值需要与x的个数一致