Python matplotlib数据可视化 绘制柱形图、堆叠图、折线图、饼图和环图

Python中可以通过matplotlib模块的pyplot子库来完成绘图。Matplotlib可用于创建高质量的图表和图形，也可以用于绘制和可视化结果。matplotlib是Python优秀的数据可视化第三方库，matplotlib.pyplot是绘制种类可视化图形的命令子库，相当于快捷方式 import matplotlib.pyplot as plt.

本文用python对一批运动员数据进行操作，读取数据、数据预处理、matplotlib数据可视化，熟悉用python进行数据分析和可视化的基本方法。

数据集部分截图如下：

pandas读取并查看数据，对于本次练习的数据，读取时需要设置encoding=‘gbk’，不然会报错。

pd.read_csv()读取csv文件，数据有17587行，17列。

代码语言：txt复制

import pandas as pd

df = pd.read_csv('soccer.csv', encoding='gbk')
print(df)

df.info()：查看索引、数据类型和内存信息

代码语言：txt复制

import pandas as pd

df = pd.read_csv('soccer.csv', encoding='gbk')
print(df.info())

df.describe()：查看数值型列的汇总统计情况

代码语言：txt复制

import pandas as pd

df = pd.read_csv('soccer.csv', encoding='gbk')
print(df.describe())

pyplot中文显示：

pyplot并不默认显示中文，坐标系中出现中文汉字，需要增加额外代码辅助。

方法一：

可以通过rcParams修改字体实现，但这种方法改变的是全局的字体。

代码语言：txt复制

import matplotlib as mpl

mpl.rcParams['font.family'] = 'SimHei'
mpl.rcParams['font.size'] = 15

方法二：

在有中文输出的地方，增加一个属性：fontproperties

代码语言：txt复制

import matplotlib.pyplot as plt
import numpy as np

a = np.arange(0.0, 5.0, 0.02)
plt.figure(figsize=(9, 6), dpi=100)
plt.plot(a, np.cos(2 * np.pi * a), 'r--')
# 在特定的地方用中文  和改变字号
plt.xlabel('横轴：时间', fontproperties='SimHei', fontsize=15, color='green')
plt.ylabel('纵轴：振幅', fontproperties='SimHei', fontsize=15, color='red')
plt.show()

1. 绘制柱形图

(1) 将运动员年龄（Age）划分为三个年龄段：’17-26’，’27-36’，’37-47’，统计不同年龄段的人数，并用柱状图可视化。

代码语言：txt复制

import pandas as pd
import matplotlib.pyplot as plt
import matplotlib as mpl

# 读取数据  设置编码  不然会报错
df = pd.read_csv('soccer.csv', encoding='gbk')
# 将运动员年龄（Age）划分为三个年龄段
age_group = ["17-26", "27-36", "37-47"]
# 统计不同年龄段人数
count_1 = df[(df['Age'] >= 17) & (df['Age'] <= 26)]
count_2 = df[(df['Age'] >= 27) & (df['Age'] <= 36)]
count_3 = df[(df['Age'] >= 37) & (df['Age'] <= 47)]
age_counts = [len(count_1), len(count_2), len(count_3)]

# 设置大小   像素
plt.figure(figsize=(9, 6), dpi=100)
# 设置中文显示
mpl.rcParams['font.family'] = 'SimHei'
# 绘制柱形图  设置柱条的宽度和颜色
plt.bar(age_group, age_counts, width=0.35, color='red')
# 添加描述信息
plt.title('不同年龄段人数统计')
plt.xlabel('年龄段')
plt.ylabel('人数')
# 可以设置网格  透明度 线条样式
plt.grid(alpha=0.3, linestyle=':')
# 展示图片
plt.show()

(2) 查看不同技术等级（Skill_Moves ）下的球员数量，以及哪个技术等级的球员数量最多，哪个最少，利用水平柱状图可视化。

代码语言：txt复制

import pandas as pd
import matplotlib.pyplot as plt
import matplotlib as mpl

df = pd.read_csv('soccer.csv', encoding='gbk')
skill_count = df['Skill_Moves'].value_counts()

skill = [f'等级{m}' for m in skill_count.index]    # 列表推导式构造不同技术等级
counts = skill_count.values.tolist()               # 技术等级对应人数统计的列表

# 设置中文显示
mpl.rcParams['font.family'] = 'SimHei'
# 设置大小  像素
plt.figure(figsize=(9, 6), dpi=100)
# 绘制水平柱状图
plt.barh(skill[::-1], counts[::-1], height=0.5, color='#FF00FF')
plt.title('不同技术等级人数统计')
plt.xlabel('人数')
plt.show()

2. 绘制堆叠图

将运动员年龄（Age）划分为三个年龄段：’17-26’，’27-36’，’37-47’，统计 3 个年龄段下 5个技术等级（Skill_Moves）的人数，并用堆叠图可视化。

代码语言：txt复制

import pandas as pd
import matplotlib.pyplot as plt
import collections
import numpy as np
import matplotlib as mpl

df = pd.read_csv('soccer.csv', encoding='gbk')
age_group = ["17-26", "27-36", "37-47"]

# & 与    | 或   不同条件之间 ()括起来
data1 = df[(17 <= df['Age']) & (df['Age'] <= 26)]
age1 = list(data1['Skill_Moves'])
data2 = df[(27 <= df['Age']) & (df['Age'] <= 36)]
age2 = list(data2['Skill_Moves'])
data3 = df[(37 <= df['Age']) & (df['Age'] <= 47)]
age3 = list(data3['Skill_Moves'])

# 分别统计三个年龄段 不同等级人数
count_1 = collections.Counter(age1).most_common()
count_2 = collections.Counter(age2).most_common()
count_3 = collections.Counter(age3).most_common()
count_3.append((5, 0))    # 37-47年龄段等级5人数为零  手动添上

counts = count_1   count_2   count_3
datas = [[] for i in range(5)]
for i in counts:
	datas[i[0] - 1].append(i[1])

# 转化为数组  堆叠时可以对应相加
grades = np.array(datas)
# print(grades)
# 设置大小   像素
plt.figure(figsize=(9, 6), dpi=100)
# 设置中文显示
mpl.rcParams['font.family'] = 'SimHei'

plt.bar(age_group, grades[0], label='等级一', color='red', width=0.35)
plt.bar(age_group, grades[1], bottom=grades[0], label="等级二", color="#9400D3", width=0.35)
plt.bar(age_group, grades[2], bottom=grades[0]   grades[1], label="等级三", color="#0000FF", width=0.35)
plt.bar(age_group, grades[3], bottom=grades[0]   grades[1]   grades[2], label="等级四", color="#FFFF00", width=0.35)
plt.bar(age_group, grades[4], bottom=grades[0]   grades[1]   grades[2]   grades[3], label="等级五", color="#006400", width=0.35)

plt.title('不同年龄段等级人数统计')
plt.xlabel('年龄段')
plt.ylabel('人数')
plt.grid(alpha=0.3, linestyle=':')
# 显示图例 位置
plt.legend(loc=0)
plt.show()

3. 绘制折线图

利用频数分布折线图来查看运动员身高（Height）与体重（Weight）的分布

代码语言：txt复制

import pandas as pd
import matplotlib.pyplot as plt
import matplotlib.gridspec as gridspec
import matplotlib as mpl

df = pd.read_csv('soccer.csv', encoding='gbk')

# <class 'pandas.core.series.Series'>
height = df['Height'].value_counts()
weight = df['Weight'].value_counts()
# SeriseL类型通过索引进行排序  也就是按身高从低到高排序
heights = height.sort_index()
weights = weight.sort_index()

mpl.rcParams['font.family'] = 'SimHei'
gs = gridspec.GridSpec(1, 2)
plt.figure(figsize=(12, 5), dpi=100)
# 设置图形显示风格
plt.style.use('ggplot')
ax1 = plt.subplot(gs[0, 0])
ax2 = plt.subplot(gs[0, 1])

# 子图1
ax1.plot(heights.index, heights.values)
ax1.set_title('运动员身高频数分布折线图')
ax1.set_xlabel('身高(cm)')
ax1.set_ylabel('人数')
# 子图2
ax2.plot(weights.index, weights.values)
ax2.set_title('运动员体重频数分布折线图')
ax2.set_xlabel('体重(kg)')
ax2.set_ylabel('人数')

plt.show()

4. 绘制饼图

(1) 使用饼图查看运动员的惯用脚（Preffered_Foot）字段中不同惯用脚人数的占比。

代码语言：txt复制

import pandas as pd
import matplotlib.pyplot as plt
import matplotlib as mpl

preffered_foot = list(pd.read_csv('soccer.csv', encoding='gbk')['Preffered_Foot'])
foot = ['右脚', '左脚']
counts = [preffered_foot.count('Right'), preffered_foot.count('Left')]

# 设置中文显示
mpl.rcParams['font.family'] = 'SimHei'
# 设置大小  像素
plt.figure(figsize=(9, 6), dpi=100)
plt.axes(aspect='equal')   # 保证饼图是个正圆
explodes = [0, 0.2]
color = ['red', '#00FF00']
# 绘制饼图
# x：统计数据   explode：是否突出显示    label：标签  color：自定义颜色
# autopct：设置百分比的格式,保留2位小数  shadow：  有阴影  看起来立体
# startangle：初始角度 可使饼图旋转      labeldistance：标签离圆心的位置
plt.pie(counts, explode=explodes, labels=foot,
		colors=color, autopct='%.2f%%', shadow=True,
		startangle=15, labeldistance=0.8,
		)
plt.title('不同惯用脚的运动员人数占比图', fontsize=15)
plt.show()

(2) 按照运动员的技术等级（Skill_Moves），使用环图展示出运动员不同技术等级人数的占比。

代码语言：txt复制

import pandas as pd
import collections
import matplotlib.pyplot as plt
import matplotlib as mpl

skill_moves = list(pd.read_csv('soccer.csv', encoding='gbk')['Skill_Moves'])
skill_count = collections.Counter(skill_moves).most_common()

skill = ['等级{}'.format(m[0]) for m in skill_count]
counts = [n[1] for n in skill_count]

# 设置大小  像素
plt.figure(figsize=(9, 6), dpi=100)
# 设置中文显示
mpl.rcParams['font.family'] = 'SimHei'
plt.axes(aspect='equal')   # 保证饼图是个正圆
x_ = [1, 0, 0, 0, 0]	   # 用于显示空心
color = ["red", "blue", "yellow", "green", "purple"]

plt.pie(x=counts, colors=color, pctdistance=0.9,
		startangle=45, autopct='%.1f%%', shadow=True,
		)
# 小的空白圆填充  实现圆环效果
plt.pie(x_, radius=0.65, colors="w")

# 添加图例  可以微调位置
plt.legend(skill, bbox_to_anchor=(0.9, 0.92))
plt.title('不同技术等级的运动员人数占比图', fontsize=15)
plt.show()

其他说明

• 数据集来源于网络，仅用于知识交流，真实性未知。
• 数据的网盘链接：https://pan.baidu.com/s/1nmdwsHg99d29KSuJSaLQOw 提取码：yty6 感兴趣的读者可以提取数据自行练习，印象会更深刻。
• 欢迎提出改进意见，以期共同进步，觉得文章还不错的老铁点个赞可好呀>_<

作者：叶庭云 微信公众号：修炼Python CSDN：https://yetingyun.blog.csdn.net/ 本文仅用于交流学习，未经作者允许，禁止转载，更勿做其他用途，违者必究。 觉得文章对你有帮助、让你有所收获的话，期待你的点赞呀，不足之处，也可以在评论区多多指正。

python 数据可视化

0 人点赞