大数据应用开发与实战（1）

一、Matplotlib 基础认知

功能特性：是 Python 强大的绘图库，能将数据以多样化的图表形式呈现，涵盖静态、动态和交互式图表，支持多种输出格式，满足不同场景下的数据可视化需求。

二Matplotlib Pyplott

函数绘图技巧：

plot()函数用于绘制点和线，通过灵活设置参数可定制图形样式。如x和y确定数据点位置，fmt设定基本格式（含颜色、标记、线条样式），**kwargs用于设置额外属性（像标签、线宽）。可以绘制规则或不规则的线，若不指定x轴数据，x会依据y值自动设为0, 1, 2...N - 1。

（1）绘制坐标 (1, 3) 到 (8, 10) 的线

（2）绘制坐标 (1, 3) 和 (8, 10) 的两个点

（3）绘制一条不规则线，坐标为 (1, 3)、(2, 8)、(6, 1)、(8, 10)

（4）如果我们不指定 x 轴上的点，则 x 会根据 y 的值来设置为 0, 1, 2, 3..N-1

练习：在同一张图中分别绘制正弦图和余弦图

2.多元图表绘制方法

散点图：运用scatter()函数绘制，可通过s参数调整图标大小，c参数自定义点的颜色，还能同时绘制两组散点图进行对比分析。

柱形图：bar()绘制水平柱形图，barh()绘制垂直柱形图。能设置柱形颜色，既可以统一设置，也能为各个柱形单独指定颜色，还可利用width（bar()函数）或height（barh()函数）参数调整柱形宽度。

饼图：使用pie()函数绘制，可设置labels添加标签、colors指定颜色、explode突出特定部分、autopct格式化百分比显示，使数据占比情况一目了然。

直方图：hist()函数用于绘制直方图，可设置x指定数据、bins确定箱数、color设定颜色、label添加标签。支持绘制单组或多组数据的直方图，并且能与 Pandas 结合，基于 DataFrame 或 Series 对象进行绘制。

三、Matplotlib 绘图标记

绘图标记与线条定制：plot()函数的marker参数定义标记样式，fmt参数综合设置标记、线条样式和颜色，同时还能借助markersize（ms）、markerfacecolor（mfc）、markeredgecolor（mec）分别调整标记大小、内部颜色、边框颜色；利用linestyle（ls）、color（c）、linewidth（lw）设置线条类型、颜色、宽度。

1.（1） plot()中的 marker 参数：定义一些不一样的标记。

（2）mt 参数定义了基本格式，如标记、线条样式和颜色 fmt = '[marker][line][color]'

（3）设置标记大小与颜色：

参数名字	简写	作用
markersize	ms	定义标记的大小。
markerfacecolor	mfc	定义标记内部的颜色。
markeredgecolor	mec	定义标记边框的颜色。

大小：

外框颜色：

内部颜色：

2.线的类型可以使用 linestyle 参数（可简写为 ls）定义

类型	简写	说明
'solid' (默认)	'-'	实线
'dotted'	':'	点虚线
'dashed'	'--'	破折线
'dashdot'	'-.'	点划线
'None'	'' 或 ' '	不画线

3.线的颜色可以使用 color 参数（可简写为 c）定义：

颜色标记	描述
'r'	红色
'g'	绿色
'b'	蓝色
'c'	青色
'm'	品红
'y'	黄色
'k'	黑色
'w'	白色

4.轴标签、标题与网格线设置：

xlabel()和ylabel()分别用于设置x轴和y轴标签，title()添加图表标题

5.网格线

grid()函数用于添加网格线，可通过参数设置显示与否、网格线类型、显示方向和样式。

b	可选，默认为 None，可以设置布尔值，true 为显示网格线，false 为不显示。
which	可选，可选值有 'major'、'minor' 和 'both'，默认为 'major'，表示应用更改的网格线。
axis	可选，设置显示哪个方向的网格线，可以是取 'both'，'x' 或 'y'，分别表示两个方向，x 轴方向或 y 轴方向。
**kwargs	可选，设置网格样式，可以是 color='r', linestyle='-' 和 linewidth=2，分别表示网格线的颜色，样式和宽度。