打开《Python 可视化数据分析》_学会挖掘大数据的价值

打开《Python 可视化数据分析》_学会挖掘大数据的价值_5.1.2 绘图简述

【摘要】本书摘自《Python网络爬虫从入门到精通》一书中第5章，第1节，李迎著。

5.1.2 绘图简述

1. 数据介绍

打开《Python 可视化数据分析》_学会挖掘大数据的价值_5.1.2 绘图简述

通过列表 x=[1,2],y=[3,6] 可以生成两个点(1,3)和(2,6),通过这两个点可以绘出一条直线。如果想绘制更平滑的曲线就需要更多的点，这时可以利用Numpy 包生成所需数据，在第4章中对 Numpy 的数据创建有所介绍，请参考。这里使用 Numpy 包中的 arange()生成有序数做示例，即 np.arange(2,10) 。生成的数是[23456789]。

除了此函数还有 np.linspace(1,10,50), 可以生成1～10之间50个随机数。形式如：

[1. 1.18367347 1.36734694 1.55102041 1.73469388 1.91836735

2.102040822.285714292.469387762.653061222.836734693.02040816

3.20408163 3.3877551 3.57142857 3.75510204 3.938775514.12244898

4.30612245 4.48979592 4.673469394.857142865.040816335.2244898

5.408163275.591836735.7755102 5.959183676.14285714 6.32653061

6.51020408 6.69387755 6.87755102 7.061224497.244897967.42857143

7.6122449 7.795918377.979591848.163265318.34693878 8.53061224

8.714285718.897959189.081632659.265306129.448979599.63265306 9.8163265310. ]

除了这种生成的数据，还可以利用我们之前爬取的很多存成固定格式的数据，

比如 csv 、Excel 等类型的数据文件，在后面的绘图中会使用。

2. 需要的库

在绘制图形的过程中还需要其他库，比如本章的绘图中就需要绘图库 matplotlib.pyplot, 如果需要数据的创建或运算，还需要用到 Numpy 库。在编码过程中，这两个库的使用频率较高，而这两个库的名字较长，这难免会给我们带来不便，所以一般给其设置别名，这样可以大大减少重复性工作，名称简化的具体代码如下，如果在代码中设置了库的简化名称，再用到这个库就需要使用简化名称，再使用原

名称就会报错。

1 import matplotlib.pyplot as plt

2 import numpy as np

Numpy 是Python 用于数学运算的库，也和 Matplotlib 库一样，需要提前安装才能使用。pyplot 是 Matplotlib 一个子模块，主要为底层的面向对象的绘图库提供状态机界面。状态机隐式地自动创建数字和坐标轴，以实现所需的绘图。Matplotlib 中的所有内容都按照层次结构进行组织。顶层就是由 pyplot 提供的 Matplotlib“状态

机环境”,基于这个状态机环境，我们就可以创建图形。

3. 图形组成部分概念

在这里介绍三个组成图的概念，因为容易混淆，所以在这里重点说明。第一个是 Figure,Figure 被称为图像窗口，或者简称画布，我们可以把所绘的图形呈现在画布上面，也可以省略 Figure 不使用。后续的数据分析中，很多都省略了画布的使用。Figure 包含 Axes 、tiles 、legends 等常用组件，我们可以通过 Figure 美化图形，图5-2就是一个带有画布的图形。Axes 是 Figure 中的组件，名字叫子图。

一个 Figure 中可以有多个子图，但至少要有一个能够显示内容的子图。

Axes 设在 Figure 里面，是带有数据的图像区域。下面的4行代码运行结果可以区分没有创建 Axes 和创建 Axes图形的区别。第1行代码表示导入绘图库并简称，第2行是创建画布，在画布上绘图，第3行添加标题以便我们辨别，标题为 “No axes on this figure”, 第4行是创建一个以 Axes 为单位的2×2 网格的 Figure, 从运行结果可以看到，图5-3中，左图的 Figurel 中没有 axes,右图的 Figure2 中有 4 个Axes 。