探索数据可视化中绘图的生命周期

简介

在本实验中，我们将使用 Matplotlib 探索绘图的生命周期。我们将从原始数据开始，最终保存一个定制的可视化结果。我们将学习如何创建绘图、控制其样式、自定义其外观、组合多个可视化结果以及将绘图保存到磁盘。

虚拟机提示

虚拟机启动完成后，点击左上角切换到“笔记本”标签以访问 Jupyter Notebook 进行练习。

有时，你可能需要等待几秒钟让 Jupyter Notebook 完成加载。由于 Jupyter Notebook 的限制，操作验证无法自动化。

如果你在学习过程中遇到问题，请随时向 Labby 提问。课程结束后提供反馈，我们将立即为你解决问题。

这是一个实验（Guided Lab），提供逐步指导来帮助你学习和实践。请仔细按照说明完成每个步骤，获得实际操作经验。根据历史数据，这是一个初级级别的实验，完成率为 91%。获得了学习者 97% 的好评率。

导入必要的模块

首先，我们需要导入所需的模块：Matplotlib 和 NumPy。

import matplotlib.pyplot as plt
import numpy as np

准备数据

我们将使用一个包含不同公司销售信息的示例数据集。以下是数据示例：

data = {'Barton LLC': 109438.50,
        'Frami, Hills and Schmidt': 103569.59,
        'Fritsch, Russel and Anderson': 112214.71,
        'Jerde-Hilpert': 112591.43,
        'Keeling LLC': 100934.30,
        'Koepp Ltd': 103660.54,
        'Kulas Inc': 137351.96,
        'Trantow-Barrows': 123381.38,
        'White-Trantow': 135841.99,
        'Will LLC': 104437.60}
group_data = list(data.values())
group_names = list(data.keys())
group_mean = np.mean(group_data)

创建绘图

我们将使用条形图可视化来展示销售数据。请按以下步骤操作：

使用 plt.subplots() 创建一个图形和一个轴对象。

fig, ax = plt.subplots()

使用轴对象的 barh() 方法绘制数据。

ax.barh(group_names, group_data)

自定义绘图样式

我们可以更改绘图的样式，使其在视觉上更具吸引力。请按以下步骤操作：

使用 print(plt.style.available) 打印可用样式列表。

print(plt.style.available)

选择一种样式并使用 plt.style.use(style_name) 应用它。

plt.style.use('fivethirtyeight')

让我们再次显示绘图。

fig, ax = plt.subplots()
ax.barh(group_names, group_data)

自定义绘图外观

我们可以进一步自定义绘图的外观。请按以下步骤操作：

旋转 x 轴标签，使其更具可读性。

labels = ax.get_xticklabels()
plt.setp(labels, rotation=45, horizontalalignment='right')

设置 x 轴和 y 轴的范围、标签以及标题。

ax.set(xlim=[-10000, 140000],
       xlabel='Total Revenue',
       ylabel='Company',
       title='Company Revenue')

再次显示绘图。

fig, ax = plt.subplots()
ax.barh(group_names, group_data)
labels = ax.get_xticklabels()
plt.setp(labels, rotation=45, horizontalalignment='right')
ax.set(xlim=[-10000, 140000], xlabel='Total Revenue', ylabel='Company',
       title='Company Revenue')

组合多个可视化元素

我们可以向可视化图形中添加其他绘图元素。请按以下步骤操作：

添加一条代表销售数据平均值的垂直线。

ax.axvline(group_mean, ls='--', color='r')

在图上标注新公司。

for group in [3, 5, 8]:
    ax.text(145000, group, "New Company", fontsize=10, verticalalignment="center")

调整绘图标题的位置。

ax.title.set(y=1.05)

完整代码如下所示。

fig, ax = plt.subplots(figsize=(8, 8))
ax.barh(group_names, group_data)
labels = ax.get_xticklabels()
plt.setp(labels, rotation=45, horizontalalignment='right')

## Add a vertical line, here we set the style in the function call
ax.axvline(group_mean, ls='--', color='r')

## Annotate new companies
for group in [3, 5, 8]:
    ax.text(145000, group, "New Company", fontsize=10,
            verticalalignment="center")

## Now we move our title up since it's getting a little cramped
ax.title.set(y=1.05)

ax.set(xlim=[-10000, 140000], xlabel='Total Revenue', ylabel='Company',
       title='Company Revenue')

plt.show()

保存绘图

最后，我们可以将绘图保存到磁盘。请按以下步骤操作：

使用 print(fig.canvas.get_supported_filetypes()) 打印支持的文件格式。

print(fig.canvas.get_supported_filetypes())

使用 fig.savefig(file_path, transparent=False, dpi=80, bbox_inches="tight") 将图形保存为图像文件。取消注释此行以保存图形。

fig.savefig('sales.png', transparent=False, dpi=80, bbox_inches="tight")

你可以使用左侧边栏中的文件资源管理器打开保存的图像文件。

总结

在本实验中，我们学习了使用 Matplotlib 的绘图生命周期。我们从创建绘图开始，控制其样式，自定义其外观，组合多个可视化元素，最后将绘图保存到磁盘。Matplotlib 提供了广泛的自定义选项，以创建视觉上吸引人且信息丰富的绘图。