目录
6.1线形图
6.1.1基本使用
6.1.2颜色与线条
6.1.3点标记
6.2柱状图
6.2.1基本使用
6.2.2刻度于标签
6.2.3图例
6.3其他图表
6.3.1散点图
6.3.2直方图
6.4自定义设置
6.4.1图表布局
6.4.2文本注解
6.4.3样式与字体
6.5综合示例--星巴克店铺数据
6.5.1数据来源
6.5.2定义问题
6.5.3数据清洗
6.5.4数据探索
数据可视化时数据分析中的一部分，可用于数据的探索和查找缺失值等，也是展现数据的重要手段。matplotlib是一个强大的工具箱，其完整的图标样式函数和个性化的自定义设置，可以满足几乎所有的2D和一些3D绘图的需求。本章节介绍了如何利用matplotlib绘制常用数据图表，如线形图、柱状图、散点图和直方图；还介绍了如何使用matplotlib的自定义设置绘制个性化图表；最后使用全球星巴克店铺的数据进行数据分析和可视化。
6.1线形图
线形图是最基本的图标类型，常用于绘制连续的数据。通过绘制线形图，可以表现出数据的一种趋势变化。例如，公司通过绘制每个月份的产品销售量趋势图，来分析产品的销售情况，以此做出销售方式的调整。
6.1.1基本使用
matplotlib的plot函数可以用来绘制线形图，在参数中传入X轴和Y轴坐标即可。X轴和Y轴坐标的数据格式可以是列表、数组和Series。首先创建一个Dataframe数据，如下图
然后让Dataframe数据的行索引作为X轴，math列索引作为Y轴，开始绘制线形图。
6.1.2颜色与线条
通过plot函数的color参数可以指定线条颜色，这里绘制的是红色的线条，如下图
也可以指定RGB值来更改线条的颜色，如下图
注：完整的参数列表可以参考matplotlib官方文档。
通过plot函数的linestyle参数可以指定线条的形状，这里绘制出虚线的线条，如下图所示。
通过plot函数的linewidth参数可以指定线条的宽度，如图所示
6.1.3点标记
默认情况下，坐标点是没有标记的，通过plot函数的marker参数可对坐标点进行标记。如图
颜色、线条和点的样式可以一起放置于格式字符串中，但颜色设置要放在线条和点的样式前面如下图
6.2柱状图
6.2.1基本使用
绘制柱状图主要是使用matplotlib的bar函数。相比通过pandas绘制柱状图，通过matplotlib绘制柱状图的方法稍显复杂，需传入刻度列表和高度列表。如下图所示
通过bar函数的color参数可以设置柱状图的填充颜色，alpha参数可以设置透明度，如下图所示
grid函数用于绘制格网，通过对参数的个性化设置，可以绘制出个性的网格，如下图
bar函数的bottom参数用于设置柱状图的高度，以此可以绘制堆积柱状图，如图所示
bar函数的width参数用于设置柱状图的宽度，以此可以绘制并列柱状图，如图所示
ba函数通过barh函数可以绘制水平柱状图，如图所示
6.2.2刻度于标签
通过6.2.1节的例子可以看出，绘制的柱状图的X轴刻度上没有对应的刻度标签，但是现实中的柱状图的X轴是需要标签的。在matplotlib中，通过xticks函数可以设置图表的X轴刻度和刻度标签，通过以下代码可以实现绘制带有标签的柱状图。
注：通过yticks函数可以修改Y轴的刻度和标签
通过xlabel和ylabel方法给X轴和Y轴添加标签，通过title方法为图表添加标题，如图
6.2.3图例
图例是标识图表元素的重要工具。在bar函数中传入label参数可表明图例名称，通过legend函数即可绘制出图例。如下图所示
下面通过消费数据，讲解如何在现实数据中绘制柱状图，如图所示。通过groupby函数可统计男女性别小费平均值，如图
下面给出该Series的索引作为X轴刻度标签的代码，绘制柱状图如图
6.3其他图表
6.3.1散点图
matplotlib的scatter函数可以用来绘制散点图，传入X和Y轴坐标即可，首先利用NumPy创建一组随机数据，如图
也可以为三点更改颜色和点标记，如图
6.3.2直方图
matplotlib的hist函数可以用来绘制直方图，如图
6.4自定义设置
由于matplotlib是最底层的绘图库，因此有很大的设置空间。本节将讲解如何通过matplotlib进行自定义绘图设置。
6.4.1图表布局
matplotlib的图像位于Figure对象中。通过figure函数可以创建一个新的Figure，用于绘制图表，其中的figsize参数可以设置图表的长宽比。在创建Figure对象过程中，通过add_subplot函数创建子图，用于绘制图形，如下图
这时通过选择不同的ax变量，便可在对应的subplot子图中绘图
通过plt.subplot可以很轻松的创建子图，而且axes的索引类似于二维数组，这样便可以对指定的子图进行绘制
默认情况下，各subplot子图间都会留有一定的间距，如图所示
当没有设置figsize时，创建多个子图会显得拥挤。通过plt.subplots_adjust方法可以设置子图的间距，修改子图之间的间距，如下图，具体参数如下
subplots_adjust(left=None,bottom=None,right=None,top=None,wspace=None,hspace=None)
其中,前四个参数用于设置subplot子图的外围边距,wspace和hspace参数用于设置subplot子图间的边距.
6.4.2文本注解
有时需要在图标上加上文本注解,例如,在柱状图上加入文本数字,可以很清楚的知道每个类别的数量。通过text函数可以在指定的坐标（x，y）上加入文本注解，如图所示
6.4.3样式与字体
matplotlib自带了一些样式供用户使用，最常用的时ggplot样式，该样式是参考R语言中的ggplot库。通过plt.style.use('ggplot')函数即可调用该样式绘图，如图
matplotlib默认为英文字体，如果会之中出现汉字就会发生乱码，所以需要matplotlib指定默认的字体，这样就可以解决中文乱码的问题。代码如下
plt.rcParams['font.sans-serif'] = ['simhei'] #指定默认字体
plt.rcParams['axes.unicode_minus'] = False #解决保存图像时负号‘-’显示为方块的问题
plt.title('案例')
6.5综合示例--星巴克店铺数据
本节以kaggle官网中的星巴克店铺数据为例，利用pandas数据分析方法，通过matplotlib可视化手段，分析星巴克店铺分布情况。
6.5.1数据来源
本例中使用的数据集可在kaggle网站上Starbucks Locations Worldwide | Kaggle下载，如图所示
注：下载之前需要注册kaggle账号
下载好之后通过pandas读取
以上数据为kaggle官网上公开的星巴克在全球店铺的数据。数据的介绍信息可通过kaggle官网进行查看。如下图。选择Data标签后，可以查看数据，以及字段的解释性信息。这里主要的字段有：City为店铺所在城市：State/Province为店铺所在的州和省份；Country为店铺所在的国家。
6.5.2定义问题
本次分析中，围绕星巴克店铺所在地提出几个问题；星巴克店铺在全球的分布情况，那些国家星巴克店铺较多；那些城市的星巴克店铺较多，星巴克店铺在我国的分布情况
6.5.3数据清洗
针对City、State/Province和Country地区字段，查看是否有缺失值；
可以看出City有15个缺失值，这里对这些缺失值进行查看，如下图，
发现多维埃及（EG）国家，这里分析可能是没有统计到具体城市。为了样本的完整性，定义填充函数，用State/Province进行填充，
然后查看Brand字段的唯一值，发现店铺并不只有星巴克，还有一些其他的店面，但这里是分析星巴克店铺的信息，所以需要先“清洗”数据，然后将清洗好的数据进行存储
6.5.4数据探索
通过简单统计可以看出，星巴克共有25249家分布，分布在73个国家或地区，5406个城市，如图
对Countyr字段进行计数，筛选出前店铺数量排名前10的国家，如下图，从图中可知，美国位居榜首，中国次之
通过下面的代码绘制柱状图，如图所示
对City字段进行计数，筛选出店铺数量前10位的城市，如图所示，上海作为国际化大都市,星巴克店铺数量最多，多于排名第2的城市将近300家，而西雅图作为星巴克的总部城市，排名第10名。
注：途中Mexico City 指墨西哥的一些城市分布，数据集中将其算在一起了
通过下面的代码绘制柱状图，如下图
为了分析星巴克店铺在我国的分布情况，提取中国店铺数据单独存储，如图
对City字段进行计数，筛选出星巴克中国店铺数据前10的城市，如图
通过下面代码绘制柱状图
