最近卡塔尔世界杯正在火热的进行着，相信球迷们一定不会错过每一场精彩的比赛吧，在看球的同时，小伙伴们不要忘记自己的学习与工作哦，本人纯属路人，虽然不是很懂球，但是很喜欢梅西，所以我开始关注梅西，并用Python将梅西的生涯数据进行了简单的可视化，感兴趣的小伙伴可以了解一下哦，这样就可以将你喜欢的球星生涯数据进行可视化喽~
目录
前言
一、初识Matplotlib库，对数据进行简单的可视化操作
1. 画布
2. 可视化
二、致敬梅西，用Matplotlib将梅西的生涯数据进行可视化
1. 获取梅西的生涯数据
2. 将梅西的生涯数据进行可视化
前言
在如何对梅西的生涯数据进行可视化的问题上，我使用的是Anaconda的Jupter Notebook，主要原因是它特别适合对数据进行可视化操作~也特别适合学习Python的新手来记笔记~具体的下载操作可以进入Anaconda官网进行下载安装喔~
一、初识Matplotlib库，对数据进行简单的可视化操作
Matplotlib库是Python中的一个库，其中包含很多的绘图模块，这里我们主要运用的是pyplot绘图模块，所以接下来我会重点对其进行介绍哦~
>>首先我们需要引入matplotlib库，一般我们会将matplotlib库与numpy库一起使用
import matplotlib.pyplot as plt
import numpy as np
1. 画布
在画图之前，我们需要先考虑要画的图的大小喔~
（1）设置画布的大小，我们需要用到figure()函数：
fig=plt.figure(figsize=(w,h),dpi=dpi)
figsize为画布的宽与高，dpi为像素
（2）当我们需要在一个画布上画多张图的时候，那么我们就需要对画布进行分割，此时我们会用到add_subplot()函数：
fig.add_subplot(row,col,k)
row为行数，col为列数，绘制子图个数为row*col，并选中图片编号k
（3）在对画布的基本设置完成后，我们需要添加画布的内容，在这里，我们需要先加两行代码，使得图形正常显示中文：
plt.rcParams['font.sans-serif']='SimHei'
plt.rcParams['axes.unicode_minus']=False
在这里我介绍几个简单主体部分：
①对于整个画布来说：标题(title()函数)、x轴(xlabel()函数)、y轴(ylabel)、x轴刻度(xticks()函数)、y轴刻度(yticks()函数)
②对于子图来说：标题(set_title()函数)、x轴(set_xlabel()函数)、y轴(set_ylabel)、x轴刻度(set_xticks()函数)、y轴刻度(set_yticks()函数)
（4）其他函数：
plt.show()：将图片打印出来（可视化）
plt.text()：获取图中某个点的值
2. 可视化
在可视化数据时，我们需要先选择一个适合的图例，这里我主要介绍了五种不同的图例，选择你喜欢的一个，对数据进行可视化吧~
（1）折线图
在绘制折线图时，我们主要运用plt.plot()函数，其基本语法为：
plt.plot(x,y,color,marker,linestyle,linewidth,markersize,alpha)
其中，x为横坐标，y为纵坐标，color为颜色，marker为点型，linestyle为线型，linewidth为线宽，markersize为点型大小，alpha为透明度
（2）散点图
在绘制散点图时，我们主要运用plt.scatter()函数，其基本语法为：
plt.scatter(x,y,s,c,marker,alpha)
其中，x为横坐标，y为纵坐标，c为颜色，marker为点型，alpha为透明度
（3）直方图
在绘制直方图时，我们主要运用plt.hist()函数，其基本语法为：
(n,bins,patches)=plt.hist(x,n,range,density,color,label,stacked,normed,data)
其中，x为数据，n为箱子bin的个数，density取0为频数图，取1为频率图
（4）条形图
在绘制条形图时，我们主要运用plt.bar()函数，其基本语法为：
plt.bar(x,height,width,color,bottom,hold,data)
其中，x为x轴数据，height为x轴所代表数据的数量（条形图的高度），width条形图的宽度
（5）饼图
在绘制饼图的时候，我们主要运用plt.pie()函数，其基本语法为：
plt.pie(x,explode,labels,colors,autopct,pctdistance,shadow,labeldistance,radius)
其中，explode为离圆心的半径，colors为颜色，autopct为百分比，shadow为阴影，radius为半径
二、致敬梅西，用Matplotlib将梅西的生涯数据进行可视化
1. 获取梅西的生涯数据
互联网的力量是巨大的，梅西的生涯数据在网上都可以查到，下面是我查到的部分梅西生涯数据，你也可以搜索你喜欢的球星，然后获得他的生涯数据，并将其导入excel表格中，然后就可以对其进行数据可视化啦~
2. 将梅西的生涯数据进行可视化
话不多说，直接将梅西的生涯数据进行可视化吧~
在这里附上我的源码，仅供参考哦~（可根据需求自型修改，绘制自己想要的图例）
import numpy as np #导入numpy库 import xlrd #导入xlrd库 import matplotlib.pyplot as plt #导入matplotlib库 plt.rcParams['font.sans-serif']='SimHei' #必写句 plt.rcParams['axes.unicode_minus']=False wb=xlrd.open_workbook("d:\\【世界杯限定】致敬梅西.xls") #打开梅西生涯数据的excel表格 sheet=wb.sheet_by_index(0) #获取excel表格第一个表格，并对其进行操作 d=sheet.col_values(1)[2:171] #获取日期 y1=sheet.col_values(7)[2:171] #获取上场时间 y2=sheet.col_values(8)[2:171] #获取进球数 y3=sheet.col_values(9)[2:171] #获取助攻数 y4=sheet.col_values(10)[2:171] #获取得牌数 fig=plt.figure(figsize=(16,18),dpi=80) #设置画布大小 ax1=fig.add_subplot(2,2,1) #设置子图，操作子图1 #子图1表示梅西整个生涯的上场时间与时间的关系 ax1.set_xlabel('时间',fontsize=12) #y轴标签 ax1.set_ylabel('上场时间',fontsize=12) #x轴标签 x=range(0,len(y1)) ax1.plot(x,y1,marker=',',c='blue') #画生涯上场时间与时间关系的折线图 ax1.set_xticks(range(0,170,10),d[0:170:10],rotation=45) ax1.set_title('梅西上场时间',fontsize=15) #标题 i_min1,Min1=np.argmin(y1),np.min(y1); #最小值 i_max1,Max1=np.argmax(y1),np.max(y1); #最大值 plt.text(i_max1-40,Max1,'最多上场时间：'+str(Max1),color='r',fontsize=12) #获取最多上场时间 plt.text(i_min1,Min1-0.2,'最少上场时间：'+str(Min1),color='r',fontsize=12) #获取最少上场时间 ax2=fig.add_subplot(2,2,2) #操作子图2，操作方法同子图1 ax2.set_xlabel('时间',fontsize=12) #子图2表示梅西整个生涯的进球数与时间的关系 ax2.set_ylabel('进球数',fontsize=12) x=range(0,len(y2)) ax2.plot(x,y2,marker=',',c='orange') ax2.set_xticks(range(0,170,10),d[0:170:10],rotation=45) ax2.set_title('梅西进球数',fontsize=15) i_min2,Min2=np.argmin(y2),np.min(y2); i_max2,Max2=np.argmax(y2),np.max(y2); plt.text(i_max2-40,Max2,'最多进球数：'+str(Max2),color='green',fontsize=12) plt.text(i_min2,Min2-0.2,'最少进球数：'+str(Min2),color='green',fontsize=12) ax3=fig.add_subplot(2,2,3) #操作子图3，操作方法同子图1 ax3.set_xlabel('时间',fontsize=12) #子图3表示梅西整个生涯的助攻数与时间的关系 ax3.set_ylabel('助攻数',fontsize=12) x=range(0,len(y3)) ax3.plot(x,y3,marker=',',c='green') ax3.set_xticks(range(0,170,10),d[0:170:10],rotation=45) ax3.set_title('梅西助攻数',fontsize=15) i_min3,Min3=np.argmin(y3),np.min(y3); i_max3,Max3=np.argmax(y3),np.max(y3); plt.text(i_max3-40,Max3,'最多助攻数：'+str(Max3),color='orange',fontsize=12) plt.text(i_min3,Min3-0.1,'最少助攻数：'+str(Min3),color='orange',fontsize=12) ax4=fig.add_subplot(2,2,4) #操作子图4，操作方法同子图1 ax4.set_xlabel('时间',fontsize=12) #子图4表示梅西整个生涯的得牌数与时间的关系 ax4.set_ylabel('得牌数',fontsize=12) x=range(0,len(y4)) ax4.plot(x,y4,marker=',',c='r') ax4.set_xticks(range(0,170,10),d[0:170:10],rotation=45) ax4.set_title('梅西得牌数',fontsize=15) i_min4,Min4=np.argmin(y4),np.min(y4); i_max4,Max4=np.argmax(y4),np.max(y4); plt.text(i_max4,Max4+0.02,'最多得牌数：'+str(Max4),color='b',fontsize=12) plt.text(i_min4,Min4-0.03,'最少得牌数：'+str(Min4),color='b',fontsize=12) plt.show() #数据可视化
参考链接
您阅读本篇文章共花了：
发表评论