目录
十二.matplotlib视图
1 绘图属性
常用函数
| pyplot函数 | 描述 |
|---|---|
| text() | 在Axes对象任意位置添加文字 |
| xlabel() | 为x轴添加标签 |
| ylabel() | 为y轴添加标签 |
| title() | 为Axes对象添加标题 |
| legend() | 为Axes对象添加图例 |
| annotate() | 为Axes对象添加注释(箭头可选) |
| suptitle() | 为Figure对象添加中心化的标题 |
1.1 绘图属性-样式-颜色
| .plot(参数) | 说明 |
|---|---|
| marker | 标记 |
| markersize | 标记大小 |
| markeredgecolor | 标记边框颜色 |
| markeredgewidth | 标记边缘宽度 |
| ls：line style | 线样式 |
| lw：line width | 线宽度 |
| label | 标签 |
| mfc | 标记的背景颜色 |
| alpha | 透明度（0-1之间）--线的. |
| c : color | 线颜色 |
import pandas as pd import numpy as np import matplotlib.pyplot as plt plt.rcParams["font.sans-serif"] = "SimHei" plt.rcParams["axes.unicode_minus"] = False
演示:
--1--
plt.figure(figsize=(13,4),dpi=150) x = np.arange(1,16) plt.plot(x,np.sin(x),color='blue',linestyle='--',linewidth=1,label='sin(x)',marker='o',markersize=4,markeredgecolor='yellow',markeredgewidth=10,mfc='orange',alpha=0.8) plt.legend(loc='best',fontsize=19)
--2--
plt.figure(figsize=(8,5),dpi=150) x = np.linspace(0,10) plt.plot(x,np.sin(x),c="g",marker="D",ls="-.",lw=1, mfc="r",label="sin") plt.plot(x,np.cos(x),c="r",marker="o",ls="-.",lw=1, mfc="y",label="cos",markersize=3,alpha=0.5) plt.plot(x,-np.sin(x),c="b",marker="o",ls="-.",lw=1, mfc="y",label="-sin",markersize=5,markeredgecolor="r",markeredgewidth=3) plt.legend( loc="best", # 图例大小 fontsize=10 )
1.2 绘图样式-坐标轴刻度
| plt.xticks(ticks=np.arange(0,11,1)) | 设置x轴刻度 |
| plt.yticks(ticks=np.arange(0,2.6,0.2)) | 设置y轴刻度 |
| ticks | 设置范围 |
| fontsize | 设置字体大小 |
| color | 设置颜色 |
| labels | 显示刻度标签 |
| ha | 水平对齐方式 |
演示1:
plt.figure(figsize=(15,10),dpi=120) x = np.linspace(0,10) plt.plot(x,np.sin(x),marker="D",ls="-.",lw=1) plt.xticks(np.arange(0,10,1),fontsize=20) plt.yticks(np.arange(-1.2,1.2,0.1),fontsize=10,color="r") plt.show()
演示2:
plt.figure(figsize=(8,5),dpi=150)
x = np.linspace(1,10)
y = np.log(x)
plt.plot(x,y)
plt.xticks(ticks=np.arange(0,11,2),labels=['鸡哥','凡哥','坤哥','吴哥','东阿','建个'], fontsize=20,color="blue",ha="left")
plt.yticks(ticks=[0,2,4],labels=["min","2","max"],color="orange",ha="right",fontsize=20)
plt.ylabel('情感指数',fontsize=30)
plt.xlabel('哥哥们',fontsize=6)
plt.show()
1.3 绘图样式-网格文本
网格plt.grid()
plt.figure(figsize=(5,3),dpi=150) x = np.linspace(0,10) y = np.sin(x) plt.plot(x,y) # 网格线 """ axis:某个轴显示网格线 --不加这个参数表示xy轴都有. """ plt.grid(ls="--",lw=0.5,c="g",axis="y")
文本 plt.text()
plt.figure(figsize=(5,3),dpi=150) x = np.linspace(1,10,10) y = np.random.randint(10,50,size=10) plt.plot(x,y,marker='o') #文本显示: for xy in zip(x,y): plt.text(x=xy[0],y=xy[1],s=xy,fontsize=8,color="r",ha="center",va="center")
注释
plt.figure(figsize=(5,3),dpi=150)
x = np.linspace(1,10,10)
y = np.array([45,65,22,37,87,56,54,59,45,51])
plt.plot(x,y,marker='o')
#注释一下:
plt.annotate(
text="最大值", # 标注的内容
xy=(5,87), # 标注的坐标点
xytext=(1,85), # 标注字体位置
# 箭头样式
arrowprops={
"width":0.2, # 线条的宽度
"headwidth":4, # 箭头的大小
"facecolor":"red", # 箭头背景颜色
}
)
图片保存
fig = plt.figure(figsize=(5,3),dpi=150)
# plt.savefig("abc.png")
fig.savefig(fname="abc.png",dpi=200)
2 常用视图
2.1 双轴图*
在一些应用场景中，有时需要绘制两个 x 轴或两个 y 轴，这样可以更直观地显现图像，从而获取更有效的数据。Matplotlib 提供的 twinx() 和 twiny() 函数，除了可以实现绘制双轴的功能外，还可以使用不同的单位来绘制曲线，比如一个轴绘制对函数，另外一个轴绘制指数函数。
fig = plt.figure(figsize=(8,5),dpi=150)
axes1 = plt.gca() # 得到当前轴域
x = np.arange(1,11)
axes1.plot(x,np.exp(x),'go-')
axes1.set_ylabel('指数函数',c="g")
# 添加双轴(共享一个x轴)
axes2 = axes1.twinx()
axes2.plot(x, np.log(x),'ro-')
#绘制对数函数
axes2.set_ylabel('对数函数',c="r")
#绘制图例
fig.legend(labels = ('指数函数','对数函数'),loc='lower right')
2.2 折线图
单条折线
x = ["Mon", "Tues", "Wed", "Thur", "Fri","Sat","Sun"]
y = np.random.randint(25,55,size=7)
plt.plot(x, y, "g", marker='o', markersize=5, label="周活")
# 绘制坐标轴标签
plt.xlabel("时间")
plt.ylabel("用户活跃度")
plt.title("活跃度")
# 显示图例
plt.legend(loc="best")
# 调用 text()在图像上绘制注释文本
# x1、y1表示文本所处坐标位置，ha参数控制水平对齐方式, va控制垂直对齐方式，str(y1)表示要绘制的文本
for x1, y1 in zip(x, y):
plt.text(x1, y1, str(y1), ha='center', va='bottom', fontsize=10)
多条折线
# 对比两天内同一时刻温度的变化情况
x = [5, 8, 12, 14, 16, 18, 20]
y1 = [18, 21, 29, 31, 26, 24, 20]
y2 = [15, 18, 24, 30, 31, 25, 24]
plt.plot(x, y1, 'r',marker='o', markersize=5)
plt.plot(x, y2, 'b', marker='o',markersize=5)
plt.title('温度对比折线图') # 折线图标题
plt.xlabel('时间(h)') # x轴标题
plt.ylabel('温度(℃)') # y轴标题
# 给图像添加注释，并设置样式
for a, b in zip(x, y1):
plt.text(a, b, b, ha='center', va='bottom', fontsize=10)
for a, b in zip(x, y2):
plt.text(a, b, b, ha='center', va='bottom', fontsize=10)
2.3 柱状图bar
#准备数据
langs = ['C', 'C++', 'Java', 'Python', 'PHP']
students = [23,17,35,29,12]
#绘制柱状图
plt.xlabel("语言")
plt.ylabel("热度")
plt.bar(langs,students)
plt.show()
多柱
df_data = pd.DataFrame( np.random.randint(65,95,size=(6,3)), index = ["张三","李四","王五","赵六","坤哥","凡哥"], columns=["语文","数学","英语"] ) plt.figure(figsize=(8,6),dpi=200) width=0.2 x = np.arange(len(df_data.index)) # 绘制语文成绩 plt.bar(x,df_data["语文"],width=width,label="语文",color="red") # 绘制数学成绩 plt.bar(x+width,df_data["数学"],width=width,label="数学",color="green") # 绘制英语成绩 plt.bar(x+width*2,df_data["英语"],width=width,label="英语",color="orange") plt.xticks(x+width,labels=df_data.index) plt.legend() plt.show()
2.4 饼图pie
sizes = [2,5,12] labels = ['娱乐','育儿','饮食'] plt.pie(sizes,labels=labels,autopct='%1.1f%%',shadow=False,startangle=100) plt.show() # labels为饼图加标签 # autopct 控制饼图内百分比设置 # '%1.1f%%'指小数点前后位数 # shadow是在饼图下画一个阴影，False即不画
2.5 箱型图boxplot()
-
显示一组数据的最大值，最小值，中位数及上下四分位数.
plt.figure(figsize=(5,3),dpi=150) x1 = np.random.randint(10,100,20) x2 = np.random.randint(10,100,20) x3 = np.random.randint(10,100,20) plt.boxplot([x1,x2,x3]) plt.show()
2.6 散点图scatter()
-
散点图用于在水平轴和垂直轴上绘制数据点，他表示了因变量随自变量变化的趋势，通俗的讲，它反映的是一个变量受另一个变量的影响程度
x = np.arange(1,8,1) y = np.arange(10,80,10) plt.scatter(x,y)
df = pd.DataFrame({
"月份": pd.date_range("2022-01-01",periods=100,freq="D"),
"广告费用":np.random.randint(10000,80000,size=100),
"收入状况":np.random.randint(10000,80000,size=100)
})
x,y = df.广告费用,df.收入状况
plt.figure(figsize=(7,5),dpi=150)
plt.scatter(x,y)
2.7 热力图imshow()*
-
热力图是一种通过对色块着色来显示数据的统计图表，绘图时，需要指定颜色映射的规则.
df = pd.DataFrame({
"一月":np.random.randint(0,20,size=8),
"二月":np.random.randint(0,20,size=8),
"三月":np.random.randint(10,20,size=8),
"四月":np.random.randint(20,22,size=8),
"五月":np.random.randint(20,25,size=8),
"六月":np.random.randint(20,30,size=8)
})
y = ["湖南","湖北","陕西","甘肃","浙江","江西","广东","四川"]
x = df.columns
data = df.values
plt.figure(figsize=(7,5),dpi=150)
#### 热力图
plt.imshow(data,cmap="Blues")
#### 修改刻度
plt.xticks(range(len(x)),x)
plt.yticks(range(len(y)),y)
#### 添加文字
for num_x in range(len(x)):
for num_y in range(len(y)):
plt.text(
x=num_x,
y=num_y,
s=data[num_y,num_x],
ha="center",
va="center",
fontsize=15
)
# 颜色条
plt.colorbar()
plt.show()
222
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
