【学习笔记】python数据分析可视化之matplotlib实践第一章

绘制matplotlib图表组成元素的函数用法

1.plot():展示变量的趋势变化

函数基本参数介绍：plt.plot(x,y,ls = '-',lw = 2,label = 'plot figure')

x	x轴上的数值
y	y轴上的数值
ls	折线图的线条风格
lw	折线图的线条宽度
label	标记图形内容的标签文本

2.xlim():设置x轴的数值显示范围

函数基本参数介绍：plt.xlim(xmin,xmax)

xmin	x轴上的最小值
xmax	x轴上的最大值

 

ylim()调用签名与参数说明与xlim()相似，这里不在赘述。

3.xlabel():设置x轴的标签文本

函数基本参数介绍：plt.xlabel(string)

string

标签文本内容

 ylabel()调用签名与参数说明与xlabel()相似，这里不在赘述。

4.grid():绘制刻度线的网格线

函数基本参数介绍：plt.grid(linestyle = ':',color = 'r')

linestyle	网格线的线条风格
color	网格线的线条颜色

 

 

5.axhline():绘制平行于x轴的水平参考线

函数基本参数介绍：plt.axhline(y = 0.0,c = 'r',ls = '--',lw = 2)

y	水平参考线的出发点
c	参考线的线条颜色
ls	参考线的线条风格
lw	参考线的线条宽度

axvline():绘制垂直于x轴的垂直参考线

axvline()调用签名与参数说明与axhline()相似，这里不在赘述。

6.axvspan():绘制垂直于x轴的参考区域

函数基本参数介绍：plt.axvspan(xmin = 1.0,xmax = 2.0,facecolor = 'y',alpha = 0.3)

xmin	参考区域的起始位置
xmax	参考区域的终止位置
facecolor	参考区域的填充颜色
alpha	参考区域的填充颜色的透明度

axhspan():绘制平行于x轴的参考区域

axhspan()调用签名与参数说明与axvspan()相似，这里不在赘述。

7.annotate():添加图形内容细节的指向型注释文本

函数基本参数介绍：plt.annotate(string,xy = (np.pi/2,1.0),xytext = ((np.pi/2)+0.15,1.5),weight = 'bold',color = 'b',arrowprops = dict(arrowstyle = '->',connectionstyle = 'arc3',color = 'b'))

string	图形内容的注释文本
xy	被注释图形内容的位置坐标
xytext	注释文本的位置坐标
weight	注释文本的字体粗细风格
color	注释文本的字体颜色
arrowprops	指示被注释内容的箭头的属性字典

8.text():添加图形内容细节的无指向型注释文本

函数基本参数介绍：plt.text(x,y,string,weight = 'bold',color = 'b')

x	注释文本内容所在位置的横坐标
y	注释文本内容所在位置的纵坐标
string	注释文本内容
weight	注释文本内容的粗细风格
color	注释文本内容的字体颜色

9.title():添加图形内容的标题

函数基本参数介绍：plt.title(string)

string

图形内容的标题文本

10.legend():标示不同图形的文本标签图例

函数基本参数介绍：plt.legend(loc = 'lower left')

loc	图例在图中的地理位置

#导入需要使用的库
import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(0.05,10,1000)#在0.05到10之间生成1000个等间隔数值作为x（包含两个端点值）
y = np.cos(x)

plt.plot(x,y,ls = '-',lw = 2,label = 'plot figure')
#取所想看到的x和y的范围的图像
plt.xlim(0,10)
plt.ylim(0,1)
#设置标签，x标签为水平分布，y标签为垂直分布
plt.xlabel('x-axis')
plt.ylabel('y-axis')
plt.title('y = cos(x)')
#绘制网格线，可以通过设置linestyle,color参数改变网格线的线条风格和线条颜色，此处代码为默认的风格和颜色
plt.grid()
#绘制水平参考线和垂直参考线
plt.axhline(y = 0.5,c = 'r',ls = '--',lw = 2)
plt.axvline(x = 4.0,c = 'r',ls = '--',lw = 2)
#绘制参考区域
facecolor = 'y'#表示颜色为黄色
plt.axvspan(xmin = 5.0,xmax = 6.0,facecolor = 'y',alpha = 0.3)
plt.axhspan(ymin = 0.0,ymax = 0.2,facecolor = 'y',alpha = 0.3)
#添加指向型注释文本
#arrowstyle表示箭头风格,'->'表示为实线箭头，connectionstyle表示箭头连接方式，arc3表示为连接方式为弧线，color = 'b'表示设置颜色为蓝色
plt.annotate('maximum',xy = (np.pi*2,1.0),xytext = ((np.pi*2)+1.0,0.8),weight = 'bold',color = 'b',arrowprops = dict(arrowstyle = '->',connectionstyle = 'arc3',color = 'b'))
#添加无指向型注释文本
plt.text(3,0.5,'y = cos(x)',weight = 'bold',color = 'b')
#可以不设置loc，直接使用plt.legend()将标签位置放置在最佳位置上
plt.legend(loc = 'lower left')
#将图像显示出来
plt.show()

以下显示上述代码运行结果（使用的运行环境为pycharm） 

 

11.scatter():寻找变量之间的关系

函数基本参数介绍：plt.scatter(x,y,c = 'b',label = 'scatter figure')

x	x轴上的数值
y	y轴上的数值
c	散点图中的标记的颜色
label	标记图形内容的标签文本

 

 

 

 

scatter()函数的应用与plot()函数具有相似点，上述大量函数同时也是可以适配散点图的 

#导入需要使用的库
import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(0.05,10,1000)#在0.05到10之间生成1000个等间隔数值作为x（包含两个端点值）
y = np.random.rand(1000)#生成一个含有1000个元素的一维数组，且每个元素都是属于[0，1)之间均匀分布的随机浮点数，此函数为numpy库中的函数

plt.scatter(x,y,label = 'scatter figure',c = 'skyblue')#c即为color
#取所想看到的x和y的范围的图像
plt.xlim(5,15)
plt.ylim(0,1.5)
#设置标签，x标签为水平分布，y标签为垂直分布
plt.xlabel('x')
plt.ylabel('y')
plt.title('scatter figure')
#绘制网格线，可以通过设置linestyle,color参数改变网格线的线条风格和线条颜色，此处代码为默认的风格和颜色
plt.grid()

#可以不设置loc，直接使用plt.legend()将标签位置放置在最佳位置上
plt.legend(loc = 'lower left')
#将图像显示出来
plt.show()

以上代码运行结果如下： 

  

参考书：python数据可视化之matplotlib实践 ，作者：刘大成

以上表述有任何错误，希望大家能够批评指正。

文章中如有侵权部分，请联系我删除，很抱歉为您带来困扰！