目录
1. Matplotlib介绍与安装
1.1 Matplotlib介绍
- 介绍：Matplotlib是一个Python的基础绘图库，它可与Numpy一起使用，代替Matlab使用
1.2 Matplotlib安装
- 安装：pip install matplotlib
2. Matplotlib绘图
2.1 创建画布
- 在任何绘图之前，我们需要一个Figure对象，可以理解成我们需要一张画板才能开始绘图；Matplotlib所绘制的图位于图片(figure)对象中，我们可以通过plt.figure生成一个新的图片，
from matplotlib.pyplot as plt
# # figsize：传入元组，英寸单位的宽和高
# dpi：图像的分辨率
fig = plt.figure(figsize=(10,10),dpi=60)
print(fig)
# 展示图片
fig.show()
Figure(640x480)
2.2 添加子图
- 可以通过plt.subplot创建一个或多个子图
# 添加一个子图
plt.subplot(221)
plt.show()
# 创建多个子图
ax1 = plt.subplot(2,2,1) # 2*2，最多4个图形，index=1，选择了第一个
ax2 = plt.subplot(2,2,2)
ax3 = plt.subplot(2,2,3)
ax4 = plt.subplot(2,2,4)
plt.show()
- 索引超出范围报错
ax5 = plt.subplot(2,2,5)
plt.show()
ValueError: num must be 1 <= num <= 4, not 5
2.3 plt.subplots用法
- 除上述方法外，Matplotlib包含一个快捷方法plt.subplots创建一个新的图片，返回包含了以生成子图对象的Numpy数组
- plt.subplots(nrows, ncols, sharex, sharey)
- nrows：子图的行数
- ncols：组图的列数
- sharex：所有子图使用相同的x轴刻度
- sharey：所有子图使用相同的y轴刻度
# 2*2，nrows子图的行数，ncols子图的列数，sharex，sharey共享刻度
plt.subplots(2,2,sharex=True,sharey=True)
plt.show()
- 返回值：return fig(画布), axs(子图)
- 子图绘制散点图
fig, axs = plt.subplots(2,2,sharex=True,sharey=True)
# 选中第一张图
axs[0,0].scatter(range(5))
# 选中第二张图
axs[0,1].scatter(range(5),list(range(5))[::-1])
plt.show()
- 调整子图的间距
plt.subplots_adjust(wspace=0,hspace=0)
plt.show()
3. Matplotlib绘制图形
matplotlib能够绘制折线图，散点图，条形图，直方图，饼图等等
3.1 折线图
- 介绍：折线图以折线的上升或下降来表示统计数量的增减变化的统计图
- 特点：能够显示数据的变化趋势，反应事物的变化情况
- 折线图绘制：可以通过plot()函数来绘制
- 语法：plt.plot(x, y)
- 实例
from matplotlib import pyplot as plt
x = [1,4,7,8,9]
y = [5,6,3,5,6]
plt.plot(x,y)
plt.show()
- plt.plot()函数除了传入制图数据，还可以进行其他设置
- color：设置线的颜色
- linestyle：设置线的样式
- marker：标记样式
- 实例
plt.plot(x,y,color='r',linestyle='--',marker='4')
plt.show()
- 实例
# 假设一天中每隔两个小时的气温分别是[15,13,14.5,17,20,25,26,26,27,22,18,15]，绘制图形
from matplotlib import pyplot as plt
# 每隔两个小时：2，4，6，8....24
x = list(range(2,26,2))
y = [15,13,14.5,17,20,25,26,26,27,22,18,15]
plt.plot(x,y)
plt.show()
- 图形组成：实际上图形组成除了x，y轴，还有其他很多组建，下图所示
| 方法 | 描述 |
|---|---|
| plt.figure(figsize=None,dpi=None) | 生成新的图片，figsieze：图片大小，dpi：透明度 |
| plt.savefig(fname) | 保存图片 |
| plt.xticks(ticks=None) | 设置x轴刻度的值 |
| plt.yticks(ticks=None) | 设置y轴刻度的值 |
| plt.xlable(xlable) | 设置x轴标签 |
| plt.ylable(ylable) | 设置y轴标签 |
| plt.title() | 设置图片标题 |
| plt.grid() | 根据x轴和y轴的数值展示轴网格 |
- 实例
from matplotlib import pyplot as plt
# 每隔两个小时：2，4，6，8....24
x = list(range(2,26,2))
y = [15,13,14.5,17,20,25,26,26,27,22,18,15]
# 设置画布大小
plt.figure(figsize=(14,8))
# 设置x轴刻度：以0h，0.5h，1h，1.5h....23.5h显示
# ticks：刻度
# lables：刻度标签
# rotation：旋转角度
x_t = [i/2 for i in range(0,48)]
x_l = ['{}h'.format(i/2) for i in range(0,48)]
plt.xticks(x_t,x_l,rotation=45)
# 设置y轴刻度：最大值,最小值
y_t = range(min(y),max(y))
plt.yticks(y_t)
# 添加x轴标签
plt.xlable('time')
# 添加y轴标签
plt.ylable('temperature')
# 添加标题
plt.title('temperature change')
# 添加网格
plt.grid()
# 绘制图形
plt.plot(x,y)
# 保存图片：要在show之前保存，否则就是空白图
plt.savefig('mat.png')
# 展示图片
plt.show()
- 中文显示：当我们需要设置轴标签、标题等，通常会使用到中文，但是matplotlib默认不显示中文，例如：
# 如果列表a表示10点到12点的每一分钟的气温，如何绘制折线图观察每分钟气温的变化情况
from matplotlib import pyplot as plt
import random
x = range(0,120)
# 生成120个随机整数
y = [random.randint(30,38) for i in range(120)]
# 刻度：0，10，20，30....110
x_t = range(0,120,10)
# 显示x刻度标签：十点0分，十点10分....十一点0分，十一点10分....十一点50分
x_l = ['十点{}分'.format(i) for i in range(0,60,10)]
x_l += ['十一点{}分'.format(i) for i in range(0,60,10)]
plt.xticks(x_l,x_t,rotation=45)
plt.plot(x,y)
plt.show()
- 解决方法：
- 方法一：
import matplotlib
font = {
'family':'Arial Unicode MS',
'weight':'bold',
'size':12
}
matplotlib.rc("font",**font)
- 方法二：
import matplotlib.pyplot as plt
# plt.rcParams['font.family'] = 'Arial Unicode MS'
plt.rcParams['font.sans-serif'] = 'Arial Unicode MS'
# 解决坐标轴负数的负号显示问题
plt.rcParams['axes.unicode_minus'] = False
- 方法三：局部设置方式
from matplotlib import pyplot as plt
from matplotlib.font_manager import FontProperties
font = FontProperties(fname=r"c:\windows\fonts\simsun.ttc", size=14)
x = [1,2,3,4]
y = [3,2,1,3]
plt.plot(x,y)
plt.xlabel("x轴标签",fontproperties=font)
plt.show()
- 以下代码可以查看matplotlib支持的字体文件
from matplotlib import font_manager
a = sorted([f.name for f in font_manager.fontManager.ttflist])
for i in a:
print(i)
- 添加图例：plt.legend()
'''
假设大家在30岁的时候，根据自己的实际情况，统计出来了你和同桌从11岁到30岁每年交的男女朋友的数量如列表a和b,请绘制出该数据的折线图,以便分析自己和同桌每年交男女朋友的数量走势
a = [1,0,1,1,2,4,3,2,3,4,4,5,6,5,4,3,3,1,1,1]
b = [1,0,3,1,2,2,2,3,1,1,1,1,1,2,1,1,2,3,2,2]
要求：
• y轴表示个数
• x轴表示岁数,比如11岁,12岁
'''
from matplotlib import pyplot as plt
# 显示中文
plt.rcParams['font.sans-serif'] = 'Arial Unicode MS'
# 构建x，y
my_y = [1,0,1,1,2,4,3,2,3,4,4,5,6,5,4,3,3,1,1,1]
my_cls_y = [1,0,3,1,2,2,2,3,1,1,1,1,1,2,1,1,2,3,2,2]
x = range(11,31)
# x刻度、标签
x_t = [i for i in range(11,31)]
x_l = ['{}岁'.format(i) for i in range(11,31)]
plt.xticks(x_t,x_l,ratation=45)
# 绘图
plt.plot(x,my_y,label='自己')
plt.plot(x,my_cls_y,label='同桌')
# 添加图例
# 1、plt.plot()添加label属性
# 2、plt.legend()局部指定字体，要使用prop
plt.legend()
# 展示图片
plt.show()
- 添加数据标签：plt.annotate()
- 参数：
- text：注释的文本
- xy：需要注释的点的坐标
- xttext：注释文本的坐标
- arrowprops：箭头的样式属性，参数类型为字典
1、wedth：箭身的宽度
2、facecolor：箭头的颜色
3、headlength：箭头的头的长度
4、headwidth：箭头的宽度
from matplotlib import pyplot as plt
import random
x = range(10)
y = [random.randint(10,30) for i in range(10)]
plt.plot(x,y,marker='o')
# 数据标签
plt.annotate('28',xy=(0,28),xytext=(-0.3,0),arrowsprops={'width':2})
plt.show()
# arrowsprops参数使用
from matplotlib import pyplot as plt
import random
x = range(10)
y = [random.randint(10,30) for i in range(10)]
plt.plot(x,y,marker='o')
# 数据标签
plt.annotate('This is a zhushi',xy=(0,18),xytext=(2,28),arrowsprops={'facecolor':'r','headlength':30,'headwidth':30,'width':30})
plt.show()
# 实现：将每个点都使用上数据标签
from matplotlib import pyplot as plt
import random
x = range(10)
y = [random.randint(10,30) for i in range(10)]
plt.plot(x,y,marker='o')
# 数据标签
for xy in zip(x,y):
plt.annotate(xy, xy=xy, xytext=xy, arrowprops={'width':2,'facecolor':'y'})
plt.show()
3.2 散点图
- 介绍：散点图用两组数据构成多个坐标点，考察坐标点的分布，判断两变量之间是否存在某种关联或总结坐标点的分布模式
- 特点：判断变量之间是否存在数量关联趋势，表示离群点（分布规律）
- 散点图绘制：通过scatter()函数绘制
- 语法：plt.scatter(x,y)
- 实例
'''
假设通过爬虫你获取到了长沙2019年4,10月份每天白天的最高气温(分别位于列表a,b),那么此时如何寻找出气温和随时间变化的某种规律
a = [11,17,16,11,12,11,12,13,10,14,8,13,12,15,14,17,18,21,16,17,30,14,15,15,15,19,21,22,22,22,23]
b = [26,26,28,19,21,17,16,19,18,20,20,19,22,23,17,20,21,20,22,15,11,15,5,13,15,10,11,13,12,13,6]
'''
from matplotlib import pyplot as plt
y_4 = [11,17,16,11,12,11,12,13,10,14,8,13,12,15,14,17,18,21,16,17,30,14,15,15,15,19,21,22,22,22,23]
y_10 = [26,26,28,19,21,17,16,19,18,20,20,19,22,23,17,20,21,20,22,15,11,15,5,13,15,10,11,13,12,13,6]
# 中文显示
plt.rcParams['font.sans-serif'] = 'Arial Unicode MS'
# 4，10月份的分布分开
x_4 = range(1,32)
x_10 = range(51,82)
# 绘制散点图
plt.scatter(x_4,y_4)
plt.scatter(x_10,y_10)
# 刻度：四月1号....四月31号 十月1号....十月31号
x_t = list(x_4) + list(x_10)
x_l = ['四月{}号'.format(i) for i in range(x_4)]
x_l += ['十月{}号'.format(i) for i in range(x_10)]
plt.xticks(x_t[::4], x_l[::4], rotation=45)
# 展示图片
plt.show()
3.3 条形图
3.3.1 条形图
- 介绍：条形图是用宽度相同的条形的高度或长短来表示数据多少的图形，条形图可以横置或纵置，纵置也称为柱形图
- 特点：
- 能够使人们一眼看出各个数据的大小
- 易于比较数据之间的差别
- 柱形图绘制：通过bar()函数绘制
- 语法：plt.bar(x,height)
- 实例
'''
假设你获取到了2019年内地电影票房前20的电影(列表a)和电影票房数据(列表b),那么如何更加直观的展示该数据
a = ["流浪地球","复仇者联盟4:终局之战","哪吒之魔童降世","疯狂的外星人","飞驰人生","蜘蛛侠:英雄远征","扫毒2天地对决","烈火英雄","大黄蜂","惊奇队长","比悲伤更悲伤的故事","哥斯拉2:怪兽之王","阿丽塔:战斗天使","银河补习班","狮子王","反贪风暴4","熊出没","大侦探皮卡丘","新喜剧之王","使徒行者2:谍影行动","千与千寻"]
b = [56.01,26.94,17.53,16.49,15.45,12.96,11.8,11.61,11.28,11.12,10.49,10.3,8.75,7.55,7.32,6.99,6.88,6.86,6.58,6.23,5.22] 单位:亿
'''
from matplotlib import pyplot as plt
# 构建x,height
a = ["流浪地球","复仇者联盟4:终局之战","哪吒之魔童降世","疯狂的外星人","飞驰人生","蜘蛛侠:英雄远征","扫毒2天地对决","烈火英雄","大黄蜂","惊奇队长","比悲伤更悲伤的故事","哥斯拉2:怪兽之王","阿丽塔:战斗天使","银河补习班","狮子王","反贪风暴4","熊出没","大侦探皮卡丘","新喜剧之王","使徒行者2:谍影行动","千与千寻"]
b = [56.01,26.94,17.53,16.49,15.45,12.96,11.8,11.61,11.28,11.12,10.49,10.3,8.75,7.55,7.32,6.99,6.88,6.86,6.58,6.23,5.22]
# 中文显示
plt.rcParams['font.sans-serif'] = 'Arial Unicode MS'
# 放大画布
plt.figure(figsize=(14,8))
# 设置刻度
plt.xticks(rotation=90)
# 绘制柱形图
# width：调整柱子的宽度，默认0.8
# bottom：y的起始值
# align：默认center居中，设置为edge边缘，取决于width的正负值
plt.bar(a,b,width=-0.3,bottom=30,align='edge')
plt.show()
3.1.2 堆叠条形图
- 实例
from matplotlib import pyplot as plt
# 构建x，height
fruits = ['水果', '梨子', '车厘子']
Q1_sales = [1000, 800, 3000]
Q2_sales = [1200, 700, 2800]
# 中文显示
plt.rcParams['font.sans-serif'] = 'Arial Unicode MS'
# 绘制条形图
plt.bar(fruits, Q1_sales, bottom=Q2_sales, label='Q1')
plt.bar(fruits, Q2_sales, label='Q2')
# 添加图例
plt.legend()
# 展示图片
plt.show()
3.1.3 分组条形图
- 实例
在这里插入代码片
3.1.4 水平条形图
- 水平条形图绘制：通过barh()函数绘制
- 语法：plt.barh(y,width)
- 实例
from matplotlib import pyplot as plt
# 构建y，width
a = ["流浪地球","复仇者联盟4:终局之战","哪吒之魔童降世","疯狂的外星人","飞驰人生","蜘蛛侠:英雄远征","扫毒2天地对决","烈火英雄","大黄蜂","惊奇队长","比悲伤更悲伤的故事","哥斯拉2:怪兽之王","阿丽塔:战斗天使","银河补习班","狮子王","反贪风暴4","熊出没","大侦探皮卡丘","新喜剧之王","使徒行者2:谍影行动","千与千寻"]
b = [56.01,26.94,17.53,16.49,15.45,12.96,11.8,11.61,11.28,11.12,10.49,10.3,8.75,7.55,7.32,6.99,6.88,6.86,6.58,6.23,5.22]
# 中文显示
plt.rcParams['font.sans-serif'] = 'Arial Unicode MS'
# 绘制水平条形图
plt.barh(a,b)
# 显示图片
plt.show()
3.4 直方图
- 介绍：直方图是由一系列高度不等的纵向条纹或线段表示数据分布的情况，一般用横轴表示数据范围，纵轴表示分布情况
- 特点：绘制连续性的数据，展示一组或者多组数据的分布情况
- 直方图绘制：通过hist()函数绘制
- 语法：plt.hist(x, bins=None)
- bins为组数：组数=极差/组距
- 实例
'''
练习
某地区连续50年中四月份平均气温数据如下：
temp_li= [6.9,4.1,6.6,5.2,6.4,7.9,8.6,3.0,4.4,6.7,7.1,4.7,9.1,6.8,8.6,5.2,5.8,7.9,5.6,8.8,8.1,5.7,8.4,4.1,6.4,6.2,5.2,6.8,5.6,5.6,6.8,8.2,6.4,4.8,6.9,7.1,9.7,6.4,7.3,6.8,7.1,4.8,5.8,6.5,5.9,7.3,5.5,7.4,6.2,7.7]
根据以上数据，推断该地区四月份平均气温的分布类型
'''
from matplotlib import pyplot as plt
# 显示中文
plt.rcParams['font.sans-serif'] = 'Arial Unicode MS'
temp_li= [6.9,4.1,6.6,5.2,6.4,7.9,8.6,3.0,4.4,6.7,7.1,4.7,9.1,6.8,8.6,5.2,5.8,7.9,5.6,8.8,8.1,5.7,8.4,4.1,6.4,6.2,5.2,6.8,5.6,5.6,6.8,8.2,6.4,4.8,6.9,7.1,9.7,6.4,7.3,6.8,7.1,4.8,5.8,6.5,5.9,7.3,5.5,7.4,6.2,7.7]
# 组距
b = 1
# bins组数：组数=极差/组距,round：四舍五入
bi = round(max(temp_li)-min(temp_li))//b
# 绘制直方图
plt.hist(temp_li, bins=bi, density=True) # bins一定是整数类型，默认为10
# 显示标签
plt.xlabel('区间')
plt.ylabel('频数/频率')
plt.title('直方图')
# 展示图片
plt.show()
3.5 扇形图
- 介绍：扇形图，用整个圆表示总数，用园内各个扇形的大小表示各部分数量占总数的百分数
- 扇形图绘制：通过pie()函数绘制
- 语法：plt.pie(x, explode=None, labels=None)
- x
- explode：设置某几个分块是否有分离饼图
- labels：每块扇形标签
- autopct：百分比数据标签
- shadow：是否显示阴影
- 实例
'''
将以下frac数据绘制扇形图，并且设置其扇形标签为label
frac = [1/50,6/50,11/50,15/50,9/50,6/50,2/50]
label = ['[3,4]','(4,5]','(5,6]','(6,7]','(7,8]','(8,9]','(9,10]']
'''
from matplotlib import pyplot as plt
frac = [1/50,6/50,11/50,15/50,9/50,6/50,2/50]
label = ['[3,4]','(4,5]','(5,6]','(6,7]','(7,8]','(8,9]','(9,10]']
# 绘制扇形图
# labels：扇形标签
# autopct：百分比数据标签
# explode：设置某几个分块是否要分离饼图，传入为元组
# shadow：是否显示阴影
# textprops：设置字体，传入为字典
explode_li = (0,0.3,0,0,0,0,0.2)
plt.pie(frac, labels=label, autopct='%.2f%%', explode=explode_li, shadow=True, textprops={'size':20})
# 展示图片
plt.show()
- plt.pie()有3个返回值
- patches：绘制饼图每一块的对象
- texts：文本的列表
- autotexts：百分比的文本列表
3.6 箱形图
- 介绍：箱型图是一种直观简洁的方式去呈现一组数据的分布。广泛用于各个数据分析领域，它能非常简单明了地显示一组数据中5个重要数值，并且还能发现一组数据中的存在的异常值
- 最大值
- 最小值
- 中位数
- 下四分位数(Q1)
- 上四分位数(Q3)
- 箱形图绘制：通过boxplot()函数绘制
- 语法：plt.boxplot()
- 参数：
- x：需要绘制的箱型图的数据
- notch：是否展示置信区间 默认为False
- sym：代表异常点的符号表示，默认为圆点
- vert：是否是垂直的，默认是True
- whis：上下限系数，默认为1.5
- positions：设置每个盒子的位置
- widths：设置每个盒子的宽度
- labels：每个盒子的label
- meanline和showmeans：都为True的时候 会展示平均线
- 实例
from matplotlib import pyplot as plt
import random
'''
随机生成100个 1-100的数据
'''
data = [random.randint(1,100) for i in range(100)]
# 列表添加异常值
data.extend([-100,500])
# 绘制箱形图
# sym：异常点的符号表示，默认原点
# widths：每个盒子的宽度
# meanline/showmeans：都为True的时候，会展示平均线
plt.boxplot(data, sym='^', widths=0.2, meanline=True, showmeans=True)
# 展示图片
plt.show()
3.7 雷达图
- 介绍：雷达图又被叫做蜘蛛网图，适用于显示三个或更多的维度的变量的强弱情况，比如某个企业在哪些业务方面的投入等，都可以使用雷达图方便的表示
- 雷达图绘制：通过polar()函数绘制，在matplotlib.pyplot中，可以通过plt.polar来绘制雷达图，这个方法的参数跟plt.plot非常的类似，只不过是x轴的坐标点应该为弧度（2*PI=360°）
- 实例
from matplotlib import pyplot as plt
import numpy as np
quaters = ['Q1','Q2','Q3','Q4']
sales = [40,91,44,90,40]
# 弧度 = 2*PI=360°
# 求theta，2*PI
theta = np.linspace(0, np.pi*2, 5) # 创建等差数列
# 绘制雷达图
plt.polar(theta, sales)
# 设置刻度标签
# plt.xticks(theta,quaters)
# 填充
plt.fill(theta, sales)
# 展示图片
plt.show()
643
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
