matplotlib使用

基本语法

导入库

import matplotlin.pyplot as plt
import numpy as np

plt 和ax.区别

• plt. 先生成一个画布，在画布中生成的区域进行画图，当然plt也可以划分区域plt.subplot(111)
• ax. 先生成一画布，在画布上选定一个区域进行画图add_subplot（xyz）第一个数字x代表行数，第二个数字y代表列数，第三个数字z表示取第z个小区域（先取第一行，从左到右）
• 但是撇开位置不讲，两个图形没有图像上的区别

plt.

fig=plt.figure(num=1,figsize=(6,4))# 创建一个图形底板
plt.plot([1,2,3,4],[1,2,3,4])
# plt也可以直接划分区域
# plt.subplot(111)
plt.show()

ax.

fig=plt.figure(num=1,figsize=(4,4))
#  add_subplot（xyz）第一个数字x代表行数，第二个数字y代表列数，第三个数字z表示取第z个小区域（先取第一行，从左到右）
ax=fig.add_subplot(231)
plt.plot([1,2,3,4],[1,2,3,4])
plt.show()

---

ax. 用法

PS：以下使用ax.，使用plt.可跳下面

子图创建-展示不同的分区区域

• 在画图之前，一般在画布上选定一个区域然后创建子图，如：

fig=plt.figure(num=1,figsize=(4,4))
ax1=fig.add_subplot(221)###可从图中看到，我们的画布是分为2x2的区域
ax1.plot([1,2,3,4],[1,2,3,4])
ax2=fig.add_subplot(222)
ax2.plot([1,2,3,4],[2,2,3,4])
ax3=fig.add_subplot(223)
ax3.plot([1,2,3,4],[1,2,2,4])
ax4=fig.add_subplot(224)
ax4.plot([1,2,3,4],[1,2,3,3])

plt.show()

设置刻度范围：

ax.set_xlim(1,7.1)#x轴从1到7.1
ax.set_ylim(40,100)#y轴从40到100

显示刻度

#设置显示的刻度
ax.set_xticks(np.linspace(1,7,7))#np.linspace()函数为等差数列,1至7的7个数组成的等差数列1,2，3,4，5,6，7，
ax.set_yticks(np.linspace(50,100,6))#关于等差数列，想了解的可以参看numpy的用法

设置刻度标签

#设置刻度标签
ax.set_xticklabels(["星期一","星期二","星期三","星期四","星期五","星期六","星期日"],fontproperties="SimHei"\
,fontsize=12)
#这里用到了属性fontproperties可以单独设置x轴标签的字体，也可以用fontsize设置字体大小，还可以用color
 设置字的颜色

ax.set_yticklebels(["50kg","60kg","70kg","80kg","90kg","100kg"],fontsize=12)

tick_params()函数

• axis: 可选"x",“y”,“both”,默认"both"，分别代表，对x轴操作，对y轴操作，对两个轴都操作。
• direction: 可选 “in”,“out”,"inout"代表，刻度线显示在坐标轴里面，坐标轴外边，双边

添加轴坐标标签，表头，图例

ax.set_xlabel("星期")#添加x轴坐标标签，后面看来没必要会删除它，这里只是为了演示一下。
ax.set_ylabel("销售量",fontsize=16)#添加y轴标签，设置字体大小为16，这里也可以设字体样式与颜色

ax.set_title("某某水果店一周水果销售量统计图",fontsize=18，backgroundcolor='#3c7f99'\
fontweight='bold',color='white',verticalalignment="baseline")#标题（表头）

---

plt.用法

PS：以下使用plt.

普通折线图

• 只指定一个数组元素时，表示为纵坐标的值，横坐标默认是数组下标
• 也可以直接都指定横坐标和纵坐标

# 纵坐标折线图
fig=plt.figure(num=1,figsize=(6,4))# 创建一个图形底板
plt.plot([3,1,4,5,2])# 只指定一个数组元素，表示为中坐标的值，横坐标默认是数组下标
plt.ylabel("Grade")
plt.savefig("test1",dpi=600)# dpi 修改输出质量,表示每一英寸内像素点的值
plt.show()

# 横坐标和纵坐标折线图
plt.ylabel("Grade")
plt.plot([0,2,4,6,8],[3,1,4,5,2])# 指定横坐标和纵坐标
plt.axis([0,10,0,6])# 表示横坐标的尺度为[0,10],纵坐标为[0,6]
plt.show()

plt.plot(x,y,format_string,**kwargs)函数说明：

• x:x轴的数据，列表或者数组，可选
• y:y轴数据，列表或者数组
• format_string:控制曲线的格式字符串，可选,，可选由颜色字符、风格字符和标记字符组成。
• kwargs:第二组或者更多(x,y,format_string)

颜色字符	说明
‘b’	蓝色
‘g’	绿色
‘r’	红色
‘c’	青绿色 cyan
‘m’	洋红色 magenta
‘y’	黄色
‘k’	黑色
‘w’	白色
‘0.8’	灰度值字符串

风格字符	说明
‘-’	实线
‘–’	破折线
‘-.’	点划线
‘:’	虚线
‘’ ’ ’	无线条

标记字符	说明
‘.’	点标记
‘o’	实心圈标记
‘^’	上三角标记
'*'	星形标记
‘+’	十字标记
‘x’	x标记

# 展示不同的函数画图
a=np.arange(10)
plt.plot(a,a*1.5,'go-',a,a*2.5,'rx',a,a*3.5,'*',a,a*4.5,'b-.')
plt.show()

中文显示plt.rcParams["font.family"]="SimHei"

• 加入以上代码，中文就可以正常显示
  属性
  
• 字体选择
  

matplotlib.rcParams['font.family']='STSong'
matplotlib.rcParams['font.size']=20# 字体大小
a=np.arange(0.0,5.0,0.02)
plt.xlabel("横轴：时间")
plt.ylabel("纵轴：振幅")
plt.plot(a,np.cos(2*np.pi*a),'r--')
plt.show()

---

上面都是简单语法介绍，下面开始画甘特图，这个在python可视化中是非常重要的

matplotlib画柱状图

plt.bar()、plt.barh()参数解释

plt.bar()：正常柱状图📊📊，常见的统计图；
plt.barh()：横向的柱状图，可以理解为正常柱状图旋转了90°。

plt.bar()

plt.bar(x, height, width=0.8, bottom=None, *, align='center', data=None, **kwargs)

• x：表示x坐标，数据类型为int或float类型，刻度自适应调整；也可传dataframe的object，x轴上等间距排列；
• height：表示柱状图的高度，也就是y坐标值，数据类型为int或float类型；
• width：表示柱状图的宽度，取值在0~1之间，默认为0.8；
• bottom：柱状图的起始位置，也就是y轴的起始坐标；
• align：柱状图的中心位置，默认"center"居中，可设置为"lege"边缘；
• color：柱状图颜色；
• edgecolor：边框颜色；
• linewidth：边框宽度；
• tick_label：下标标签；
• log：柱状图y周使用科学计算方法，bool类型；
• orientation：柱状图是竖直还是水平，竖直：“vertical”，水平条：“horizontal”；

示例代码：

import matplotlib.pyplot as plt
import numpy as np

y=[20,30,15,25,15]
N=5
index=np.arange(N)
plt.bar(x=index,height=y)
plt.show()

plt.barh()

plt.barh(y, width, height=0.8, left=None, *, align='center', **kwargs)

• y：表示y坐标，数据类型为int或float类型，刻度自适应调整；也可传dataframe的object，y轴上等间距排列；
• width：表示柱状图的长度，也就是x坐标值，数据类型为int或float类型；
• height：表示柱状图的高度，取值在0~1之间，默认为0.8；
• 其他参数与plt.bar()类似。

import matplotlib.pyplot as plt
import numpy as np

y=[20,30,15,25,15]
N=5
index=np.arange(N)
# plt.bar(x=index,height=y)
# plt.show()

plt.barh(y=index,width=y)
plt.show()

plt.bar()综合应用

import matplotlib as mpl
import matplotlib.pyplot as plt
from matplotlib.pyplot import MultipleLocator
from matplotlib import ticker
%matplotlib inline


# 第一个坐标轴和图
fig = plt.figure(figsize=(8,5), dpi=80)
ax = fig.add_subplot(1,1,1)
plt.subplot(1, 1, 1)

# 画多个图，传递多个不同的x轴刻度
x = [i for i in range(25)]  # x轴标准刻度
x1 = [i-0.2 for i in range(25)]  # 第一个图x轴左偏移0.2
x2 = [i+0.2 for i in range(25)]  # 第二个图x周右偏移0.2，防止重叠
xx = data3['sku_pri'].to_list()  # x周的刻度显示

ax.set_ylabel('y轴1的名称')
ax.set_xlabel('x周名字')
plt.bar(x1, data3['num_sales']/10000, width=0.4, label='第一张图')
plt.ylim(0,4000)
plt.xticks(x,xx)  # x周刻度显示
plt.title('plt.plot()综合应用')
ax.legend(loc='upper left')

# 第二个坐标轴和图
ax2 = ax.twinx()
ax2.spines['right'].set_position(('axes', 1.0))
ax2.set_ylabel('y轴2的名称')
plt.bar(x2, data3['lk_num']/10000, width=0.4, color='orange', label='第二张图')
plt.ylim(0,200)
plt.xticks(x,xx)
ax2.legend(loc='upper center')

# 第三个坐标和图
ax3 = ax.twinx()
ax3.spines['right'].set_position(('axes', 1.1))  # 1.1向右便宜避免重叠
ax3.set_ylabel('y轴3的名称')
plt.plot(x, data3['lk_ra'], marker='*',color='purple', label='第三张图')
plt.ylim(0,0.12)

# y轴3设置刻度未百分比
ax3.yaxis.set_major_locator(MultipleLocator(0.02))
ax3.yaxis.set_major_formatter(ticker.PercentFormatter(xmax=1, decimals=0))
plt.xticks(x,xx)

ax3.legend(loc='upper right')

# plt.savefig('保存图片名称'+'.png')
plt.show()

plt.barh()画甘特图

数据如下：
python读取excel需要了解的知识点这里！！！

代码：
ps：注释掉的colors的那个配色更好看

import pandas as pd
import matplotlib.pyplot as plt
import matplotlib.patches as mpatches
from colour import Color
# import xlrd 引擎


# 正常显示中文和符号
plt.rcParams['font.sans-serif']=['SimHei']
plt.rcParams['axes.unicode_minus']=False

# 读取数据表，获取工位加工时长和各个工位开始加工时间
df1=pd.read_excel('test.xls',sheet_name='continue_time',index_col='YM')
df2=pd.read_excel('test.xls',sheet_name='start_time',index_col='YM')
# print(df1.head())
# print(df2.head())

CJS=['CJ1','CJ2','CJ3','CJ4']
YMS=['YM4','YM5','YM2','YM7','YM10','YM1','YM8','YM6','YM3','YM9']

# continue_time:各个工位加工时长，start_time：各个工位开始加工时间
continue_time=[]
start_time=[]

for cj in CJS:
    continue_time.append([ym for ym in df1[cj][YMS]])
    start_time.append([ym for ym in df2[cj][YMS]])

print("continue_time:",continue_time)
# print("start_time:",start_time)

# 获取数组大小，用于之后的循环
m=range(len(continue_time)) # 4 个机器
n=range(len(continue_time[0])) # 10 个工件

# print("m=%s,n=%s" %(m,n))

# 绘图
# 指定每一个水平柱子颜色
# red=Color('red')
# colors=list(red.range_to(Color('purple'),14))
# colors=[color.rgb for color in colors]
# print("colors:",colors)

colors = ['r', 'pink', 'orange', 'y', 'g', 'b', 'deeppink', 'purple', 'brown', 'black']

# 设置画布大小和分辨率
plt.figure(figsize=(20,8),dpi=200)

# barh:水平柱状图，设置循环迭代以绘制层叠效果
for i in m:
    for j in n:
        plt.barh(m[i] + 1, continue_time[i][j], left=start_time[i][j], color=colors[j])
        # print("机器=%s,工件=%s---------------------------" %(i,j))
        # print("m[i] + 1=%s, continue_time[i][j]=%s, left=start_time[i][j]=%s" % ( m[i] + 1, continue_time[i][j], start_time[i][j]))

plt.title('疫苗生产甘特图',fontsize=17)

# 命名
labels=['']*len(continue_time[0]);
for f in n:
    labels[f]='YM%d'%(f+1)
print(labels)

# 添加图例
patches=[mpatches.Patch(color=colors[i],label="{:s}".format(labels[i])) for i in range(len(continue_time[0]))]
plt.legend(handles=patches,loc=4)

# XY标签
plt.xlabel('加工时间/分钟',fontsize=15)
plt.ylabel('各工位加工流程',fontsize=15)

# XY轴刻度
plt.yticks([1,2,3,4],['CJ1','CJ2','CJ3','CJ4'])

# 网格线
# plt.grid(linestyle='--',alpha=0.5)

plt.savefig('gatte.jpg')
plt.show()

结果展示：