python这个假期正在学习，学习的方面是可视化、爬虫、地理数据的处理，第一阶段的任务完成了，花了几天了，白天忙着实习，晚上很晚回去，坚持着学习，今天花了一些时间，来整理这一段时间的学习成果，分享大家，共同努力，第一次写着博客，不足的地方，希望大家批评、指正。
1、matplotlib
常用包：import matlotlib.pyplot as plt
import matplotlib.pyplot as plt
x=[1,2,3,4]
y=[1,-2,4,-6]
plt.plot(x,y)
plt.show()
2、numpy
import numpy as np，numpy是常用于科学计算的包，有着大量的函数，函数引用方法：np.fun(x) x.fun()，常用np.fun(x)
常用函数：c=np.arange(2,11,3)——表示的是范围，2为起始，11为终点，3为步长，默认开始是0
np.random.randint(1,100,10)——随机变量，三个参数，从1开始，到100结束，需要10个参数
np.random.rand(200)——随机变量，取值范围是0-1
np.min()，np.max()
np.sort()——排序函数
np.linspace(-10,10,100) #等值区间，从-10至10，共100个数
linspace不同于arrange，这个可以取值小数，均等分取
np.append不同于列表的添加，列表的添加是在append后面直接加新的值，而np的添加是（旧值，新值）
3、文件读取
import matplotlib.dates as mdates
data,open,close=np.loadtxt('0001.csv',delimiter=',',converters={0:mdates.strpdate2num('%m/%d/%y')},
skiprows=1,usecols=(0,1,4),unpack=True) #converters：将日期转换为matplot可识别的
plt.plot_date(data,open,linstyle='--',color='green',marker='o') #识别日期进行画图，需要用plot_date函数
plt.plot_date(data,close,linstyle='-',color='red',marker='^') #这个可以同时在一个图上画出两个线来
plt.show()
本文件中要读取出日期的数据，因此需要引入import matplotlib.dates as mdates
以delimiter进行分割提取，跳过第一行，提取使用第0,1,4列的数据，对数据不进行打包，分别装入到三个参数中data,open,close
日期的转换使用converters参数，形式为字典，需要转换的数据是第0列，%m/%d/%y都是可以修改的
4、样式设置
在绘图中进行设置
linstyle——线型
marker——符号
color——颜色
size——点大小
alpha——透明度
b:blue
g:green
c:cyan 青色
m:magenta 紫色
y:yellow
k:black
w:white
颜色的设置还可以用十六进制、RGB三个参数，注意：单纯的color=0.3，这个就是表示灰度，数值的大小决定着线的颜色大小
RGB颜色查询表：http://www.114la.com/other/rgb.htm
plt.figtext(0.9,0.08,’
x
x
x’) #介于xy0-1，1是最右边，0是最左边，设置xy的坐标轴标签
plt.figtext(0.1,0.9,’
y
y
y’) #加上$$是为了表示成数字的形式，因为没有/，所以不需要用r
5、折线图
import matplotlib.pyplot as plt
import numpy as np
x=np.linspace(-10,10,100) #等值区间，从-10至10，共100个数
y=x**2
plt.plot(x,y)
plt.show()
6、散点图
import numpy as np
import matplotlib.pyplot as plt
N=200
x=np.random.rand(N)
y=-np.random.rand(N)*-0.5-5
plt.scatter(x,y,s=20,color='r',marker='^',alpha=0.5) #s表示的是面积,alpha介于0-1
print(len(y)) #y是数组型(元组)，也可以表示为列表
plt.show()
散点图的大小，不能使用size，得用s来表示
7、条形图
竖着/横着：
import matplotlib.pyplot as plt
import numpy as np
N=5
y=[1,3,5,6,3]
index=np.arange(N) #从1开始至N
plt.bar(x=index,height=y,width=0.5,color='red',bottom=0) #x与botto是相对的,x从index开始，bottom默认从0开始
plt.bar(x=0,height=0.5,width=y,color='red',bottom=index,orientation='horizontal') #x从0开始，bottom从index开始
一个长方形的设置设计：index，height，width，bottom，orientation很灵活
Index是x轴的起点，bottom是y轴的起点
多条式图
index2=np.arange(4)
sales_B=[1,3,6,4]
salse_S=[3,6,2,8]
bar_width=0.3
plt.bar(index2,sales_B,width=bar_width,color='red')
plt.bar(index2+bar_width,salse_S,width=bar_width,color="green")
plt.show()
堆叠式图
index2=np.arange(4)
sales_B=[1,3,6,4]
salse_S=[3,6,2,8]
bar_width=0.3
plt.bar(index2,sales_B,width=bar_width,color='red')
plt.bar(index2,salse_S,bar_width,color="green",bottom=sales_B)
plt.show()
8、直方图
直方图常用来表示连续的同类别的数据
条形图表示不连续的不同类别的数据
import matplotlib.pyplot as plt
import numpy as np
x=np.random.randint(1,200,200)
plt.hist(x,bins=100,color='red',density=False) # bine：分成20个区间，density：进行标准化，显示的是频率，否则为次数
plt.show()
双变量的直方图
用颜色亮度表示频率
import matplotlib.pyplot as plt
import numpy as np
x=np.random.rand(10000)+2
y=np.random.rand(10000)+5
plt.hist2d(x,y,bins=40)
plt.show()
9、箱型图
箱型图是一种用作显示一组数据分散情况资料的统计图
上边缘、上四分位数、中位数、下四分位数、下边缘、异常值
import matplotlib.pyplot as plt
import numpy as np
data=np.random.rand(1000)
# data=np.random.normal(size=5000,loc=0,scale=5) #这是个正态分布，loc表示均值，这里是以y轴对称分布，scale表示标准差，size表示元素个数
plt.boxplot(data,sym='o')
plt.show()
也可以使用正态的分布
符号设计不再是marker，而是sym
也可以同时画多个箱型图
data=np.random.normal(size=(5000,4),loc=(0,3,5,3),scale=(5,2,6,1)) #创建4组数据，每组数据5000个
labels=['A','B','C','D']
plt.boxplot(data,labels=labels)
plt.show()
10、饼状图
import matplotlib.pyplot as plt
import numpy as np
labels=['A','B','C','D']
fracs=[15,60,23,56]
explode=[0,0,0,0.04]
plt.pie(x=fracs,labels=labels,autopct='%.0f%%',explode=explode) #autopct='%.0f%%'：将数据显示在图上的格式串字符
#explode：进行突出显示，这里需要设计每块的距离
plt.show()
11、面向对象可视化与plt可视化
这个适用于单个作图
import matplotlib.pyplot as plt
import numpy as np
x=np.arange(1,10,1)
y=np.random.rand(len(x))
plt.plot(x,y)
plt.title("pyplot")
plt.show()
这个适用于多个作图
import matplotlib.pyplot as plt
import numpy as np
x=np.arange(1,10,1)
y=np.random.rand(len(x))
fig=plt.figure() #创造一个图
ax=fig.add_subplot(111) #创建一个对象，1行1列，这个对象为第1个
ax.set_title('object oriented') #标题
ax.plot(x,y)
plt.show()
matplotlib的实例
FigureCanvas:画布
Figure：图
Axes：坐标轴
ax=fig.add_subplot(111) ax为创建的一个对象
意思：返回一个Axes实例
参数一：子图总行数
参数二：子图总列数
参数三：子图位置
创建多个图表
import matplotlib.pyplot as plt
import numpy as np
x=np.arange(1,100)
fig=plt.figure()
axl=fig.add_subplot(221)
axl.plot(x,x)
ax2=fig.add_subplot(222)
ax2.plot(x**3,x)
ax3=fig.add_subplot(223)
ax3.plot(np.log(x),x)
ax4=fig.add_subplot(224)
ax4.plot(np.sin(x),x)
plt.show()
产生多张图
import matplotlib.pyplot as plt
import numpy as np
x1=np.arange(1,10,1)
y1=x1*2-3
x2=np.random.rand(8)
y2=x2*3-np.random.randint(1,8)
fig1=plt.figure()
fig2=plt.figure()
ax1=fig1.add_subplot(111)
ax2=fig2.add_subplot(111)
ax1.plot(x1,y1)
ax2.plot(x2,y2)
plt.show() #展示出所有的图
每一个对象就表示着新的一张图（配合着subplot（111））
12、网格与图例
网格：plt.grid（True） 默认为True，也可以在里面设置其参数
图例在plot中进行设置，展现出来，用plt.legend()
import matplotlib.pyplot as plt
import numpy as np
#面向对象
x1=np.arange(1,10)
y1=np.random.rand(9)
fig=plt.figure()
ax1=fig.add_subplot(111)
ax1.grid(color='g',linewidth='0.6',linestyle='--')
ax1.plot(x1,y1,label='223')
ax1.legend()
plt.show()
import matplotlib.pyplot as plt
import numpy as np
x=np.arange(1,10)
plt.plot(x,x**3,label='333')
plt.plot(x,x**4,label='44')
plt.plot(x,x**5,label='55')
plt.legend(loc=0,ncol=2) #图例的参数：位置参数——0、1,2,3,4（逆时针方向,0表示智能放置)
#ncol：表示图例的行数设置，这里表示设置为3列
plt.show()
13、创建时间数据，并进行展现
import matplotlib.pyplot as plt
import numpy as np
import matplotlib as mpl
import datetime
fig=plt.figure() #创建一个画
start=datetime.datetime(2019,3,4)
stop=datetime.datetime(2019,5,7)
delta=datetime.timedelta(days=5) #间隔为5
dates=mpl.dates.drange(start,stop,delta) #相当于创建x数据
y=np.random.rand(len(dates))
ax=plt.gca() #获得坐标轴,可以进行修改
ax.plot_date(dates,y,linestyle='--')
date_format=mpl.dates.DateFormatter('%Y-%m') #修改日期的表现形式为中文形式
ax.xaxis.set_major_formatter(date_format) #提交修改
fig.autofmt_xdate() #x轴的标记进行自适应
ax.grid()
plt.show()
14、添加新的坐标轴
核心：twinx
import matplotlib.pyplot as plt
import numpy as np
x=np.arange(1,10)
y1=x**3
y2=np.log(x*3)
plt.plot(x,y1)
plt.twinx() #新添加了一个坐标轴
plt.plot(x,y2,color='r')
#plt.ylabel="Y1"
plt.show()
plt的方式不能同时对两个图像进行设置x、y坐标，而面向对象的方法可以
面向对象：
import matplotlib.pyplot as plt
import numpy as np
x=np.arange(1,10)
y1=x**3
y2=np.log(x*3)
fig=plt.figure()
ax1=fig.add_subplot(111)
ax1.plot(x,y1)
ax1.set_ylabel('Y1')
ax2=ax1.twinx() #也有twiny
ax2.set_ylabel('Y2')
ax2.plot(x,y2,'g')
ax1.set_xlabel("Compare Y1 and Y2")
plt.show()
15、颜色填充
以sin函数为例
import numpy as np
import matplotlib.pyplot as plt
x=np.linspace(0,5*np.pi,1000) #步长不为整数
y1=np.sin(x)
y2=np.sin(2*x)
# plt.plot(x,y1) #有了fill，这个就可以不写
plt.fill(x,y1,color='b',alpha=0.2)
# plt.plot(x,y2)
plt.fill(x,y2,color='g',alpha=0.2)
plt.fill_between(x,y1,y2,color='r',alpha=0.2)
plt.fill_between(x,y1,y2,where=y1>y2,color='r',alpha=0.2)
plt.fill_between(x,y1,y2,where=y1<y2,color='y',alpha=0.2)
plt.grid()
plt.show()
有了fill之后，可以不再写plot
Plt.fill_between是填充两个函数图像交叉部分，这里还可以设置条件，来填充上不同的颜色（因为这儿设置了透明度，多个颜色叠加存在着一个融合的现象）
16、设置x、y轴显示范围
两种方式：axis、xlim（ylim）
面向对象的是set_xlim、set_ylim
import matplotlib.pyplot as plt
import numpy as np
x=np.arange(-10,11)
plt.plot(x,x**2)
# plt.axis([-12,12,0,100])
# print(plt.axis()) #(-10.95, 9.95, -5.0, 105.0) x的最大小值，y的最大小值,可以据此进行修改
plt.xlim(left=1,right=11)
plt.ylim(bottom=2,top=50)
plt.show()
17、图上写文字
关键：plt.text、bbox、facecolor（前景色） 粗体的设置是通过wieght进行的
需要通过设置xy来确定文字的位置
数学公式的引用，python是引入了tex方式的，写之前，避免转义字符，需要设置r，数学公式的书写用$$
import matplotlib.pyplot as plt
import numpy as np
x=np.arange(-10,10)
y=x**2
plt.plot(x,y)
plt.text(0,40,'function=x**2',family='serif',size=20,color='g',style='italic',weight=1000) #x，y，文字,字体类型，大小,颜色，字体形状（斜体）
plt.text(1,20,'wwwwe',family='sans-serif',size=20,color='r',bbox=dict(facecolor='b',alpha=0.2)) #weight加粗,bbox做一个框
plt.text(2,60,'wwwwe',family='fantasy',size=20,color='b') #手写的感觉
plt.text(1,80,r"$\sigma _{\max}=\frac{\sigma _{xx}+\sigma _{yy}}{2}+\frac{1}{2}\sqrt{\left( \sigma _{xx}-\sigma _{yy} \right) ^2+4\tau _{xy}^2}$")
plt.show()
18、图像上画标签箭头
import matplotlib.pyplot as plt
import numpy as np
x=np.arange(1,20)
y=x**2-10
plt.plot(x,y)
plt.annotate("this is botton",xy=(2,10),xytext=(2,100), family='fantasy',size=20,color='b',arrowprops=dict(facecolor='r',headlength=20,headwidth=10,width=5))
plt.show()
xy：决定注释的顶点位置
xytext：决定文字的位置，以及注释的长度
arrowprops：决定注释的样式（箭头)，颜色，头的长度、头的宽度、主体的宽度
19、雷达图
import matplotlib.pyplot as plt
import numpy as np
r=np.arange(1,11) #rangge是左开右闭的区间
# theta=[0,np.pi/2,np.pi,3*np.pi/2,2*np.pi]
theta=np.linspace(0,2*np.pi,10)
fig=plt.figure()
ax=fig.add_subplot(111,projection='polar') #投影：极坐标
ax.plot(theta,r,color='r')
ax.grid(True)
plt.show()
#rangge是左开右闭的区间，（1,10），则只有9个值，因此需要设置为（1,11）
重点：projection=‘polar’
设置一个闭合的雷达图，重点是最后一个数的坐标要和第一个的一样
import matplotlib.pyplot as plt
import numpy as np
r=[5,5,5,5,5,5,5,5,5,5]
theta=[0,np.pi/2,np.pi,3*np.pi/2,2*np.pi]
theta=np.linspace(0,2*np.pi,10)
fig=plt.figure()
ax=fig.add_subplot(111,projection='polar') #投影：极坐标
ax.plot(theta,r,color='r')
ax.grid(True)
plt.show()
20、函数积分图
import numpy as np
import matplotlib.pyplot as plt
from matplotlib.patches import Polygon
def func(x):
return -(x-2)*(x-8)+40
x=np.linspace(0,10)
y=func(x)
fig=plt.figure()
ax=fig.add_subplot(111)
plt.plot(x,y,'r',linewidth=2)
a=2
b=9
ax.set_xticks([a,b]) #设置x、y的值，逐个设置，非区间
ax.set_yticks([])
ax.set_xticklabels(['$a$','$b$']) #设置x、y的标签数值
plt.figtext(0.9,0.08,'$x$') #介于xy0-1，1是最右边，0是最左边，设置xy的坐标轴标签
plt.figtext(0.1,0.9,'$y$')
#制作阴影
ix=np.linspace(a,b) #按照默认来进行划分，划分为50等分
iy=func(ix)
ixy=zip(ix,iy) #将ix与iy组合起来
vertss=[(a,0)]+list(ixy)+[(b,0)] #一个面的基本要素
poly=Polygon(vertss,facecolor='0.9',edgecolor='0.5') #组合成一个面，并设置其属性
ax.add_patch(poly) #添加进图形中
ax.text(5,40,'wewc',size=20)
plt.show()
xtick不同于xlim，xlim设置的是区间，而xtick是精确到了区间上具体的值，若是用数组，则是具体的值，若是单纯的数字则表示为几等分（见下面的球员能力雷达图）
21、球员能力图
这里的能力值均是由随机数产生的，非真实情况
import matplotlib.pyplot as plt
import numpy as np
from matplotlib.font_manager import FontProperties
plt.style.use('ggplot') #风格的设置：灰色
font=FontProperties(fname=r'c:\windows\fonts\simkai.ttf',size=14) #由于matplot自身的问题，因此需要寻找识别字符
fig=plt.figure()
ax1=fig.add_subplot(221,projection='polar')
ax2=fig.add_subplot(222,projection='polar')
ax3=fig.add_subplot(223,projection='polar')
ax4=fig.add_subplot(224,projection='polar')
ability_label=[u'进攻',u'防守',u'盘带',u'速度',u'体力',u'射术'] #字符问题，这里u必须加上
ability_size=6
player={
'梅西':np.random.randint(size=ability_size,low=60,high=99),
'哈维':np.random.randint(size=ability_size,low=60,high=99),
'皮克':np.random.randint(size=ability_size,low=60,high=99),
'切赫':np.random.randint(size=ability_size,low=60,high=99),
}
theta=np.linspace(0,2*np.pi,6,endpoint=False) #endpoint : 如果True，'stop'是最后一个样本。否则，它不包括在内。默认为True。
#这里是要闭合的
theta=np.append(theta,theta[0]) #这里左边的theta相当于是另外设置了标签,数组的追加需要全部加上=原先的+新来的
player['梅西']=np.append(player['梅西'],player['梅西'][0])
# ax1.plot(theta,player['梅西'],'r')
ax1.fill(theta,player['梅西'],'r',alpha=0.3)
ax1.set_xticks(theta) #由八等分换成六等分,并设置角度
ax1.set_xticklabels(ability_label,FontProperties=font,color='g') #不再是角度，而是中文字符，因为字符不被识别，因此前面需要进行转码
ax1.set_title('梅西',position=(0.5,1.05),FontProperties=font,size=20,color='r')
ax1.set_yticks=[20,40,60,80] #强行确定y值
player['哈维']=np.append(player['哈维'],player['哈维'][0])
# ax1.plot(theta,player['哈维'],'r')
ax2.fill(theta,player['哈维'],'g',alpha=0.3)
ax2.set_xticks(theta) #由八等分换成六等分,并设置角度
ax2.set_xticklabels(ability_label,FontProperties=font,color='g') #不再是角度，而是中文字符，因为字符不被识别，因此前面需要进行转码
ax2.set_title('哈维',position=(0.5,1.05),FontProperties=font,size=20,color='r') #position调整的是标题的位置，xy的比例
player['皮克']=np.append(player['皮克'],player['皮克'][0])
# ax1.plot(theta,player['哈维'],'r')
ax3.fill(theta,player['皮克'],'y',alpha=0.3)
ax3.set_xticks(theta) #由八等分换成六等分,并设置角度
ax3.set_xticklabels(ability_label,FontProperties=font,color='g') #不再是角度，而是中文字符，因为字符不被识别，因此前面需要进行转码
ax3.set_title('皮克',position=(0.5,0.98),FontProperties=font,size=20,color='r')
player['切赫']=np.append(player['切赫'],player['切赫'][0])
# ax1.plot(theta,player['哈维'],'r')
ax4.fill(theta,player['切赫'],'b',alpha=0.3)
ax4.set_xticks(theta) #由八等分换成六等分,并设置角度
ax4.set_xticklabels(ability_label,FontProperties=font,color='g') #不再是角度，而是中文字符，因为字符不被识别，因此前面需要进行转码
ax4.set_title('切赫',position=(0.5,0.98),FontProperties=font,size=20,color='r')
plt.show()
谢谢大家，欢迎评论，未得作者同意，不得转载本文。
234
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
