使用matplotlib绘制基础图形学习笔记

使用matplotlib绘制基础图形学习笔记

一、引言

想弄个看上去较为“高大上”的统计报告或报表，数据分析必不可少，因为这能使我们的成果看上去更有说服力。当然我们也可以让我们的成果更上一层楼——使用统计图。它的用处很多，最重要的一点是能更加清晰直观地反映出我们的“研究成果”。

笔者在这篇笔记中主要总结并分享的是在这学期学习中在jupyter notebook中遇到的相关图表语句，其次附上研究生之前自学matplot绘图中scatter散点图的相关参数笔记。欢迎广大读者朋友批评指正！

二、使用matplotlib.pyplot输出图表的相关语句

·在这学期的学习中，笔者主要将matplotlib用于二维散点、折线图的绘制，并适当添加了一些辅助说明的参数代码。我们先从最基础的图形说起：

·我们绘制一个二维散点图，首先要定义x轴和y轴，它们可以是用户自行编写的数组数据，或者是引用之前数据的某一列，例：

x = np.linspace(1,2,100)

y = np.linspace(2,4,100)

#定义x是一组以1为首项，2为末项，步长100（划分为100等份）的数组，y同理。或者：

x = data[‘X1’]

y = data[‘Y’]

#导入已有数据集，用户将该数据集名称定义为data，再将data中的X1列定义为变量x，Y列定义为y。

定义完成后我们就可以使用plt.scatter(x,y)绘制统计图了，一般来说，用户在写入这句代码后运行，jupyter会直接展示。笔者习惯在下一行加plt.show()做标记。其实无论加不加plt.show()都能输出，这就看用户个人习惯了。

·注：scatter在英文中是“散点图”的意思，与此类别相同的还有：pie——饼图；bar——条形图；hist——直方图；plot——折线图。使用“plt.图表类型”来获得我们想要的图形种类。

汇总上述代码：

x = data[‘X1’]

y = data[‘Y’]

plt.scatter(x,y)

于是我们得到了一个较为简单的散点图，它对数据的描述程度一般，所以我们希望通过加一些参数，让它能够反馈更多情况，描述的更加完善，更易让人接受。

·plt.figure()

这是matplotlib库中创建一个新的图形窗口的函数。它可以在一个绘图程序中创建多个图形窗口。在这个语句中，figsize是笔者最常用的，而后续的dpi、facecolor、edgecolor、linewidth则偏向于辅助参数，是笔者自学时接触到的。它们各自的意义如下：figsize：以英寸为单位,用于指定图形的宽度和高度。它包含两个元素，例如(6, 4)。

dpi：用于指定图形的分辨率，以英寸点数为单位,默认为100。

facecolor：图形窗口的背景颜色。默认白色。

edgecolor：图形窗口边框的颜色。默认白色。

linewidth：用于指定图形窗口边框的线宽。默认为1。

·plt.subplot(x,y,z)

这是展示多个或者一连串子图的函数，它可是重量级！用户如果想同时展示多个图表，那少不了它。

其中x和y是行参数和列参数，z是位置参数。大致意思如下：

plt.subplot(3,2,1)

#一共绘制3行2列个子图（共6个“位置”），输出的子图位置在第1个位置。

我们用一个表来辅助读者理解subplot：

列 行	第1列	第2列
第1行	位置1 plt.subplot(3,2,1)	位置2 plt.subplot(3,2,2)
第2行	位置3 plt.subplot(3,2,3)	位置4 plt.subplot(3,2,4)
第3行	位置5 plt.subplot(3,2,5)	位置6 plt.subplot(3,2,6)

·plt.xlabel / plt.ylabel / plt.title / plt.suptitle

这一家四口就显得没有那么难理解了，有点英语基础的读者朋友都认识：label是标签，“修饰”了x和y，意思就是x轴标签名称和y轴标签名称；而title和suptitle，笔者在学习时通常称它们为小标题和大标题。因为title可以各自命名互不影响，而suptitle则是总揽全局的“大佬”——它是总体的标题，描述整个图形。例：

plt.xlabel(‘月份’)

plt.ylabel(‘销量’)

plt.title(‘江南皮革厂2011年销售数据’)

·plt.annotate / plt.text / plt.ylim / plt.yticks

plt.annotate()函数是在图形中添加标注文本。它在给定的坐标点处添加注释，可通过设置不同的参数来调整注释的位置、样式和箭头。笔者主要学习了这三种参数：

s：注释文本内容

xy：被注释的坐标点

xytext：注释文本的坐标位置

注：xy和xytext是二维（元）的

在此之外，annotate函数还有arrowprops，textcoords，xycoords等参数，它们可以帮助用户构建一个更美观的图，在这里不做赘述，读者朋友可自行浏览相关资料。

plt.text()函数与annotate有那么一点区别在于，它们注释的内容不太相同。text注释的是稍大范围的图形，annotate则是图形中的点。笔者主要学习了以下两种参数：

x，y：文本坐标位置

s：文本内容

此外，该函数还有两个参数：fontdict和withdash，它们能帮用户构建一个较为美观的图，在这里不做赘述，读者朋友可自行查阅相关资料。

plt.ylim()是添加y轴范围的函数，plt.xlim同理，它们的参数只有一对(x,y)。但请读者注意，此xy非彼xy，参数里面的x和y描述的是坐标轴的范围——起点和终点。函数中的x和y则是x轴和y轴。

plt.yticks([])是添加y轴刻度的函数，x轴同理。注意看，这个函数内部构造较为特殊，因为其内部要求的参数以数组或列表形式存在，例：

plt.yticks([0,1,2,3],[’A’,’B’,’C’,’D’])

#这句话的意思大致是：将y轴的刻度位置分别设置为0, 1, 2, 3，对应的标签分别为'A', 'B', 'C', 'D'。

笔者经常将ticks和lim连用，因为它们功能相近，也能使我们的统计图更加精确；annotate和text也是如此，添加备注能让读者对数据分布一目了然。

·plt.axhline()

axhline函数是给图中添加一条水平线，笔者主要接触到这三个参数：

y：参考线y的位置。

color：参考线颜色，默认黑色。

linestyle：参考线线型，默认实直线。

注：在线条风格参数中：‘-’代表实线，‘--’代表虚线，‘-.’代表点划线，‘:’代表点线。

其他的参数还有xmin，xmax，linewidth，这三个参数能让参考线看上去更加美观，它们各自的功能也不尽相同，在这里不再过多赘述，读者可自行查阅相关资料。

这些只是较为基础的东西，如果我们想分区块或者分类别绘制散点图，我们可能还会用到条件判断。笔者将在下一篇学习笔记中为大家分享一下条件的一些内容。

以上就是笔者在这学期的学习中，使用plt模块总结的函数种类。。

附：使用plt绘制scatter时常见的参数：

·plt.scatter(x,y,s,c,marker,cmap,norm,alpha,linewidths,edgecolors)

x是x轴数据；y是y轴数据；s是散点大小；c是散点颜色；marker是散点图形状；cmap是颜色图谱（用处不多，可忽略）；norm是标准化（归一化）数据；alpha是透明度；linewidths是散点边界线的宽度；edgecolors是散点图边界的颜色