机器学习基础（3）--- 最好的matplotlib教程

第一章 机器学习基础（3）matplotlib

---

1.matplotlib简介

matplotlib是Python绘图库，受到了MATLAB的启发而构建的。它提供了一种有效的MATLAB开源替代方案，能和Numpy一起使用。官方网站

---

2.matplotlib基本操作

首先，在使用matplotlib的时候，需要提前导入它的包。import matplotlib.pyplot as plt,接下来就能够愉快的使用它绘制许多好看的图啦。

在绘图结构中，figure创建窗口，subplot创建子图，所有的绘画只能在子图上进行。plt表示当前子图，如果没有就创建一个子图。

---

2.1 基本图–折线图

import numpy as np
import matplotlib.pyplot as plt
x = np.arange(1,11)
y = 2*x+1

##plt参数设置
plt.title("Matplotlib demo")  #设置标题
plt.xlabel("X axis caption")  #设置X轴注解
plt.ylabel("Y axis caption")  #设置Y轴注解

plt.plot(x,y)
plt.show()

默认情况下，matplotlib不支持中文，我们可以使用下面的方法进行设置。

plt.rcParams['font.sans-serif']=['SimHei']  #用来正常显示中文
plt.rcParams['axes.unicode_minus']=False  #正常显示正负号

完整的实例如下：

import numpy as np
import matplotlib.pyplot as plt

###################################################
plt.rcParams['font.sans-serif']=['SimHei']  #用来正常显示中文
plt.rcParams['axes.unicode_minus']=False  #正常显示正负号
#####################################################

x = np.arange(-5,11)
y = 2*x+1

##plt参数设置
plt.title(u"测试用例")  #设置标题
plt.xlabel(u"X坐标注解")  #设置X轴注解
plt.ylabel(u"Y 坐标注解")  #设置Y轴注解

plt.plot(x,y)
plt.show()

可以看见，图中的正负号和中文字体已经正常显示。

2.2 基本图–条形图

pyplot通过bar()函数生成条形图。

###条形图
from matplotlib import pyplot as plt

#准备数据
x = [5,8,10]
y = [12,16,6]

x2 = [6,9,11]
y2 = [6,15,17]
#绘制条形图
plt.bar(x,y,align="center")

plt.bar(x2,y2,color="g",align="center")

plt.xlabel("x axes")
plt.ylabel("y axes")

plt.title("bar graph")

plt.show()

2.3 基本图–直方图

直方图的绘制通过hist(array,bins)函数完成，其中有两个参数：

• bins:表示间隔
• array表示数据

##直方图
from matplotlib import pyplot as plt
import numpy as np

a = np.array([22,87,5,43,56,73,55,54,11,20,51,5,79,31,27])
plt.hist(a,bins=[0,20,40,60,80,100])

plt.title("HistGram")
plt.show()

2.4 散点图

fig = plt.figure(4)  #添加一个窗体
ax = fig.add_subplot(1,1,1)  #在窗体上添加一个子图
x = np.random.random(100)

y = np.random.random(100)
#x横坐标，y纵坐标，s图像大小，c颜色，marker图片，lw图像边框宽度
ax.scatter(x,y,s=x*1000,c='y',marker=(5,1),alpha=0.5,lw=2,facecolors='none') 
plt.show()

2.5 子图的绘制

Matplotlib的可以把很多张图画到一个显示界面，在作对比分析的时候非常有用。

对应的有plt的subplot和figure的add_subplo的方法，参数可以是一个三位数字（例如111），也可以是一个数组（例如[1,1,1]），3个数字分别代表

1. 子图总行数
2. 子图总列数
3. 子图位置

有三种方法可以实现，下面一起来看看吧~

##方式一  通过plt的subplot
import numpy as np
import matplotlib.pyplot as plt

##第一个图 折线图
x = np.arange(1,100)
plt.subplot(221)
plt.plot(x,x*x)

##第二个图：散点图
plt.subplot(222)
plt.plot(x,2*x+1)

#第三个图：饼图
plt.subplot(223)
plt.pie(x=[15,30,45,10],labels=list('ABCD'),autopct='%.0f',explode=[0,0.05,0,0])

#第四个图：条形图
plt.subplot(224)
plt.bar([20,10,30,25,15],[25,15,15,30,20],color="b")
plt.show()

第二种方式，通过figure的add_subplot

fig=plt.figure()  #创建窗体

# 画第1个图：折线图
x=np.arange(1,100)
ax1=fig.add_subplot(221)
ax1.plot(x,x*x)

# 画第2个图：散点图
ax2=fig.add_subplot(222)
ax2.scatter(np.arange(0,10), np.random.rand(10))

# 画第3个图：饼图
ax3=fig.add_subplot(223)
ax3.pie(x=[15,30,45,10],labels=list('ABCD'),autopct='%.0f',explode=[0,0.05,0,0])

# 画第4个图：条形图
ax4=fig.add_subplot(224)
ax4.bar([20,10,30,25,15],[25,15,35,30,20],color='b')
plt.show()    

第三种方式：通过plt的subplots绘制

fig,subs=plt.subplots(2,2)

# 画第1个图：折线图
x=np.arange(1,100)
subs[0][0].plot(x,x*x)

# 画第2个图：散点图
subs[0][1].scatter(np.arange(0,10), np.random.rand(10))

# 画第3个图：饼图
subs[1][0].pie(x=[15,30,45,10],labels=list('ABCD'),autopct='%.0f',explode=[0,0.05,0,0])

# 画第4个图：条形图
subs[1][1].bar([20,10,30,25,15],[25,15,35,30,20],color='b')
plt.show()

​

2.6 子图的不规则划分

# 画第1个图：折线图
x=np.arange(1,100)
plt.subplot(221)
plt.plot(x,x*x)

# 画第2个图：散点图
plt.subplot(222)
plt.scatter(np.arange(0,10), np.random.rand(10))

# 画第3个图：条形图
# 前面的两个图占了221和222的位置，如果想在下面只放一个图，得把前两个当成一列，即2行1列第2个位置
plt.subplot(212)
plt.bar([20,10,30,25,15],[25,15,35,30,20],color='b')
plt.show()

---

3. 参考教程

1.matplotlib绘图入门详解

2.菜鸟教程 Numpy matplotlib教程

3.matplotlib完美中文显示

4.matplotlib如何绘制子图

---

4. 结束语

希望各位能够多多实践，能够把别人的东西转化成自己的东西！

---

最后，如果有志同道合的朋友想一起讨论的，请加QQ群【662151913】萌新AI的入坑之旅

---