Python数据可视化之Matplotlib-基础详细篇

Python数据可视化-Matplotlib

上一篇文章大概介绍了数据可视化-Matplotlib之基础知识。这篇文章我们学习一下常用图形的绘制方法。

常用平面图形

普通图

常用函数可以直接用 plt.plot()* 对象。如：

x = np.linspace(-10,10,100)
y = 1/(1+np.exp(-x)) # sigmoid 函数
z = np.sin(x)
plt.figure(figsize=(10,5))
plt.plot(x,y-0.5,label="$\sigma (x)$",color="r",linewidth=2)
plt.plot(x,z,label="sin(x)",color="b",linewidth=2.5)

plt.title("Matplotlib Figure: koding") #图表标题
plt.legend()    #显示图形标签
plt.grid()      #显示网格
plt.show()      #显示绘图窗口

结果：

条形图

条形图可以利用 plt.bar() (axis.bar())对象，默认是垂直条形。水平条形图可以利用 plt.barh()

语法：plt.bar(x, height, width, bottom=None, *, align=‘center’, data=None, **kwargs)

参数说明：

x : 每个条形的 X 坐标标签（向量）

height : 每个条形的高度（与 X 对应的向量） 高度可以负数哦（图倒过来看就正的了）

width : 每个条形的宽度，默认 0.8

bottom : 每个条形底部的 Y 坐标，默认 0

label : 每类条形的标签

align : 每个条形与X坐标的对齐样式，默认是 ’center‘，还可以为 ‘edge’

color 或 facecolor(简称fc) : 柱的颜色，‘r’,‘g’,‘b’,‘c’,‘y’,…

edgecolor : 条形的边缘线颜色，‘r’,‘g’,‘b’,‘c’,‘y’,…

linestyle : 条形的边缘线样式，有{’/’, ‘’, ‘|’, ‘-’, ‘+’, ‘x’, ‘o’, ‘O’, ‘.’, ‘*’}

linewidth : 条形的边缘线宽度

xerr/yerr : 水平/垂直误差线长度 （每个条形的顶端中部画误差线）

ecolor : 水平/垂直误差线长颜色

hatch : 填充图案样式，有 {’/’, ‘’, ‘|’, ‘-’, ‘+’, ‘x’, ‘o’, ‘O’, ‘.’, ‘*’}

visible : 是否显示，默认 True 即显示条形图

例：

import numpy as np
import matplotlib.pyplot as plt

X = ['G1','G2','G3','G4','G5'] # X 轴标签
A = [20, 35, 30, 35, 27] #A 类高度
B = [25, 32, 34, 20, 25] #B 类高度
aerr = [2, 3, 4, 2, 2] #误差线长度
berr = [3, 5, 2, 3, 3] #误差线长度

fig= plt.figure(figsize=(8,6))
ax = fig.add_subplot() 

# A 类的条形图
ax.bar(X,   #每个条形的 X 坐标标签
       A,   #每个条形的高度
       yerr=aerr,         #垂直误差线长度
       ecolor = "yellow", #垂直误差线长颜色
       width = 0.9,       #每个条形的宽度
       label = "Class A", #每类条形的标签
       color = "green",   #条形的颜色
       edgecolor = "red", #条形的边缘线颜色
       linestyle = ":",   #条形的边缘线样式
       linewidth = 3.5,   #条形的边缘线宽度
       hatch = "/"        #填充图案样式
       ) # plt.bar 也行
# B 类的条形图，底部高度应该在A类上方。其余具体属性均没设置。
ax.bar(X,B,yerr=berr,bottom=A,label="Class B") # plt.bar 也行

ax.set_ylabel("Scores") ## plt.ylabel() 也行
ax.set_title("Scores by Class A & B") ## plt.title() 也行
ax.legend() ## plt.legend() 也行

plt.show()

结果：

上面的条形图可以水平合并。

import matplotlib
import matplotlib.pyplot as plt
import numpy as np

labels = ['G1', 'G2', 'G3', 'G4', 'G5']
A = [20, 34, 30, 35, 27]
B = [25, 32, 34, 20, 25]
x = np.arange(len(labels))
width = 0.35 #条形图宽度

fig = plt.figure(figsize=(8,6))
ax = fig.add_subplot()

Afig = ax.bar(x - width/2, A, width, label='Class A')
Bfig = ax.bar(x + width/2, B, width, label='Class B')

ax.set_ylabel('Scores')
ax.set_title('Scores by Class A & B')
ax.set_xticks(x)
ax.set_xticklabels(labels)
ax.legend()

def autolabel(rects): #每个条形顶部写出高度，接收参数bar对象
    for rect in rects:
        height = rect.get_height()
        ax.annotate('{}'.format(height),
                    xy=(rect.get_x() + rect.get_width() / 2, height),
                    xytext=(0, 3),  # 3 points vertical offset
                    textcoords="offset points",
                    ha='center', va='bottom')

autolabel(Afig)
autolabel(Bfig)
fig.tight_layout()
plt.show()

其中 annotate函数后面会详细写。

结果：

水平条形图可以利用**plt.barh()**对象

语法：plt.barh(y, width, height=0.8, left=None, *, align=‘center’, **kwargs)

参数与上面几乎一样，完全可以对比。

例：

import numpy as np
import matplotlib.pyplot as plt

Y = ['G1','G2','G3','G4','G5'] # Y 轴标签
A = [20, 35, 30, 35, 27] #高度
aerr = [2, 3, 4, 2, 2] #误差线长度

fig= plt.figure(figsize=(8,6))
ax = fig.add_subplot()
ax.barh(Y,   #每个条形的 X 坐标标签
       A,   #每个条形的高度
       xerr=aerr,         #垂直误差线长度
       ecolor = "black", #垂直误差线长颜色
       label = "Class A", #每类条形的标签
       color = "blue",   #条形的颜色
       edgecolor = "red", #条形的边缘线颜色
       linestyle = ":",   #条形的边缘线样式
       linewidth = 3.5,   #条形的边缘线宽度
       hatch = "/"        #填充图案样式
       ) # plt.barh 也行
ax.set_xlabel("Scores") ## plt.ylabel() 也行
ax.set_title("Scores by Class A & B") ## plt.title() 也行
ax.legend() ## plt.legend() 也行

plt.show(