matplotlib.pyplot 数据可视化

目录

一、简要了解

1.matplotlib 提供了两种绘图接口：

2.matplotlib.pyplot 绘图相关的对象:

二、前提准备

三、绘图的类型

四、实操：

1.线形图：plot()

进阶版：

（1）同一绘图区绘制多图

（2）正余弦曲线图

（3） 多区域绘图

 （4）综合示例

 2.直方图:hist()

3.条形图：bar()

 4.饼图：pie()

 5.散点图：scatter()

6.3D图：from mpl_toolkits.mplt3d import Axes3D 

(1)绘制z=exp(-(x^2+y*^2)/2)的图像

(2)绘制z=sin(sqrt(x^2+y^2))/sqrt(x^2+y^2)的图像

7.动态交互图：pyecharts 

---

一、简要了解

matplotlib 是 Python 的一个2D绘图库，它提供了一套表示图、操作图以及图内部对象处理的一

些函数，借助它可以绘制各种各样的数据图，如线性图、直方图、饼图等。

1.matplotlib 提供了两种绘图接口：

(1）基于 MATLAB 的绘图接口：

它可以自动创建和管理图以及坐标系，主要通过pyplot 库中的函数实现

(2）基于面向对象的绘图接口

注：所有的操作都是在子图上进行的,pyplot 表示当前子图,若没有就创建一个子图。

2.matplotlib.pyplot 绘图相关的对象:

(1)容器类：

图（figure）、坐标系（axes）、坐标轴（axis）、刻度（tick）

(2)基础类：

线（line）、点（marker）、文本（text）、图例（legend）、网格（grid）、标题（title）

注意：

Python标准库中默认是不包含matplotlib的，需要自己下载和安装。

二、前提准备

若出现上图表示该第三方库已安装

若未出现上述画面，则需要安装：

具体安装方法如下：

命令行安装：pip install matplotlib

想要更具体的了解可看 Excel_wordcloud操作（词云库）这篇博客

注意：

Anaconda与IDLE是两个通道

当jupyter notebook下载了matplotlib这个第三方库，IDLE中可能仍需要下载:

具体哪种情况下还需要下载：可见  numpy_matplotlib (科学计算库和可视化库) 的应用  这篇博客

三、绘图的类型

1、线形图：plot()

 2、直方图：hist()

3、条形图：bar()

4、饼图：pie()

5、散点图：scatter()

6、3D图：from mpl_toolkits.mplt3d import Axes3D

7、动态交互图：pyecharts

四、实操：

首先：导入第三方库

（1）import matplotlib.pyplot as plt ：

导入第三方数据可视化库 matplotlib 中的 pyplot 绘图模块，别名为plt

 '  .  ' :表示对象（前者）下面的模块（后者）

（2）import numpy as np：

导入科学计算库，别名为np 

1.线形图：plot()

plot() : 绘制线形图

方法里面的点需要用列表或数组描述（用 [ ] ）

如果只有一组数据，默认为y轴的数据 (x坐标默认为0，1，2，。。。)

效果为：

 若有两组数据：

 分别为x和y值，要求x值和y值个数相同 即x轴坐标与y轴坐标要一一对应

ylabel() : Y轴坐标标签

xlabel() : X轴坐标标签

坐标系默认为英文，如果需要显示中文另加说明 

若未进行说明：

效果为：

 

若进行说明 即 设置字体样式（设置完字体样式就可显示中文） 

 使用 rcParams['font.family'] 属性修改字体

效果为：

 axis() : 修改坐标轴取值范围

前面两位为x轴，后面两位为y轴，放在 [ ] 里面 

savefig()  : 保存图

提高版：绘制平行四边形

效果为：

 

plt.axis(' off ') ：隐藏坐标轴

效果为:

进阶版：

（1）同一绘图区绘制多图

Numpy 中的arrange（）函数创建一个0-9的整数序列

例：

r ：表示数据点的颜色

o : 表示数据点的样子 ，表示为实心圆

- ：表示数据线的样子，表示为实线（没写就是没有线）

label：图例名称

效果为：

legend() ：显示图例   

（2）正余弦曲线图

效果为：

 

（3） 多区域绘图

subplot() ：将当前坐标系切割成多个子块

例 subplot( 3 2 2 ) ：切割成3行2列，放在第2个区域

效果为：

 （4）综合示例

figure（）方法的参数：

num ：整数或字符串，可选。如果没有传值，则采用自增值，可通过number 属性访问;如果

传递整数，则会检查是否存在对应的图，存在则直接返回,否则创建新的图;如果传的是字符串,则设

置为窗口的标题

figsize：浮点型元组，可选。图的宽、高值，单位为英寸,默认为[6.4,4.8] 

效果为：

 2.直方图:hist()

NumPy 生成随机数的常用方法:

np.random.rand(4,5) ：随机生成4行5列数组，每个元素都是[0,1)之间的小数

np.random.randint (a,b, (3,4)) ：随机生成3行4列数组，每个元素都是[a,b)之间的整数

np.random.randn(4,5) ：随机生成4行5列数组，元素的值符合标准正态分布

pyplot 使用 hist（）函数绘制直方图,并以元组形式返回直方图的计算结果，包括各区间中元素的数

量、区间的取值范围，以及具体的每个区间对象。hist()函数的语法格式如下：

hist (x, bins=None, range=None, density=False, weights= None, cumulative=False,bottom=None,

histtype='bar', align='mid', orientation= 'vertical',**xkwargs)

bins ：

整数、序列或字符串。整数表示等宽区间的个数，自动计算区间范围；序列表示区间的范围，范围

为左闭右开；字符串则表示对应的策略，默认为hist.bins

效果为：

3.条形图：bar()

bar（）函数的参数含义：

X：X轴的位置序列,即条形的起始位置

height：Y轴的数值序列，即条形图的高度，需展示的数据

width：每个条形的宽度,可选,默认为 0.8

效果为：

 

 4.饼图：pie()

autopct : 设置饼图内每块百分比显示样式,可以使用format 字符串或者格式化函数

" % width. Precision f %% " :指定饼图内百分比的数字显示宽度和小数的位数

radius : 设置饼图的半径

shadow : 是否有阴影效果，默认为 False

labeldistance :每块旁边的文本标签到饼的中心点的距离 

效果为：

 5.散点图：scatter()

scatter（）函数的参数含义:

x: 散点图中点的X轴坐标

y: 散点图中点的Y轴坐标

效果为：

6.3D图：from mpl_toolkits.mplt3d import Axes3D 

(1)绘制z=exp(-(x^2+y*^2)/2)的图像

效果为：

(2)绘制z=sin(sqrt(x^2+y^2))/sqrt(x^2+y^2)的图像

效果为：

 

7.动态交互图：pyecharts 

注：

Python标准库中默认是不包含 pyecharts 的，需要自己下载和安装。

具体安装方法如下：

命令行安装：pip install pyecharts

想要更具体的了解可看 Excel_wordcloud操作（词云库）这篇博客

效果为：