matplotlib用于数据可视化，熟悉matlab的朋友对他应该不会陌生。
1.简介
数据的处理、分析和可视化已经成为Python近年来最为重要的应用领域之一，其中数据的可视化指的是将数据呈现为漂亮的统计图表，然后进一步发现数据中包含的规律以及隐藏的信息。
2.安装与使用
-
安装：使用pip命令进行安装：
pip install matplotlib -
使用
from matplotlib import pyplot as plt x=[x for x in range(1,10)] y=[i**2 for i in x] plt.plot(x,y) plt.show()
3.参数详解
-
图片大小（绘图函数前设置）：
fig=plt.figure(figsize=(20,8),dpi=80) -
图片保存（绘图函数后设置）：
plt.savefig("路径") -
标题：
plt.title("") -
坐标轴范围：
plt.xlim([a,b])
plt.ylim([a,b]) -
坐标轴标记
plt.xlabel("")plt.ylabel("") -
坐标轴刻度
plt.xticks(x)plt.yticks(y) -
字符串刻度：
xtick=["{}".format(i) for i in range(x)]plt.xticks(x,xtick)注：若刻度不需要全部显示，在设置xticks时，可以通过将列表切片xtick[::h]设定步长实现部分显示，此时需要将x做同样的切片
x为指定刻度，xtick指定刻度上的文字
plt.xticks(x[::h],xtick[::h]) -
坐标轴刻度旋转：
plt.xticks(rotation=45) -
坐标刻度显示中文
from matplotlib import font_manager my_font=font_manager.FontProperties(fname="C:/Windows/Fonts/msyh.ttc") 在需要显示中文的方法(xlabel,xticks,title...)中添加缺省参数：fontproperties=my_font 在图例中（legend）添加缺省参数：prop=myfont注意：图例的中文字体属性用prop，其余均用fontproperties
-
网格：
plt.grid(alpha=0.5,linestyle='',color=,linewidth=,axis=)alpha为缺省参数 -
文本注释：
plt.text(x,y,'',fontsize=) -
刻度尺显示：
plt.tick_params(bottom='on/off',left=,right=) -
刻度方向：
matplotlib.rcParams['xtick.direction']=in/out/inout
matplotlib.rcParams['ytick.direction']=in/out/inout -
图例
plot(x,y,label="")plt.legend([prop=myfont,loc="upper left"])同一个图中画多条曲线，直接多次plot即可，同时在plot中的label参数指定图例信息
图例中文字体属性prop，其他中文属性fontproperties
图例位置loc：upper/lower left/right/center
-
绘图函数的缺省参数
label=""图例信息
color="r"线条颜色
linestyle=’–'线形
linewidth=5线条粗细
alpha=0.5透明度
颜色字符 线型字符 r红色 c青色 -实线 g绿色 m洋红色 –虚线、破折线 b蓝色 y黄色 -.点划线 w白色 k黑色 ：虚线、点虚线 ''留空或空格，无线条 # coding=utf-8 from matplotlib import pyplot as plt from matplotlib import font_manager x=[x for x in range(1,12)] y=[i**2 for i in x] y2=[100/i for i in x] # 中文字体 myfont=font_manager.FontProperties(fname="C:/Windows/Fonts/msyh.ttc") plt.figure(dpi=80,figsize=(10,8)) # plt.title("fig1.1") plt.title("这是一个中文标题",fontproperties=myfont) plt.xlabel('x') xtick=["{}m".format(i) for i in x] plt.xticks(x[::2],xtick[::2]) plt.xticks(rotation=45) plt.ylabel('y') plt.grid(alpha=0.5) plt.plot(x,y,label='x^2的图像',color='r',linestyle='--',linewidth=5,alpha=0.6) plt.plot(x,y2,label='100/x的图像') plt.legend(prop=myfont,loc="upper center") # plt.savefig("plt.jpg") plt.show()
-
点大小：参数markersize=10
-
点型: 在dataframe直接调用plot时可使用或者使用pyplot绘图均可使用
marker=.,ov^<>1234sp*hH+xDd|_符号 线型 + 十字 像素点 o 实心圆 v 下三角 ^ 上三角 > 右三角 < 左三角 1 tri_down 2 tri_up 3 tri_left 4 tri_right s 正方形 p 正五边形 * 五角星 h 纵向正六边形 H 横向正六边形 x 叉 D 纵向正方形 d 菱形 |竖线 _ 横线 -
dataframe直接绘图
df.plot(kind=‘line/bar/kde/barh/...,rot=,figsize=,title,grid,legend,xticks=,yticks=,xlim=,ylim=,fontsize=,colormap=,label=’)
4.常用统计图
-
参数调整同plot
import matplotlib.pyplot as plt x=[i for i in range(10)] y=[j**2 for j in x] plt.fun(x,y) plt.show() -
折线图
- plot
- plot
-
散点图
- scatter
- scatter
-
纵向条形图
-
离散数据
-
plt.bar(x,y,width=0.4,facecolor='yellowgreen',edgecolor='white',yerr=y*0.1) -
绘制多个条形图通过多次bar即可，但是需要将偏移width，xtick和x都需要调整
-
m*n列的数据适合绘制条形图，类内和类间均可对比
-
yerr可以设置错误缓冲区，类似qq图
import matplotlib.pyplot as plt x=[i for i in range(1,6)] label=["G{}".format(i) for i in x] width=0.2 men_x=[i-width for i in x] women_x=x other_x=[i+width for i in x] men_means = [20, 34, 30, 35, 27] women_means = [25, 32, 34, 20, 25] other_means=[23, 22, 44, 40, 35] plt.bar(men_x,men_means,width=width,label="men") plt.bar(women_x,women_means,width=width,label="women") plt.bar(other_x,other_means,width=width,label="other") plt.xticks(x,label) plt.legend() plt.show()
-
-
横向条形图
-
离散数据，统计数据
-
plt.barh(x,y,height=0.3)import matplotlib.pyplot as plt height=0.2 x=[i for i in range(3)] year=[i for i in range(2017,2020)] print(year) beijing=[57768,59868,59906] shanghai=[50017,49446,50420] guangzhou=[22205,22188,22055] plt.barh([i-height for i in x],beijing,height=height,label="beijing") plt.barh(x,shanghai,height=height,label="shanghai") plt.barh([i+height for i in x],guangzhou,height=height,label="guangzhou") plt.yticks(range(len(year)),year) plt.legend() plt.grid(alpha=0.5) plt.show()
-
-
直方图
-
连续数据，原始数据
-
频数直方图：
plt.hist(data,n) -
频率直方图：
plt.hist(data,n，normed=True) -
堆叠直方图：
plt.hist(data,n,stacked=True)# coding=utf-8 ''' Author:Regent Wan Email:wanrunjun@gmail.com 微信公众号：学术创客 Github:https://github.com/RegentWan Date:2019/8/29 11:19 Desc: ''' import matplotlib.pyplot as plt # 直方图 time=[131,98,125,131,124,139,131,117,128,108,135,138,131,102,107,114,119,128,121,142,127,130,124,101,116,117,110,128,128,115,99,136,126,134,95,138,117,111,78,132,124,113,150,110,117,86,95,144,105,126,130,126,130,126,116,123,106,112,138,123,86,101,99,136,123,117,119,105,137,123,128,125,104,109,134,125,127,105,120,107,129,116,108,132,103,136,118,102,120,114,105,115,132,145,119,121,112,139,125,138,109,132,134,156,106,117,127,144,139,139,119,140,83,110,102,123,107,143,115,136,118,139,123,112,118,125,109,119,133,112,114,122,109,106,123,116,131,127,115,118,112,135,115,146,137,116,103,144,83,123,111,110,111,100,154,136,100,118,119,133,134,106,129,126,110,111,109,141,120,117,106,149,122,122,110,118,127,121,114,125,126,114,140,103,130,141,117,106,114,121,114,133,137,92,121,112,146,97,137,105,98,117,112,81,97,139,113,134,106,144,110,137,137,111,104,117,100,111,101,110,105,129,137,112,120,113,133,112,83,94,146,133,101,131,116,111,84,137,115,122,106,144,109,123,116,111,111,133,150] binWidth=3 binNum=int((max(time)-min(time))/binWidth) plt.hist(time,binNum) plt.xticks((range(min(time),max(time)+binWidth))[::binWidth],rotation=30) plt.grid(linestyle="-.",alpha=0.5) plt.show()
-
-
饼图
-
pie(size,explode=,labels=,startangle=)
-
参数：各部分比例、explode突出部分、label各部分标记、startangle起始角度
import matplotlib.pyplot as plt labels = 'Frogs', 'Hogs', 'Dogs', 'Logs' sizes = [15, 30, 45, 10] explode = (0, 0.1, 0, 0) plt.pie(sizes, explode=explode, labels=labels, autopct='%1.1f%%', shadow=True, startangle=90) plt.show()
-
-
子图
-
用plt.subplot(row, col, num)来指定子图位置
-
各子图样式分别设置
import matplotlib.pyplot as plt data=[57768,59868,59906] plt.subplot(1,2,1) plt.plot(range(len(data)),data) plt.subplot(1,2,2) plt.bar(range(len(data)),data) plt.show()
-
-
子图创建
fig=plt.figure(figsize(10,6),facecolor='gray')
ax1=fig.add_subplot(2,2,1)
plt.plot(x,y)
ax2=fig.add_subplot(2,2,2)
plt.plot(x,y)
- 填充图
plt.fill(x,y) - 函数间填充图
import matplotlib.pyplot as plt
import numpy as np
x=np.linspace(0,5,100)
y1=np.sin(x)
y2=np.cos(x)
plt.fill_between(x,y1,y2)
plt.show()
- 等高线图
- 散点矩阵图：使用pandas的scatter_matrix函数
import pandas as pd
import matplotlib.pyplot as plt
x=np.random.randn(100,4)
pd.scatter_matrix(pd.DataFrame(x),marker='o',algha=0.5,diagonal='hist')#diagonal=hist/kde
plt.show()
- 箱型图：通过dataframe的plot.box或者boxplot绘制
- vert参数设置是否垂直
- grid设置网格
x=np.random.randn(10,4)
df=pd.DataFrame(x)
df.plot.box()
#df.boxplot()
plt.show()
- 更多图形参考https://matplotlib.org/gallery/index.html
Notice
应博友的要求，创建了一个QQ群，方便大家学习交流，群内也会经常分享一下学习资源。有兴趣的小伙伴可以加群哦！
扫一扫
1万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
