python 中的Matplotlib

1.线形图

import matplotlib.pyplot as plt
import numpy as np
%matplotlib inline
np.random.seed(42) #设置随机种子
x=np.random.randn(30)
plt.plot(x,"r--o")

运行结果：

 2.线条颜色、标记形状和线性

用于设置线型图中线条颜色的常用参数

b	指定绘制的线条颜色为蓝色
g	指定绘制的线条颜色为绿色
r	指定绘制的线条颜色为红色
c	指定绘制的线条颜色为蓝绿色
m	指定绘制的线条颜色为洋红色
y	指定绘制的线条颜色为黄色
k	指定绘制的线条颜色为黑色
w	指定绘制的线条颜色为白色

用于设置线型图中标记参数点形状的常用参数

o	指定标记实际点使用的形状为圆形
*	指定标记实际点使用“*”符号
+	指定标记实际点使用“+”符号
x	指定标记实际点使用“x”符号

用于设置线型图中连接参数点线条形状的常用参数

-	指定线条形状为实线
--	指定线条形状为虚线
-.	指定线条形状为点实线
:	指定线条形状为点线

代码示例：

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

a=np.random.randn(30)
b=np.random.randn(30)
c=np.random.randn(30)
d=np.random.randn(30)
plt.plot(a,"r--o",b,"b-*",c,"g-.+",d,"m:x")

运行结果： 

 3.标签和图例

代码示例：

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

np.random.seed(42)
x=np.random.randn(30)
y=np.random.randn(30)
plt.title("Example")
plt.xlabel("X") #设置标签
plt.ylabel("Y")
X, =plt.plot(x,"r--o")
Y, =plt.plot(y,"b-*")
plt.legend([X,Y],["X","Y"])#设置图例，第一个列表参数是在图中实际使用的标记和线形，第二个列表参数是对应图例的文字描述

运行结果：

4.子图 

    将多个图像同时显示在不同的位置上，需要使用子图。

代码示例：

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

a=np.random.randn(30)
b=np.random.randn(30)
c=np.random.randn(30)
d=np.random.randn(30)

fig=plt.figure()           #定义一个实例
ax1=fig.add_subplot(2,2,1) #使用add_subplot()方法向fig实例中添加子图，（2,2,1）表示将整块图分成两行两列，共四个子图，使用第一张子图进行绘制。
ax2=fig.add_subplot(2,2,2)
ax3=fig.add_subplot(2,2,3)
ax4=fig.add_subplot(2,2,4)

A, =ax1.plot(a,"r--o")
ax1.legend([A],["A"])
B, =ax2.plot(b,"b-*")
ax2.legend([B],["B"])
C, =ax3.plot(c,"g-.+")
ax3.legend([C],["C"])
D, =ax4.plot(d,"m:x")
ax4.legend([D],["D"])

运行结果： 

 5.散点图

代码示例：

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

np.random.seed(42)
x=np.random.randn(30)
y=np.random.randn(30)

plt.scatter(x,y,c="g",marker="o",label="(X,Y)")
plt.title("Example")
plt.xlabel("X") 
plt.ylabel("Y")
plt.legend(loc=1)
plt.show()

运行结果：

 说明：绘制散点图的核心代码是plt.scatter(x,y,c="g",marker="o",label="(X,Y)")，其中，参数c指定散点图中绘制的参数点的颜色；参数marker指定散点图中绘制的参数点使用的形状；参数label指定在散点图中绘制的参数点使用的图例，这与线型图的图例不同。plt.legend(loc=1)对图例的位置进行强制设定，一般有以下几种：

（1）“loc=0”：图例使用最好的位置。

（2）“loc=1”：强制图例使用图中右上角的位置。

（3）“loc=2”：强制图例使用图中左上角的位置。

（4）“loc=3”：强制图例使用图中左下角的位置。

（5）“loc=4”：强制图例使用图中右下角的位置。

6.直方图

       直方图又称质量分布图，是一种统计报告图，通过使用一系列高度不等的纵向条纹或直方表示数据分布的情况，一般用横轴表示数据类型，用纵轴表示分布情况。

代码示例：

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

np.random.seed(42)
x=np.random.randn(1000)

plt.hist(x,bins=20,color="g") #bins用于指定绘制直方图条纹的数量。
plt.title("Example")
plt.xlabel("X") 
plt.ylabel("Y")
plt.show()

运行结果：

 7.饼图

代码示例：

import matplotlib.pyplot as plt
%matplotlib inline

labels = ['dog','cat','bird']
sizes = [15,50,35]
plt.pie(sizes,explode=(0,0,0.1),labels=labels,autopct="%1.1f%%",startangle=90)
plt.axis('equal')
plt.show()

运行结果：

说明： 绘制饼图的核心代码是plt.pie(sizes,explode=(0,0,0.1), labels=labels,autopct="%1.1f%%", startangle=90)，其中，sizes确定了每部分数据系列在整个圆形中的占比；explode定义了每部分数据系列之间的间隔，设置两个0和一个0.1，就能突出第3部分；autopct将sizes中的数据以所定义的浮点精度进行显示；startangle是绘制第1块饼图时，该饼图与X轴正向的夹角度数，默认为0。plt.axis('equal')是必不可少的，用于使X轴和Y轴的刻度保持一致，只有这样，最后得到的饼图才是圆形的。