python数据可视化工具 ----matplotlib
一、安装matplotlib模块
pip install matplotlib
二、设置绘图风格
# 1.设置绘图风格
plt.style.use('fivethirtyeight')
## 参数可以是文件路径 ...\site-packages\matplotlib\mpl-data\stylelib可参考此路径下文件
## 这个文件夹下，都是存放绘图风格文件，必须是“.mplstyle”结尾文件
# 2.查看可选绘图风格
print(plt.style.available)
# ['Solarize_Light2', '_classic_test_patch', '_mpl-gallery', '_mpl-gallery-nogrid', 'bmh', 'classic',
# 'fivethirtyeight', 'ggplot', 'grayscale', 'seaborn', 'seaborn-bright', 'seaborn-colorblind', 'seaborn-dark',
# 'seaborn-dark-palette', 'seaborn-darkgrid', 'seaborn-talk', 'seaborn-ticks', 'fast',
# 'seaborn-deep', 'seaborn-muted', 'seaborn-notebook', 'seaborn-paper', 'seaborn-pastel', 'seaborn-poster',
# 'seaborn-white', 'seaborn-whitegrid', 'tableau-colorblind10','dark_background']
# 3. linestyle可选项
# '-', '--', '-.', ':', 'None', ' ', '', 'solid', 'dashed', 'dashdot', 'dotted'
三、画布
def figure(num=None, # 如果没有，则自动递增，否则1-N的整数
figsize=None, # 默认为rc figure.figsize
dpi=None, # 默认为rc figure.dpi
facecolor=None, # 默认为rc figure.facecolor
edgecolor=None, # 默认为rc figure.edgecolor
frameon=True,
FigureClass=Figure,
clear=False,
**kwargs
):
# num：唯一标识符
# figsize：画布大小，默认 6.4*4.8
# dpi：每英寸的像素个数，默认100个
# facecolor：画布背景颜色
# edgecolor：画布边框颜色
四、折线图
plt.plot(x, y, color='green', marker='o', linestyle='dashed', linewidth=2, markersize=12)
# x: 表示X坐标的列表， len(x) = len(y)
# y: 表示y坐标的列表
# color: 折线的颜色（折线与坐标点）
# marker: 坐标点的样式
# linestyle: # 折线的样式（实现，虚线，....）
# linewidth: 折线的宽度
# markersize: 坐标点的大小（像素）
import matplotlib.pyplot as plt
plt.style.use('classic')
plt.figure()
x = [1, 2, 3]
y = [1, 2, 3]
plt.plot(x, y, color='green', marker='o', linestyle='dashed', linewidth=2, markersize=12)
# 等价与上写法
plt.flot(x, y, 'go--'，linewidth=2, markersize=12)
# plt.plot([4, 5, 6]) == plt.plot([0, 1, 2], [1, 2, 3]) x默认使用y的索引
五、垂直柱状图
bar(x, # 柱子的横坐标
height, # 柱子的高
width=0.8, # 柱子的宽
bottom=None, # 柱子在y轴的起始值
tick_label=[] # 柱子在x下方的标识
*,
align='center', # 对齐方式
data=None,
**kwargs)
import matplotlib.pyplot as plt
import seaborn as sns
sns.set_style({'font.sans-serif': ['simhei', 'Arial']}) # 设置字体样式
country_name_lst= ['中国', '美国', '印度', '俄罗斯']
population_lst = [14, 3.3, 7.8, 1.46]
plt.bar(range(len(population_lst)), population_lst, color='red', tick_label=country_name_lst, bottom=2)
# plt.bar(range(len(population_lst)), population_lst, color=['r', 'g', 'b'], tick_label=country_name_lst,bottom=1)
plt.ylabel("人口(亿)") # 中文可能乱码，使用seaborn 设置字体样式
plt.xlabel("国家")
plt.show()
六、水平柱状图
barh(y, # 柱子的纵坐标
width, # 柱子的宽
height=0.8, # 柱子的宽
left=None, # 每个柱子在x方向的起始坐标
*,
align='center',
**kwargs)
import matplotlib.pyplot as plt
import seaborn as sns
sns.set_style({'font.sans-serif':['simhei','Arial']})
name_list = ['中国', '美国', '印度', '俄罗斯']
num_list = [14, 3.3, 14.1, 1.46]
plt.barh([1, 2, 3, 4], num_list, color='red', left=[1, 1, 1, 2],
tick_label = name_list)
plt.ylabel("人口(亿)")
plt.ylabel("人口(亿)")
plt.savefig('test2.png', bbox_inches='tight')
plt.show()
七、饼状图
pie(x, # 当总和大于1时，每元素占总和的百分比；当总和小于1时，元素就是值，切会有空白
explode=None, # 默认为None，表示每块距离中心点的距离
labels=None, # 表示每块标题
colors=None, # 表示每块的颜色
autopct=None, # 每块中，显示的数字占比
pctdistance=0.6, # 每块中，文字距离中心点的距离
shadow=False, # 是否添加阴影
labeldistance=1.1, # 图例距离圆心的距离
startangle=0, # 饼图的起点从x轴逆时针旋转的角度
radius=1, # 1 饼图半径长度
counterclock=True,
wedgeprops=None,
textprops=None,
center=(0, 0),
frame=False,
rotatelabels=False, *,
normalize=True,
data=None)
import matplotlib.pyplot as plt
import seaborn as sns
sns.set_style({'font.sans-serif': ['simhei', 'Arial']})
labels = ['大型', '中型', '小型', '微型'] # 定义标签
sizes = [46, 253, 321, 66] # 每块值
colors = ['red', 'yellowgreen',
'lightskyblue', 'yellow'] # 每块颜色定义
explode = (0.4, 0, 0, 0.4) # 将某一块分割出来，值越大分割出的间隙越大
patches, text1, text2 = plt.pie(sizes,
explode=explode,
labels=labels,
colors=colors,
labeldistance=1.2, # 图例距圆心半径倍距离
autopct='%3.2f%%', # 数值保留固定小数位
shadow=True, # 无阴影设置
startangle=180, # 逆时针起始角度设置
pctdistance=0.4) # 数值距圆心半径倍数距离
# x，y轴刻度设置一致，保证饼图为圆形
plt.axis('equal')
plt.legend()
plt.savefig('test2.png', bbox_inches='tight')
plt.show()
八、散点图
scatter(x,
y,
s=None,
c=None,
marker=None,
cmap=None,
norm=None,
vmin=None,
vmax=None,
alpha=None,
linewidths=None,
*,
edgecolors=None,
plotnonfinite=False,
data=None,
**kwargs)
import numpy as np
import matplotlib
from matplotlib import pyplot as plt
import seaborn as sns
sns.set_style({'font.sans-serif': ['simhei', 'Arial']})
matplotlib.rcParams['axes.unicode_minus'] = False # 显示负号
font = {'family': 'Times New Roman',
'weight': 'normal',
'size': 15,
}
data = np.random.randn(30)
plt.scatter(range(30), data, marker="*")
plt.title("plt.scatter()")
plt.savefig('compare.png', bbox_inches='tight')
plt.show()
# plt.plot也可实现散列，linestyle=‘’就可以了
plt.plot(data, marker="*", linestyle="", c='red')
九、设置x，y轴坐标标题
ylabel(ylabel, # 纵坐标标签
fontdict=None, # 将字体的属性存储在字典，传递给函数
labelpad=None, # 标签距离轴的长度,默认为4.0
*,
loc=None,
**kwargs)
xlabel(xlabel, # 横坐标标签
fontdict=None, # 将字体的属性存储在字典，传递给函数
labelpad=None, # 标签距离轴的长度,默认为4.0
*,
loc=None,
**kwargs)
# “c” or “color”: 字体颜色
# fontfamily or family：字体属性，set类型
# fontsize or size：字体大小{‘xx-small’, ‘x-small’, ‘small’, ‘medium’, ‘large’, ‘x-large’, ‘xx-large’}
# fontstyle or style: 字体样式 {‘normal’, ‘italic’, ‘oblique’}
# fontweight or weight：字体粗细， 0-1000其他值
# rotation: 文字的选择角度float or {‘vertical’, ‘horizontal’}
from matplotlib import pyplot as plt
plt.ylabel('Y坐标')
plt.xlabel('X坐标')
十、添加注释文字
text(x, # 横坐标
y, # 纵坐标
s, # 显示的文本内容
fontdict=None, # 将字体的属性存储在字典，传递给函数
**kwargs)
# “c” or “color”: 字体颜色
# fontfamily or family：字体属性，set类型
# fontsize or size：字体大小{‘xx-small’, ‘x-small’, ‘small’, ‘medium’, ‘large’, ‘x-large’, ‘xx-large’}
# fontstyle or style: 字体样式 {‘normal’, ‘italic’, ‘oblique’}
# fontweight or weight：字体粗细， 0-1000其他值
# rotation: 文字的选择角度float or {‘vertical’, ‘horizontal’}
from matplotlib import pyplot as plt
plt.plot([1], [1], '*')
plt.text(x=1, y=1, s='1-1c', c='red')
plt.show()
十一、设置标题
title(label, # 标题内容
fontdict=None,
loc=None,
pad=None,
*,
y=None,
**kwargs)
from matplotlib import pyplot as plt
plt.plot([1], [1], '*')
plt.title('zhe-xian-tu')
plt.show()
十二、添加图例
当在一个图中绘制多种数据时，通过添加图例能更直观的表达每种图形的含义
matplotlib.pyplot.legend()
# 1.显示一组数据
from matplotlib import pyplot as plt
plt.plot([1, 2, 3], label='Inline label', c='red')
plt.legend()
plt.show()
# 2.显示多组数据
from matplotlib import pyplot as plt
plt.plot([0, 1, 2], [1, 2, 3])
plt.plot([4, 5, 6]) # 等同于 plt.plot([0, 1, 2], [4, 5, 6])
plt.legend(['first line', 'second line'])
plt.show()
十三、绘制多子图
fig = plt.figure(figsize=(10, 10), dpi=100) # 创建画布
ax1 = plt.subplot(221)
ax1 = plt.subplot(2,2,1) # 等通用上
# subplot参数解释(2,2,1) == (rows,cols,index)
# rows: 把画布分割为几行
# cols: 把画布分割为几列
# index: 放置的位置索引
# 视图1 布局
from matplotlib import pyplot as plt
import seaborn as sns
sns.set_style({'font.sans-serif': ['simhei', 'Arial']})
fig = plt.figure(figsize=(10, 10), dpi=100) # 创建画布
ax1 = plt.subplot(221) # 分割为 2*2(2行2列)，放置在第一位置
plt.plot([1, 2, 3, 4], [4, 5, 7, 8], color="r", linestyle="--")
ax2 = plt.subplot(222) # 分割为 2*2(2行2列)，放置在第二位置
plt.plot([1, 2, 3, 5], [4, 5, 7, 8], color="y", linestyle="-")
ax3 = plt.subplot(223) # 分割为 2*2(2行2列)，放置在第三位置
plt.plot([1, 2, 3, 4], [4, 5, 7, 8], marker='*', color="g", linestyle="-.")
ax4 = plt.subplot(224) # 分割为 2*2(2行2列)，放置在第四位置
plt.plot([1, 2, 3, 4], [4, 5, 7, 8], color="b", linestyle=":")
plt.show()
# 视图2 布局
from matplotlib import pyplot as plt
import seaborn as sns
sns.set_style({'font.sans-serif': ['simhei', 'Arial']})
fig = plt.figure(figsize=(10, 10), dpi=100) # 创建画布
ax1 = plt.subplot(221) # 分割为 2*2(2行2列)，放置在第一位置
plt.plot([1, 2, 3, 4], [4, 5, 7, 8], color="r", linestyle="--")
ax2 = plt.subplot(222) # 分割为 2*2(2行2列)，放置在第二位置
plt.plot([1, 2, 3, 5], [4, 5, 7, 8], color="y", linestyle="-")
ax4 = plt.subplot(212) # 分割为 2*1(2行1列)，放置在第二位置
plt.plot([1, 2, 3, 4], [4, 5, 7, 8], color="b", linestyle=":")
plt.show()
十四、多个子图添加总标题
pyplot.suptitle(t, **kwargs)
# t：str 标题名称
# x：float，default: 0.5 基本单位为宽度，标题距离左边的宽度
# y：float，default: 0.98 基本单位为，标题到底部不得高度
from matplotlib import pyplot as plt
import seaborn as sns
sns.set_style({'font.sans-serif': ['simhei', 'Arial']})
fig = plt.figure(figsize=(10, 10), dpi=100) # 创建画布
ax1 = plt.subplot(221)
plt.plot([1, 2, 3, 4], [4, 5, 7, 8], color="r", linestyle="--")
ax2 = plt.subplot(222)
plt.plot([1, 2, 3, 5], [4, 5, 7, 8], color="y", linestyle="-")
ax4 = plt.subplot(212)
plt.plot([1, 2, 3, 4], [4, 5, 7, 8], color="b", linestyle=":")
plt.suptitle("视图分割", x=0.4, y=0.05)
plt.show()
十五、修改默认属性
import matplotlib
# matplotlib.rcParams 默认参数
print(matplotlib.rcParams)
matplotlib.rcParams['axes.labelpad'] = 20
matplotlib.rcParams['axes.labelcolor'] = 'red'
matplotlib.rcParams['axes.labelsize'] = 15
matplotlib.rcParams['lines.marker'] = '*'
matplotlib.rcParams['lines.markersize'] = 20
十六、设置等距坐标刻度
import matplotlib.pyplot as plt
import matplotlib.ticker as ticker
from matplotlib.ticker import MultipleLocator
x = [1, 3, 2, 4, 6]
y = [10, 20, 30, 40, 50]
# 设置x轴的刻度大小为1
x_major_locator = MultipleLocator(1)
# 设置y轴的刻度大小为10
y_major_locator = MultipleLocator(10)
ax = plt.gca()
ax.xaxis.set_major_locator(x_major_locator)
ax.yaxis.set_major_locator(y_major_locator)
plt.plot(x, y, color='green', marker='o', linestyle='dashed', linewidth=1, markersize=6)
# 设置x,y轴的范围
plt.ylim(-1, 52)
plt.xlim(0, 7)
plt.show()
十七、设置多种(不等距)刻度
import matplotlib.pyplot as plt
# 设置多个刻度范围
plt.figure(figsize=(10, 10))
scale = []
x = [1, 21, 23, 25, 60, 70]
y = [10, 20, 30, 40, 50, 60]
# 设置两个刻度范围
scale.extend(range(0, 30, 5))
scale.extend(range(30, 90, 10))
plt.xticks(scale, rotation=70, fontsize=10)
plt.yticks(range(0, 90, 10), fontsize=10)
plt.xlim(0, 80)
plt.ylim(0, 80)
plt.plot(x, y, color='green', marker='o', linestyle='dashed', linewidth=1, markersize=6)
plt.legend(["test"], loc="best")
plt.show()
十八、保存图片
savefig(fname, # 文件名/文件路径
*,
dpi='figure', # 每英寸的像素大小
format=None,
metadata=None,
bbox_inches=None,
pad_inches=0.1,
facecolor='auto',
edgecolor='auto',
backend=None,
**kwargs)
# quality：int, default: rcParams[“savefig.jpeg_quality”] (default: 95) 保存的像素质量，只对’.jpg’ 'jpeg’有效
# bbox_inches：为“tight“时，可以去除保留图片时的空白边缘
十九、水平线与垂直线
plt.axhline(50, linestyle='--', color='green', lw=1, alpha=0.4)
plt.axvline(5, linestyle='--', color='green', alpha=0.4, lw=1)
# lw: 水平线的宽度
# alpha：垂直线的透明度，取0-1之间
import random
from matplotlib import pyplot as plt
data1 = random.sample(range(100), 10)
data2 = random.sample(range(100), 10)
plt.plot(data1, linestyle='--', c='r')
plt.plot(data2, linestyle=':', c='g')
plt.axhline(50, linestyle='--', color='green', lw=1, alpha=0.4)
plt.axvline(5, linestyle='--', color='green', alpha=0.4, lw=1)
plt.legend(['A', 'B'])
plt.show()
二十、对比折线图
import random
from matplotlib import pyplot as plt
data1 = random.sample(range(100), 10)
data2 = random.sample(range(100), 10)
plt.plot(data1, linestyle='--', c='r')
plt.plot(data2, linestyle=':', c='g')
plt.axhline(50, linestyle='--', color='green', lw=2)
plt.legend(['A', 'B'])
plt.show()
二十一、组合柱状图
# 组合柱状图是利用 y轴起始位置
from matplotlib import pyplot as plt
fig, ax1 = plt.subplots(1, 1, figsize=(4, 4))
plt.bar([1, 2], [2, 3], 0.2, 0, align='center')
plt.text(x=1, y=1, s='A', ha="center", va="center")
plt.text(x=2, y=1.5, s='A', ha="center", va="center")
plt.bar([1, 2], [3, 2], 0.2, [2, 3], align='center')
plt.text(x=1, y=3.5, s='B', ha="center", va="center")
plt.text(x=2, y=4, s='B', ha="center", va="center")
plt.xticks([1, 2], ['A', 'B'])
plt.legend(['A', 'B'])
plt.show()
二十二、设置刻度线
tick_params(axis='both', **kwargs)
-
x：x轴显示刻度线 -
y：y轴显示刻度线 -
both：x轴和y轴都显示刻度线 -
in：坐标轴内侧 -
out：坐标轴外侧 -
inout：坐标轴内外两侧 -
10：整数（表示10个像素长）
axis：显示刻度线的坐标轴：
direction: 刻度线位置
length：刻度线的长度
from matplotlib import pyplot as plt
plt.plot([1, 2, 3, 4, 5], [2, 3, 4, 5, 6], linestyle='--', c='r')
plt.plot([1, 2, 3, 4, 5], [3, 4, 5, 6, 7], linestyle='-.', c='g')
plt.tick_params('both', direction='inout')
plt.legend(['A', 'B'])
plt.show()
二十三、添加带有箭头注释文本
annotate(text, xy, *args, **kwargs)
-
参数解释
-
text：注释文本 -
xy：被注释的点位置 -
xytext：注释文本的位置 -
arrowprops：注释箭头的属性，接受一个字典 -
fontsize：字体大小 -
facecolor：箭头的颜色 -
shrink：箭头离注释点的距离要求length < 1 -
headwidth：箭头占空间的宽 -
headlength：箭头占空间的长
width：箭头大小的宽
arrowprops = dict()
from matplotlib import pyplot as plt
plt.plot([1, 2, 3, 4, 5], [2, 3, 4, 5, 6], linestyle='--', c='r')
plt.plot([1, 2, 3, 4, 5], [3, 4, 5, 6, 7], linestyle='-.', c='g')
plt.tick_params('both', direction='inout')
plt.annotate('var=3',
xy=(3, 4),
xytext=(3.2, 3.5),
arrowprops=dict(facecolor='g',
shrink=0.05,
headwidth=12,
headlength=6,
width=4),
fontsize=12)
plt.legend(['A', 'B'])
plt.show()
二十四、保存为图片
savefig(*args, **kwargs)
-
参数
-
path：可以是文件名(相对路径)，也可是文件路径(绝对路径)
from matplotlib import pyplot as plt
plt.plot([1, 2, 3, 4, 5], [2, 3, 4, 5, 6], linestyle='--', c='r')
plt.plot([1, 2, 3, 4, 5], [3, 4, 5, 6, 7], linestyle='-.', c='g')
plt.legend(['A', 'B'])
plt.savefig('test-111.png')
二十五、获取坐标轴的所有属性
作用：获取坐标轴的所有属性
语法：plt.getp(obj, *args, **kwargs)
-
参数：
-
obj：坐标轴对象
from matplotlib import pyplot as plt
import numpy as np
x = np.linspace(0, 2, 100)
fig, ax = plt.subplots()
line1 = ax.plot(x, x, linestyle='--', c='r')
line2 = ax.plot(x, x**2, linestyle='-.', c='g')
line3 = ax.plot(x, x**3, linestyle=':', c='b')
plt.getp(line1)
# line1.set_title('b')
plt.title('b')
plt.show()
二十六、更改坐标轴属性
作用：修改坐标轴的属性
语法：setp(obj, *args, **kwargs)
-
参数：
-
obj：坐标轴对象
from matplotlib import pyplot as plt
import numpy as np
x = np.linspace(0, 2, 100)
fig, ax = plt.subplots()
line1 = ax.plot(x, x, linestyle='--', c='r')
line2 = ax.plot(x, x**2, linestyle='-.', c='g')
line3 = ax.plot(x, x**3, linestyle=':', c='b')
plt.setp(line2) # 参考下图
plt.setp(line2, "linestyle")
# linestyle: {'-', '--', '-.', ':', '', (offset, on-off-seq), ...}
plt.title('b')
plt.show()
from matplotlib import pyplot as plt
import numpy as np
x = np.linspace(0, 2, 100)
fig, ax = plt.subplots()
line1 = ax.plot(x, x, linestyle='--', c='r')
line2 = ax.plot(x, x**2, linestyle='-.', c='g')
line3 = ax.plot(x, x**3, linestyle=':', c='b')
plt.title('b')
plt.setp(line2, linestyle="-.", lw=5, color="red", alpha=0.5) # 参考下图
plt.show()
二十七、以轮询方式设置叠加折线图
作用：修改坐标轴的属性
语法：set_prop_cycle(self, cycler)
-
参数：
-
cycler：周期计对象(1,2,3,1,2,3,…,1,2,3,…)做周期运动器对象
from matplotlib import pyplot as plt
import numpy as np
from cycler import cycler
line_prop_cycler = (cycler(color=list("rgcy")) +
cycler(ls=["-", "--", "-.", ":"]) +
cycler(lw=[3, 6, 9, 12]))
x = np.linspace(0, 2, 100)
fig, ax = plt.subplots()
ax.set_prop_cycle(line_prop_cycler) # 周期性使用绘图风格
line1 = ax.plot(x, x)
line2 = ax.plot(x, x ** 2)
line3 = ax.plot(x, x ** 3)
line4 = ax.plot(x, x ** 2+6*x+1)
line5 = ax.plot(x, x ** 2+7*x+1)
line6 = ax.plot(x, x ** 2+8*x+1)
plt.show()
二十八、设置位图图层顺序
多个位图重叠时，zorder属性值，最大在最上层，最小在最下层
语法：set_prop_cycle(self, cycler)
from matplotlib import pyplot as plt
import numpy as np
from cycler import cycler
line_prop_cycler = (cycler(color=list("rgcy")) +
cycler(ls=["-", "--", "-.", ":"]) +
cycler(lw=[3, 6, 9, 12]))
x = np.linspace(0, 2, 100)
fig, ax = plt.subplots()
ax.set_prop_cycle(line_prop_cycler)
line1 = ax.plot(x, x, zorder=6)
line2 = ax.plot(x, x ** 2, zorder=5)
line3 = ax.plot(x, x ** 3, zorder=4)
line4 = ax.plot(x, x ** 2+6*x+1, zorder=3)
line5 = ax.plot(x, x ** 2+7*x+1, zorder=2)
line6 = ax.plot(x, x ** 2+8*x+1, zorder=1)
plt.show()
二十九、标注柱状图
bar_label(container, labels=None, *, fmt='%g', label_type='edge', padding=0, **kwargs)
-
参数：
-
container：bar对象 -
labels：标注柱子的标签 -
fmt： 格式 -
label_type：标签类型 -
padding：离柱子的高度
from matplotlib import pyplot as plt
b = plt.bar([1, 2, 3, 4, 5, 6], [4, 2, 7, 5, 9, 8])
plt.bar_label(b, padding=1)
plt.show()
扫一扫
2万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
