前言
其实一年前就有想法好好学学python里的画图库matplotlib库,主要是因为每次可视化一些结果的时候,都是搜一些别人写好的代码,看的时候感觉乱乱的,不是说别人写的乱,而是每个人在某些点上实现的方式不太一样,还有就是觉得,总用别人的,就觉得不是自己创造的,没有成就感。这段时间做了个比赛,可视化分析的时候,又在搜代码,想自己加点东西,感觉很费劲,又不知道该怎么加,所以决定好好学一下,并做好总结。
准备工作
我们需要先安装matplotlib
库,然后导入库,这些很简单,我就不讲了,哦,把numpy
也导入进来。
import matplotlib.pyplot as plt
import numpy as np
正式开始
plt.和ax.
我们经常会在画图的代码里看到,有用plt.的,有用ax.的,两者到底有什么区别呢,画的图有什么不一样吗,我们先来用两种经常看到的方式实现一下。
plt.
fig=plt.figure(num=1,figsize=(4,4))
plt.plot([1,2,3,4],[1,2,3,4])
plt.show()
ax.
fig=plt.figure(num=1,figsize=(4,4))
ax=fig.add_subplot(111)
ax.plot([1,2,3,4],[1,2,3,4])
plt.show()
我们看到上面两种画图方式可视化结果并无不同,那区别在哪呢?
其实呢,第一种方式呢,是先生成了一个画布,然后在这个画布上隐式的生成一个画图区域来进行画图,第二种方式,先生成一个画布,然后,我们在此画布上,选定一个子区域画了一个子图,上一张官方的图,看看你能不能更好的理解。
除了ax
之外,我们也可以直接用plt
添加子图,方式如下
fig=plt.figure(num=1,figsize=(4,4))
plt.subplot(111)
plt.plot([1,2,3,4],[1,2,3,4])
plt.show()
你看,这样添加子图,也是一样的,fig
,生成一个画布,plt.subplot(111)
,将画布分为1x1的分布,并选中第一个子图进行操作。虽然这样看着一样呢,但是后面修饰图片的时候,ax
这个方式比plt
的方式更加方便。因此,本文我们用ax
方式来学习画图,也希望大家都提前选定一种自己喜欢的方式来画图,添加子图,等一些列操作。
子图的创建
在上一节的介绍中,讲到了子图,可能刚接触画图的同学,会有点疑惑,这节,我们来详细讲讲子图。我们可以这样来考虑问题,我们画图的时候,找到一张纸(画布),然后打算把这张纸分成几个区域(子图)来画几幅不同的画。子图的创建可以是一些简单创建,比如这样的
fig=plt.figure(num=1,figsize=(4,4))
ax1=fig.add_subplot(221)###可从图中看到,我们的画布是分为2x2的区域
ax1.plot([1,2,3,4],[1,2,3,4])
ax2=fig.add_subplot(222)
ax2.plot([1,2,3,4],[2,2,3,4])
ax3=fig.add_subplot(223)
ax3.plot([1,2,3,4],[1,2,2,4])
ax4=fig.add_subplot(224)
ax4.plot([1,2,3,4],[1,2,3,3])
plt.show()
ax1=fig.add_subplot(221)
,221里面前两个代表的是画布划分的行数和列数,公共分为4个子图,最后一个1是代表,现在选中第一个子图。
import matplotlib.gridspec as gridspec#调用网格
fig=plt.figure(num=1,figsize=(4,6))#创建画布
gs=gridspec.GridSpec(3,3)#设定网格
ax1=fig.add_subplot(gs[0,:])#选定网格
ax1.plot([1,2,3,4],[1,2,3,4])
ax2=fig.add_subplot(gs[1,:-1])
ax2.plot([1,2,3,4],[1,2,3,4])
ax3=fig.add_subplot(gs[1:,-1])
ax3.plot([1,2,3,4],[1,2,3,4])
ax4=fig.add_subplot(gs[2,0])
ax4.plot([1,2,3,4],[1,2,3,4])
ax5=fig.add_subplot(gs[2,1])
ax5.plot([1,2,3,4],[1,2,3,4])
plt.show()
常用通用函数讲解
现在跳过刚刚哪些比较大的方向,讲解一些比较细碎且通用又常用的画图函数,这些函数可以说是装饰我们的图,使得我们的图更加美观且直观的装饰品。
我们举个例子来讲解,使大家更直观地看到我们讲解的函数在图的绘制中的作用。
例1:现有某某水果店一周的苹果的销售记录数,店长想更加直观的观察比较这一周的销售情况。销售情况:apple=[78kg,80kg,79kg,81kg,91kg,95kg,96kg]
app=[78,80,79,81,91,95,96]
x=np.arange(1,8)
fig=plt.figure(num=1,figsize=(6,4))
ax=fig.add_subplot(111)
ax.plot(x,app)
plt.show()
看着这个图,什么感受,我是觉得难看!
注:这里我们直接用了plot()函数画了一个坐标图,这是一个封装好的函数,我们输入参数,就可直接生成此样式的图,除此之外还有饼图,散点图,直方图,我们下一篇讲这些已经封装好的图。
现在我想给它装修一下,比如在x轴上加入星期类标,还想这个图里的折线能不能悬浮在上空,给图加个标题等等。在开始装修之前,我们先来个小插曲,就是在图中显示中文的问题,如果我们不搞点操作,你会发现,你的中文在图中会以一个个正方形框框显示。
插曲:中文显示问题
plt.rcParams["font.family"]="SimHei"
加入一行这个代码,我们的中文就能正确显示了,这行代码就是把我们的字体设置为“SimHei”
中文黑体。除了字体设置还有以下属性
rcParams的属性
属性 | 说明 |
---|---|
‘font.family’ | 用来显示字体的名称 |
‘font.style’ | 字体风格,正常’normal’或斜体’italic’ |
‘font.size’ | 字体大小,整数字号或’large’、‘x-small’ |
字体的样式有以下选择
rcParams['font.family']
中文字体 | 说明 |
---|---|
‘SimHei’ | 中文黑体 |
‘Kaiti’ | 中文楷体 |
‘LiSu’ | 中文隶书 |
‘FangSong’ | 中文仿宋 |
‘YouYuan’ | 中文幼圆 |
‘STSong’ | 华文宋体 |
除了在全局设置字体外,我们也可以在特征显示中文的位置设置一个属性fontproperties,这个,我们讲到再给大家演示。
现在回来,我们继续讲装修图的问题,介绍几个函数
#函数里的参数,是根据我们的例子特定设置的,不同问题,不同的设置,需要看图片效果,找参数
#设置刻度范围
ax.set_xlim(1,7.1)#x轴从1到7.1
ax.set_ylim(40,100)#y轴从40到100
#设置显示的刻度
ax.set_xticks(np.linspace(1,7,7))#np.linspace()函数为等差数列,1至7的7个数组成的等差数列1,2,3,4,5,6,7,
ax.set_yticks(np.linspace(50,100,6))#关于等差数列,想了解的可以参看numpy的用法
#设置刻度标签
ax.set_xticklabels(["星期一","星期二","星期三","星期四","星期五","星期六","星期日"],fontproperties="SimHei"\
,fontsize=12)
#这里用到了属性fontproperties可以单独设置x轴标签的字体,也可以用fontsize设置字体大小,还可以用color设置字的颜色
ax.set_yticklebels(["50kg","60kg","70kg","80kg","90kg","100kg"],fontsize=12)
现在我们来加进我们之前画图的代码中,看看效果
app=[78,80,79,81,91,95,96]
x=np.arange(1,8)
fig=plt.figure(num=1,figsize=(6,4))
ax=fig.add_subplot(111)
ax.plot(x,app)
ax.set_xlim([1,7.1])
ax.set_ylim([40,100])
ax.set_xticks(np.linspace(1,7,7))
ax.set_yticks(np.linspace(50,100,6))#可调控字体大小,样式,
ax.set_xticklabels(["星期一","星期二","星期三","星期四","星期五","星期六","星期日"],fontproperties="SimHei",\
fontsize=12,rotation=10)
#参数rotation=10,可以使得类标旋转值为10的角度
ax.set_yticklabels(["50kg","60kg","70kg","80kg","90kg","100kg"])
plt.show()
这是初步修改过的图,我们现在装饰一下轴上的刻度线,使得y轴中不显示刻度线和其他的一些小细节修改。
tick_params()函数
##借用函数tick_params()可以装修轴上的刻度线和轴标签
ax.tick_params()
###看一下此函数的一些重要参数
axis
: 可选"x"
,"y"
,"both"
,默认"both"
,分别代表,对x轴操作,对y轴操作,对两个轴都操作。direction
: 可选"in"
,"out"
,"inout"
代表,刻度线显示在坐标轴里面,坐标轴外边,双边
为了更加显眼,让大家看出不同,我超纲操作了一下,给刻度线设置一下颜色,和长度,可以看出区别了吧,现在我们就把超纲的地方补上。
length
: 刻度线长度,上面图里的刻度线长度,我设置的为6color
: 刻度线颜色,上面图里的刻度线颜色,我设置的为“r”
width
: 刻度线宽度pad
: 刻度线与刻度标签之间的间隔bottom
,top
,left
,right
四个参数对应四个边框,它们的取值为布尔类型,True
表示显示对应边框上的刻度线,False
,代表不显示,默认True
labelbottom
,labeltop
,labelleft
,labelright
,与上面四个对应,代表的是四个边框上的类标的设置,取值为布尔类型,True
代表显示对应边框上的类标,False
代表不显示。labelsize
: 类标大小的设置参数,可取浮点型数值,也可去"medium"
,"large"
,"small"
labelrotation
: 旋转类标一定的角度,与在set_xticklabels()
中的参数rotation
作用相同。
我们来实际操作一下
#将此代码插入到之前的代码中即可
ax.tick_params(left=False,pad=8,direction="in",length=2,width=3,color="b",labelsize=12)
ax.tick_params("x",labelrotation=10)#类标旋转
y轴上的刻度线没有了。
添加轴坐标标签,表头,图例
ax.set_xlabel("星期")#添加x轴坐标标签,后面看来没必要会删除它,这里只是为了演示一下。
ax.set_ylabel("销售量",fontsize=16)#添加y轴标签,设置字体大小为16,这里也可以设字体样式与颜色
ax.set_title("某某水果店一周水果销售量统计图",fontsize=18,backgroundcolor='#3c7f99',\
fontweight='bold',color='white',verticalalignment="baseline")#标题(表头)
使用到的set_title()
参数有很多,介绍几个常用的
fontsize
: 默认12,可选参数还有['xx-small', 'x-small', 'small', 'medium', 'large','x-large', 'xx-large']
backgroundcolor
: 背景颜色fontweight
: 字体粗细,可选参数为['light', 'normal', 'medium', 'semibold', 'bold', 'heavy', 'black']
color
: 字体颜色fontstyle
: 设置字体类型,可选参数[ 'normal' | 'italic' | 'oblique' ]
,italic
斜体,oblique
倾斜verticalalignment
: 设置水平对齐方式 ,可选参数 :'center'
,'top'
,'bottom'
,'baseline'
此参数可设置title
与正图的位置 。
目前得到的图中,我想把上,右轴的线给去掉,给其他两个轴线换一下粗细合颜色,怎么做?
aplines
#ax.spines["left"].set_color("darkblue")#设置左轴的颜色,我们图中未用
#ax.spines["bottom"].set_linewidth(3)#底轴线条宽度设置
ax.spines["top"].set_visible(False)#上轴不显示
ax.spines["right"].set_visible(False)#右
ax.spines["left"].set_visible(False)#左
添加到之前的代码中
图例添加legend()
ax.legend(("苹果"),loc=3,labelspacing=2,handlelength=4,fontsize=14,shadow=True)
##一般添加图例时,会在画图的函数里,比如ax.plot()函数中添加一个label参数,则后面直接ax.legend(loc="")
##不需要第一个参数了。
###loc的可取"best",1或者"upper right",2或"upper left",3或"lower left",4或"lower right",代表放不同位置
loc
: 可取"best"
, 1或者"upper right"
, 2或"upper left"
, 3或"lower left"
, 4或"lower right"
,代表放不同位置fontsize
:int
或float
或{‘xx-small’, ‘x-small’, ‘small’, ‘medium’, ‘large’, ‘x-large’, ‘xx-large’}
,字体大小shadow
: 是否为图例边框添加阴影labelspacing
: 图例中条目之间的距离handlelength
: 图例句柄的长度
ax.plot(x,app,label="苹果")
ax.legend(loc=3,labelspacing=2,handlelength=3,fontsize=14,shadow=True)
有没有觉得我们的图像点样子了,哈哈,还是有点不好看,觉得图中的折线不好看,怎么调呢,为了造好看的图,我们先来学习ax.plot()
函数
ax.plot(x,y,format_string) 坐标图
x
: x轴数据,列表或数组,可选参数,当我们在这个函数里,只展示一组数据时,x可省略。y
: y轴数据,必须有。format_string
: 主要来控制我们画的曲线的格式:颜色,风格,标记,可取三者的组合如:“g-o”
,"r-.D"
,如果不用组合,则用color
,marker
,linestyle
,三个参数分别指定。label
: 添加图例的类标。
颜色
颜色字符 | 说明 | 颜色字符 | 说明 |
---|---|---|---|
‘b’ | 蓝色 | ‘m’ | 洋红色magenta |
‘g’ | 绿色 | ‘y’ | 黄色 |
‘r’ | 红色 | ‘k’ | 黑色 |
‘c’ | 青绿色 cyan | ‘w’ | 白色 |
‘#008000’ | RGB某颜色 | ‘0.8’ | 灰度值字符串 |
风格
颜色字符 | 说明 |
---|---|
’-‘ | 实线 |
’- -‘ | 破折线 |
’-.‘ | 点划线 |
’:‘ | 虚线 |
’’ ’ ‘ | 无线条 |
标记
标记字符 | 说明 | 标记字符 | 说明 | 标记字符 | 说明 |
---|---|---|---|---|---|
‘.’ | 点标记 | ‘1’ | 下花三角标记 | ‘h’ | 竖六边形标记 |
‘,’ | 像素标记(极小点) | ‘2’ | 上花三角标记 | ‘H’ | 横六边形标记 |
‘o’ | 实心圈标记 | ‘3’ | 左花三角标记 | ‘+’ | 十字标记 |
‘v’ | 倒三角标记 | ‘4’ | 右花三角标记 | ‘x’ | x标记 |
‘^’ | 上三角标记 | ‘s’ | 实心方形标记 | ‘D’ | 菱形标记 |
‘>’ | 右三角标记 | ‘p’ | 实心五角标记 | ‘d’ | 瘦菱形标记 |
‘<’ | 左三角标记 | ‘*’ | 星形标记 | ‘|’ | 垂直线标记 |
#ax.plot(x,app,label="苹果")
ax.plot(x,app,"r-.d",label="苹果")#在原来的基础上添加“r-.d”
如果店长有搞了这周香蕉的销售量,想与苹果的销售量做一下对比
##添加此行代码
ban=[70,80,81,82,75,90,89]
ax.plot(x,ban,"c-d",label="香蕉")
这样看着还挺不错,不知道我审美有没有问题,嘻嘻!
还有一个比较常用的函数,ax.text()
,可以在图中指定位置添加标签
ax.text(),参数讲解
x
,y
: 放置text的位置,横纵坐标。s
:str
,text内容。fontsize
: 设置字体大小,默认12,可选参数[‘xx-small’, ‘x-small’, ‘small’, ‘medium’, ‘large’,‘x-large’, ‘xx-large’]
fontweight
: 设置字体粗细,可选参数[‘light’, ‘normal’, ‘medium’, ‘semibold’, ‘bold’, ‘heavy’, ‘black’]
alpha
: 透明度,参数值0至1之间。rotation
: (旋转角度)可选参数为:vertical
,horizontal
也可以为数字。backgroundcolor
: 背景颜色。color
: 字体颜色。
##最后添加此操作,得到的图
ax.text(7,97,"max:96",fontsize=14,color="g",alpha=1)
ax.text(6,86,"max:90",fontsize=12,alpha=1)
除了text()
函数可以添加标注之外,还有一个可以添加箭头的标注函数annotate()
annotate():参数讲解
s
: 添加标注的内容,字符串形式。xy
: 箭头指向的位置,就是我们想添加标注的对象,元组类型输入方式。xytext
: 添加标注的实际位置,标注实际所在位置,可看做箭头输出端。arrowprops
: 此参数中提供箭头属性字典来绘制从文本到注释点的箭头。width
: 箭把宽度,整数或浮点数。frac
: 箭头头部所占的比例,小于1。headwidth
: 箭头头部宽度,整数或浮点数。headlength
: 箭头长度,整数或浮点数。facecolor
: 填充色 。shrink
: 移动提示,并使其离注释点和文本一些距离,<1,大白话说就是,别让箭头两端里标注点和文本太近。
frontsize
: 可以设置字大小,这个参数遇到很多次了。
我们来设置一下
ax.annotate(s="min:70",xy=(1,70),xytext=(1.3,66),arrowprops=dict(facecolor="y",shrink=0.05,\
headwidth=12,headlength=6,width=4),fontsize=12)
我把最全代码放一下
import matplotlib.pyplot as plt
import numpy as np
plt.rcParams["font.family"]="SimHei"
app=[78,80,79,81,91,95,96]
ban=[70,80,81,82,75,90,89]
x=np.arange(1,8)
fig=plt.figure(num=1,figsize=(6,4))
ax=fig.add_subplot(111)
ax.plot(x,app,"r-.d",label="苹果")
ax.plot(x,ban,"c-d",label="香蕉")
ax.set_xlim([1,7.1])
ax.set_ylim([40,100])
ax.set_xticks(np.linspace(1,7,7))
ax.set_yticks(np.linspace(50,100,6))#可调控字体大小,样式,
ax.set_xticklabels(["星期一","星期二","星期三","星期四","星期五","星期六","星期日"],fontproperties="SimHei",fontsize=12)
ax.set_yticklabels(["50kg","60kg","70kg","80kg","90kg","100kg"])
ax.tick_params(left=False,pad=8,direction="in",length=2,width=3,color="b",labelsize=12)
ax.tick_params("x",labelrotation=10)#类标旋转
#ax.set_xlabel("星期")#添加x轴坐标标签,后面看来没必要会删除它,这里只是为了演示一下。
ax.set_ylabel("销售量",fontsize=16)#添加y轴标签,设置字体大小为16,这里也可以设字体样式与颜色
ax.set_title("某某水果店一周水果销售量统计图",fontsize=18,backgroundcolor='#3c7f90',\
fontweight='bold',color='white',verticalalignment="baseline")
#ax.spines["left"].set_color("darkblue")#设置左轴的颜色
#ax.spines["bottom"].set_linewidth(2)#底轴线条宽度设置
ax.spines["top"].set_visible(False)#上轴不显示
ax.spines["right"].set_visible(False)
ax.spines["left"].set_visible(False)
ax.text(7,97,"max:96",fontsize=14,color="g",alpha=1)
ax.text(6,86,"max:90",fontsize=12,alpha=1)
ax.annotate(s="min:70",xy=(1,70),xytext=(1.3,66),arrowprops=dict(facecolor="y",shrink=0.05,\
headwidth=12,headlength=6,width=4),fontsize=12)
ax.legend(loc=3,labelspacing=1,handlelength=3,fontsize=14,shadow=True)
plt.show()
还有一个关于,图中颜色的问题,颜色的种类选择,大家网上一搜都有,这里只要带颜色的参数,都可用。
最后讲解一个图片保存成.jpg
和.png
文件的函数:plt.savefig("保存的文件路径")
注:此函数需放置在show()
函数之前。
#保存为jpg文件
plt.savefig("figure.jpg")#我这里填的是相对路径,如果想保存在指定文件夹下,填写绝对路径。
#保存为png文件
plt.savefig("figure.png")
plt.savefig()
有一个参数为bbox_inches
,将此参数设置为bbox_inches="tight"
时,说是可删除图片边缘空格,我实验了一下,确实会使保存的图片有些许变化。可实验操作一下。
还有一点需要注意,如果未设置图片的大小,则保存的图片与show()
的图片会有差异。因此如果想将保存的图片与show()
出来的图片大小一样,需要提前设置图片大小。
#此函数里的参数figsize可设置图片大小
fig=plt.figure(num=1,figsize=(6,4))