3. Matplotlib基础学习库

为霖

已于 2022-01-29 14:39:31 修改

阅读量1.4k

点赞数 1

分类专栏：人工智能经典算法文章标签： matlab 数据挖掘机器学习

于 2022-01-24 21:45:57 首次发布

本文链接：https://blog.csdn.net/chuchu1994/article/details/122656673

版权

人工智能经典算法专栏收录该内容

5 篇文章 2 订阅

订阅专栏

1 什么是Matplotlib

是专门用于开发2D图表(包括3D图表)
以渐进、交互式方式实现数据可视化

2 为什么要学习Matplotlib

可视化是在整个数据挖掘的关键辅助工具，可以清晰的理解数据，从而调整我们的分析方法。

能将数据进行可视化,更直观的呈现
使数据更加客观、更具说服力

3 如何实现一个简单的matplotlib绘图——以折线图为例

3.1 matplotlib.pyplot模块

包含了类似于matlab的画图函数
import matplotlib.pyplot as plt

2 图形绘制流程

- matplotlib三层结构
（1）容器层
主要由Canvas，Figure，Axes组成
Canvas最底层系统层，相当于画板
Figure是Canvas上面一层，相当于画布
Axes是应用层的第二层，相当于绘图区域
Figure: 整个图形
Axes：数据绘图区域
Axis：坐标系的一条轴
- 图像结构
在这里插入图片描述

图形绘制流程
（1）创建画布–plt.figure()
plt.figure(figsize=(),dpi=())
创建一个figure类，figsize是大小，dpi是情绪度
（2）绘制图像-- plt.plot(x,y)
（3）显示图像–plt.show()
折线图绘制与显示
举例：展现上海一周的天气,比如从星期一到星期日的天气温度如下

3. 基础绘图功能—折线图为例

3.1 完善原始折线图

例子需求：画出某城市11点到12点1小时内每分钟的温度变化折线图，温度范围在15度~18度

准备数据并画图

import matplotlib.pyplot as plt
import random

#0. 准备x,y数据
x=range(60)
y_shanghai=[random.uniform(15,18) for i in x] #random.randint是生成整数

#1. 创建画布
plt.figure(figsize=(20,8),dpi=100)

#2. 绘制折线图
plt.plot(x,y_shanghai)

#3. 显示图像
plt.show()

在这里插入图片描述

添加自定义x,y刻度
（1）plt.xticks(x,**kwargs) x表示要显示的刻度
（2）plt.yticks(y,**kwargs) y表示要显示的刻度值

#3.添加自定义的x，y
#构造x、y轴标签
x_ticks_label=["11点{}分".format(i) for i in x]
y_ticks_label=range(40)
#修改x,y轴坐标的刻度显示
plt.xticks(x[::5],x_ticks_label[::5])
plt.yticks(y_ticks_label[::5])

因为没有解决中文问题，显示如下：
在这里插入图片描述

中文显示问题解决
解决方案一：
下载中文字体（黑体，看准系统版本）
（1）步骤一：下载simhei字体
（2）步骤二：安装字体
◦linux下：拷贝字体到 usr/share/fonts 下：
sudo cp ~/SimHei.ttf /usr/share/fonts/SimHei.ttf
◦windows和mac下：双击安装
找到matplotlib的安装文件，复制微软雅黑字体到安装文件下D:\python\anaconda\installation\envs\pthonconda\Lib\site-packages\matplotlib\mpl-data\fonts\ttf
（3）找到设置font.family的行，修改为font.family : sans-serif
font.sans-serif : SimHei
axes.unicode_minus : False
记住去掉#
或者在Python脚本中动态设置matplotlibrc,这样也可以避免由于更改配置文件而造成的麻烦，具体代码如下：

from pylab import mpl
# 设置显示中文字体
mpl.rcParams["font.sans-serif"] = ["SimHei"]

有时候，字体更改后，会导致坐标轴中的部分字符无法正常显示，此时需要更改axes.unicode_minus参数：

mpl.rcParams["axes.unicode_minus"] = False

解决方案二：
font manager font_manager.Fontproperties(fname=后面放字体地址)

#设置字体方法二,把中文字体，给my_font,然后后面用plt.xticks(fontproperties=my_font）
import matplotlib
#查找matplotlib字体库位置
print(matplotlib.matplotlib_fname())
my_font=font_manager.FontProperties(fname=r"C:\Windows\Fonts\simkai.ttf")#windows系统字体在c盘window→fonts，地址是字符串记得加双引号,地址前加r

#调整x轴刻度
_xtick_labels=["10点{}分".format(i) for i in range(60)]
_xtick_labels+=["11点{}分".format(i) for i in range(60)] #在列表后增加
plt.xticks(list(x)[::3],_xtick_labels[::3],rotation=90,fontproperties=my_font) #xtick也是一个对应函数，把x刻度和标签对应起来。
plt.show()

添加网格显示——plt.grid(True)
plt.grid(True, linestyle="–",alpha=0.5), alpha表示透明度

plt.grid(True,linestyle='--',alpha=0.5)

添加描述信息

plt.xlabel("时间")
plt.ylabel("温度")
plt.title("中午11点0分到12点之间的温度变化显示",fontsize=20)

图像保存-plt.savefig(“test.png”)
注意： plt.show()会释放figure资源，如果在显示图像之后保存图片将只能保存空图片。

完整代码：

import matplotlib.pyplot as plt
import random

#0. 准备x,y数据
x=range(60)
y_shanghai=[random.uniform(15,18) for i in x] #random.randint是生成整数，列表生成式生成60个随机数

#1. 创建画布
plt.figure(figsize=(20,8),dpi=100)

#2. 绘制折线图
plt.plot(x,y_shanghai)

from pylab import mpl
mpl.rcParams["font.sans-serif"]=["SimHei"]

#3.添加自定义的x，y
#构造x、y轴标签
x_ticks_label=["11点{}分".format(i) for i in x]
y_ticks_label=range(40)
#修改x,y轴坐标的刻度显示
plt.xticks(x[::5],x_ticks_label[::5]) #第一个参数必须是传进去的数值
plt.yticks(y_ticks_label[::5])

#4. 添加网格
plt.grid(True,linestyle='--',alpha=0.5)

#5. 添加描述信息
plt.xlabel("时间")
plt.ylabel("温度")
plt.title("中午11点0分到12点之间的温度变化显示",fontsize=20)

#6. 显示图像
plt.show()

3.2 在一个坐标系中绘制多个图像

多次plot
需求：再添加一个城市的温度变化
收集到北京当天温度变化情况，温度在1度到3度。怎么去添加另一个在同一坐标系当中的不同图形，需要再次plot，并绘制图例，添加图例前，需要先在绘制的时候增加color和linestyle关键词

#动态调整matplotlib.mpl文件，显示中文
mpl.rcParams["font.sans-serif"]=["SimHei"]
#0. 准备x,y数据，增加北京数据
x=range(60)
y_shanghai=[random.uniform(15,18) for i in x] #random.randint是生成整数，列表生成式生成60个随机数
y_beijing=[random.uniform(1,3) for i in x]

#1. 创建画布
plt.figure(figsize=(20,8),dpi=100)

#2. 绘制折线图
plt.plot(x,y_shanghai,label="上海")
plt.plot(x,y_beijing,color="r",linestyle='--',label="北京")

设置图形风格
显示图例
注意，如果只在plt.plot()中设置label还不能最终显示出图例，还需要通过plt.legend()将图例显示出来。

完整代码

import matplotlib.pyplot as plt
import random
from pylab import mpl

#动态调整matplotlib.mpl文件，显示中文
mpl.rcParams["font.sans-serif"]=["SimHei"]
#0. 准备x,y数据，增加北京数据
x=range(60)
y_shanghai=[random.uniform(15,18) for i in x] #random.randint是生成整数，列表生成式生成60个随机数
y_beijing=[random.uniform(1,3) for i in x]

#1. 创建画布
plt.figure(figsize=(20,8),dpi=100)

#2. 绘制折线图
plt.plot(x,y_shanghai,label="上海")
plt.plot(x,y_beijing,color="r",linestyle='--',label="北京")



#3.添加自定义的x，y
#构造x、y轴标签
x_ticks_label=["11点{}分".format(i) for i in x]
y_ticks_label=range(40)
#修改x,y轴坐标的刻度显示
plt.xticks(x[::5],x_ticks_label[::5]) #第一个参数必须是传进去的数值
plt.yticks(y_ticks_label[::5])

#4. 添加网格
plt.grid(True,linestyle='--',alpha=0.5)

#5. 添加描述信息
plt.xlabel("时间")
plt.ylabel("温度")
plt.title("中午11点0分到12点之间的温度变化显示",fontsize=20)

#6. 显示图例
plt.legend(loc="best")

#7. 保存图像
plt.savefig("test.png")

#6. 显示图像
plt.show()

在这里插入图片描述

3.3 多个坐标系显示-plt.subplots(面向对象的画图方法)

如果想要上海和北京的天气图显示在同一个图的不同坐标系当中，效果如下：
在这里插入图片描述

可以通过subplots函数实现
matplotlib.pyplot.subplots(nrows=1, ncols=1, **fig_kw) 创建一个带有多个axes(坐标系/绘图区)的图

在这里插入代码片`Parameters:    

nrows, ncols : 设置有几行几列坐标系
    int, optional, default: 1, Number of rows/columns of the subplot grid.

Returns:    
fig : 图对象
axes : 返回相应数量的坐标系

设置标题等方法不同：
    set_xticks
    set_yticks
    set_xlabel
    set_ylabel`

# 0.生成数据
x = range(60)
y_beijing = [random.uniform(10, 15) for i in x]
y_shanghai = [random.uniform(15, 25) for i in x]

# 1.创建画布
# plt.figure(figsize=(20, 8), dpi=100)
fig, axes = plt.subplots(nrows=1, ncols=2, figsize=(20, 8), dpi=100)

# 2.图形绘制
# plt.plot(x, y_beijing, label="北京", color="g", linestyle="-.")
# plt.plot(x, y_shanghai, label="上海")
axes[0].plot(x, y_beijing, label="北京", color="g", linestyle="-.")
axes[1].plot(x, y_shanghai, label="上海")


# # 2.1 添加x,y轴刻度
y_ticks = range(40)
x_ticks_labels = ["11点{}分".format(i) for i in x]

# plt.yticks(y_ticks[::5])
# plt.xticks(x[::5], x_ticks_labels[::5])
# # plt.xticks(x_ticks_labels[::5])  # 必须最开始传递进去的是数字

axes[0].set_xticks(x[::5])
axes[0].set_yticks(y_ticks[::5])
axes[0].set_xticklabels(x_ticks_labels[::5])
axes[1].set_xticks(x[::5])
axes[1].set_yticks(y_ticks[::5])
axes[1].set_xticklabels(x_ticks_labels[::5])

# # 2.2 添加网格
# plt.grid(True, linestyle="--", alpha=0.7)
axes[0].grid(True, linestyle="--", alpha=0.7)
axes[1].grid(True, linestyle="--", alpha=0.7)

# # 2.3 添加描述
# plt.xlabel("时间")
# plt.ylabel("温度")
# plt.title("一小时温度变化图", fontsize=20)

axes[0].set_xlabel("时间")
axes[0].set_ylabel("温度")
axes[0].set_title("北京一小时温度变化图", fontsize=20)
axes[1].set_xlabel("时间")
axes[1].set_ylabel("温度")
axes[1].set_title("上海一小时温度变化图", fontsize=20)

# 2.4 显示图例
# plt.legend(loc=0)
axes[0].legend(loc=0)
axes[1].legend(loc=0)

# 3.图像展示
plt.show()

3.3 常见图形绘制

Matplotlib能够绘制折线图、散点图、柱状图、直方图、饼图。

1. 常见图形种类和意义

折线图： 以折线的上升和下降表示统计数量的增减变化。特点能够显示数据的变化趋势，反映事物的变化情况。api：plt.plot(x, y)
散点图： 用两组数据构成多个坐标点，考察坐标点的分布,判断两变量之间是否存在某种关联或总结坐标点的分布模式。判断变量之间是否存在数量关联趋势,展示离群点(分布规律) api:plt.scatter(x,y)
柱状图： 排列在工作表的列或行中的数据可以绘制到柱状图中。特点：绘制连离散的数据,能够一眼看出各个数据的大小,比较数据之间的差别。(统计/对比)

Parameters:    
x : 需要传递的数据

width : 柱状图的宽度

align : 每个柱状图的位置对齐方式
    {‘center’, ‘edge’}, optional, default: ‘center’

**kwargs :
color:选择柱状图的颜色

直方图： 由一系列高度不等的纵向条纹或线段表示数据分布的情况。一般用横轴表示数据范围，纵轴表示分布情况。
特点：绘制连续性的数据展示一组或者多组数据的分布状况(统计)
api: plt.hist(x,bins)

Parameters:    
x : 需要传递的数据，一般由x,y组成
bins : 组距

饼图： 用于表示不同分类的占比情况，通过弧度大小来对比各种分类。
特点：分类数据占比情况
api: plt.pir(x,labels=,autopct=,colors)

Parameters:  
x:数量，自动算百分比
labels:每部分名称
autopct:占比显示指定%1.2f%%
colors:每部分颜色

实际图表绘制

注意，设置x轴标签等辅助信息一定是plt.plot()以后才能设置

散点图绘制

import matplotlib.pyplot as plt
#设置中文显示
from pylab import mpl
mpl.rcParams ["font.sans-serif"]=["SimHei"]
mpl.rcParams["axes.unicode_minus"] = False
#房屋面积
x = [225.98, 247.07, 253.14, 457.85, 241.58, 301.01,  20.67, 288.64,
       163.56, 120.06, 207.83, 342.75, 147.9 ,  53.06, 224.72,  29.51,
        21.61, 483.21, 245.25, 399.25, 343.35]
#房屋价格
y = [196.63, 203.88, 210.75, 372.74, 202.41, 247.61,  24.9 , 239.34,
       140.32, 104.15, 176.84, 288.23, 128.79,  49.64, 191.74,  33.1 ,
        30.74, 400.02, 205.35, 330.64, 283.45]
#0.创建画布
plt.figure(figsize=(20,8),dpi=80)
#1.绘制图像
plt.scatter(x,y)
#2.设置辅助信息
plt.xlabel("房屋面积")
plt.ylabel("房屋价格")
#3.保存图像
plt.savefig("scatter.png")
#4. 绘制图像
plt.show()

柱状图绘制
需求-对比每部电影的票房收入

电影数据如图：

import matplotlib.pyplot as plt
from pylab import mpl
mpl.rcParams ["font.sans-serif"]=["SimHei"]
#0.准备数据
#0.0 电影名字
x = ['雷神3：诸神黄昏','正义联盟','东方快车谋杀案','寻梦环游记','全球风暴','降魔传','追捕','七十七天','密战','狂兽','其它']
#0.1 票房
y = [73853,57767,22354,15969,14839,8725,8716,8318,7916,6764,52222]

#1. 准备画布
plt.figure(figsize=(20,8),dpi=80)

#2.绘制图像
x_0=range(len(x))
plt.bar(x_0,y)

#3.设置辅助信息
plt.xticks(x_0,x)
plt.xlabel("电影名字")
plt.ylabel("电影票房")

#4.图像保存
plt.savefig("barplot.png")
#5.图像显示
plt.show()

为霖

关注

1
点赞
踩
4

收藏

觉得还不错? 一键收藏
0
评论
3. Matplotlib基础学习库

1 什么是Matplotlib是专门用于开发2D图表(包括3D图表)以渐进、交互式方式实现数据可视化2 为什么要学习Matplotlib可视化是在整个数据挖掘的关键辅助工具，可以清晰的理解数据，从而调整我们的分析方法。能将数据进行可视化,更直观的呈现使数据更加客观、更具说服力3 如何实现一个简单的matplotlib绘图——以折线图为例3.1 matplotlib.pyplot模块包含了类似于matlab的画图函数import matplotlib.pyplot as plt2
复制链接

扫一扫