Python中利用Matplotlib进行数据可视化之部分方法简述（一）

前言

Python中有许许多多功能强大的包和模块，在我们进行数据分析时，我们需要进行数据可视化的操作，我们很可能会用到Matplotlib，Matplotlib是Python最著名的绘图库之一，它提供了一整套和MATLAB相似的命令API，既适合交互式地进行绘图，也可以作为绘图控件方便地嵌入GUI应用程序中

什么是数据可视化

数据可视化指的是通过可视化表示来探索数据，它与数据挖掘紧密相关，而数据挖掘指的是使用代码来探索数据集的规律和关联。数据集可以是用一行代码就能表示的小型数字列表，也可以是数以及字节的数据。 ——摘自《Python编程：从入门到实践》
在Python中我们可以利用Matplotlib和numpy等模块配合使用，实现科学计算结果的可视化显示。

小试牛刀

首先看一段代码

import matplotlib.pyplot as plt
%matplotlib inline
import nnumpy as np
x = np.linspace(0.05,10,1000)
y = sin(x)
plt.plot(x,y)
plt.show()

这段代码的运行结果如图：
下面对代码进行说明：
①第一行为导入Matplotlib中的pyplot子库，它提供了和MATLAB类似的绘图API，方便用户快速绘制2D图表，包括直方图、饼图、散点图等
②%matplotlib inline这段代码是为了能在Jupyter Notebook中显示所绘图像
③x = np,linspace(0.05,10,1000)表示在0.05~10之间等间距取1000个数，该方法为numpy中的方法，不做过多解释
④plt.plot(x,y)根据x,y的数据生成折线图，该函数可以输入颜色、折线形状、粗细、类型等等参数，具体如下图：
![在这里插入图片描述](https://img-blog.csdnimg.cn/20190922124412461.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2N6dzE5MDc1NTQxMzg=,size_16,color_FFFFFF,t_70
下面举一些代码示例：

import matplotlib.pyplot as plt
%matplotlib inline
import nnumpy as np
x = np.linspace(1,10,10)
y = x ** 2
plt.plot(x,y,color='#ff3456',marker='*'),linestyle='--'

运行结果如下：
plt.plot()还有其他常用参数

• linewidth 定义线条的宽度，可以去任意实数
• alpha 定义线条的透明度，一般取值[0,1]之间
• drawstyle 定义描点方式
  下面举例：

import matplotlib.pyplot as plt
%matplotlib inline
import nnumpy as np
x = np.linspace(0,10,10)
y = np.cos(x)
plt.plot(x,y,'b*-',drawstyle = 'steps')

运行结果如下：

常用的图像设置命令

• plt.rcParams[‘font.sans-serif’]=[‘SimHei’] 用来正常显示中文标签
• plt.rcParams[‘axes.unicode_minus’]=False 用来正常显示负号
• plt.title() 设置图像标题
• plt.xlim() 设置x轴显示范围
• plt.ylim() 设置y轴显示范围
• plt.xlabel() 设置x轴名称
• plt.ylabel() 设置y轴名称
• plt.grid() 显示坐标网络线
• plt.axhline() 绘制平行于x轴的水平参考线
• plt.axvline() 绘制平行于y轴的水平参考线
• plt.axhspan() 绘制垂直于y轴的参考区域
• plt.axvspan() 绘制垂直于x轴的参考区域
• plt.legend() 标示不同图形的文本标签图例
• plt.xticks() 设置x轴的标签名称
• plt.yticks() 设置y轴的标签名称
• plt.text() 添加图形内容细节的无指向型注释文本
• plt.annotate() 添加图形内容细节的指向型注释文本