python-matplotlib

最新推荐文章于 2024-04-30 03:03:11 发布

没问题的老铁

最新推荐文章于 2024-04-30 03:03:11 发布

阅读量172

点赞数

分类专栏： python 文章标签： python 数据可视化 matplotlib 数据分析

本文链接：https://blog.csdn.net/fuzhe_1/article/details/118993879

版权

python 专栏收录该内容

1 篇文章 0 订阅

订阅专栏

Python数据分析–matplotlib

官网：http://matplotlib.org/

学习方式：从官网examples入门学习

http://matplotlib.org/examples/index.html

http://matplotlib.org/gallery.html

什么是matplotlib

Matplotlib 是一个 Python 的 2D 绘图库，通过 Matplotlib ，开发者可以仅需要几行代码，便可以生成折线图，直方图，条形图，饼状图，散点图等。

为什么要使用matplotlib

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

matplotlib三层结构

容器层

器层主要由Canvas、Figure、Axes组成。
Canvas是位于最底层的系统层，在绘图的过程中充当画板的角色，即放置画布的工具
Figure是Canvas上方的第一层，也是需要用户来操作的应用层的第一层，在绘图的过程中充当画布的角色。
Axes是应用层的第二层，在绘图的过程中相当于画布上的绘图区的角色。

Figure：指整个图形(可以通过plt.figure())设置画布的大小很分辨率等
Axes(坐标系)：数据的绘图区域。
Axis(坐标轴)：数坐标系中的一条轴,包含大小限制、刻度和刻度标签

图像层

图像层指Axes内通过plot、scatter、hist、bar、pie等函数根据数据绘制出的图像。

辅助层

辅助显示层为Axes内的除了根据数据绘制出的图像以外的内容，主要包括Axes外观(facecolor)、边框线(spines)、坐标轴(axis)、坐标轴名称(axis label)、坐标轴刻度(tick)、坐标轴刻度标签(tick label)、网格线(grid)、图例(legend)、标题(title)等内容。

matplotlib基本使用

# coding: utf-8

import matplotlib.pyplot as plt

#创建画布
fig = plt.figure()

#定义X轴数据
x = range(2, 26, 2)

#定义Y轴数据
y = [15, 13, 14, 5, 17, 10, 25, 26, 26, 24, 22, 18]

#创建折线图
plt.plot(x, y)

#展示
plt.show()

其中 plot 是一个画图的函数，他的参数为 plot([x],y, [ fmt],data=None,**kwargs) 。其中 fmt 可以传一个字符串，用来给这个图做一些样式修改的。默认的绘制样式是 b- ，也就是蓝色实体线条。

比如我想将原来的图的线条改成点状，那么可以通过以下代码实现：

plt.plot(x, y, ':', color='r')

线条风格	描述
‘-’	实线样式
‘–’	虚线样式
‘-.’	点划线样式
‘:’	虚线样式

线条标记	描述
‘.’	点标记
‘,’	像素标记
‘o’	圆圈标记
‘v’	三角形向下标记
‘^’	三角形向上标记
‘<’	三角形左标记
‘>’	三角形_右标记
‘1’	tri_down 标记
‘2’	tri_up 标记
‘3’	三左标记
‘4’	三右标记
‘8’	八角形标记
‘s’	方形标记
‘p’	五边形标记
‘P’	加（填充）标记
‘*’	星标
‘h’	六边形1标记
‘H’	六边形2标记
‘+’	加号标记
‘x’	x 标记
‘X’	x（填充）标记
‘D’	钻石记号笔
‘d’	Thin_diamond 标记
’	’
‘_’	线标记

颜色别名	描述
‘b’	blue
‘g’	green
‘r’	red
‘c’	cyan
‘m’	magenta
‘y’	yellow
‘k’	black
‘w’	white

给线条设置颜色总体来说有三种方式：

使用颜色名称（ r 是 red 的缩写）的形式
使用十六进制的方式
是使用 RGB 或 RGBA 的方式。

如果使用的是颜色名称，那么可以和线的形状写在同一个字符串中。比如使用红色的五角点，那么可以使用如下的方式实现：

plt.plot(x, y, 'rp') #r(红色) p(五角点)

样式设置DEMO

# coding: utf-8

import matplotlib.pyplot as plt

#figsize设置画布大小 dpi设置分辨率
fig = plt.figure(figsize=(6, 4), dpi=80)

x = range(2, 26, 2)
y1 = [15, 12, 14, 16, 17, 20, 25, 28, 21, 19, 18, 10]
y2 = [12, 14, 13, 18,12, 28, 23, 10, 19, 27, 20, 10]

# 创建多条折线图
# b(蓝色) label 标签
plt.plot(x, y1, 'b', label='y1')
#g(绿色)
plt.plot(x, y2, 'g', label='y2')

# X Y轴信息设置
plt.xlabel(u"时间")
plt.ylabel(u"温度 单位(℃)")

#修改X Y轴刻度
plt.xticks(range(2, 25))
plt.yticks(range(min(y1), max(y1)+1))

#设置网格 alpha表示透明度
plt.grid(linestyle=":", alpha=0.8),

#添加图例 loc图例显示位置
plt.legend(loc="best")
plt.show()

中文显示问题

中文字体下载地址 https://github.com/chenqing/ng-mini/raw/master/font/msyh.ttf

方法一

#-- coding: utf-8 --
......
from matplotlib.font_manager import FontProperties
font = FontProperties(fname=r"./msyh.ttf", size=14)
plt.xlabel(u'职位需求(位）')
......

方法二

找到字体文件夹

import matplotlib
#查看matplotlib路径
print(matplotlib.matplotlib_fname())

将中文包放置 lib/site-packages/matplotlib/mpl-data/fonts/ttf/

修改 lib/site-packages/matplotlib/mpl-data/matplotlibrc文件

axes.unicode_minus  : False    ## use unicode for the minus symbol
font.family         : Microsoft YaHei
font.sans-serif     : Microsoft YaHei, DejaVu Sans, Bitstream Vera Sans, Computer Modern Sans Serif, Lucida Grande, Verdana, Geneva, Lucid, Arial, Helvetica, Avant Garde, sans-serif

第一行,修改True为False,是为了正常显示负号
第二行和第三行是为了使用微软雅黑作为默认字体

一个窗口，多个图，多条数据

# coding: utf-8
import matplotlib.pyplot as plt
import numpy as np

x=np.arange(-5,5,0.1)
y=x*3
sub1=plt.subplot(211,facecolor=(0.1843,0.3098,0.3098))  #将窗口分成2行1列，在第1个作图，并设置背景色
sub2=plt.subplot(212)   #将窗口分成2行1列，在第2个作图
sub1.plot(x,y)          #绘制子图
sub2.plot(x,y)          #绘制子图
axes1 = plt.axes([.2, .3, .1, .1], facecolor='y')  #添加一个子坐标系，rect=[左, 下, 宽, 高]
plt.plot(x,y)           #绘制子坐标系，
axes2 = plt.axes([0.7, .2, .1, .1], facecolor='y')  #添加一个子坐标系，rect=[左, 下, 宽, 高]
plt.plot(x,y)
plt.show()

柱形图

# coding: utf-8
import matplotlib.pyplot as plt
import numpy as np
plt.figure(3)
x_index = np.arange(5)   #柱的索引
x_data = ('A', 'B', 'C', 'D', 'E')
y1_data = (20, 35, 30, 35, 27)
y2_data = (25, 32, 34, 20, 25)
bar_width = 0.35   #定义一个数字代表每个独立柱的宽度

rects1 = plt.bar(x_index, y1_data, width=bar_width,alpha=0.4, color='b',label='legend1')            #参数：左偏移、高度、柱宽、透明度、颜色、图例
rects2 = plt.bar(x_index + bar_width, y2_data, width=bar_width,alpha=0.5,color='r',label='legend2') #参数：左偏移、高度、柱宽、透明度、颜色、图例
#关于左偏移，不用关心每根柱的中心不中心，因为只要把刻度线设置在柱的中间就可以了
plt.xticks(x_index + bar_width/2, x_data)   #x轴刻度线
plt.legend()    #显示图例
plt.tight_layout()  #自动控制图像外部边缘，此方法不能够很好的控制图像间的间隔
plt.show()

直方图

# coding: utf-8
import matplotlib.pyplot as plt
import numpy as np
fig,(ax0,ax1) = plt.subplots(nrows=2,figsize=(9,6))     #在窗口上添加2个子图
sigma = 1   #标准差
mean = 0    #均值
x=mean+sigma*np.random.randn(10000)   #正态分布随机数
ax0.hist(x,bins=40,normed=False,histtype='bar',facecolor='yellowgreen',alpha=0.75)   #normed是否归一化，histtype直方图类型，facecolor颜色，alpha透明度
ax1.hist(x,bins=20,normed=1,histtype='bar',facecolor='pink',alpha=0.75,cumulative=True,rwidth=0.8) #bins柱子的个数,cumulative是否计算累加分布，rwidth柱子宽度
plt.show()  #所有窗口运行

散点图

# coding: utf-8
import matplotlib.pyplot as plt
import numpy as np
fig = plt.figure(4)          #添加一个窗口
ax =fig.add_subplot(1,1,1)   #在窗口上添加一个子图
x=np.random.random(100)      #产生随机数组
y=np.random.random(100)      #产生随机数组
ax.scatter(x,y,s=x*1000,c='y',marker=(5,1),alpha=0.5,lw=2,facecolors='none')  #x横坐标，y纵坐标，s图像大小，c颜色，marker图片，lw图像边框宽度
plt.show()  #所有窗口运行

3D图

# coding: utf-8
import numpy as np
import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D

X = np.arange(-5, 5, 0.25)
Y = np.arange(-5, 5, 0.25)
X, Y = np.meshgrid(X, Y)
R = np.sqrt(X**2 + Y**2)
Z = np.sin(R)

fig = plt.figure()
ax = Axes3D(fig)
fig.add_axes(ax)
ax.plot_surface(X, Y, Z, rstride=1, cstride=1)

plt.show()

动图

# coding: utf-8
from numpy import sin, cos
import numpy as np
import matplotlib.pyplot as plt
import scipy.integrate as integrate
import matplotlib.animation as animation
from collections import deque

G = 9.8  # acceleration due to gravity, in m/s^2
L1 = 1.0  # length of pendulum 1 in m
L2 = 1.0  # length of pendulum 2 in m
L = L1 + L2  # maximal length of the combined pendulum
M1 = 1.0  # mass of pendulum 1 in kg
M2 = 1.0  # mass of pendulum 2 in kg
t_stop = 5  # how many seconds to simulate
history_len = 500  # how many trajectory points to display


def derivs(state, t):

    dydx = np.zeros_like(state)
    dydx[0] = state[1]

    delta = state[2] - state[0]
    den1 = (M1+M2) * L1 - M2 * L1 * cos(delta) * cos(delta)
    dydx[1] = ((M2 * L1 * state[1] * state[1] * sin(delta) * cos(delta)
                + M2 * G * sin(state[2]) * cos(delta)
                + M2 * L2 * state[3] * state[3] * sin(delta)
                - (M1+M2) * G * sin(state[0]))
               / den1)

    dydx[2] = state[3]

    den2 = (L2/L1) * den1
    dydx[3] = ((- M2 * L2 * state[3] * state[3] * sin(delta) * cos(delta)
                + (M1+M2) * G * sin(state[0]) * cos(delta)
                - (M1+M2) * L1 * state[1] * state[1] * sin(delta)
                - (M1+M2) * G * sin(state[2]))
               / den2)

    return dydx

# create a time array from 0..t_stop sampled at 0.02 second steps
dt = 0.02
t = np.arange(0, t_stop, dt)

# th1 and th2 are the initial angles (degrees)
# w10 and w20 are the initial angular velocities (degrees per second)
th1 = 120.0
w1 = 0.0
th2 = -10.0
w2 = 0.0

# initial state
state = np.radians([th1, w1, th2, w2])

# integrate your ODE using scipy.integrate.
y = integrate.odeint(derivs, state, t)

x1 = L1*sin(y[:, 0])
y1 = -L1*cos(y[:, 0])

x2 = L2*sin(y[:, 2]) + x1
y2 = -L2*cos(y[:, 2]) + y1

fig = plt.figure(figsize=(5, 4))
ax = plt.axes()
ax.set_xlim(-L, L)
ax.set_ylim(-L, 1)

# ax = ax.add_subplot(autoscale_on=False, xlim=(-L, L), ylim=(-L, 1.))
ax.set_aspect('equal')
ax.grid()

line, = ax.plot([], [], 'o-', lw=2)
trace, = ax.plot([], [], ',-', lw=1)
time_template = 'time = %.1fs'
time_text = ax.text(0.05, 0.9, '', transform=ax.transAxes)
history_x, history_y = deque(maxlen=history_len), deque(maxlen=history_len)


def animate(i):
    thisx = [0, x1[i], x2[i]]
    thisy = [0, y1[i], y2[i]]

    if i == 0:
        history_x.clear()
        history_y.clear()

    history_x.appendleft(thisx[2])
    history_y.appendleft(thisy[2])

    line.set_data(thisx, thisy)
    trace.set_data(history_x, history_y)
    time_text.set_text(time_template % (i*dt))
    return line, trace, time_text


ani = animation.FuncAnimation(
    fig, animate, len(y), interval=dt*1000, blit=True)
plt.show()