Tensorflow2.0的学习之路之——matplotlib库

Tensorflow2.0学习记录

序言：这章我们主要讲一下matplotlib库

matplotlib:绘制图标的第三方库，可以快速方便的生成高质量图表。
数据可视化能帮助我们理解和发现数据之间的关系，可以更加清晰、易懂的方式展示算法结果。

安装好了Anaconda之后，matplotlib就已经被安装好了，若没有也可使用pip安装。

导入matplotlib库中的pyplot子库

import matplotlib.pyplot as plt

figure对象

其主要参数如图：

简单应用一下，创建一个3*3英寸的图像，背景为蓝色。

plot()函数绘制空白图像，show（）函数显示图象

---

如果想对画布进行分割区域，需要用到subplot()函数，主要参数以及分割区域的依次序号如下图：

前两个参数只是告诉电脑我们需要几块区域，真正在区域创建图像需要用到第三个参数。

---

我们也可以对图像添加标题，可以添加主标题和子标题：

plt.suptitle("主标题")
plt.title( "子标题" )

他们分别对应的主要参数有这些：

非常的自定义个性化的设计，可以让标题变成我们想让它成为的任何样子。
其中title()参数中的fontdict这个参数，是指我们可以提前把想要的标题样式的信息储存在一个字典里，我们通过这个参数把字典录入，这样或许会更加简洁清晰。

---

下一步或许我们想要中文标题，需要利用：

中文字体	英文描述	中文字体	英文描述
宋体	SimSun	楷体	KaiTi
黑体	SimHei	仿宋	FangSong
微软雅黑	Microsoft YaHei	隶书	LiSu
微软正黑体	Microsoft JhengHei	幼圆	YouYuan

最后恢复标准默认设置：

---

为使得画面更加符合我们的心意，可以使用tight_layout()函数来调整子图像所在的区域：

最后我们来演示一遍：

import matplotlib.pyplot as plt

plt.rcParams["font.sans-serif"]="SimHei"
plt.figure(figsize=( 6,5 ), facecolor = "grey", edgecolor="yellow" )

plt.suptitle("最后的生还者2", fontweight='medium' )
plt.subplot(233)
plt.title( "乔尔", color="R",  )
plt.subplot(234)
plt.title("艾莉", color="green", rotation=45, )
plt.subplot(235)
tina = { 'color':'green', 'rotation':-45 }
plt.title("蒂娜",fontdict=tina)



plt.tight_layout( rect=[0,0,1,0.9])
plt.show()

我创建了一个名字为1的画布，背景为灰色，然后创建了6个区域，但只在3、4、5号区域填充图像。具体图像属性如上，得到结果如下：

绘制散点图

散点图：是数据点在直角坐标系的分布图

在pyplot库中，我们利用scatter()函数进行绘制散点图。主要参数如下图：

参数x和y不可省略，这代表了数据点的坐标剩下的则是对数据点的自定义。
marker是一个字符类型，可以用“o” “*”这样很形象的形状简单代表。也有其他常用的数据点样式。

要想把图例显示出来，需要

legend(loc,fontsize)

其中，loc代表图例的位置，fontsize代表字体大小；

---

绘制散点图也需要用到numpy库，利用随机数模块：

如果我们想要绘制正态分布的散点图：

n=1666
x1=np.random.normal(0,1,n)
y1=np.random.normal(0,1,n)

如果需要均匀分布的散点图：

n=1666
x2=np.random.uniform(-4,4,n)
y2=np.random.uniform(-4,4,n)

其中，n是点的个数，normal中0代表均值，也就是这些正态分布散点的中心，1为标准差；在uniform中，-4到4是只正态分布的边界，n为个数。

---

既然已0为中心，那么坐标轴一定会有负轴，要想显示负轴，需要：

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

---

如果想要显示均值和标准差，可以使用text()函数：

这里的x、y都不可省略，这是所代表在图的指定位置添加文字

也可以对x轴和y轴进行设置标签或者自定义设置：
最后展示一下：

如果把正态分布和均匀分布的数据点放在一个图内，则：

import numpy as np
import matplotlib.pyplot as plt

plt.rcParams["font.sans-serif"]="SimHei"
plt.rcParams["axes.unicode_minus"]=False

n=1666
x1=np.random.normal(0,1,n)
y1=np.random.normal(0,1,n)
x2=np.random.uniform(-4,4,n)
y2=np.random.uniform(-4,4,n)


plt.scatter( x1,y1,color="green", marker='o', label='近距离传播' )
plt.scatter( x2,y2,color="blue", marker='*',label='远距离传播' )

plt.suptitle( '飞沫的喷射范围' )
#plt.text(3,3,'均值：0\n标准差：1')  可要可不要
plt.xlabel('喷射宽度x')
plt.ylabel('喷射长度y')
plt.xlim(-4,4)
plt.ylim(-4,4)

plt.legend()
plt.show()

得到结果：

绘制折线图

折线图：在散点图的基础上，将相邻的点用线段相连接

在pyplot中，利用plot()函数来绘制折线图
其主要参数如下：
x坐标可以不写，因为它会默认从零开始间隔为1依次往后，但是y坐标必须要写，剩下的主要参数基本与绘制一个散点图差不多的要求。

仍然利用numpy库，生成随机数列：

n=25
y=np.random.randint(22,36,n)

绘制折线的基本方法已经掌握，接下来便是利用已知的各种函数对图像进行修饰：
举一个模拟温度的例子：

import numpy as np
import matplotlib.pyplot as plt

plt.rcParams["font.sans-serif"]="SimHei"

n=30
y1=np.random.randint( 22,36,n )
y2=np.random.randint( 14,25,n )

plt.plot( y1,label='白天最高气温', color='red' )
plt.plot( y2,label='夜晚最高气温', color='blue' )

plt.ylim(0,40)
plt.xlim(1,30)
plt.suptitle( '6月气温折线图' )
plt.xlabel('日期/day', color='purple' )
plt.ylabel('温度/℃', color='purple')

plt.legend()
plt.show()

得到结果：

绘制柱状图

柱状图：由一系列高度不等的助兴条文表示数据分布的情况

使用bar()函数来绘制柱形图，其主要参数如下：

left是指柱形图的位置序列，也是柱形的左边缘位；height是柱形高度，这两者不可省略。
width指的是柱形的宽度，默认值为0.8，剩下的参数与前面讲过的用法类似。

接下来简单应用一下：

import numpy as np
import matplotlib.pyplot as plt

plt.rcParams["font.sans-serif"]="SimHei"

y=np.arange( 100,600,50 )
x=len(y)

plt.bar( range(x),y,color='blue', label='营业额' )
plt.suptitle('校园小吃店\n买到就是赚到', fontsize='large', fontweight='bold' )
plt.xlabel('天/day',color='purple')
plt.ylabel( '营业额/万元', color='purple' )

plt.legend()
plt.show()

得到结果：

感谢观看

欢迎各位批评指正 😃