Matplotlib可视化练习

Matplotlib　官网

Matplotlib的设计理念是能够用轻松简单的方式生成强大的可视化效果，是Python学习过程中核心库之一。

用在python中绘制数组的2D图形库

matplotlib代码在概念上分为3个部分：

1.pylab接口是由matplotlib.pylab提供的函数集，允许用户使用非常类似于MATLAB图生成代码的代码创建绘图

2.matplotlib前端或API是一组重要的类，可创建和管理图形，文本，线条，图表等（艺术家教程），是一个对输出无所了解的抽象接口

3.后端是设备相关的绘图设备，也称为渲染器，将前端表示转换为打印件或显示设备；后端示例：PS 创建 PostScript® 打印件，SVG 创建可缩放矢量图形打印件，Agg 使用 Matplotlib 附带的高质量反颗粒几何库创建 PNG 输出，GTK 在 Gtk+ 应用程序中嵌入 Matplotlib，GTKAgg 使用反颗粒渲染器创建图形并将其嵌入到 Gtk+ 应用程序中，以及用于 PDF，WxWidgets，Tkinter 等

第一步 引入库

import numpy as np
import matplotlib
import matplotlib.mlab as mlab
import matplotlib.pyplot as plt

例子1：正弦函数

# 例子１

def simple_plot():
    # 生成测试数据
    x = np.linspace(-np.pi, np.pi, 256, endpoint=True)
    y_cos, y_sin = np.cos(x), np.sin(x)

    # 生成画布，并设定标题
    # 画布大小，dpi＝清晰度
    plt.figure(figsize=(8, 6), dpi=80)
    plt.title("Simple plot")
    plt.grid(True)  # 带网格

    # 设置X轴
    plt.xlabel("X")
    plt.xlim(-4.0, 4.0)
    plt.xticks(np.linspace(-4, 4, 9, endpoint=True))

    # 设置Y轴
    plt.ylabel("Y")
    plt.ylim(-1.0, 1.0)
    plt.yticks(np.linspace(-1, 1, 9, endpoint=True))

    # 画两条曲线
    plt.plot(x, y_cos, "b--", linewidth=2.0, label="cos")
    plt.plot(x, y_sin, "g-", linewidth=2.0, label="sin")

    # 设置图例位置,loc可以为[upper, lower, left, right, center]
    plt.legend(loc="upper left",shadow=True) 

    # 图形显示
    plt.show()
    return

# 运行
simple_plot()

更复杂一点

# 更复杂一点
def simple_advanced_plot():
    """
    simple advanced plot
    """
    # 生成测试数据
    x = np.linspace(-np.pi, np.pi, 256, endpoint=True)
    y_cos, y_sin = np.cos(x), np.sin(x)

    # 生成画布, 并设定标题
    plt.figure(figsize=(8, 6), dpi=80)
    plt.title("simple advanced plot")
    plt.grid(True)

    # 画图的另外一种方式
    ax_1 = plt.subplot(111) # 也可以写成plt.subplot(1,1,1)
    ax_1.plot(x, y_cos, color="blue", linewidth=2.0, linestyle="--", label="left cos")
    ax_1.legend(loc="upper left", shadow=True)

    # 设置Y轴(左边)
    ax_1.set_ylabel("left cos y")
    ax_1.set_ylim(-1.0, 1.0)
    ax_1.set_yticks(np.linspace(-1, 1, 9, endpoint=True))

    # 画图的另外一种方式
    ax_2 = ax_1.twinx()
    ax_2.plot(x, y_sin, color="green", linewidth=2.0, linestyle="-", label="right sin")
    ax_2.legend(loc="upper right", shadow=True)

    # 设置Y轴(右边)
    ax_2.set_ylabel("right sin y")
    ax_2.set_ylim(-2.0, 2.0)
    ax_2.set_yticks(np.linspace(-2, 2, 9, endpoint=True))

    # 设置X轴(共同)
    ax_1.set_xlabel("x")
    ax_1.set_xlim(-4.0, 4.0)
    ax_1.set_xticks(np.linspace(-4, 4, 9, endpoint=True))

    # 图形显示
    plt.show()
    return
# 运行
simple_advanced_plot()

一次画多个图

# 一次画多个图
def subplot_plot():
    """
    subplot plot
    """
    # 子图的style列表
    style_list = ["g+-", "r*-", "b.-", "yo-"]
    
    plt.figure(figsize=(8, 6), dpi=80)

    # 依次画图
    for num in range(4):
        # 生成测试数据
        x = np.linspace(0.0, 2+num, num=10*(num+1))
        y = np.sin((5-num) * np.pi * x)

        # 子图的生成方式
        plt.subplot(2, 2, num+1)
        plt.title("sub plot %d" % (num+1))
        plt.plot(x, y, style_list[num])

    # 图形显示
    plt.show()
    return
# 运行
subplot_plot()

柱状图

# 柱状图
def bar_plot():
    """
    bar plot
    """
    # 生成测试数据
    means_men = (20, 35, 30, 35, 27)
    means_women = (25, 32, 34, 20, 25)

    # 设置标题
    plt.title("bar plot")

    # 设置相关参数
    index = np.arange(len(means_men))
    bar_width = 0.35

    # 画柱状图
    plt.bar(index, means_men, width=bar_width, alpha=0.2, color="b", label="boy")
    plt.bar(index+bar_width, means_women, width=bar_width, alpha=0.8, color="r", label="lady")
    plt.legend(loc="upper right",shadow=True)

    # 设置柱状图标示
    for x, y in zip(index, means_men):
        plt.text(x, y+0.3, y, ha="center", va="bottom")
    for x, y in zip(index, means_women):
        plt.text(x+bar_width, y+0.3, y, ha="center", va="bottom")

    # 设置刻度范围/坐标轴名称等
    plt.ylim(0, 45)
    plt.xlabel("Group")
    plt.ylabel("Scores")
    plt.xticks(index+(bar_width/2), ("A", "B", "C", "D", "E"))

    # 图形显示
    plt.show()
    return

# 横向柱状图
def barh_plot():
    """
    barh plot
    """
    # 生成测试数据
    means_men = (20, 35, 30, 35, 27)
    means_women = (25, 32, 34, 20, 25)

    # 设置标题
    plt.title("barh plot")

    # 设置相关参数
    index = np.arange(len(means_men))
    bar_height = 0.35

    # 画柱状图(水平方向)
    plt.barh(index, means_men, height=bar_height, alpha=0.2, color="b", label="Men")
    plt.barh(index+bar_height, means_women, height=bar_height, alpha=0.8, color="r", label="Women")
    plt.legend(loc="upper right", shadow=True)

    # 设置柱状图标示
    for x, y in zip(index, means_men):
        plt.text(y+0.3, x, y, ha="left", va="center")
    for x, y in zip(index, means_women):
        plt.text(y+0.3, x+bar_height, y, ha="left", va="center")

    # 设置刻度范围/坐标轴名称等
    plt.xlim(0, 45)
    plt.xlabel("Scores")
    plt.ylabel("Group")
    plt.yticks(index+(bar_height/2), ("A", "B", "C", "D", "E"))

    # 图形显示
    plt.show()
    return

饼状图

# 饼图
def pie_plot():
    """
    pie plot
    """
    # 生成测试数据
    sizes = [15, 30, 45, 10]
    labels = ["Frogs", "Cat", "Dogs", "Logs"]
    colors = ["yellowgreen", "gold", "lightskyblue", "lightcoral"]

    # 设置标题
    plt.title("pie")

    # 设置突出参数
    explode = [0, 0.05, 0, 0]

    # 画饼状图
    patches, l_text, p_text = plt.pie(sizes, explode=explode, labels=labels, colors=colors, autopct="%1.1f%%", shadow=True, startangle=90)

    plt.axis("equal")

    # 图形显示
    plt.show()
    return
# 运行
pie_plot()

散点图

# 散点图
def scatter_plot():
    """
    scatter plot
    """
    # 生成测试数据
    point_count = 1000
    x_index = np.random.random(point_count)
    y_index = np.random.random(point_count)

    # 设置标题
    plt.title("scatter")

    # 设置相关参数
    color_list = np.random.random(point_count)
    scale_list = np.random.random(point_count) * 100

    # 画散点图
    plt.scatter(x_index, y_index, s=scale_list, c=color_list, marker="o")

    # 图形显示
    plt.show()
    return
# 运行
scatter_plot()