Matplotlib数据可视化

Matplotlib数据可视化

第一部分 介绍

pip install matplotlib -i https://pypi.tuna.tsinghua.edu.cn/simple
官网：https://matplotlib.org/
在数据分析与机器学习中，我们经常要用到大量的可视化操作。一张制作精美的数据图片，可以展示大量的信息，一图顶千言

而在可视化中，Matplotlib算得上是最常用的工具。Matplotlib 是 python 最著名的绘图库，它提供了一整套 API，十分适合绘制图表，或修改图表的一些属性，如字体、标签、范围等
Matplotlib 是一个 Python 的 2D 绘图库，它交互式环境生成出版质量级别的图形。通过 Matplotlib这个标准类库，开发者只需要几行代码就可以实现生成绘图，折线图、散点图、柱状图、饼图、直方图、组合图等数据分析可视化图表。

第二部分 基础知识

第一节 图形绘制

import numpy as np
import matplotlib.pyplot as plt
# 1、图形绘制
x = np.linspace(0,2*np.pi) # x轴
y = np.sin(x) # 正弦 y轴
# 绘制线形图
# 调整尺寸
plt.figure(figsize=(9,6))
plt.plot(x,y)
# 继续调用plot绘制多条线形图
# 2、设置网格线
plt.grid(linestyle = '--',# 样式
	color = 'green',# 颜色
	alpha = 0.75) # 透明度
# 3、设置坐标轴范围
plt.axis([-1,10,-1.5,1.5])
plt.xlim([-1,10])
plt.ylim([-1.5,1.5])

第二节 坐标轴刻度、标签、标题

import numpy as np
import matplotlib.pyplot as plt
# 1、图形绘制
x = np.linspace(0,2*np.pi) # x轴
# y轴
y = np.sin(x) # 正弦
plt.plot(x,y)
plt.title("sin(x)", fontsize=18, color='red', pad = 20)
# 2、设置x轴y轴刻度
plt.xticks(np.arange(0,7,np.pi/2))
plt.yticks([-1,0,1])
# 3、设置x轴y轴刻度标签
_ = plt.yticks(ticks = [-1,0,1],labels=['min',' 0 ','max'],
	fontsize = 20,ha= 'right')
font={
   'family':'serif','style':'italic','weight':'normal','color':'red','size':16}
_ = plt.xticks(ticks = np.arange(0,7,np.pi/2),
	# LaTex语法，输入格式为：r'$\sigma$' #其中的sigma对应于希腊字母的σ
	labels = ['0',r'$\frac{\pi}{2}$',r'$\pi$',r'$\frac{3\pi}{2}$',r'$2\pi$'], #r表示需要转义
	fontsize = 20,
	fontweight = 'normal',
	color = 'red')
# 4、坐标轴标签，标题
plt.ylabel('y = sin(x)',rotation = 0,horizontalalignment = 'right',
	fontstyle = 'normal',fontsize = 20)
	
# 获取电脑上的字体库
from matplotlib.font_manager import FontManager
fm = FontManager()
mat_fonts = set(f.name for f in fm.ttflist)
# print(mat_fonts)
plt.rcParams['font.sans-serif'] = 'Songti SC' # 设置宋体，显示中文
plt.title('正弦波')

第三节 图例

import numpy as np
import matplotlib.pyplot as plt
# 1、图形绘制
x = np.linspace(0,2*np.pi) # x轴
# y轴
y = np.sin(x) # 正弦
# 绘制线形图
# 调整尺寸
plt.figure(figsize=(9,6))
plt.plot(x,y)
# 2、图例
y1 = np.cos(x)
plt.plot(x, y1) # 余弦波
plt.plot(x, y + y1)
plt.legend(['Sin','Cos', 'S'],fontsize = 18,
	loc = 'center',ncol = 3,
	bbox_to_anchor =[0,1.05,1,0.2]) # x=0,y=1.05,width=1,height=0.2

第四节 脊柱移动

import numpy as np
import matplotlib.pyplot as plt
x = np.linspace(-np.pi,np.pi,50)
plt.rcParams['axes.unicode_minus'] = False
plt.figure(figsize=(9,6))
#同时绘制两个图像 x-y成对出现
plt.plot(x,np.sin(x), x,np.cos(x))
ax = plt.gca() # 获取当前视图
# 右边和上面脊柱消失
ax.spines['right'].set_color('white') #同set_alpha(0)
ax.spines['top'].set_color('#FFFFFF') #白色
# 设置下面左边脊柱位置，data表示数据，axes表示相对位置0~1
ax.spines['bottom'].set_position(('data',0))
ax.spines['left'].set_position(('data',0))
plt.yticks([-1,0,1],labels=['-1','0','1'],fontsize = 18)
_ = plt.xticks([-np.pi,-np.pi/2,np.pi/2,np.pi],
labels=[r'$-\pi$',r'$-\frac{\pi}{2}$',r'$\frac{\pi}{2}$',r'$\pi$'],
	fontsize = 18)

第五节 图片保存

import numpy as np
import matplotlib.pyplot as plt
# 1、图形绘制
x = np.linspace(0,2*np.pi) # x轴
# y轴
y = np.sin(x) # 正弦波
plt.figure(linewidth = 4， facecolor='blue')
plt.plot(x,y,color = 'red')
plt.plot(x,np.cos(x),color = 'k') # 余弦波
ax = plt.gca() # 获取视图
ax.set_facecolor('lightgreen') # 设置视图背景颜色
# 2、图例
plt.legend(['Sin','Cos'],fontsize = 18,loc = 'center',ncol = 2,
	bbox_to_anchor =[0,1.05,1,0.2])
# plt.tight_layout() # 自动调整布局空间，就不会出现图片保存不完整
plt.savefig('./基础5.png', # 文件名：png、jpg、pdf
	dpi = 100, # 保存图片像素密度,默认100
	facecolor = 'violet', # 视图与边界之间颜色设置
	edgecolor = 'lightgreen', # 视图边界颜色设置
	bbox_inches = 'tight')# 保存图片完整

第三部分 风格和样式

第一节 颜色、线形、点形、线宽、透明度

import numpy as np
import matplotlib.pyplot as plt
x = np.linspace(0,2*np.pi,20)
y1 = np.sin(x)
y2 = np.cos(x)
# 设置颜色，线型，点型
plt.plot(x,y1,color = 'indigo',ls = '-.',marker = 'p') #marker表示特定形状的点
plt.plot(x,y2,color = '#FF00EE',ls = '--',marker = 'o') #rgb 十六进制表示0~255
plt.plot(x,y1 + y2,color = (0.2,0.7,0.2),marker = '*',ls = ':')
plt.plot(x,y1 + 2*y2,linewidth = 3,alpha = 0.7,color = 'orange') # 线宽、透明度
plt.plot(x,2*y1 - y2,'bo--') # 参数连用 b带blue o表示marker --表示ls

第二节 更多属性设置

import numpy as np
import pandas as pd
def f(x):
	return np.exp(-x) * np.cos(2*np.pi*x)
x = np.linspace(0,5,50)
plt.figure(figsize=(9,6))
plt.plot(x,f(x),color = 'purple',
	marker = 'o', #点的形状
	ls = '--', #点连接的线样式
	lw = 2, #线宽
	alpha = 0.6, #透明度
	markerfacecolor = 'red',# 点颜色
	markersize = 10,# 点大小
	markeredgecolor = 'green',#点边缘颜色
	markeredgewidth = 3)#点边缘宽度
plt.xticks(size = 18) # 设置刻度大小
_=plt.yticks(size = 18) #变量接收则不会打印其他东西

第四部分 多图布局

第一节 子视图

import numpy as np
import matplotlib.pyplot as plt
x = np.linspace(-np.pi, np.pi, 50) #50个点
y = np.sin(x)
# 子视图1
plt.figure(figsize=(9,6))
ax = plt.subplot(221) # 两行两列 第一个子视图
ax.plot(x,y,color = 'red') #通过子视图ax画图
ax.set_facecolor('green') # 调用子视图设置方法，设置子视图整体属性
# 子视图2
ax = plt.subplot(2,2,2) # 两行两列第二个子视图
line, = ax.plot(x,-y) # 返回绘制对象 #逗号不能删 line,相当于line[0]，列表中只有一个数据的时候，line是一个列表
line.set_marker('*') # 调用对象设置方法，设置属性
line.set_markerfacecolor('red')
line.set_markeredgecolor('green')
line.set_markersize(10)
# 子视图3
ax = plt.subplot(2,1,2) # 两行一列 第二行视图
plt.sca(ax) # 设置当前视图为ax子视图
x = np.linspace(-np.pi,np.pi,200)
plt.plot(x,np.sin(x*x),color = 'red') #画到子视图ax中

#批量创建子视图
fig,axes = plt.subplots(2,2) #四个视图
axes[0,0].plot(x, np.sin(x), color = 'red')
axes[0,1].plot(x, np.sin(x), color = 'green')
axes[1,0].plot(x, np.cos(x), color = 'purple')
axes[1,1].plot(x, np.cos(x), color = 'pink')

第二节 嵌套

import numpy as np
import matplotlib.pyplot as plt
x = np.linspace(-np.pi,np.pi,25)
y = np.sin(x)
fig = plt.figure(figsize=(9,6)) # 创建视图
plt.plot(x,y)
# 嵌套方式一，axes轴域（横纵坐标范围），子视图
ax = plt.axes([0.2,0.55,0.3,0.3]) # 参数含义[left, bottom, width, height]
ax.plot(x,y,color = 'g')
# 嵌套方式二
ax = fig.add_axes([0.55,0.2,0.3,0.3]) # 使用视图对象添加子视图
ax.plot(x,y,color = 'r')

第三节 多图布局分格显示

3.3.1 均匀布局

import numpy as np
import matplotlib.pyplot as plt
x = np.linspace(0,2*np.pi)
# sharex:所有小图共享x轴 sharey:表示所有小图共享y轴 坐标轴以所有小图中范围最大的进行显示
fig,