matplotlibAPI入门

API入门

Figure和subplot

matplotlib的图像都位于FIgure对象中，不能通过空Figure绘图，必须用add_subplot()创建一个或多个subplot才行

fig = plt.figure()
ax1 = fig.add_subplot(2,2,1) #图像应该是2X2的，且当前选中的是4个中的第一个（编号从1开始）
ax2 = fig.add_subplot(2,2,2)
ax3 = fig.add_subplot(2,2,3)

#此时在最后一个用过的subplot上进行绘制
plt.plot(randn(50).cumsum(),'k--') #'k--'是线型选项，表示画黑色虚线图
#直接调用AxesSubplot对象的实例方法画图
_ = ax1.hist(randn(100),bins=20,color='k',alpha=0.3)
ax2.scatter(np.arange(30),np.arange(30)+3*randn(30))

fig,axes = plt.subplots(2,3) #axes为数组

调整subplot周围的间距：

subplots_adjust(left=None,botton=None,right=None,top=None,wspace=None,hspace=None)

fig,axes = plt.subplots(2,2,sharex=True,sharey=True)
for i in range(2):
    for j in range(2):
        axes[i,j].hist(randn(500),bins=50,color='k',alpha=0.5)
plt.subplots_adjust(wspace=0,hspace=0) #无间距

颜色和线型

ax.plot(x,y,'g--')  
ax.plot(x,y,linestyle='--',color='g')   #更明确

刻度、标签和图例

图表范围

ax.set_xlim()
ax.get_xlim()

图表刻度、标签

ax.set_xticks() #修改x轴刻度
ax.set_xticklabels() #修改x轴刻度标签
ax.set_xlabel #给x轴设置一个名称
y轴的修改方式与此类似

ticks = ax.set_xticks([0,250,500,750,1000])   #修改x轴刻度
#rotation 旋转度数
labels = ax.set_xticklabels(['one','two','three','four','five'],rotation=30,fontsize='small')     #修改x轴刻度标签
ax.set_xlabel('Stages')  

添加图例：

可以调用 ax.legend() 或 plt.legend() 来自动创建图例

fig = plt.figure();ax = fig.add_subplot(1,1,1)
ax.plot(randn(1000).cumsum(),'k',label='one')
ax.plot(randn(1000).cumsum(),'k--',label='two')
ax.plot(randn(1000).cumsum(),'k.',label='three')
ax.legend(loc='best')  #‘best’选择最不碍事的位置

注解以及在Subplot上绘图

可以通过text，arrow，annotate等函数进行添加注解

#text可以将文本绘制在图表的指定坐标(x,y)，还可自定义格式
ax.text(50,10,'hello world!',family='monospace',fontsize=10)

图形的绘制

matplotlib有一些表示常见图形的对象，这些对象被称为块（patch）。其中有些可以在matplotlib.pyplot中找到（如Rectangle和Circle），但完整集合位于matplotlib.patches

fig = plt.figure()
ax = fig.add_subplot(1,1,1)

rect = plt.Rectangle((0.2,0.75),0.4,0.15,color='k',alpha=0.3)
circle = plt.Circle((0.7,0.2),0.15,color='b',alpha=0.3)
pgon = plt.Polygon([[0.15,0.15],[0.35,0.4],[0.2,0.6]],color='g',alpha=0.5)

ax.add_patch(rect)
ax.add_patch(circle)
ax.add_patch(pgon)

将图表保存到文件

plt.savefig()可以将当前图表保存到文件，不仅可以写入磁盘，也可以写入任何文件型的对象，比如StringIO

plt.savefig('out/three_patch.svg')
plt.savefig('figpath',dpi=400,bbox_inches='tight') #dpi（控制“每英寸点数”分辨率）和bbox_inches（可以减除当前图表周围的空白部分）

from io import StringIO
buffer = StringIO()
plt.savefig(buffer)
plot_data = buffer.getvalue()

参数	说明
fname	含有文件路径的字符串或Python的文件型对象。图像格式有文件扩展名推断得出
dpi	图像分辨率，默认为100
facecolor、edgecolor	图像的背景色，默认为’w’（白色）
format	显示设置文件格式
bbox_inches	图标需要保存的部分。如果设置为’tight’，则将尝试剪除图标周围的空白部分

matplotlib配置

#matplotlib 配置
plt.rc('figure',figsize=(5,5))
 
#传入字典，多个参数同时改变
font_options = {
    'family':'monospace',
    'weight':'bold',
    'size':'5'}
plt.rc('font',**font_options)

pandas中的绘图函数

线型图

from pandas import Series,DataFrame
s = Series(np.random.randn(10).cumsum(),index=np.arange(0,100,10))
s.plot()

df = DataFrame(np.random.randn(10,4).cumsum(0),
               columns=['A','B','C','D'],
               index=np.arange(0,100,10))
df.plot()

Series.plot方法

参数	说明
label	用于图例的标签
ax	subplot对象，若未设置则使用当前subplot对象
style	传给matplotlib的风格字符串，如’ko–’
alpha	图表的填充不透明度（0~1）
kind	{‘line’，‘bar’，‘barh’, ‘kde’}
logy	在y轴上使用对数标尺
use_index	将对象的索引用作刻度标签
rot	旋转刻度标签(0 ~ 360)
xsticks	用作X轴刻度的值
ysticks	用作Y轴刻度的值
xlim	X轴的界限
ylim	Y轴的界限
grid	显示轴网格线（默认打开）

专用于DataFrame的plot的参数

参数	说明
subplots	将各个DataFrame列绘制到单独的subplot中
sharex	如果subplots=True，则共用同一个X轴，包括刻度和界限
sharey	如果subplots=True，则共用同一个Y轴
figsize	表示图像大小的元组
title	图像标题的字符串
legend	图例，默认为True
sort_columns	以字母表顺序绘制各列，默认使用当前列顺序

柱状图

#柱状图
fig,axes = plt.subplots(2,1)
data = Series(np.random.randn(16),index=list('abcdefghijklmnop'))
data.plot(kind='bar',ax=axes[0],color='k',alpha=0.7)  #垂直柱状图
data.plot(kind='barh',ax=axes[1],color='k',alpha=0.7) #水平柱状图

df = DataFrame(np.random.rand(6,4),
               index=['one','two','three','four','five','six'],
               columns=pd.Index(['A','B','C','D'],name='Genus'))
df
df.plot(kind='bar')
df.plot(kind='barh',stacked=True,alpha=0.5)  #堆积柱状图

直方图

pandas.hist()

tips = pd.read_csv('pydata-book-2nd-edition/examples/tips.csv')
tips['tip_pct'] = tips['tip']/tips['total_bill']
tips['tip_pct'].hist(bins=50)

密度图

kind = 'kde’

comp1 = np.random.normal(0,1,size=200)  #N(0,1)
comp2 = np.random.normal(10,2,size=200) #N(10,4)
values = Series(np.concatenate([comp1,comp2]))
values.hist(bins=100,alpha=0.3,color='k',normed=True)
values.plot(kind='kde',style='k--')

散布图

plt.scatter()

macro = pd.read_csv('pydata-book-2nd-edition/examples/macrodata.csv')
data = macro[['cpi','m1','tbilrate','unemp']]
trans_data = np.log(data).diff().dropna()
trans_data[-5:]
plt.scatter(trans_data['m1'],trans_data['unemp'])
plt.title('Change in log %s vs. log %s' % ('m1','unemp'))

pd.plotting.scatter_matrix(trans_data,diagonal='kde',color='k',alpha=0.3)  #散布图矩阵