Matplotlib

最新推荐文章于 2023-02-02 12:14:21 发布

only a thought

最新推荐文章于 2023-02-02 12:14:21 发布

阅读量219

点赞数

分类专栏：数据挖掘文章标签：数据挖掘数据可视化 python

本文链接：https://blog.csdn.net/m0_37852301/article/details/108803768

版权

数据挖掘专栏收录该内容

4 篇文章 0 订阅

订阅专栏

库的介绍
1. matplotlib
2. numpy
3. pandas
4. TA-Lib 技术指标库
5. tables 数据格式 hdf5
6. jupyter 数据分析与展示的平台
如果TA-Lib出现问题，去这个网址下载

https://www.lfd.uci.edu/~gohlke/pythonlibs/#ta-lib
其他库找不到可以到这个网址

https://www.lfd.uci.edu/~gohlke/pythonlibs
Jupyter Notebook介绍
1. web版的ipython
2. Jupyter Notebook是以网页的形式打开，可以在网页页面中直接编写代码和运行代码，代码的运行结果也会直接在代码块下显示。如在编程过程中需要编写说明文档，可在同一个页面中直接编写，便于作及时的说明和解释。
Jupter Notebook快速上手
1. 界面启动
```
#进入虚拟环境
workon ai
#输入命令
jupter notebook
或者
ipython notebook
#快捷键
shift + enter 执行代码
```
  本地notebook默认url地址为：localhost:8888
2. cell操作
  1. 什么是cell
```
一对 in out会话被视作一个代码单元，称为cell 
```
  2. 模式
    1. 编辑模式 enter
    2. 命令模式 esc
3. 快捷键操作：
  1. 通用快捷键：
    1. shift + enter 执行本单元代码，并跳转到下一单元
    2. ctrl + enter 执行本单元代码，留在本单元
    3. cell行号前的* ，表示代码正在运行。
  2. 命令模式：按esc进入
    1. A，在当前cell的上面添加cell
    2. B，在当前cell的下面添加cell
    3. 双击D，删除当前cell
    4. Y，cell切换到code模式
    5. M，cell切换到markdown模式
    6. Z，回退
    7. L，为当前cell加上行号<!–
    8. ctrl + shift + P,对话框输入命令直接运行
    9. 快速跳转到首个cell ，ctrl + Home
    10. 快速跳转到最后一个cell ，ctrl + end -->
  3. 编辑模式：按enter进入
    1. 多光标操作：ctrl键点击鼠标（mac ：CMD + 点击鼠标）
    2. 回退：ctrl + z
    3. 补全代码： tab键
    4. 为一行或者多行代码添加/取消注释，ctrl + /，mac：cmd + /
    5. 屏蔽自动输出信息：可在最后一个语句之后加一个分号
  4. Markdown快捷键：
```
   # 一级标题
   ## 二级标题
   ### 三级标题
   #### 四级标题
   ##### 五级标题
   - 缩进
   		-二级缩进
   			- 三级缩进
```

Matplotlib学习与快速上手

什么是matplotlib，画二维i二图表的python库
为什么要学matplotlob，数据可视化
1. 奥卡姆剃刀原理 - 如无必要勿增实体

DEMO

import matplotlib.pyplot as plt   #导包
%matplotlib inline                #看环境添加

plt.figure()					  #创建画布（容器层）
plt.plot([1,0,9],[4,5,6]) #绘制折线图（图像层）
plt.show() #显示图

认识matplotlib图像结构
Matplotlib三层结构
1. 容器层 (底层)
  1. 画板层（Canvas）
  2. 画布层（Figure）
  3. 创建绘图区，坐标系(axes)：plt.subplots()
2. 辅助显示层
  1. 使图像显示更加容易被用户理解，但又不会对图像结构进行破坏，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
3. 图像层

折线图绘制与保存图片

DEMO利用天气温度变化来绘图
maplotlib.pyplot模块
1. 包含一系列的matlab的函数，他的函数作用于当前图形(figure)的当前坐标系(axes)
2. import matplotlib.pyplot as plt
折线图绘制与显示
1. 创建画布
  
  plt.figure()
2. 绘制图像
  
  plt.plot()
3. 显示图像
  
  plt.show()
设置画布属性与图片保存
1. plt.figure(figsize =(20,8), dpi = 80)
  1. figsize：指定图的长度
  2. dpi：图像的清晰度
  3. 返回fig对象
2. 保存图片
  1. plt.savefig(path)
  2. 注意：plt.show()会释放figure资源，如果在plt.show()之后保存图片将只能保存空图片

数据准备

import random
#准备数据
x = range(60)
#生成y的随机数
y_shanghai = [random.uniform(15,18) for i in x]
#创建画布
plt.figure(figsize=(20, 8), dpi = 80)
#绘制图像
plt.plot(x, y_shanghai)
#显示图
plt.show()

添加自定义x， y刻度(坐标轴显示粗细度)
1. plt.xticks(x, **kwargs）
  
  x:要显示的刻度值
2. plt.yticks(y, **kwargs)
  
  y:要显示的刻度值
demo：

plt.yticks(range(40)) #0–40每一个数字都显示出来
plt.yticks(range(0, 40, 5)) #0—40,每五个数字显示一次
3.准备x 的刻度说明
x_label = [“11点{}分”.format(i) for i in x ]
plt.xticks(x[::5], x_label[::5])
```
import random
#准备数据
x = range(60)
#生成y的随机数
y_shanghai = [random.uniform(15,18) for i in x]
#创建画布
plt.figure(figsize=(20, 8), dpi = 80)
#绘制图像
plt.plot(x, y_shanghai)
#显示图
plt.yticks(range(0, 40, 5))
#显示标签
x_label = ["11点{}分".format(i) for i in x ]
plt.xticks(x[::5], x_label[::5])
#显示图像
plt.show()
```
解决中文显示不出来的问题
1. 安装字体
  windows和mac和ubantu下：双击安装
  linux下：
  拷贝字体到usr/share/fonts下
  sudo cp~/SimHei.ttf /usr/share/fonts/SimHei.ttf
2. 删除matplotlib缓存文件
  mac：删除~/.matplotlib中的缓存文件
  cd ~/.matplotlibrc
  rm -r *
  linux: 删除~/.cache/matplotlib
  cd ~/ .cache /matplotlib
  rm -r *
3. 修改配置文件matplotlibrc
  mac：
  vi ~/.matplotlib/matplotlibrc
  将文件内容修改为：

font.family :sans-serif
font.sans-serif: SimHei
axes.unicode_minus:False
linux :
sudo find -name matplotlibrc
返回结果：

./.virtualenvs/ai/lib/python3.5/site-packets/matplotlib/mpl-data/matplotlibrc

打开配置文件：

vi ./.virtualenvs/ai/lib/python3.5/site-packets/matplotlib/mpl-data/matplotlibrc

修改内容为：

   		font.family  :sans-serif
   	 	font.sans-serif: SimHei
   		axes.unicode_minus:False

或者可以增加代码：

import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif']=['SimHei'] #用来正常显示中文标签
plt.rcParams['axes.unicode_minus']=False #用来正常显示负号

添加网格显示以及各种完善(显示多个图像)，显示图例（修改图像层和辅助显示层）

颜色字符	风格字符
r 红色	- 实线
g 绿色	- - 虚线
b 蓝色	-. 点划线
w 白色	：点虚线
c 青色	’ ‘ 留空，空格
m 洋红
y 黄色
k 黑色

显示图例：

location string	location
’best‘	0
’upper right‘	1
‘upper left’	2
‘lower left’	3
‘lower right’	4
''right	5
‘center left’	6

DEMO

import matplotlib.pyplot as plt 
import random
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif']=['SimHei'] #用来正常显示中文标签
plt.rcParams['axes.unicode_minus']=False #用来正常显示负号
#准备数据
x = range(60)
#生成y的随机数
y_shanghai = [random.uniform(15,18) for i in x]
y_beijing = [random.uniform(1,3) for i in x]
#创建画布
plt.figure(figsize=(20, 8), dpi = 80)
#绘制图像
plt.plot(x, y_beijing, color='r',linestyle="-.",label="上海")
plt.plot(x, y_shanghai, color='b',label = "北京")
#显示图例
plt.legend(loc = "lower left")
#plt.legend(loc = 4)
#显示图
plt.yticks(range(0, 40, 5))
x_label = ["11点{}分".format(i) for i in x ]
plt.xticks(x[::5], x_label[::5])
#添加网格显示
plt.grid(linestyle="--",alpha=0.5)
#添加x轴，y轴描述信息及标题
plt.xlabel("时间")
plt.ylabel("温度")
plt.title("中午11点0分到12点之间的温度变化图示")
#显示图
plt.show()

多个坐标系显示-plt.subplots(面向对象的画图方法)

subplots可以创建一个带有多个axes（坐标系/绘图区）的图

可以返回多个面板，坐标系对象

import matplotlib.pyplot as plt 
import random
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif']=['SimHei'] #用来正常显示中文标签
plt.rcParams['axes.unicode_minus']=False #用来正常显示负号
#准备数据
x = range(60)
#生成y的随机数
y_shanghai = [random.uniform(15,18) for i in x]
y_beijing = [random.uniform(1,3) for i in x]
#创建画布
#plt.figure(figsize=(20, 8), dpi = 80)
figure,axes =  plt.subplots(nrows=1,ncols=2,figsize=(20,8),dpi=80)
#绘制图像
axes[0].plot(x, y_beijing, color='r',linestyle="-.",label="上海")
axes[1].plot(x, y_shanghai, color='b',label = "北京")
#显示图例
axes[0].legend(loc = "lower left")
axes[1].legend(loc = "lower left")
#plt.legend(loc = 4)
#显示图
x_label = ["11点{}分".format(i) for i in x ]
axes[0].set_xticks(x[::5])
axes[0].set_xticklabels(x_label[::5])
axes[0].set_yticks(range(0, 40, 5))
axes[1].set_xticks(x[::5])
axes[1].set_xticklabels(x_label[::5])
axes[1].set_yticks(range(0, 40, 5))
#添加网格显示
axes[0].grid(linestyle="--",alpha=0.5)
axes[1].grid(linestyle="--",alpha=0.5)
#添加x轴，y轴描述信息及标题
axes[0].set_xlabel("时间")
axes[0].set_ylabel("温度")
axes[0].set_title("上海中午11点0分到12点之间的温度变化图示")
axes[1].set_xlabel("时间")
axes[1].set_ylabel("温度")
axes[1].set_title("北京11点0分到12点之间的温度变化图示")
#显示图
plt.show()

绘制数学函数图像

import numpy as np
#准备数据
x = np.linspace(-1,1,1000) 
#左闭右闭，range是左闭右开
y = 2 * x * x
#创建画布
plt.figure(figsize=(20,8),dpi=80)
#绘制图像
plt.plot(x, y)
#添加网格
plt.grid(linestyle="--",alpha=0.5)
#显示图像
plt.show()

常见图形种类及意义
1. 折线图plot
2. 散点图scatter
  1. 关系/规律
3. 柱状图bar
  1. 统计/对比
4. 直方图histogram
  1. 分布状况
5. 饼图pie
  1. 占比

各种图的写法

柱状图

对比每部电影的票房收入

#1.准备数据
movie_names = ['雷神3:诸神黄昏','正义联盟','东方快车杀人案','寻梦环游记','全球风暴','降魔传','追捕']
tickets = [73853,57767,22354,15969,14839,8725,8716]
#2.创建画布
plt.figure(figsize=(20,8),dpi=80)
#3.绘制柱状图
x_ticks = range(len(movie_names))
plt.bar(range(len(movie_names)),tickets,color = {'b','r','g','y','c','k','b'})
#修改x刻度
plt.xticks(x_ticks)
#添加标题
plt.title("电影票房收入对比")
#添加网格显示
plt.grid(linestyle="--", alpha=0.5)
#4.显示图像
plt.show()

2.比较相同天数的票房

plt.rcParams['font.sans-serif']=['SimHei'] #用来正常显示中文标签
plt.rcParams['axes.unicode_minus']=False #用来正常显示负号
#1.准备数据
movie_names = ['雷神3:诸神黄昏','正义联盟','寻梦环游记']
first_day = [10587.6,10062,1275.7]
first_weekend = [36224.9,34479.6,11830]

x = range(len(movie_names))
#2.创建画布
plt.figure(figsize=(20,8),dpi=80)
#3.绘制柱状图
plt.bar(range(3),first_day, width=0.2,label="首日票房")
#plt.bar([0.2,1.2,2.2],first_weekend,width=0.2)
plt.bar([i+0.2 for i in x],first_weekend,width=0.2,label="首周票房")
#修改x刻度
plt.xticks([i+0.2 for i in x], movie_names)
#添加标题
plt.title("电影票房收入对比")
plt.legend()
#添加网格显示
plt.grid(linestyle="--", alpha=0.5)
#4.显示图像
plt.show()

直方图
1. 概念
  1. 组数：在统计数据时，我们把数据按照不同的范围分成几个组，分成的组的个数成为组数
  2. 组距：每一组两个端点的差
2. 直方图和柱状图的比较
  1. 直方图时数据的分布，柱状图比较数据的大小
    1. 直方图描述的是一组数据的频次分布，是以矩形的长度表示每一组的频数或数量，宽度则表示每组的组距，因此其高度和宽度都有意义。直方图有助于我们知道数据的分布情况，如众数，中位数的大致位置，数据是否存在缺口或异常值
  2. 直方图x轴为定量数据，柱状图x轴为分类数据
  3. 直方图柱子无间隔，柱状图柱子有间隔
  4. 直方图柱子宽度可不一，柱状图宽度须一致
3. 直方图：电影时长的分布状况
```
#1.准备数据
x = range(120)
time = [random.randint(100,130) for i in x]
#2.创建画布
plt.figure(figsize=(20,8), dpi=80)
#3.绘制直方图
#组距
distance = 2
#组数
group_num = int((max(time) - min(time)) / distance)
plt.hist(time, bins=group_num)
#修改x轴刻度
plt.xticks(range(min(time) , max(time)+2,distance))
# 添加网格
plt.grid(linestyle="--",alpha=0.5)
#4.显示图像
plt.show()
```
4. 注意点：
  1. 注意组距：组距会影响直方图呈现出来的数据分布，因此在绘制直方图的时候需要多次尝试改变组距
  2. 注意Y轴所代表的变量：可以是频数，也可以是频率，若要显示频率，需要normed或者distance = true，hist后后面加参数

饼图

介绍：注意显示的百分比的位数
plt.pie(x, labels=,autopct=,colors)
1. x数量，自动算百分比
2. labels，每部分名称
3. autopct，占比显示指定%1.2f%%
4. colors：每部分颜色

绘制

#1.准备数据
movie_names = ['雷神3:诸神黄昏','正义联盟','东方快车杀人案','寻梦环游记','全球风暴','降魔传','追捕']
tickets =[73853,57767,22354,15969,14839,8725,8716]
#2，创建画布
plt.figure(figsize=(20,8),dpi=80)
#绘制饼图
plt.pie(tickets,labels=movie_names,colors=['b','r','g','y','c','k','b'],autopct="%1.2f%%")
#显示图例
plt.lagend()
#注意，若饼图的角度不对
#添加:plt.axis('equal')
#显示图像
plt.show()