数据分析可视化-matplotlib

数据分析可视化-matplotlib

1、figure

属性:color,linewidth,linestyle

2、设置坐标轴

plt.xlim设置坐标轴范围

plt.xlabel设置坐标轴名称

plt.xticks设置x轴刻度

使用ax=plt.gca获取当前坐标轴信息. 使用ax.spines设置边框；使用.set_color设置边框颜色：默认白色；

ax.xaxis.set_ticks_position设置x坐标刻度数字或名称的位置

ax.spines[‘bottom’].set_position((‘data’, 0))设置边框的位置，y=0的位置

3、legend图例

画每一条图像时先设置label属性，然后添加plt.legend(loc=’ ')

还有一种方式：

plt.legend(handles=[l1, l2], labels=[‘up’, ‘down’], loc=‘best’)，但是要保证图像用变量l1和l2保存起来

4、annotation标注

plt.annotate(r’$2x+1=$’ % y0, xy=(x0, y0), xycoords=‘data’, xytext=(+30, -30),

​ textcoords=‘offset points’, fontsize=16,

​ arrowprops=dict(arrowstyle=’->’, connectionstyle=“arc3,rad=.2”))

其中参数xycoords=‘data’ 是说基于数据的值来选位置, xytext=(+30, -30) 和 textcoords=‘offset points’ 对于标注位置的描述 和 xy 偏差值, arrowprops是对图中箭头类型的一些设置.

5、tick能见度

linewidth决定线条的宽度

for label in ax.get_xticklabels() + ax.get_yticklabels():

​ label.set_fontsize(12)

• 在 plt 2.0.2 或更高的版本中, 设置 zorder 给 plot 在 z 轴方向排序

​ label.set_bbox(dict(facecolor=‘white’, edgecolor=‘None’, alpha=0.7, zorder=2))

plt.show()

其中label.set_fontsize(12)重新调节字体大小，bbox设置目的内容的透明度相关参，facecolor调节 box 前景色，edgecolor 设置边框， 本处设置边框为无，alpha设置透明度.

6、散点图

T = np.arctan2(Y,X) # for color value每一个点的颜色值

plt.scatter(X, Y, s=75, c=T, alpha=.5)

7、bar柱状图

plt.bar(X, +Y1, facecolor=’#9999ff’, edgecolor=‘white’)

facecolor设置主体颜色，edgecolor设置边框颜色

for x, y in zip(X, Y1):
​    // ha: horizontal alignment水平对齐
​    //va: vertical alignment
​    plt.text(x + 0.4, y + 0.05, '%.2f' % y, ha='center', va='bottom')

8、等高线图

栅格数据

X,Y = np.meshgrid(x, y)
//use plt.contourf to filling contours
//X, Y and value for (X,Y) point
plt.contourf(X, Y, f(X, Y), 8, alpha=.75, cmap=plt.cm.hot)
// use plt.contour to add contour lines
C = plt.contour(X, Y, f(X, Y), 8, colors='black', linewidth=.5)
plt.clabel(C, inline=True, fontsize=10)

9、Image图片

a = np.array([0.313660827978, 0.365348418405, 0.423733120134,
​              0.365348418405, 0.439599930621, 0.525083754405,
​              0.423733120134, 0.525083754405, 0.651536351379]).reshape(3,3)
plt.imshow(a,interpolation='nearest',cmap='bone',origin='lower')

plt.colorbar(shrink=.92)

10、3D数据

from mpl_toolkits.mplot3d import Axes3D

首先定义窗口，在窗口添加3D坐标轴

fig = plt.figure()

ax = Axes3D(fig)

之后数据XYZ

三维曲面

ax.plot_surface(X, Y, Z, rstride=1, cstride=1, cmap=plt.get_cmap(‘rainbow’))

rstride 和 cstride 分别代表 row 和 column 的跨度。

投影

ax.contourf(X, Y, Z, zdir=‘z’, offset=-2, cmap=plt.get_cmap(‘rainbow’))

11、分格显示

plt.figure()

plt.subplot(2,2,1)#还有234位置

plt.plot()

subplot2grid

ax1 = plt.subplot2grid((3, 3), (0, 0), colspan=3)

分成3行3列，从0，0位置开始作图，横跨列为3

gridspec

import matplotlib.gridspec as gridspec

#定义窗口，分成3行3列

plt.figure()

gs = gridspec.GridSpec(3, 3)

表示这个图占第一行和第二列前所有列

ax7 = plt.subplot(gs[1, :2])

12、图中图

首先绘制大图，确定大图左下角位置以及宽高

left, bottom, width, height = 0.1, 0.1, 0.8, 0.8
ax1 = fig.add_axes([left, bottom, width, height])

然后绘制小图，确定坐标系位置和大小：

left, bottom, width, height = 0.2, 0.6, 0.25, 0.25
ax2 = fig.add_axes([left, bottom, width, height])
ax2.plot(y, x, 'b')

13、次坐标轴

小图，确定坐标系位置和大小：

left, bottom, width, height = 0.2, 0.6, 0.25, 0.25
ax2 = fig.add_axes([left, bottom, width, height])
ax2.plot(y, x, 'b')

13、次坐标轴

ax2 = ax1.twinx()