3. Matplotlib(一) - 画二维图

参数配置

​ 为了让图片可以显示中文，需要有必要的参数配置

plt.rcParams['font.sans-serif'] = 'SimHei' # 可以显示中文
plt.rcParams['axes.unicode_minus'] = False # 可以显示负号

1. 二维坐标画折线图

• plt.plot(x, y) 绘制二维折线图

  x = np.linspace(0, 50, 500)
  y = np.sin(x)
  plt.plot(x, y) # 绘制y = sin(x)图
  plt.show() # 画图展示
  

  • plt.plot(x ,y) ： 在坐标中表现为x与y的映射，所以x和y要采用相同的数据类型、相同的数据规模
  • plt.show() ： 将绘制的图进行具体展示，如果在show方法之前使用了多个plt.plot()则会在同一个坐标中显示多个图像

  y = pd.DataFrame({'x0':[1,2,3], 'x1':[4,5,6]})
  x = pd.DataFrame({'y0':[1,2,3], 'y1':[4,5,6]})
  plt.plot(y,x) # 在同一张图中绘制了x0与y0 x1与y1两个函数
  			 # 等价于同时使用多个plt.plot绘制多个函数
  plt.show()
  

​ plt.plot(x, y)绘制折线图就是将(x, y)的坐标用光滑线进行连接

• plt.plot(x, y) 的参数设置

  x = np.arange(0, 10)
  y = x**2
  plt.plot(x,y,  					# 传入x , y 作为绘图数据
           color = "red", 		# 设置线为红色
           linestyle = "--",   	# 设置绘图的线为虚线
           marker = "o",			# 设置数据点为实心圆 (默认不显示数据点)
           markersize = 5, 		# 设置实心圆的大小
           markerfacecolor = 'blue', # 设置实心圆的内部为蓝色
           markeredgecolor = "grey",  # 设置实心圆的边缘为灰色
          )
  plt.show()
  

  • linestyle 用于设置线段的样式

    参数类型	实线	点	虚线	线点
    英文参数	linestyle = ‘solid’	linestyle = ‘dotted’	linestyle = ‘dashed’	linestyle = ‘dashdot’
    符号参数	linestyle = ‘-’	linestyle = ‘:’	linestyle = ‘–’	linestyle = ‘-.’

  • marker用于设置数据点的样式

    参数类型	数据点	实心圆	五角星	x形	上下左右三角形
    符号参数	marker =‘.’	marker =‘o’	marker =‘*’	marker =‘x’	marker =‘^v<>’ (取其一)

  • color 用于设置颜色 markerfacecolor、markeredgecolor相同

    参数类型	红色	蓝色	绿色	黄色
    英文	color = ‘red’	color = ‘blue’	color = ‘green’	color = ‘yellow’
    十六进制	color = ‘#FF0000’	color = ‘#0000FF’	color = ‘#008000’	color = ‘#FFFF00’

    颜色参数较多，不一一列举

2. 二维坐标画散点图

• plt.scatter(x, y) 画二维散点图

  x = np.random.normal(0,1,1024)
  y = np.random.normal(0,1,1024)
  plt.scatter(x,y,  # 传入数据
              s = 5, # 设置散点的尺寸
              c = 'r', # 设置散点的颜色
              marker='*',  # 设置散点的形状
              alpha = 0.5 # 设置可见度
             )
  plt.show()
  

  在散点图plt.scatter(X, y)中，使用 s c设置散点的大小和颜色，区别在plt.plot()中的点的设置

• 给具体的点添加注释

  plt.annotate(text="annotation",  # 设置注释的文字
               xy=(2, 1),  # 需要注释的点的坐标
               xytext=(+30, -10),  # 对注释文字的位置调整
               textcoords='offset points', # 配合xytext使用，加上就行
               fontsize=10,   # 设置注释的字体
               arrowprops=dict(arrowstyle='->') # 设置注释文字的指向具体点的样式
               )
  

  • plt.annotate()添加注释，由于这个功能本身就不常用，掌握上述即可。
  • xytext(a, b) 一般配合 textcoords='offset points' 一起使用，a和b的值需要慢慢调试
  • arrowprops=dict(arrowstyle='->') 设置指向方式，直接使用即可
  • plt.text() 也可以添加文字，见柱状图部分

3. 二维坐标画柱状图

• plt.bar(x, y)绘制柱状图

  n = 12
  x = np.arange(n)
  Y1 = (1 - x / n) * np.random.uniform(0.5, 1.0, n)
  Y2 = (1 - x / n) * np.random.uniform(0.5, 1.0, n)
  
  plt.bar(x, Y1,    # 设置数据
          facecolor='r',  # 柱子的内部颜色
          edgecolor='b',  # 设置柱子的边缘颜色
         width=[i/10 for i in range(1, 13)] # 设置柱子的宽度
         )  
  	
  for a, b in zip(x, Y1):
      plt.text(a, b,   # 选定要添加文字的点
               s='%.2f' % b) # 输入要添加的文字
  plt.show()
  

  • plt.bar()的参数
    • x ,y ： 传入了柱状图的数据，绘制的柱状图以x为中点，width为宽度，y为高度
    • width ：设置了柱状图的宽度，使用列表可以设置每个柱子的宽度，使用单一数据可以统一设定所有柱子的宽度。
  • plt.text(x, y, s) : （x, y)是要添加文字的坐标， s是要给该坐标添加的文字，配合plt.bar()可以实现给柱子顶端添加具体的数据。

• plt.bar(x-width/2, y1, width=width), plt(x+width/2, y2 ,width = width)实现分组柱状图

  labels = ['G1', 'G2', 'G3', 'G4', 'G5']
  men_means = [20, 34, 30, 35, 27]
  women_means = [25, 32, 34, 20, 25]
  x = np.arange(5)
  width = 0.4
  
  plt.bar(x-width/2 ,men_means,  # 设置数据，
          width=width,           # 柱子宽度
          label = 'men_means')   # 设置标签
  
  plt.bar(x+width/2, women_means, 
          width=width, 
          label = 'women_means')
  
  plt.xticks(x, labels=labels)  # 横坐标替换
  plt.legend()  # 显示图例
  plt.show()
  

  • 当需要画分组柱状图时，通过调节柱子的中点位置(x-width/2) 和 (x+width/2) 实现在同一个坐标系中画出两组柱状图

4. 坐标轴的相关设置

• 折线图的属性设置

  plt.title('title')  # 设置图像标题
  plt.xlim((-1, 4)) # 设置x轴的取值范围
  plt.ylim((-2, 2)) # 设置y轴的取值范围
  plt.xlabel("x_axes") # 设置x轴的标签
  plt.ylabel("y_axes") # 设置y轴的标签
  plt.xticks(np.arange(-1, 3),['a', 'b', 'c', 'd'])
  				# 给x轴的刻度取别名
  plt.yticks(np.arange(-1, 1), ['good', 'well'])
  				# 给y轴的刻度取别名
  

  • plt.xlim((a, b)) plt.ylim((c, d)) 设定了x轴和y轴的取值范围
  • plt.xticks(<刻度>, <别名>) 使用这个方法时，x轴和y轴只会显示刻度对应的别名，但是本身的范围仍然是xlim()所定义的范围

• 坐标轴的位置设置

  plt.plot(x, y)
  ax = plt.gca() # 获取图的坐标轴对象
  ax.spines['bottom'].set_position(('data', 0)) 
  				# 设置底部的坐标轴的位置为y轴为0的位置
  ax.spines['bottom'].set_color('red') # 设置底部坐标轴的颜色
  

  • plt.gca()：返回了plt图的坐标轴对象
  • ax.spines['bottom'] :选中了底部轴
  • set_position(('data', 0)) : 设置坐标轴的位置
  • set_color('red') : 设置选中的坐标轴的颜色

• 设置图例

  x = np.arange(4)
  y = x*2+5
  plt.figure()
  plt.plot(y,x, label = 'y = f(x)')  # 用 label给图像设置标签 
  plt.plot(x,y, label = 'x = f(y)')  # 用 label给图像设置标签 
  plt.legend(loc = 'upper right')   # 将图例显示在右上角
  plt.show()
  

  • plt.legend(loc = 'upper right') loc设置了图例的位置，位置参数如下

    位置	字符表示	数字表示
    右上	loc = ‘upper right’	loc = 1
    左上	loc = ‘upper left’	loc = 2
    左下	loc = ‘lower left’	loc = 3
    右下	loc = ‘upper right’	loc = 4

• 打开网格线， plt.grid()

  plt.grid() # 显示网格线 
  plt.grid(b=True, axis='x') #只显示x轴网格线
  plt.grid(b=True, axis='y') #只显示y轴网格线
  

如有错误，还请指正，持续更新ing