matplolib学习笔记

最新推荐文章于 2022-10-18 14:40:00 发布

stud_yuwan

最新推荐文章于 2022-10-18 14:40:00 发布

阅读量379

点赞数

文章标签： python

本文链接：https://blog.csdn.net/m0_58872256/article/details/126865849

版权

折线图和散点图

均在jupyter notebook上进行演示

图片展示用plt.show()

图片保存用plt.savefig(“path”)

要保存图片完毕后才可以用show 不然保存的图片为空白

随机数据作图

#折线图
x = [1,2,3]
y = [1,2,3]
#没有子图的绘图
plt.title('line')  # 添加标题
plt.xlabel('x')  # 添加x轴名称‘x’
plt.ylabel('y')  # 添加y轴名称‘y’

plt.plot(x,y)  # 绘制折线图
plt.scatter(x,y)  # 绘制散点图
plt.text(2.5,2,'y = x')  # 在图中x=2.5,y=2处添加‘y=x’
plt.style.use('_mpl-gallery') #设置绘图风格：_mpl-gallery
plt.show()

#有子图的绘图
p = plt.figure(figsize=(4,6),dpi=80) # 创建画布。大小为4×6，像素为80
#添加子图
ax1 = p.add_subplot(2,1,1) # 分为2×1图形阵，选择第1张图片绘图
plt.title('折线图') # 添加标题
plt.rcParams['lines.linestyle'] = '--' # 修改线条类型
plt.rcParams['lines.linewidth'] = 3 # 修改线条宽度
plt.rcParams['axes.edgecolor'] = 'r'  # 轴颜色设置为红色
plt.rcParams['axes.spines.top'] = False  # 去除顶部轴
plt.rcParams['axes.spines.right'] = False  # 去除右侧轴
plt.rcParams['font.sans-serif'] = 'SimHei'  # 设置字体为SimHei
plt.rcParams['axes.unicode_minus'] = False  # 解决负号“-”显示异常
plt.plot(x,y)
ax2 = p.add_subplot(2,1,2)  # 分为2×1图形阵，选择第2张图片绘图
plt.title("散点图")
plt.scatter(x,y)  # 绘制散点图
plt.show()

读取数据作图

#读取数据
data = np.load(r'./data/国民经济核算季度数据.npz',allow_pickle=True)
# print(len(data['values']))六十九个数据
# print(data.files)  #['columns', 'values']
print(data['columns'])   # 提取columns数组，视为数据的标签
values = data['values']  # 提取values数组，数据的存在位置
values

运行结果为

作散点图

plt.figure(figsize=(12,8),dpi=80)
plt.title('2000-2017年三大产业个季度国民生产总值')
plt.xlabel('时间')
plt.ylabel('生产总值（亿元）')
plt.scatter(values[:,0],values[:,2],marker='D',c = 'r',alpha = 0.5) # 国内生产总值散点为红色
plt.scatter(values[:,0],values[:,3],c='y') # 第一产业增加值散点为黄色
plt.scatter(values[:,0],values[:,4],c='g') # 第二产业增加值散点为绿色
plt.scatter(values[:,0],values[:,5]) # 第三产业增加值散点颜色默认值 此处为蓝色
plt.xticks(values[::4,0],values[::4,1],rotation = 90)  #添加x轴坐标，并旋转45/90度
plt.legend(['第一产业','第二产业','第三产业'])  # 添加图例
plt.show()

有子图绘制

p = plt.figure(figsize=(12,6))
ax1 = p.add_subplot(1,2,1)

plt.title('2000-2017年度三大产业国民生产总值')
plt.xlabel('时间')
plt.ylabel('生产总值（亿元）')
plt.rcParams['lines.linestyle'] = '-' # 修改线条类型
plt.plot(values[:,0],values[:,3])
plt.plot(values[:,0],values[:,4])
plt.plot(values[:,0],values[:,5])
plt.xticks(values[::4,0],values[::4,1],rotation = 90) # x轴的标识点是否rotation旋转
plt.legend(['第一产业','第二产业','第三产业'])
ax2 = p.add_subplot(1,2,2)
plt.title('2000-2017年三大产业个季度国民生产总值')
plt.xlabel('时间')
plt.ylabel('生产总值（亿元）')
plt.scatter(values[:,0],values[:,2],marker='D',c = 'r',alpha = 0.5)
# marker = 'D' 散点为方形  c = 'r' 散点为红色 alpha = 0.5 透明度为0.5
plt.scatter(values[:,0],values[:,3],c='y')
plt.scatter(values[:,0],values[:,4])
plt.scatter(values[:,0],values[:,5])
plt.xticks(values[::4,0],values[::4,1],rotation = 45)
plt.legend(['第一产业','第二产业','第三产业'])
plt.show()

直方图

#直方图
x = np.random.normal(0,1,10000)  # 生成10000个服从标准正态分布数据
plt.title('标准正太分布直方图')
plt.hist(x)
plt.show()

#直方图
plt.figure(figsize=(6,4))
x = np.random.normal(0,1,10000)  # 生成10000个服从标准正态分布数据
plt.title('标准正太分布直方图')
# plt.hist(x)
n, bins, patches = plt.hist(x)
for i in range(len(n)):
    plt.text(bins[i], n[i]*1, int(n[i]), fontsize=12, horizontalalignment="center",va="bottom") #打标签，在合适的位置标注每个直方图上面样本数)

柱状图（条形图）

#条形图
plt.figure(figsize=(6,4))
x = values[-1,3:6]
plt.bar(range(3),x,width = 0.5)
plt.title('2017年第一季度三大产业生产总值')
plt.xlabel('类别')
plt.ylabel('生产总值（亿元）')
plt.xticks(range(3),['第一产业','第二产业','第三产业'])
for i in range(3):
    plt.text(i,x[i],x[i],ha = 'center',va = 'bottom')# 打标签，在合适的位置标注每个直方图上面样本数
plt.show()

饼图

#饼图
plt.figure(figsize=(5,5))
x = values[-1,3:6]
plt.title('2017年第一季度三大产业生产总值分布情况')
plt.pie(x,labels=['第一产业','第二产业','第三产业'],autopct='%0.2f%%',explode = [0.1,0,0],labeldistance=1.2)
plt.show()

箱线图

#箱线图
plt.figure(figsize=(5,5))
x = values[:,3:6]
plt.title('三大产业分布情况')
plt.xlabel('类别')
plt.ylabel('分布')
plt.boxplot(x,labels=['第一产业','第二产业','第三产业'])
plt.show()

一个示例：分析人口数据

读取数据

# 读取数据
import numpy as np
import matplotlib.pyplot as plt
data = np.load(r'./data/populations.npz',allow_pickle = True)
# print(data.files)  #['data', 'feature_names']
values = data['data']
# print(data['feature_names'])
# ['时间' '年末总人口(万人)' '男性人口(万人)' '女性人口(万人)' '城镇人口(万人)' '乡村人口(万人)']
data['data']

绘制散点图和折线图

plt.plot()函数

plt.plot(x, y, format_string, **kwargs)

参数	说明
`x`	X轴数据，列表或数组，可选
`y`	Y轴数据，列表或数组
`format_string`	控制曲线的格式字符串，可选
`**kwargs`	第二组或更多(x,y,format_string)，可画多条曲线

format_string 由颜色字符、风格字符、标记字符组成

color : 控制颜色, color=‘green’
linestyle : 线条风格, linestyle=‘dashed’
marker : 标记风格, marker=‘o’
markerfacecolor: 标记颜色, markerfacecolor=‘blue’
markersize: 标记尺寸, markersize=2

颜色字符

‘b’ 蓝色 ‘m’ 洋红色 magenta
‘g’ 绿色 ‘y’ 黄色
‘r’ 红色 ‘k’ 黑色
‘w’ 白色 ‘c’ 青绿色 cyan
‘#008000’ RGB某颜色 ‘0.8’ 灰度值字符串
多条曲线不指定颜色时，会自动选择不同颜色

风格字符

‘‐’ 实线
‘‐‐’ 破折线
‘‐.’ 点划线
‘:’ 虚线
‘’ ’ ’ 无线条

标记字符

‘.’ 点标记
‘,’ 像素标记(极小点)
‘o’ 实心圈标记
‘v’ 倒三角标记
‘^’ 上三角标记
‘>’ 右三角标记
‘<’ 左三角标记…等等

plt.scatter()函数用于生成一个散点图

matplotlib.pyplot.scatter(x, 
	y, 
	s=20, 
	c='b', 
	marker='o', 
	cmap=None, 
	norm=None, 
	vmin=None, 
	vmax=None, 
	alpha=None, 
	linewidths=None, 
	verts=None, 
	hold=None, 
	**kwargs)

参数：

x，y：表示的是shape大小为(n,)的数组，也就是我们即将绘制散点图的数据点，输入数据。
s：表示的是大小，是一个标量或者是一个shape大小为(n,)的数组，可选，默认20。
c：表示的是色彩或颜色序列，可选，默认蓝色’b’。但是c不应该是一个单一的RGB数字，也不应该是一个RGBA的序列，因为不便区分。c可以是一个RGB或RGBA二维行数组。
marker：MarkerStyle，表示的是标记的样式，可选，默认’o’。
cmap：Colormap，标量或者是一个colormap的名字，cmap仅仅当c是一个浮点数数组的时候才使用。如果没有申明就是image.cmap，可选，默认None。
norm：Normalize，数据亮度在0-1之间，也是只有c是一个浮点数的数组的时候才使用。如果没有申明，就是默认None。
vmin，vmax：标量，当norm存在的时候忽略。用来进行亮度数据的归一化，可选，默认None。
alpha：标量，0-1之间，可选，默认None。
linewidths：也就是标记点的长度，默认None。

p = plt.figure(figsize=(12,10))
#子图1
ax1 = p.add_subplot(2,2,1)
plt.title('人口总数散点图')
plt.scatter(values[0:20,0],values[:20,1])
plt.xticks(rotation = 45)
#子图2
ax2 = p.add_subplot(2,2,2)
plt.title('各类别人口数散点图')
plt.scatter(values[:20,0],values[:20,2],c='y')
plt.scatter(values[:20,0],values[:20,3],c='r')
plt.scatter(values[:20,0],values[:20,4],c='g')
plt.scatter(values[:20,0],values[:20,5])
plt.legend(["男性人口","女性人口","城镇人口","农村人口"],loc='lower left')
plt.xticks(rotation = 45)
#子图3
ax3 = p.add_subplot(2,2,3)
plt.title('人口总数折线图')
plt.plot(values[0:20,0],values[:20,1])
plt.xticks(rotation = 45)
#子图4
ax4 = p.add_subplot(2,2,4)
plt.title('各类别人口数折线图')
plt.plot(values[:20,0],values[:20,2])
plt.plot(values[:20,0],values[:20,3])
plt.plot(values[:20,0],values[:20,4])
plt.plot(values[:20,0],values[:20,5])
plt.legend(["男性人口","女性人口","城镇人口","农村人口"],loc='best')
# loc 图例位置 upper right lower left
plt.xticks(rotation = 45)
plt.show()

绘制直方图

plt. bar添加数据标签
plt.bar_label()函数，为条形图添加数据标签
函数参数

container

container ：添加数据标签的条形图名称
labels

labels：数据标签列表
fmt

fimt：数据标签的格式，默认：%g
label_type

label_type：数据标签所处的位置，取值为‘center’或’edge’

center：数据标签位于条形图的条形中间

edge：数据标签位于条形图的顶端

默认值：edge
padding

padding：数据标签与条形图中的每个条形的水平距离

默认值：0

# 直方图
p = plt.figure(figsize=(12,10))
ax1 = p.add_subplot(2,2,1)
plt.title('1996年男女人口分布')
p1 = plt.bar(range(2),values[-3,2:4],width=0.4)
plt.xticks(range(2),['男','女'])
plt.bar_label(p1,labels=values[-3,2:4],padding=5,fontsize = 20)
#padding：数据标签与条形图中的每个条形的水平距离 默认为0

ax2 = p.add_subplot(2,2,2)
plt.title('2015年男女人口分布')
plt.bar(range(2),values[0,2:4],width=0.3)
plt.xticks(range(2),['男','女'])

ax3 = p.add_subplot(2,2,3)
plt.title('1996年城乡人口分布')
plt.bar(range(2),values[-3,4:],width=0.3)
plt.xticks(range(2),['城','乡'])

ax4 = p.add_subplot(2,2,4)
plt.title('1996年城乡人口分布')
plt.bar(range(2),values[0,4:],width=0.3)
plt.xticks(range(2),['城','乡'])
plt.show()

绘制饼图

import matplotlib.pyplot as plt
plt.pie(x, explode=None, labels=None, colors=None, autopct=None, pctdistance=0.6, shadow=False, labeldistance=1.1,
 startangle=0, radius=1, counterclock=True, wedgeprops=None, textprops=None, center=0, 0, frame=False, 
 rotatelabels=False, *, normalize=None, data=None)

常用参数：

x即每个扇形的占比的序列或数组
explode如果不是None，则是一个len(x)长度的数组，指定每一块的突出程度；突出显示，设置每一块分割出来的间隙大小
labels为每个扇形提供标签的字符串序列
colors为每个扇形提供颜色的字符串序列
autopct如果它是一个格式字符串，标签将是fmt % pct。如果它是一个函数，它将被调用。
shadow阴影
startangle从x轴逆时针旋转,饼的旋转角度
pctdistance, default: 0.6每个饼片的中心与由autopct生成的文本的开头之间距离与半径的比率，大于1的话会显示在圆外
labeldistance, default: 1.1饼状图标签绘制时的径向距离（我认为这个也与8类似是个比率）。如果设置为None，则不绘制标签，而是存储在图例()中使用。

#饼图
p = plt.figure(figsize=(8,8))
ax1 = p.add_subplot(2,2,1)
plt.title('1996年男女人口占比')
plt.pie(values[-3,2:4],labels=['男','女'],autopct='%0.2f%%')

ax2 = p.add_subplot(2,2,2)
plt.title('2015年男女人口占比')
plt.pie(values[0,2:4],labels=['男','女'],autopct='%0.2f%%')

ax3 = p.add_subplot(2,2,3)
plt.title('1996城乡人口占比')
plt.pie(values[-3,4:],labels= ['城','乡'],autopct='%0.2f%%')

ax4 = p.add_subplot(2,2,4)
plt.title('2015城乡人口占比')
plt.pie(values[0,4:],labels= ['城','乡'],autopct='%0.2f%%')
plt.show()

绘制箱线图

参数详解

plt.boxplot(x,                      # x：指定要绘制箱图的数据
            notch=None,           # notch：是否是凹口的形式展现箱线图，默认非凹口
            sym=None,              # sym：指定异常点的形状，默认为+号显示
            vert=None,              # vert：是否需要将箱线图垂直摆放，默认垂直摆放
            whis=None,             # whis：指定上下须与上下四分位的距离，默认为1.5倍的四分位差
            positions=None,   # positions：指定箱线图的位置，默认为[0,1,2…]
            widths=None,         # widths：指定箱线图的宽度，默认为0.5
            patch_artist=None,        # patch_artist：是否填充箱体的颜色
            meanline=None,             # meanline：是否用线的形式表示均值，默认用点来表示
            showmeans=None,       # showmeans：是否显示均值，默认不显示
            showcaps=None,           # showcaps：是否显示箱线图顶端和末端的两条线，默认显示
            showbox=None,             # showbox：是否显示箱线图的箱体，默认显示
            showfliers=None,          # showfliers：是否显示异常值，默认显示
            boxprops=None,           # boxprops：设置箱体的属性，如边框色，填充色等
            labels=None,                  # labels：为箱线图添加标签，类似于图例的作用
            flierprops=None,          # filerprops：设置异常值的属性，如异常点的形状、大小、填充色等
            medianprops=None,   # medianprops：设置中位数的属性，如线的类型、粗细等
            meanprops=None,       # meanprops：设置均值的属性，如点的大小、颜色等
            capprops=None,           # capprops：设置箱线图顶端和末端线条的属性，如颜色、粗细等
            whiskerprops=None)   # whiskerprops：设置须的属性，如颜色、粗细、线的类型等

#箱线图
plt.figure(figsize=(6,6))
plt.boxplot(values[0:20,1:],labels=['总体','男','女','城','乡'])
plt.show()