【Datawhale数据可视化组队学习】Task03 - 布局格式定方圆

已于 2022-09-22 20:57:24 修改
阅读量176 收藏
点赞数
文章标签： python matplotlib
于 2022-09-21 01:47:25 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/m0_61267964/article/details/126944245
版权

找到【课程介绍】 
Datawhale开源教程链接： https://github.com/datawhalechina/fantastic-matplotlib 

本项目重点在两个层面帮助读者构建matplotlib的知识体系：

从图形，布局，文本，样式等多维度系统梳理matplotlib的绘图方法，构建对于绘图方法的整体理解。
从绘图API层级，接口等方面阐明matplotlib的设计理念，摆脱只会复制粘贴的尴尬处境。

目录

第三回：布局格式定方圆

一、子图

1. 使用 plt.subplots 绘制均匀状态下的子图

2. 使用 GridSpec 绘制非均匀子图

二、子图上的方法

思考题

第三回：布局格式定方圆

头文件：

import numpy as np
import pandas as pd
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

一、子图

1. 使用 plt.subplots 绘制均匀状态下的子图

fig, axs = plt.subplots(2, 5, figsize=(10, 4), sharex=True, sharey=True)
fig.suptitle('标题', size=20)
for i in range(2):
    for j in range(5):
        axs[i][j].scatter(np.random.randn(10), np.random.randn(10))
        axs[i][j].set_title('第%d行，第%d列'%(i+1,j+1))
        axs[i][j].set_xlim(-5,5)
        axs[i][j].set_ylim(-5,5)
        if i==1: axs[i][j].set_xlabel('横坐标')
        if j==0: axs[i][j].set_ylabel('纵坐标')
fig.tight_layout()

 fig, axs = plt.subplots(2, 5, figsize=(10, 4), sharex=True, sharey=True) 

subplots是基于OO模式的写法，显式创建一个或多个axes对象，然后在对应的子图对象上进行绘图操作。

返回元素分别是画布和子图构成的列表。

第一个数字为行，第二个为列，不传入时默认值都为1。

figsize 参数可以指定整个画布的大小。

sharex 和 sharey 分别表示是否共享横轴和纵轴刻度。

用双重for循环来遍历设置每个子图。

最后一句tight_layout 函数可以调整子图的相对大小使字符不会重叠。

plt.figure()
# 子图1
plt.subplot(2,2,1) #两行两列中第一个
plt.plot([1,2], 'r')
# 子图2
plt.subplot(2,2,2) #两行两列中第二个
plt.plot([1,2], 'b')
#子图3
plt.subplot(224)  
# 当三位数都小于10时，可以省略中间的逗号，这行命令等价于plt.subplot(2,2,4) 
plt.plot([1,2], 'g');

plt.subplot(2,2,1)

还有种方式是使用subplot这样基于pyplot模式的写法，每次在指定位置新建一个子图，并且之后的绘图操作都会指向当前子图，本质上subplot也是Figure.add_subplot的一种封装。
在调用subplot时一般需要传入三位数字，分别代表总行数，总列数，当前子图的index（也就是横着数第几个）

注：

# plt.plot([1,2], 'r') 中1,2为y的坐标，x可省略,默认[0,1..,N-1]递增

# 当三位数都小于10时，可以省略中间的逗号，这行命令等价于plt.subplot(2,2,4) 

【属性拓展】

 由于尝试某些线性失败，整理了所有可用类型。

"格式控制字符串"最多可以包括三部分, "颜色", "点型", "线型"

除了"格式控制字符串", 还可以在后面添加关键字=参数

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
 
color=['b','g','r','c','m','y','k','w']
line_style=['-','--','-.',':']
dic1=[[0,1,2],[3,4,5]]
x=pd.DataFrame(dic1)
dic2=[[2,3,2],[3,4,3],[4,5,4],[5,6,5]]
y=pd.DataFrame(dic2)
# 循环输出所有"颜色"与"线型"
for i in range(2):
    for j in range(4):
        plt.plot(x.loc[i],y.loc[j],color[i*4+j]+line_style[j]) 
plt.show()

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
 
marker=['.',',','o','v','^','<','>','1','2','3','4','s','p','*','h','H','+','x','D','d','|','_','.',',']
dic1=[[0,1,2],[3,4,5],[6,7,8],[9,10,11],[12,13,14],[15,16,17]]
x=pd.DataFrame(dic1)
dic2=[[2,3,2.5],[3,4,3.5],[4,5,4.5],[5,6,5.5]]
y=pd.DataFrame(dic2)
# 循环输出所有"点型"
for i in range(6):
    for j in range(4):
        plt.plot(x.loc[i],y.loc[j],"b"+marker[i*4+j]+":") # "b"蓝色,":"点线
plt.show()

除了常规的直角坐标系，也可以通过projection方法创建极坐标系下的图表

N = 150
r = 2 * np.random.rand(N)
theta = 2 * np.pi * np.random.rand(N)
area = 200 * r**2
colors = theta


plt.subplot(projection='polar')
plt.scatter(theta, r, c=colors, s=area, cmap='hsv', alpha=0.75);

练一练

请思考如何用极坐标系画出类似的玫瑰图

确诊国家和地区死亡
1US1078938
2India528370
3France154743
4Brazil685482
5Germany149079
6South Korea27891
7UK189484
8Italy176609
9Japan43827
10Russia386136
11Turkey101068
12Spain113725
13Vietnam43141
14Australia14783
15Argentina129855
16Netherlands22626
17Iran144319
18Mexico329899
19Indonesia157915
20Colombia141746

数据来源：疫情实时大数据  

确诊人数前20的国家死亡人数

2022/9/20 11:51:00

 先排序：

# 获取数据
ex1 = pd.read_csv('G:/Datawhale/Matplotlib/covid_19sort.csv')
data=ex1[0:20]

# 设置画布
fig = plt.figure(figsize=(12,10))
r=data['死亡人数'].tolist()

# 计算角度
n=data.shape[0]
print(n)
theta=np.linspace(0, np.pi*2, len(r), endpoint=False)      # 360度等分成n份


# 极坐标
ax = plt.subplot(111,projection = 'polar')

# 顺时针并设置N方向为0度
ax.set_theta_direction(-1)
ax.set_theta_zero_location('N') 

# 在极坐标中画柱形图
ax.bar(theta,r,width=2*np.pi/n,color=np.random.random((n,3)),align="edge" )

#每个柱的顶部显示文本【没调好】
#r1=data['国家和地区'].tolist()
#for angle,height in zip(theta,r1):
#    ax.text(angle+0.03,height+105,str(height),fontsize=5)

plt.axis('off')  # 不显示坐标轴和网格线
 
#显示一些简单的中文图例
plt.rcParams['font.sans-serif']=['SimHei']  # 黑体
ax.set_title('疫情确诊人数前20的国家死亡人数',fontdict={'fontsize':20})

#for angle,t,time in zip(theta,r,data['Time'].to_list()):
#   ax.text(angle+0.03,t,str(time) )

 文字标签还未实现。

注：

UnicodeDecodeError:'utf-8' codec can't decode byte 0xd5 in position 2: invalid continuation byte
中文报错解决：用python3读csv文件，出现UnicodeDecodeError: 'utf-8' codec can't decode byte 0xd0 in position 0: invalid con_moledyzhang的博客-CSDN博客

【拓展】

cmap: 颜色图谱（colormap), 默认绘制为RGB(A)颜色空间。
matplotlib.pyplot.imshow(X, cmap=None)
autumn 红-橙-黄
bone 黑-白，x线
cool 青-洋红
copper 黑-铜
flag 红-白-蓝-黑
gray 黑-白
hot 黑-红-黄-白
hsv hsv颜色空间， 红-黄-绿-青-蓝-洋红-红
inferno 黑-红-黄
jet 蓝-青-黄-红
magma 黑-红-白
pink 黑-粉-白
plasma 绿-红-黄
prism 红-黄-绿-蓝-紫-...-绿模式
spring 洋红-黄
summer 绿-黄
viridis 蓝-绿-黄
winter 蓝-绿

Choosing Colormaps in Matplotlib​ www.matplotlib.org.cn

2. 使用 GridSpec 绘制非均匀子图

非均匀包含两层含义

第一是指图的比例大小不同但没有跨行或跨列

利用 add_gridspec 可以指定相对宽度比例 width_ratios 和相对高度比例参数 height_ratios：
第二是指图为跨列或跨行状态

在上面的例子中出现了 spec[i, j] 的用法，事实上通过切片就可以实现子图的合并而达到跨图的功能：

二、子图上的方法

补充介绍一些子图上的方法

常用直线的画法为： axhline, axvline, axline （水平、垂直、任意方向）

​

使用 grid 可以加灰色网格

 

使用 set_xscale 可以设置坐标轴的规度（指对数坐标等）
 

 

思考题
 

  •  
    墨尔本1981年至1990年的每月温度情况
     
 

数据集来自github仓库下data/layout_ex1.csv
 请利用数据，画出如下的图：
 

 

path = 'G:/Datawhale/Matplotlib/fantastic-matplotlib-main/data/layout_ex1.csv'
df = pd.read_csv(path)
df['Year'] = pd.to_datetime(df['Time']).dt.year
df['Month'] = pd.to_datetime(df['Time']).dt.month
df
 

 

fig,axes = plt.subplots(2,5,figsize =(20,5),sharex=True,sharey=True)
fig.suptitle('墨尔本1981年至1990年月温度曲线',size = 15)
n=0
m=0
m1= 0 

for i ,j in df.groupby('Year'):   
    axes[0][0].set_ylabel('气温')
    axes[1][0].set_ylabel('气温')
    if m <= 4:
        axes[0][m].set_title('{}年'.format(i),size=10)
        axes[0][m].plot(j['Month'],j['Temperature'],'*:')
        m += 1
    else:
        axes[1][m1].set_title('{}年'.format(i),size=10)
        axes[1][m1].plot(j['Month'],j['Temperature'],'r*:')
        axes[1][m1].set_xticks(range(1,13))
        m1 += 1
 
 

​​​​​​​
 

 （找到比较简洁易懂的代码修改贴近原题）
 

  •  
    画出数据的散点图和边际分布
     
 

用 np.random.randn(2, 150) 生成一组二维数据，使用两种非均匀子图的分割方法，做出该数据对应的散点图和边际分布图
 

 
 


                

        

        

    




    

      

        

            

              
                
                  听小瑜儿
                
              
            

            

                关注
              
            

        

        

          
    
            
  • 
              
                
                
                
                
                      0
                
              
              
    点赞
    
            
    • 
            
  • 
              
                
                
                
              
              
    踩
    
            
    • 
            
  • 
              
                
                
                
                
                    0
                
              
              
    
                
    
                  
                    收藏
                  
                
    
              
    
              
    
                
    
                  觉得还不错?
                  
                    一键收藏
                  
                 
                
    
              
    
            
    • 
          
  • 
            
    
              
              
            
    
              
              
              
                    0
              
            
            
    评论
    
          
    • 
          
  • 
          
    • 
          
  • 
            
              
            
              
    
            
              
                
            
    
          
    • 
        

      

      










              

  



          




        



    





    



      

      

        
      

      





	

		评论	
	

	
	




  

    

      添加红包
      
    

    

      

        
        

          
          
        

        
请填写红包祝福语或标题

      

      

        
        

          
          个
        

        
红包个数最小为10个

      

      

        
        

          
          元
        

        
红包金额最低5元

      

      

        
        

          当前余额3.43元
          前往充值 >
        

      

      

        

          需支付：10.00元
        

        
        
      

    

  





  

    
    
  

  

    
    
  








  

    

      

        

          

            
            
成就一亿技术人!

          

          

        

        

          

          

            领取后你会自动成为博主和红包主的粉丝
            规则
          

        

      

      

        

          

            
              
            
            

              
hope_wisdom
 发出的红包
            

          

        

        

          

          

          

        

      

    

    

  



      
      

      
实付元

      
使用余额支付

      

        

          

            
            点击重新获取
          

        

        
扫码支付

      

      

        
          
            
          
          
        
      

      

        
        钱包余额
          0
          

            
            

              

                
抵扣说明：

                
 1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
 2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

              

            

          

      

      余额充值