Matplotlib数据可视化（一）

抱抱宝

已于 2023-08-17 16:04:37 修改

阅读量1.2k

点赞数 1

分类专栏： Python数据分析与可视化文章标签：信息可视化 matplotlib 数据分析 python

于 2023-08-17 15:50:17 首次发布

本文链接：https://blog.csdn.net/m0_64087341/article/details/132319177

版权

Python数据分析与可视化专栏收录该内容

24 篇文章 4 订阅

订阅专栏

1.Matplotlib简介

Matplotlib是一个用于绘制数据可视化图表的Python库。它提供了广泛的功能和灵活性，可以创建各种类型的图表，包括折线图、散点图、柱状图、饼图、等高线图和3D图形等。

Matplotlib的设计灵感来自于MATLAB，因此它的使用方法与MATLAB中的绘图函数相似。它被广泛应用于科学、工程、统计和数据分析等领域，成为Python中最常用的数据可视化工具之一。

Matplotlib的核心组件是一个面向对象的绘图库。可以通过创建Figure对象和一个或多个Axes对象来控制图形的外观和布局。Figure对象代表整个图形窗口或画布，而Axes对象则表示实际的绘图区域。可以使用各种方法和函数来设置图形的属性、添加图例、标签、标题，以及自定义坐标轴、颜色和线型等。

Matplotlib还支持使用Numpy和Pandas等库进行数据操作和处理，并可以与Jupyter Notebook等交互式环境无缝集成，方便快捷地进行数据可视化和分析。

2.Matplotlib绘图基础

2.1 创建画布与子图

plt.figure:创建一个空白画布，可以指定画布大小
figure.add_subplot:创建并选中子图，可以指定子图行数、列数与选中图片编号
fig,axes=plt.subplots(m,n):生成m行n列个子图

绘制子图：

import matplotlib.pyplot as plt
fig = plt.figure()
ax1 = fig.add_subplot(2,2,1)
ax2 = fig.add_subplot(2,2,2)
ax3 = fig.add_subplot(2,2,3)
ax1.plot([1.5,2,3.5,-1,1.6])

输出结果：

创建子图序列并调整子图周围间距：

import matplotlib.pyplot as plt
import numpy as np
fig,axes = plt.subplots(2,2,sharex = True,sharey = True)
for i in range(2):
     for j in range(2):
            axes[i,j].hist(np.random.randn(500),bins =50,color='k',alpha= 0.5)
plt.subplots_adjust(wspace=0,hspace=0)

输出结果：

2.2 添加画布属性

plt.title:添加图形标题
plt.xlabel:在当前图形中添加X轴名称
plt.ylabel:在当前图形中添加Y轴名称
plt.xlim:指定当前图形X轴范围
plt.ylim:指定当前图形Y轴范围
plt.xticks:指定X轴刻度的数目与取值
plt.yticks:指定Y轴刻度的数目与取值
plt.legend:指定当前图形的图例，可以指定图例的大小、位置、标签

示例：

import matplotlib.pyplot as plt
import numpy as np
data = np.arange(0,np.pi*2,0.01)
fig1 = plt.figure(figsize = (8,4),dpi = 90)  #确定画布大小
ax1 = fig1.add_subplot(1,2,1) #绘制第1幅子图
plt.title('lines example')
plt.xlabel('X')
plt.ylabel('Y')
plt.xlim(0,1)
plt.ylim(0,1)
plt.xticks([0,0.2,0.4,0.6,0.8,1])
plt.yticks([0,0.2,0.4,0.6,0.8,1])
plt.plot(data,data**2)
plt.plot(data,data**3)
plt.legend(['y = x^2','y = x^3'])
ax1 = fig1.add_subplot(1,2,2) #绘制第2幅子图
plt.title('sin/cos')
plt.xlabel('X')
plt.ylabel('Y')
plt.xlim(0,np.pi*2)
plt.ylim(-1,1)
plt.xticks([0,np.pi/2,np.pi,np.pi*3/2,np.pi*2])
plt.yticks([-1,-0.5,0,0.5,1])
plt.plot(data,np.sin(data))
plt.plot(data,np.cos(data))
plt.legend(['sin','cos'])
plt.show()

结果：