【数据挖掘之数据可视化】Matplotlib图表绘制基础

Jupyter notebook中进行交互式绘图，需要执行%matplotlib notebook这个命令。 习惯上我们会使用import matplotlib.pyplot as plt来进行导入matplotlib.pyplot模块。

tips（若没有图案出来一定要检查是否执行了%matplotlib notebook这个命令）

1.创建子图及绘图。

以下是使用Python的Matplotlib图形库创建一个简单的子图的示例代码：

import matplotlib.pyplot as plt

# 创建一个包含2个子图的画布
fig, axes = plt.subplots(1, 2)

# 在第一个子图中绘制一条直线
axes[0].plot([1, 2, 3, 4], [1, 4, 9, 16])

# 在第二个子图中绘制一个散点图
axes[1].scatter([1, 2, 3, 4], [1, 4, 9, 16])

# 显示图形
plt.show()

这段代码将创建一个包含两个子图的画布，并在第一个子图中绘制一条直线，第二个子图中绘制一个散点图。

 2.创建子图调整子图周围的间距。

要创建子图并调整子图周围的间距，可以使用matplotlib库中的subplots函数，并设置subplots_adjust函数来调整子图周围的间距。

首先，导入所需的库和模块：

import matplotlib.pyplot as plt

然后，使用subplots函数创建子图，并通过subplots_adjust函数调整子图周围的间距。以下是一个示例：

# 创建子图
fig, axes = plt.subplots(nrows=2, ncols=2)

# 调整子图周围的间距
plt.subplots_adjust(left=0.1, right=0.9, bottom=0.1, top=0.9, wspace=0.4, hspace=0.3)

# 添加子图内容
axes[0, 0].plot([1, 2, 3], [1, 2, 3])
axes[0, 1].scatter([1, 2, 3], [1, 2, 3])
axes[1, 0].bar([1, 2, 3], [1, 2, 3])
axes[1, 1].pie([1, 2, 3])

# 显示子图
plt.show()

在上面的示例中，subplots(nrows=2, ncols=2)创建了一个2x2的子图。然后，subplots_adjust函数定义了左边距（left）、右边距（right）、底边距（bottom）、顶边距（top）、水平间距（wspace）和垂直间距（hspace）的值，来调整子图周围的间距。

最后，通过plot、scatter、bar和pie等函数在每个子图中添加内容。最后，使用plt.show()显示子图。

3.包含子图绘制的基础语法。

绘制子图的基础语法是使用plt.subplots()函数创建一个包含多个子图的图表对象。该函数可以指定子图的行数和列数，然后返回一个图表对象和一个包含子图对象的数组。

下面是绘制包含子图的基础语法：

import matplotlib.pyplot as plt

# 创建包含多个子图的图表对象
fig, axes = plt.subplots(nrows, ncols)

# 绘制子图
axes[row_index, col_index].plot(x, y)

其中，nrows是子图的行数，ncols是子图的列数，row_index和col_index分别是子图在网格中的行索引和列索引，x和y是用于绘制子图的数据。

可以通过修改nrows和ncols的值来指定所需的子图布局。然后，可以使用axes[row_index, col_index]来选择要绘制的子图，并使用常用的绘图函数（如plot()、scatter()、bar()等）来绘制图形。

下面是一个绘制包含子图的简单示例：

import matplotlib.pyplot as plt
import numpy as np

# 创建包含2行2列的子图布局
fig, axes = plt.subplots(nrows=2, ncols=2)

# 绘制子图1
x1 = np.linspace(0, 10, 100)
y1 = np.sin(x1)
axes[0, 0].plot(x1, y1)
axes[0, 0].set_title('Subplot 1')

# 绘制子图2
x2 = np.linspace(0, 5, 50)
y2 = np.cos(x2)
axes[0, 1].plot(x2, y2)
axes[0, 1].set_title('Subplot 2')

# 绘制子图3
x3 = np.linspace(-5, 5, 50)
y3 = x3**2
axes[1, 0].plot(x3, y3)
axes[1, 0].set_title('Subplot 3')

# 绘制子图4
x4 = np.random.normal(0, 1, 100)
y4 = np.random.normal(0, 1, 100)
axes[1, 1].scatter(x4, y4)
axes[1, 1].set_title('Subplot 4')

# 调整子图之间的间距
plt.tight_layout()

# 显示图表
plt.show()

在这个示例中，我们创建了一个2行2列的子图布局，并分别绘制了4个子图。每个子图使用不同的数据和标题，并使用set_title()方法设置子图的标题。最后，使用plt.tight_layout()方法调整子图之间的间距，然后调用plt.show()方法显示图表。

4.rc参数设置示例。

import matplotlib.pyplot as plt
fig = plt.figure()
ax = fig.add_subplot(1,1,1)
np.random.seed(719)
ax.plot(np.random.randn(30).cumsum(),color = 'k',linestyle = 'dashed',marker = 'o',label = 'one')
ax.plot(np.random.randn(30).cumsum(),color = 'k',linestyle = 'dashed',marker = '+',label = 'two')
ax.legend(loc = 'best')