Matplotlib绘图——玩转Python数据可视化

最新推荐文章于 2024-06-14 16:35:28 发布

Congee小周

最新推荐文章于 2024-06-14 16:35:28 发布

阅读量609

点赞数

分类专栏： Python库的安装及使用文章标签： matplotlib python画图 plot scatter RandomWalk

本文链接：https://blog.csdn.net/mango_ZZY/article/details/107976893

版权

Python库的安装及使用专栏收录该内容

10 篇文章 0 订阅

订阅专栏

Python大火的原因之一就是它有规模强大的工具库，今天我们将介绍Python的最热门的几大库之一——Matplotlib。可以发现，它和我们常听到的Matlib很像，都是数学绘图工具，但是由于Python强大的功能，它比Matlib容易上手和使用。

更多资料请参考官网：

中文文档：https://www.matplotlib.org.cn/

英文文档：https://www.matplotlib.org.cn/en/

一、Matplotlib的安装

Python库安装的方式基本都是相同的，在Windows下，都要使用pip命令。

python -m pip install matplotlib（或pip install matplotlib）

安装后，对其进行测试，没有出现错误，则认为已经安装成功，命令如下：

#首先，进入到Python环境中
import matplotlib

二、Matplotlib绘图

一张精美的图应该包含以下几个要素，如图所示。接下来我将用几个简单的例子，分别介绍matplotlib库中常用的函数和方法。

1.使用plot( )简单绘图

# 导入库
import matplotlib.pyplot as plt
# 数据准备
sqares=[1,4,9,16,25]
# 根据数据画图
plt.plot(sqares)

# 以下部分，就是对结果图进行美化
# 首先是添加标题，并设置字体大小
plt.title("Sqare Draw",fontsize=24)
# 对X，Y轴进行添加标签，设置字体大小
plt.xlabel("Value",fontsize=14)
plt.ylabel("Sqare of Value",fontsize=14)
# 设置刻度标记的大小,就是坐标轴的字体大小，
# 参数axis的值为'x'、'y'、'both'，分别代表设置X轴、Y轴以及同时设置，默认值为'both'
plt.tick_params(axis='both',labelsize=14)
# 数据可视化，也就是将结果变成图片展示出来
plt.show()

可以发现一个问题，就是横坐标为4.0的时候，纵坐标是25，这里出现里问题。这是因为当使用plot（）对提供的数据绘图的时候，它默认第一个数据点对应的坐标是0，因此可以手动设定为1。修改后的代码如下：

# 导入库
import matplotlib.pyplot as plt
# 数据准备
input_values=[1,2,3,4,5]
sqares=[1,4,9,16,25]
# 根据数据画图
plt.plot(input_values, sqares, linewidth=5)

# 以下部分，就是对结果图进行美化
# 首先是添加标题，并设置字体大小
plt.title("Sqare Draw",fontsize=24)
# 对X，Y轴进行添加标签，设置字体大小
plt.xlabel("Value",fontsize=14)
plt.ylabel("Sqare of Value",fontsize=14)
# 设置刻度标记的大小,就是坐标轴的字体大小，
# 参数axis的值为'x'、'y'、'both'，分别代表设置X轴、Y轴以及同时设置，默认值为'both'
plt.tick_params(axis='both',labelsize=14)
# 数据可视化，也就是将结果变成图片展示出来
plt.show()

2.使用scatter( )绘制散点图

①手动添加少量数据：

# 导入库
import matplotlib.pyplot as plt
# 数据准备
x_values=[1,2,3,4,5]
y_values=[1,4,9,16,25]
# scatter方法是将点标在图上，s是设置点的大小
plt.scatter(x_values,y_values,s=100)
# 数据可视化，也就是将结果变成图片展示出来
plt.show()

②自动计算数据：当数据密集的时候，会自动生成由点组成的密集曲线

# 导入库
import matplotlib.pyplot as plt
# 数据准备
x_values=list(range(1,1001))
y_values=[x**2 for x in x_values]
# scatter方法是将点标在图上，s是设置点的大小
plt.scatter(x_values,y_values,s=40)
# 设置每个坐标轴的取值范围
plt.axis([0, 1200, 0, 1200000])
# 数据可视化，也就是将结果变成图片展示出来
plt.show()

自定义数据点的颜色：

# 参数c可以设定颜色，也可以使用RGB颜色模式，如c=(0,0,0.8)
# 三个数都是0~1，分别代表红、绿、蓝，越接近0，颜色越深，越接近1，颜色越浅。
# edgecolors是数据点的轮廓，默认值就是none
plt.scatter(x_values,y_values,c='red',edgecolors='none',s=40)

③颜色映射：用颜色从浅到深，表示数值从小到大

# 导入库
import matplotlib.pyplot as plt
# 数据准备
x_values=list(range(1,1001))
y_values=[x**2 for x in x_values]
# scatter方法是将点标在图上，s是设置点的大小，将参数c设置为y值的列表，并用参数cmap告诉plt使用哪个# # 颜色映射，y值小的显示为浅蓝色，y值大的显示为深蓝色。
plt.scatter(x_values, y_values, c=y_values, cmap=plt.cm.Blues, s=40)
# 设置每个坐标轴的取值范围
plt.axis([0, 1200, 0, 1200000])
# 数据可视化，也就是将结果变成图片展示出来
plt.show()

自动保存图片

plt.savefig('sqares_plot.png',bbox_inches='tight')
# 第一个参数是设定保存的图片的名称，第二个参数是将图表多余的空白区域剪掉，也可以不设置它。

3.使用RandomWalk( )生成随机数据

①我们需要创建一个RandomWalk( )类

它有3个属性：

存储随机漫步次数的变量
其他2个是列表，分别存储每次漫步经过的x和y的坐标

from random import choice

class RandomWalk():
    """一个生成随机漫步数据的类"""
    
    def __init__(self,num_points=5000):
        """初始化随机漫步的步数为5000步"""
        self.num_points=num_points
        
        """所有的随机漫步都始于(0,0)"""
        self.x_values=[0]
        self.y_values=[0]

完整代码如下：

注意，每次生成的图都是随机的

from random import choice
import matplotlib.pyplot as plt
class RandomWalk():
    """一个生成随机漫步数据的类"""

    def __init__(self,num_points=5000):
        """初始化随机漫步的步数为5000步"""
        self.num_points=num_points

        """所有的随机漫步都始于(0,0)"""
        self.x_values=[0]
        self.y_values=[0]

    def fill_walk(self):
        """计算随机漫步包含的所有点"""

        # 不断漫步，直到到达规定的步数，本例为5000
        while len(self.x_values)<self.num_points:
            # 决定前进的方向及距离，-1是左，1是右
            x_direction =choice([-1, 1])
            x_distance= choice([0, 1, 2, 3, 4])
            x_step=x_direction*x_distance

            y_direction = choice([-1, 1])
            y_distance = choice([0, 1, 2, 3, 4])
            y_step = y_direction * y_distance

            # 拒绝停留原地
            if  x_step==0 and y_step==0:
                continue

            # 计算下一个点的x和y值
            next_x=self.x_values[-1] + x_step
            next_y=self.y_values[-1] + y_step

            self.x_values.append(next_x)
            self.y_values.append(next_y)

rw=RandomWalk()
rw.fill_walk()
plt.scatter(rw.x_values,rw.y_values,s=15)
plt.show()

②使用颜色映射随机漫步图：

由于点是按照顺序生成的，因此颜色从浅到深也是按照点的顺序生成的。因此将代码执行的部分修改成如下：

rw=RandomWalk()
rw.fill_walk()
point_number=list(range(rw.num_points))
plt.scatter(rw.x_values, rw.y_values, c=point_number, cmap=plt.cm.Blues, s=15)
plt.show()

③用不同的颜色标注起始点和终点

rw=RandomWalk()
rw.fill_walk()
point_number=list(range(rw.num_points))
plt.scatter(rw.x_values, rw.y_values, c=point_number, cmap=plt.cm.Blues, s=15)

# 起点是绿色，终点是红色
plt.scatter(0,0,c='green',s=100)
plt.scatter(rw.x_values[-1],rw.y_values[-1],c='red',s=100)

plt.show()

④隐藏坐标轴

plt.axes().get_xaxis().set_visible(False)
plt.axes().get_yaxis().set_visible(False)

⑤增加点数

创建实例的时候，可以赋值一个新的实参值，覆盖原先的默认值，如：（其他代码相同）

rw=RandomWalk(50000)

⑥调整尺寸

#python默认的屏幕分辨率是80像素/英寸，可以使用函数figure()修改分辨率
plt.figure(dpi=128, figsize=(10, 6))

Congee小周

关注

0
点赞
踩
6

收藏

觉得还不错? 一键收藏
0
评论
Matplotlib绘图——玩转Python数据可视化

Python大火的原因之一就是它有规模强大的工具库，今天我们将介绍Python的最热门的几大库之一——Matplotlib。可以发现，它和我们常听到的Matlib很像，都是数学绘图工具，但是由于Python强大的功能，它比Matlib容易上手和使用。
复制链接

扫一扫

专栏目录