Matplotlib的使用

Matplotlib的使用

Matplotlib 是一个 Python 的 2D绘图库。通过 Matplotlib，开发者可以仅需要几行代码，便可以生成绘图，直方图，功率谱，条形图，错误图，散点图等。

为什么学习Matplotlib

• 可让数据可视化，更直观的真实给用户。使数据更加客观、更具有说服力。
• Matplotlib是Python的库，又是开发中常用的库

Matplotlib的安装

pip install matplotlib

Matplotlib的基本使用

import numpy as np 
from matplotlib import pyplot as plt 
 
x = np.arange(1,11) 
y =  2  * x +  5 
plt.title("Matplotlib demo") 
plt.xlabel("x axis caption") 
plt.ylabel("y axis caption") 
plt.plot(x,y)
plt.show()

以上代码中，我们方法说明:

• plt.title() 设置图表的名称

• plt.xlabel() 设置x轴名称

• plt.ylabel() 设置y轴名称

• plt.xticks(x,ticks,rotation) 设置x轴的刻度,rotation旋转角度

• plt.yticks() 设置y轴的刻度

• plt.plot() 绘制线性图表

• plt.show() 显示图表

• plt.legend() 显示图例

• plt.text(x,y,text) 显示每条数据的值 x,y值的位置

• plt.figure(name,figsize=(w,h),dpi=n) 设置图片大小

图表中文显示

Matplotlib 默认情况不支持中文，我们可以使用以下简单的方法来解决：

首先下载字体（注意系统）：https://www.fontpalace.com/font-details/SimHei/

方法1：引入字体文件

zhfont1 = matplotlib.font_manager.FontProperties(fname="SimHei.ttf")
plt.title("图表 - 测试",fontproperties=zhfont1)

方法2：使用系统文字

# 查看系统支持的字体
a=sorted([f.name for f in matplotlib.font_manager.fontManager.ttflist])
for i in a:
    print(i)

在上面的代码中找到可以使用的字体，使用

plt.rcParams['font.family']=['SimHei']

线性图表

​ 以折线的上升或下降来表示统计数量的增减变化的统计图

​ 特点：能够显示数据的变化走势，反映事物的变化情况

• plt.plot(x,y,type,label)

  • x 显示的数据

  • y y轴的值

  • type 值显示的方式 具体值如下

  • label 图例名称

    字符	描述
    '-'	实线样式
    '--'	短横线样式
    '-.'	点划线样式
    ':'	虚线样式
    '.'	点标记
    ','	像素标记
    'o'	圆标记
    'v'	倒三角标记
    '^'	正三角标记
    '<'	左三角标记
    '>'	右三角标记
    '1'	下箭头标记
    '2'	上箭头标记
    '3'	左箭头标记
    '4'	右箭头标记
    's'	正方形标记
    'p'	五边形标记
    '*'	星形标记
    'h'	六边形标记 1
    'H'	六边形标记 2
    '+'	加号标记
    'x'	X 标记
    'D'	菱形标记
    'd'	窄菱形标记
    '|'	竖直线标记
    '_'	水平线标记

    颜色如下：

    字符	颜色
    'b'	蓝色
    'g'	绿色
    'r'	红色
    'c'	青色
    'm'	品红色
    'y'	黄色
    'k'	黑色
    'w'	白色

    plt.plot(x, y,'*m')
    

绘画条状图

排列在工作表的列或行中的数据可以绘制到中

特点：绘制连离散的数据，能够一眼看出各个数据的大小，可以快速统计数据之间的差别

bar(x,y,color,width) 函数来生成纵向条形图

barh(x,y,color,height) 函数来生成条形图

• x 条装显示位置
• y 显示的值
• color 显示的颜色

from matplotlib import pyplot as plt 
x =  [5,8,10] 
y =  [12,16,6] 
x2 =  [6,9,11] 
y2 =  [6,15,7] 
plt.bar(x, y, align =  'center') 
plt.bar(x2, y2, color =  'g', align =  'center') 
plt.title('Bar graph') 
plt.ylabel('Y axis') 
plt.xlabel('X axis') 
plt.show()

绘画直方图

由一系列高度不等的纵向条纹或线段表示数据分布的情况，一般用横轴表示数据范围，纵轴表示分布情况

特点：绘制连续性的数据，展示一组或多组数据的分布状况并统计

注意：拿到数据来统计，而不是直接拿统计好的数据

概念：

​ 组距：每组数据的分割区域，例如1-5一组5-10一组。我们可以称数据的组距为5

​ 组数：(最大数据-最小数据)/组距 一般会100条数据可分5-12组

hist(data,bins,normed)

• data 所有的数据
• bins 分几组
• normed y轴是否显示成百分比

plt.hist(data,bins)

绘画散点图

用两组数据构成多个坐标点，考察坐标点的分布，判断两变量之间是否存在某种关联或总结坐标点的分布模式

plt.scatter(x,info)
plt.plot(x,a,'o')

特点：判断变量之间是否存在在数量关联走势，展示离群点分布规律

绘画子图

subplot() 函数允许你在同一图中绘制不同的东西

import matplotlib.pyplot as plt
import numpy as np

np.random.seed(19680801)
data = np.random.randn(2, 100)

fig, axs = plt.subplots(2, 2, figsize=(7, 7))
axs[0, 0].hist(data[0])
axs[1, 0].scatter(data[0], data[1])
axs[0, 1].plot(data[0], data[1])
axs[1, 1].hist2d(data[0], data[1])

plt.show()