数据可视化--Matplotlib

import matplotlib.pyplot as plt

pyplot模块包含了常用的Matplotlib API函数

1.figure

  Matplotlib的图像均位于figure对象中，创建figure对象

    fig = plt.figure()

2.Subplot

    fig.add_subplot(a,b,c)

    返回的是AxesSubplot对象

    a,b表示将fig分割成  a*b 的区域

    c表示当前选中要操作的区域

ax1 = fig.add_subplot(2,2,1)
ax2 = fig.add_subplot(2,2,2)
ax3 = fig.add_subplot(2,2,3)
ax4 = fig.add_subplot(2,2,4)
import numpy as np
random_arr = np.random.randn(100)
plt.plot(random_arr)
plt.show()

结合scipy函数(plot,hist)

import scipy as sp
from scipy import stats

x = np.linspace(-5,15,50)
#绘制高斯分布
plt.plot(x,sp.stats.norm.pdf(x=x,loc=5,scale=2))
#绘制高斯分布直方图
plt.hist(sp.stats.norm.rvs(loc=5, scale=2, size=200), bins=50, normed=True, color='red', alpha=0.5)
plt.show()

绘制散点图  scatter

x = np.arange(50)
y = x+5*np.random.rand(50)
plt.scatter(x,y)

柱状图  bar

x = np.arange(5)
y1,y2 = np.random.randint(1,25,size = (2,5))
width = 0.25
ax = plt.subplot(1,1,1)
ax.bar(x,y1,width,color='r')
ax.bar(x+width,y2,width,color='g')
ax.set_xticks(x+width)
ax.set_xticklabels(['a', 'b', 'c', 'd', 'e'])
plt.show()

矩阵绘图

# 矩阵绘图
m = np.random.rand(10,10)
print(m)
plt.imshow(m, interpolation='nearest', cmap=plt.cm.ocean)
plt.colorbar()
plt.show()

3.plt.subplots()

  同时返回新创建的figure和subplot对象数组‘

    fig,subplot_arr = plt.subplot(2,2)

fig,arr = plt.subplot(2,2)
arr[0,0].hist(np.random.randn(100),bins = 10,color='b',alpha=0.3)
arr[0,1].hist(np.random.randn(100),bins = 10,color='b',alpha=0.3)
plt.show()

颜色、标签、线性

fig, axes = plt.subplots(2)
axes[0].plot(np.random.randint(0, 100, 50), 'ro--')
# 等价
axes[1].plot(np.random.randint(0, 100, 50), color='r', linestyle='dashed', marker='o')

刻度、标签、图例

fig, ax = plt.subplots(1)
ax.plot(np.random.randn(1000).cumsum(), label='line0')

# 设置刻度
#plt.xlim([0,500])
ax.set_xlim([0, 800])

# 设置显示的刻度
#plt.xticks([0,500])
ax.set_xticks(range(0,500,100))

# # 设置刻度标签
# ax.set_yticklabels(['Jan', 'Feb', 'Mar'])

# 设置坐标轴标签
ax.set_xlabel('Number')
ax.set_ylabel('Month')

# 设置标题
ax.set_title('Example')

# 图例
ax.plot(np.random.randn(1000).cumsum(), label='line1')
ax.plot(np.random.randn(1000).cumsum(), label='line2')
ax.legend()
ax.legend(loc='best')
plt.legend()