matplotlib入门笔记

matplotlib简介

matplotlib 是python最著名的绘图库，它提供了一整套和matlab相似的命令API，十分适合交互式地进行制图。而且也可以方便地将它作为绘图控件，嵌入GUI应用程序中。

绘制函数的输入类型
所有绘图函数都需要np.array或np.ma.masked_array对象作为输入类型。如果是 “类数组（array-like）” 对象（如pandas数据对象和np.matrix）可能会或可能不会按预期工作。最好在绘图之前将它们转换为np.array对象。

例：

import numpy as np
import matplotlib.pyplot as plt    # matplotlib中的快速绘图的函数库的载入语句
x = np.linspace(0, 10, 1000) 	   #在X轴上从0-10取1000个点
y = np.sin(x)
z = np.cos(x**2)
plt.figure(figsize=(8,4))            #通过figsize参数可以指定绘图对象的宽度和高度，单位为英寸
plt.plot(x,y,label="$sin(x)$",color="red",linewidth=2)    #标记该线条的名称sin（x） 线条颜色为红色，线宽为2
plt.plot(x,z,"b--",label="$cos(x^2)$")     #标记该线条的名称cos(x^2)  线条为蓝色“----”构成的虚线
plt.xlabel("Time(s)")   #x坐标轴标识的是Time
plt.ylabel("Volt")     #y坐标轴表示的是Vlot
plt.title("PyPlot-Example")		#该图像名称为PyPlot-Example
plt.ylim(-1.2,1.2)   #图像中y轴的范围是-1.2至1.2
plt.legend()		#显示线条标记
plt.show()

输出结果如下图：

还可以调用plt.savefig()将当前的Figure对象保存成图像文件，图像格式由图像文件的扩展名决定。
下面的程序将当前的图表保存为“plottest.png”，并且通过dpi参数指定图像的分辨率为 120。

run matplotlib_simple_plot.py
plt.savefig("plottest.png",dpi=120)

绘制多轴图

一个绘图对象(figure)可以包含多个轴(axis)，在Matplotlib中用轴表示一个绘图区域，可以将其理解为子图。上面的第一个例子中，绘图对象只包括一个轴，因此只显示了一个轴(子图(Axes) )。可以使用subplot函数快速绘制有多个轴的图表。subplot函数的调用形式如下：

subplot(numRows, numCols, plotNum)

subplot将整个绘图区域等分为numRows行和 numCols列个子区域，然后按照从左到右，从上到下的顺序对每个子区域进行编号，左上的子区域的编号为1。如果numRows，numCols和plotNum这三个数都小于10的话，可以把它们缩写为一个整数，例如subplot(323)和subplot(3,2,3)是相同的。subplot在plotNum指定的区域中创建一个轴对象。如果新创建的轴和之前创建的轴重叠的话，之前的轴将被删除。

scatter函数绘制散点图

matplotlib.pyplot.scatter（s，y，s，c ，marker，cmap ，alpha，linewidth）

基本参数	类型	描述
x，y	array_like，shape（n，）	数据位置。
s	标量或array_like，shape（n，），可选	标记大小以磅为单位** 2。默认是。rcParams[‘lines.markersize’] ** 2
c	颜色，序列或颜色序列，可选	标记颜色。
marker	MarkerStyle,可选	标记样式。marker可以是类的实例，也可以是特定标记的文本缩写。默认为None，在这种情况下，它取值 rcParams[“scatter.marker”]=‘o’。
cmap	Colormap,可选，默认值：无	一个Colormap实例或注册的颜色表名。仅当c是浮点数组时才使用cmap。如果，默认为rc 。Noneimage.cmap
alpha	标量，可选，默认值：无	alpha混合值，介于0（透明）和1（不透明）之间。
linewidths	标量或array_like，可选，默认值：无	标记边缘的线宽。注意：默认边缘颜色 为“face”。您可能也想要更改它。如果为None，则默认为rcParams lines.linewidth。

bar（barsh)函数绘制垂直（水平）直方图

matplotlib.pyplot.bar(x, height, width=0.8, bottom=None,  align='center')

bar方法

基本参数	类型	描述
x	标量序列	条形的x坐标。另请参见对齐条形对齐坐标。
height	标量或标量序列	条形的高度。
width	标量或类似数组，可选	条形的宽度（默认值：0.8）。
bottom	标量或类似数组，可选	条形基座的y坐标（默认值：0）。
align	{‘center’，‘edge’}，可选，默认：‘center’	条形对齐x坐标：

pie函数绘制饼图

绘制饼图。

制作数组x的饼图。每个楔形的分数面积由下式给出x/sum(x)。如果，那么x的值直接给出小数区域，并且数组将不被标准化。生成的馅饼将有一个空的大小楔形。sum(x) < 11 - sum(x)

matplotlib.pyplot.pie（x，explode = None，labels = None，colors = None，autopct = None，pctdistance = 0.6，shadow = False，labeldistance = 1.1，startangle = None，radius = None）

基本参数	类型	描述
x	类似于数组	楔形尺寸。
explode	array-like，optional，默认值：None	如果不是None，则是一个len(x)数组，它指定用于偏移每个楔形的半径部分。
labels	list，optional，default：None	一系列字符串，为每个楔形提供标签
colors	array-like，optional，默认值：None	一系列matplotlib颜色args，饼图将通过它循环。如果为None，将使用当前活动周期中的颜色。
autopct	无（默认），字符串或函数，可选如果不是None，则是用于用其数值标记楔形的字符串或函数。标签将放在楔子内。如果是格式字符串，标签将是fmt%pct。如果它是一个函数，它将被调用。
pctdistance	float，optional，默认值：0.6	每个饼图切片的中心与autopct生成的文本的开头之间的比率。如果autopct为None，则忽略。
shadow	bool，可选，默认值：False	在馅饼下画一个阴影。
labeldistance	float或None，可选，默认值：1.1	绘制饼图标签的径向距离。如果设置为None，则不绘制标签，但存储以供使用 legend()
startangle	float，optional，默认值：None	如果不是None，则将饼图的起点 从x轴逆时针旋转角度。
radius	float，optional，默认值：None	饼图的半径，如果半径为None，则将其设置为1。

boxplot函数绘制箱线图

制作一个盒子和胡须图。

x按顺序为每列或每个载体制作一个盒子和须状图x。该框从数据的下四分位数值向上四分位数值延伸，中间有一条线。晶须从盒子中伸出以显示数据范围。飞行员点数是那些胡须结束时的点数。

matplotlib.pyplot.boxplot(x, notch=None, sym=None, vert=None, whis=None, positions=None, widths=None, patch_artist=None, bootstrap=None)

基本参数	类型	描述
x	数组或向量序列。	输入数据。
notch	bool，可选（假）	如果True，将产生一个缺口的盒子图。否则，生成矩形箱图。凹口表示中值周围的置信区间
sym	str，可选	飞行员点的默认符号。如果您不想显示传单，请输入空字符串（’’）。如果None，那么传单默认为’b +'如果你想要更多控制使用flierprops kwarg。
vert	bool，可选（True）	如果True（默认），则使框垂直。如果False，一切都是水平绘制的。
whis	float，sequence或string（默认值= 1.5）	作为浮子，确定胡须的距离超出第一和第三四分位数。换句话说，在IQR是四分位数范围（Q3-Q1）的情况下，上部晶须将延伸到小于的最后一个数据。
bootstrap	int，可选	指定是否为缺口boxplot s 的中位数周围引导置信区间。如果bootstrap是None，则不执行自举，否则，bootstrap指定引导中位数以确定其95％置信区间的次数。建议值介于1000和10000之间。

实例

import numpy as np
import matplotlib.pyplot as plt
import matplotlib



matplotlib.rcParams['font.sans-serif']=['SimHei']   # 用黑体显示中文
matplotlib.rcParams['axes.unicode_minus']=False     # 正常显示负号

plt.figure(1)
plt.subplot(231)
data = np.random.randn(2, 100)
plt.title('散点图')
plt.scatter(data[0], data[1])




plt.subplot(232)
spread = np.random.rand(50) * 100
center = np.ones(25) * 50
flier_high = np.random.rand(10) * 100 + 100
flier_low = np.random.rand(10) * -100
data = np.concatenate((spread, center, flier_high, flier_low))#数据拼接
plt.title('箱线图')
plt.boxplot(data)


plt.subplot(233)
plt.title('饼图')
labels='不及格','及格','良好','优秀'#定义标签
sizes=[15,30,45,10]#定义每一块的比例
colors=['yellowgreen','gold','lightskyblue','lightcoral']#定义每一块的颜色
explode=(0.2,0.1,0.1,0.1)#定义每一块偏离中心的距离
plt.pie(sizes,explode=explode,labels=labels,colors=colors,autopct='%1.1f%%',
        shadow=True,startangle=90)



plt.subplot(234)
plt.title('水平直方图')
y=[1,2,3,4,5]#给出在y轴上的位置
width=[5,4,7,2,9]#给出具体每个直方图的数值
plt.barh(y,width)#绘制水平直方图

plt.subplot(235)
y = range(1, 17)
plt.bar(np.arange(16), y, alpha=0.5, width=0.3, color='yellow', edgecolor='red', label='The First Bar', lw=3)
plt.bar(np.arange(16) + 0.4, y, alpha=0.2, width=0.3, color='green', edgecolor='blue', label='The Second Bar', lw=3)

plt.subplot(236)
plt.title('直方图')
x=np.arange(5)#给出在y轴上的位置
y=np.array([5,4,7,2,9])#给出具体每个直方图的数值
y1=np.array([3,5,2,4,10])#给出第二组直方图信息
y2=np.array([3,4,6,2,5])#给出第三组数据

plt.bar(x,y,label='workday')
plt.bar(x,y1,bottom=y,label='weekend')
plt.bar(x,y2,bottom=y+y1,label='Christmas')
plt.legend()#列出图例


plt.show()

运行结果：