Matplotlib可视化教程

转载自微信公众号：大邓和他的Python

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

基础图表

基本示例

# 生成数据
x = np.linspace(0, 10, 100)
y = x ** 2

plt.figure()
plt.plot(x, y)
plt.show()

另一种实现方式

# 生成数据
x = np.linspace(0, 10, 100)
y = x ** 3

fig, ax = plt.subplots()  # 创建画布(包含axes)
ax.plot(x, y)
plt.show()

折线图

• 设置标题
• 画布大小设置
• 线型设置

# 生成数据
x = np.linspace(-10, 10, 1000)

plt.figure(figsize=(8, 5))  # 新建一个空画布，设置尺寸
plt.plot(x, np.sin(x), ':r', label='sin(x)')  # ':r'表示线型为:，颜色为红色
plt.plot(x, np.cos(x), '-.g', label='cso(x)')
plt.legend()  # 显示图例
plt.title("I'm Title")
plt.show()

中文显示（默认中文会显示方框）

坐标轴文本设置

# 指定字体，默认不支持中文显示
# 显示中文
plt.rcParams['font.sans-serif'] = ['SimHei']  # Windows
# plt.rcParams['font.sans-serif'] = ['Arial Unicode WS']  # Mac
plt.rcParams['axes.unicode_minus'] = False

# 生成数据
x = np.linspace(-10, 10, 1000)

plt.figure(figsize=(8, 5))  # 新建一个空画布，设置尺寸
plt.plot(x, np.sin(x), ':r', label='sin(x)')  # ':r'表示线型为:，颜色为红色
plt.plot(x, np.cos(x), '-.g', label='cso(x)')
plt.legend()  # 显示图例
plt.title("我是中文标题")
plt.ylabel("我是Y轴")
plt.show()

柱状图/直方图

• 标题/标题位置设置
• 图例显示

# 示例数据
# 指定字体，默认不支持中文显示
# 显示中文
plt.rcParams['font.sans-serif'] = ['SimHei']  # Windows
# plt.rcParams['font.sans-serif'] = ['Arial Unicode WS']  # Mac
plt.rcParams['axes.unicode_minus'] = False

cate = ['Apple', 'Huawei', 'Xiaomi', 'Oppo', 'Vivo', 'Meizu']
data1 = [123, 153, 157, 107, 98, 142]
data2 = [56, 77, 93, 68, 45, 67]

plt.figure(figsize=(8, 5))  # 新建一个空画布，设置尺寸
plt.bar(cate, data1, label='总计')
plt.bar(cate, data2, label='线上')
plt.legend()
plt.title('各手机品牌销售额对比',
           # 设置标题位置
           loc="left")
plt.show()

• 图像不重叠
• 设置字体/字体大小
• 刻度值设置

# 指定字体，默认不支持中文显示
# 显示中文
plt.rcParams['font.sans-serif'] = ['SimHei']  # Windows
# plt.rcParams['font.sans-serif'] = ['Arial Unicode WS']  # Mac
plt.rcParams['axes.unicode_minus'] = False

# 示例数据
cate = ['Apple', 'Huawei', 'Xiaomi', 'Oppo', 'Vivo', 'Meizu']
data1 = [89, 45, 56, 74, 23, 21]
data2 = [56, 77, 93, 68, 45, 67]

x_location = np.arange(len(cate))

plt.figure(figsize=(8, 5))  # 新建一个空画布，设置尺寸
plt.bar(x_location, data1, label='线下', width=0.3)
plt.bar(x_location+0.3, data2, label='线上', width=0.3)

# 为x轴设置刻度值
plt.xticks(x_location+0.15, cate)
plt.legend()
plt.title('各手机品牌销售额对比',
           # 设置标题位置
           loc="left",
          # 设置标题字体
           fontdict={'fontsize':18, 'color':'red'})
plt.show()

纵向显示

如遇标签过长，可选择纵向显示图像；

# 指定字体，默认不支持中文显示
# 显示中文
plt.rcParams['font.sans-serif'] = ['SimHei']  # Windows
# plt.rcParams['font.sans-serif'] = ['Arial Unicode WS']  # Mac
plt.rcParams['axes.unicode_minus'] = False

# 示例数据
cate = ['Apple', 'Huawei', 'Xiaomi', 'Oppo', 'Vivo', 'Meizu']
data1 = [89, 45, 56, 74, 23, 21]
data2 = [56, 77, 93, 68, 45, 67]

x_location = np.arange(len(cate))

plt.figure(figsize=(8, 5))  # 新建一个空画布，设置尺寸
plt.barh(x_location, data1, label='线下', height=0.3)
plt.barh(x_location+0.3, data2, label='线上', height=0.3)

# 为y轴设置刻度值
plt.yticks(x_location+0.15, cate)
plt.legend()
plt.title('各手机品牌销售额对比',
           # 设置标题位置
           loc="left",
          # 设置标题字体
           fontdict={'fontsize':18, 'color':'red'})
plt.show()

饼图

• 基础示例
• 显示百分比

cate = ['Apple', 'Huawei', 'Xiaomi', 'Oppo', 'Vivo', 'Meizu']
data = [153, 124, 107, 99, 89, 46]

plt.figure(figsize=(5, 5))
plt.pie(data, labels=cate,
        # 显示百分比，支持调用方法
        autopct='%.2f%%')
plt.show()

• 突出显示类别
• 显示阴影

# 示例数据
cate = ['Apple', 'Huawei', 'Xiaomi', 'Oppo', 'Vivo', 'Meizu']
data = [153, 124, 107, 99, 89, 46]

plt.figure(figsize=(5, 5))
plt.pie(data, labels=cate,
        # 对应类目偏移，0为不偏移
        explode=[0, 0.1, 0, 0, 0.2, 0],
        autopct='%.2f%%',
        shadow=True)
plt.show()

• 标签文本设置
• 颜色设置

# 示例数据
cate = ['Apple', 'Huawei', 'Xiaomi', 'Oppo', 'Vivo', 'Meizu']
data = [153, 124, 107, 99, 89, 46]

plt.figure(figsize=(8, 8))
plt.pie(data, labels=cate,
        # 对应类目偏移，0为不偏移
        explode=[0, 0.1, 0, 0, 0.2, 0],
        autopct='%.2f%%',
        shadow=True,
        # 自定义颜色，不需要与类目数目相等，循环调用
        colors=['#FFC0CB', '#FF00FF', '#FFD700', '#FFA500', '#00FF7F', 'blue'],
        # 文本设置，包括字体，大小，颜色等属性
        textprops={'fontsize':12, 'color':'red'})
plt.legend()
plt.show()

散点图

• 基础示例

data_x = [random.randint(1, 100) for _ in range(1000)]
data_y = [random.randint(1, 100) for _ in range(1000)]

plt.figure(figsize=(8, 8))
plt.scatter(data_x, data_y)
plt.show()

• 设置散点颜色
• 设置散点大小
• 透明度设置

N = 100
x = np.random.rand(N)
y = np.random.rand(N)
colors = np.random.rand(N)
area = np.pi * (15 * np.random.rand(N)) ** 2

plt.figure(figsize=(8, 8))
plt.scatter(x, y,
            # 图形大小
            s = area,
            # 颜色
            c = colors,
            # 透明度
            alpha=0.3)
plt.show()

图标动态刷新

交互模式

• 我们在训练模型的时候，可能需要去不停的去更新图表数据

# jupyter中动态现实需要
from IPython import display

x, y1, y2 = [], [], []
plt.ion()  # 交互模式打开
for i in np.linspace(0,20,50):
    x.append(i)
    y1.append(np.cos(i))
    y2.append(np.sin(i))
    plt.figure(figsize=(12, 2))
    plt.clf()
    plt.ylim(-1, 1)  # 设置y轴刻度值最大最小值
    plt.plot(x, y1, '--r')
    plt.plot(x, y2, 'g')
    plt.pause(0.1)
    display.clear_output(wait=True)  # 清除输出
plt.ioff()  # 关闭交互模式

这个图是动态效果的，大家可以自己尝试一下。

子图/图表风格

• 多子图
• 图表风格设置

# 可用风格
style_list = plt.style.available

# 数据
cate = ['Apple', 'Huawei', 'Xiaomi', 'Oppo', 'Vivo', 'Meizu']
data1 = [89, 45, 56, 74, 23, 21]
data2 = [56, 77, 93, 68, 45, 67]
x_location = np.arange(len(cate))

plt.figure(figsize=(20, 40))

for i, style in enumerate(style_list):

    with plt.style.context(style):  # 设置图表风格
        plt.subplot(7, 4, i+1)
        plt.bar(x_location, data1, label='线下', width=0.3)
        plt.bar(x_location+0.3, data2, label='线上', width=0.3)

        # 为x轴设置刻度值
        plt.xticks(x_location+0.15, cate)
        plt.title(style,
                  fontdict={'fontsize':20, 'color':'red'})
plt.show()