莫烦的python可视化：基于matplotlib.pyplot

 相关的练习：

#coding=gbk
'''
Created on 2018年10月5日
这是来自于视频博主 莫烦的 plt 的基础教学，

@author: Administrator
'''
import matplotlib.pyplot as plt 
import numpy as np
def test_figure(show=False, show_figure1=False, show_figure2=False): 
    X = np.linspace(-3, 3, 50)
    y1 = 2*X + 1
    y2 = X**2
    if show_figure1:
        plt.figure()    #figure函数一下的画图都属于在一幅图中，如果没有，将分开画
        plt.plot(X, y1)
    if show_figure2:
        plt.figure(num=3, figsize=((8, 5)), dpi=100,facecolor='white')#num设置图像号数；图大小
        plt.plot(X, y1)
        plt.plot(X, y2, color='red', linewidth=1.0, linestyle='--')
        
        plt.xlim()   #设置横纵坐标的范围， 此处不能使用 np.linspace(-1, 2,5)
        plt.ylim((-2, 3))
        plt.xlabel('this is X') #设置标签
        plt.ylabel('this is y')
        
        new_ticks = np.linspace(-1, 2,5)    #设置新的横坐标的范围，输入指定的点
        plt.xticks(new_ticks)
        plt.yticks([-2, -1.8, -1, 1.2, 3], 
                   [r'$really\ bad$', r'$bad$', r'$normal$', r'$good$', r'$really\ good$']
                   )    #设置对应点的标签
        
        # gca : get current axis
        ax = plt.gca()
        ax.spines['right'].set_color('none') 
        ax.spines['top'].set_color('none')
        ax.xaxis.set_ticks_position('bottom')   #将底部和左边的框设置为X， y轴
        ax.yaxis.set_ticks_position('left')
        ax.spines['bottom'].set_position(('data', 0)) #将x， y的0点，设值为原点
        ax.spines['left'].set_position(('data', 0))
    
    if show:
        plt.show()
# test_figure(True)

def test_legend(show=False, show_figure1=False): 
    X = np.linspace(-3, 3, 50)
    y1 = 2*X + 1
    y2 = X**2
    if show_figure1:
        plt.figure()    #figure函数一下的画图都属于在一幅图中，如果没有，将分开画
        plt.plot(X, y1)
    
    plt.figure(num=3, figsize=((8, 5)), dpi=100,facecolor='white')#num设置图像号数；图大小
#     plt.plot(X, y1)
#     plt.plot(X, y2, color='red', linewidth=1.0, linestyle='--')
    
    plt.xlim()   #设置横纵坐标的范围， 此处不能使用 np.linspace(-1, 2,5)
    plt.ylim((-2, 3))
    plt.xlabel('this is X') #设置标签
    plt.ylabel('this is y')
    
    new_ticks = np.linspace(-1, 2,5)    #设置新的横坐标的范围，输入指定的点
    plt.xticks(new_ticks)
    plt.yticks([-2, -1.8, -1, 1.2, 3], 
               [r'$really\ bad$', r'$bad$', r'$normal$', r'$good$', r'$really\ good$']
               )    #设置对应点的标签    
    l1 = plt.plot(X, y2, label='up')    #增加label自定义名字
    l2 = plt.plot(X, y1, label='down', color='blue', linewidth=0.8, linestyle='--')
    plt.legend(loc='lower right') #定义方位， 可以选择   'best'
    
    if show:
        plt.show()
# test_legend(True) 

 plt.legend(loc=1)中loc的常用参数：loc=0 对呀loc='best'

分别为：右上，左上，左下，右下（呈现一个逆时针），还有center right 等

ax.legend(loc=0) # let matplotlib decide the optimal location
ax.legend(loc=1) # upper right corner
ax.legend(loc=2) # upper left corner
ax.legend(loc=3) # lower left corner
ax.legend(loc=4) # lower right corner

def test_annotate(show=False):
    plt.figure(num='a')
    X = np.linspace(0, 5, 30)
    y = 2*X + 1
    plt.plot(X, y, color='red')
    ax = plt.gca()
    ax.spines['right'].set_color('none') 
    ax.spines['top'].set_color('none')
    ax.xaxis.set_ticks_position('bottom')   #将底部和左边的框设置为X， y轴
    ax.yaxis.set_ticks_position('left')
    ax.spines['bottom'].set_position(('data', 0)) #将x， y的0点，设值为原点
    ax.spines['left'].set_position(('data', 0))
    
    X0 = 1
    y0 = 2*X0 +1 
    plt.scatter(X0, y0, s=50, color='b')
    plt.plot([X0, X0], [y0, 0], 'k--', linewidth=1.5)
    
    #方法1 
    plt.annotate(r'$2X+1=%s$'%y0, xy=(X0, y0), xycoords='data', xytext=(+30, -30), textcoords='offset points',
                 fontsize=16, arrowprops= dict(arrowstyle='->', connectionstyle='arc3, rad=.2')
                 )
    #方法2 
    plt.text(2, 4, r'$This\ is\ some\ text.\ \mu\ \sigma_i\ \alpha_t$', 
             fontdict={'size':10, 'color':'red'}
             )
    if show:
        plt.show()
# test_annotate(True)

 

def test_scatter(show=False): 
    plt.figure(num='test_scatter')
    n = 1024  
    X = np.random.normal(0, 1, n)
    y = np.random.normal(0, 1, n)
    T = np.arctan2(y, X)
    plt.scatter(X, y, s=25, c=T, alpha=0.5) # s 为size， c为color， alpha透明度
    
    plt.xticks(())
    plt.yticks(())  #内置空括号， 不显示坐标
    
    if show:
        plt.show()
# test_scatter(True)
def test_image(show=False):
    a = np.arange(9)
    from sklearn.preprocessing import StandardScaler
    a = StandardScaler().fit_transform(a.reshape(-1,1))
    a = a.reshape(3,3)
    plt.figure(num='test_image')
    
    plt.rcParams['font.sans-serif'] = ['KaiTi']    #显示楷体
    plt.rcParams['axes.unicode_minus'] = False #正常显示负号
    plt.xlabel('显示中文：这是X轴')
    plt.ylabel('显示中文：这是Y轴')
    
    plt.imshow(a, interpolation='nearest', cmap='bone', origin='down')#origin有upper 和 down等
    plt.colorbar(shrink=0.9)    # 旁边的小条显示； 将字体的显示代码放在colorbar前面，解决显示框框的问题
    
    plt.xticks(())
    plt.yticks(())
    if show:
        plt.show()
        
test_image(True)

 

有关于显示中文的参数选项：

方式1：

 plt.rcParams['font.sans-serif'] = ['KaiTi']    #显示楷体
 plt.rcParams['axes.unicode_minus'] = False #正常显示负号

方式2：

该方法较为灵活，只对局部有效。

plt.xlabel('显示中文：这是X轴', fontproperties='SimHei')
plt.ylabel('显示中文：这是Y轴', fontproperties='FangSong')

 

宋体	SimSun
黑体	SimHei
微软雅黑	Microsoft YaHei
微软正黑体	Microsoft JhengHei
新宋体	NSimSun
新细明体	PMingLiU
细明体	MingLiU
标楷体	DFKai-SB
仿宋	FangSong
楷体	KaiTi
隶书	LiSu
幼圆	YouYuan
华文细黑	STXihei
华文楷体	STKaiti
华文宋体	STSong
华文中宋	STZhongsong
华文仿宋	STFangsong
方正舒体	FZShuTi
方正姚体	FZYaoti
华文彩云	STCaiyun
华文琥珀	STHupo
华文隶书	STLiti
华文行楷	STXingkai
华文新魏	STXinwei

 

使用matplotlib 面向对象的方法，只是创建一个局部实例

def test_oob(show=False):
    X = np.linspace(0, 5, 20)
    y = X**2 
    fig = plt.figure(num='api')
    #对轴进行控制
    axes = fig.add_axes([0.1, 0.1, 0.8, 0.8]) #参数：  left, bottom, width, height (range 0 to 1)
    axes.plot(X, y, 'r--')
    axes.set_xlabel('X')
    axes.set_ylabel('y')
    axes.set_title('this is title')
    
    #插入一个坐标轴,增加一个图形；主要是方便控制坐标轴
    axes2 = fig.add_axes([0.2, 0.55, 0.4, 0.3])
    axes2.plot(y, X, 'g*-')
    axes2.set_xlabel('x1')
    axes2.set_ylabel('y1')
    axes2.set_title('this is insert_title_1', fontsize=8, color='red')
    if show:
        plt.show()
# test_oob(True)

 

def test_sub(show=False):
    from matplotlib import rcParams
    from math import exp
    rcParams.update({'font.size':10, 'font.family':'serif'})    #对全局的字体大小进行设定，下面自定义字体大小失效
#     rcParams['xtick.major.pad']=5
#     rcParams['ytick.major.pad']=5
    X = np.linspace(0, 5, 20)
    y = X**2
    fig, axes = plt.subplots(nrows=1, ncols=3, figsize=(10,4))
    axes[0].plot(X, y, label=r'$y\ =\ X^2$')
    axes[0].plot(2*X, y, label=r'$y\ =\ 2\ X\ \alpha^2$')   #支持LaTex 格式,alpha 随意
    axes[0].legend(loc='lower right')
    axes[0].set_title('这是2条线', fontproperties='FangSong')
    
    axes[1].plot(y, X, lw=1, ls='-.', marker='+')
    axes[1].set_xlim([10, 20])  #设置x轴的范围
    axes[1].set_yscale('log')   #设置新的坐标轴刻度
    axes[1].set_ylim()
     
    axes[2].plot(X, X**2)
    axes[2].set_xticks([1,2,3,4,5])
    axes[2].set_xticklabels([r'$\alpha$',r'$\beta$',r'$\gamma$',r'$\delta$',r'$\epsilon$'], fontsize=10)
    yticks = [1, 4, 9, 16, 25]
    axes[2].set_yticks(yticks)
    axes[2].set_yticklabels([r'$%.1f$'%y for y in yticks], fontsize=10) #自定义设置刻度
    axes[2].set_ylabel(r'volumn $(m^2)$', fontsize=10, color='b')
    for label in axes[2].get_yticklabels():
        label.set_color('blue')
#     axes[2].grid(True)    系统自定义参数
    axes[2].grid(color='red', alpha=0.5, linestyle='dashed', linewidth=0.5)
    axes[2].spines['left'].set_color('#99ee88') # 设置y 轴的颜色
    axes[2].spines['bottom'].set_color('k')
    axes[2].spines['bottom'].set_linewidth(2)   #设置x 轴的线宽
    axes[2].spines['right'].set_color('black')
    axes[2].spines['top'].set_color('none')
    
    ax = axes[2].twinx()    #双坐标轴
    ax.plot(X, X**3, lw=2, color='r')
    ax.set_ylabel(r'volumn $(m^3)$', fontsize=10, color='r')
    for label in ax.get_yticklabels():  #将y 轴的刻度值设定为 红色
        label.set_color('red')
    
    fig.tight_layout()
    if show:
        plt.show()
test_sub(True)

def test_2D_plot(show=False):
    n = np.arange(5)
    x = np.random.randn(100)
    fig, axes = plt.subplots(1, 4, figsize=(12, 6))
    
    axes[0].scatter(x, x + 0.25*np.random.randn(len(x)), color='red', s=10)
    axes[0].set_title('scatter')
    
    axes[1].step(n, n**2, lw=2)
    axes[1].set_title('step')
    
    axes[2].bar(n, n**2, align='center', width=0.5, alpha=0.5) 
    axes[2].set_title('bar')
    
    axes[3].fill_between(n, n**2, n**3, color='green', alpha=0.5)   # 在两个区域间进行涂色
    axes[3].set_title('fill_between')
    
    fig2 = plt.figure(num='polar')  # 以极坐标画图
    import math 
    ax = fig2.add_axes([0.2, 0.2, 0.6, 0.6], polar=True)
    s = np.linspace(0 , 2*math.pi, 100)
    ax.plot(s, s, color='red', lw=3)
    
    fig3 = plt.figure(num='subplot')
    fig, ax = plt.subplots(2,3)
    fig.tight_layout()
    
    fig4 = plt.figure(num='plot2grid')
    ax1 = plt.subplot2grid((3,3), (0, 0), colspan=3)
    ax2 = plt.subplot2grid((3,3), (1, 0), colspan=2)
    ax3 = plt.subplot2grid((3,3), (1, 2), rowspan=2)
    ax4 = plt.subplot2grid((3,3), (2, 0))
    ax5 = plt.subplot2grid((3,3), (2, 1))
    
    
    if show:
        plt.show()
test_2D_plot(True)

---