2020-09-28

matplotlib可视化学习小结

函数式绘图和面向对象式绘图
1.参考了matlab里面的绘图函数语法，简单易上手
2.面向对象式绘图，更懂matplotlib底层架构，有更多的功能

• numpy：存储和处理大量矩阵
  ndarray:
  创建，一般有三种创建方式：
  1从python的基础数据对象转化
  2.通过numpy内生成的函数生成
  3.从硬盒（文件）读取数据
  索引和切片
  1.print c[1:5]#从1到5，不包括5，第一个数字索引为0
  2.print c[:5]
  3.print c[::-1]
  min,max,medium,mean,variance,sort
  1.np.func(x)
  2 x.func()
  linspace(-10,10,100)#等均分值，从-10到10，分成100份
  x=np.random.randint(1,100,10)#随机生成1-100中的十位数

• 散点图：显示两组数据的值，每个点的左边位置由变量的值决定
  由一组不连接的点完成，用于观察两种变量的相关性
  例如身高-体重、温度-维度、等等。正相关、负相关、不相关x=np.random.randn(N)
  实例：股票价格涨幅。plt.scatter(height,weight)
  外观调整：①颜色：c ②点大小：s ③透明度：alpha
  ④点形状，marker 加在scatter（）里面，用逗号分隔
  import matplotlib.pyplot as plt
  plt.plot([1,2,3],[3,2,1])
  plt.show()

• 条形图：用来比较多个分类的数据销量，用于较小的数据集分析，例如不同季度的销量，不同国家的人口等

• 饼状图：百分比
  explode=[0,0.05,0.08,0]
  plt.pie(x=fracs,labels=labels,autopct=’%.0f%%,explode=explode,shadow=True)# 显示比例值autopct=’%.0f%%’
  explode突出某一项，例如第二项为0.5，远离了圆心
  x :(每一块)的比例，如果sum(x) > 1会使用sum(x)归一化；
  labels :(每一块)饼图外侧显示的说明文字；
  explode :(每一块)离开中心距离；
  startangle :起始绘制角度,默认图是从x轴正方向逆时针画起,如设定=90则从y轴正方向画起；
  shadow :在饼图下面画一个阴影。默认值：False，即不画阴影；
  labeldistance :label标记的绘制位置,相对于半径的比例，默认值为1.1, 如<1则绘制在饼图内侧；
  autopct :控制饼图内百分比设置,可以使用format字符串或者format function
  '%1.1f’指小数点前后位数(没有用空格补齐)；
  pctdistance :类似于labeldistance,指定autopct的位置刻度,默认值为0.6；
  radius :控制饼图半径，默认值为1；
  counterclock ：指定指针方向；布尔值，可选参数，默认为：True，即逆时针。将值改为False即可改为顺时针。 wedgeprops ：字典类型，可选参数，默认值：None。参数字典传递给wedge对象用来画一个饼图。
  例如：wedgeprops={‘linewidth’:3}设置wedge线宽为3。
  textprops ：设置标签（labels）和比例文字的格式；字典类型，可选参数，默认值为：None。传递给text对象的字典参数。
  center ：浮点类型的列表，可选参数，默认值：(0,0)。图标中心位置。
  frame ：布尔类型，可选参数，默认值：False。如果是true，绘制带有表的轴框架。
  rotatelabels ：布尔类型，可选参数，默认为：False。如果为True，旋转每个label到指定的角度。

• 箱型图（盒须图、盒式图、箱线图）
  是一种用作显示一组数据分散情况资料的统计图
  上边缘，上四分位数，中位数，下四分位数，下边缘，异常值
  np.random.seed(100)#随机生成100个
  data=np.random.normal(size=(100,5),loc=0,scale=1)
  #5个100的箱图
  labels=[‘A’,‘B’,‘C’,‘D’,‘E’]
  plt.boxplot(data,labels=labels,sym=‘o’,whis=5)
  #sym 调整异常值的形状 whis 代表虚线长度，是一个比例值
  plt.show()

• 颜色和样式
  八种内建默认颜色缩写
  b:blue g:green r:red c:cyan（青色） m:magenta y:yellow
  k:black w:white
  其他颜色表示方法
  灰色阴影
  html十六进制
  RGB元祖

• 面向对象vs matlab style
  1.pyplot:经典高层封装，到目前为止，我们所用的都是pyplot
  2.pylab：将Matplotlib和Numpy合并的模块，模拟Matlab的编程环境
  3.面向对象的方式：Matplotlib的精髓，更基础和底层的方式
  总结：推荐综合使用1,3显示导入Numpy
  区别：
  arange()类似于内置函数range()，通过指定开始值、终值和步长创建表示等差数列的一维数组，注意得到的结果数组不包含终值。
  linspace()通过指定开始值、终值和元素个数创建表示等差数列的一维数组，可以通过endpoint参数指定是否包含终值，默认值为True，即包含终值。

• 子图，subplot
  Matplotlib对象简介>FigureCanvas>Figure>Axes 坐标轴
  fig=plt.figure（）
  Figure 实例
  可以添加Axes实例
  ax=fig.add_subplot(111)
  返回Axes实例
  参数一，子图总行数,参数二，子图总列数,参数三，子图位置
  在Figure上添加Axes的常用方法.

• 多图figure（同一时间生成多张图,多个figure对象）

• 网格:一张图中以网格为背景，可以看到某个点具体的位置

• 图例
  plt.legend(loc=2,ncol=1)
  #位置参数
  loc 位置（0：best 1：右上角 2：左上角 3：左下角 4：右下角） ncol 图例分为几列
  坐标轴范围的调整
  axis参数：x轴最小坐标，x轴最大坐标，y轴最小坐标，y轴最大坐标
  plt.axis([-5,5,20,60])xlim参数：x轴最小坐标，x轴最大坐标
  plt.xlim([-5,5])
  plt.xlim(xmin = -5),只调整一边
  plt.ylim()

• 调整坐标轴刻度
  获取当前图像的坐标轴 面向对象方法nbins代表总共有多少格,指定为x轴，'y’则指定y轴，面向对象无交互功能
  ax = plt.gca()
  ax.locator_params(‘x’,nbins=20)

• 调整日期
  plt.plot_date(dates,y,linestyle=’-’,marker=’’)
  fig.autofmt_xdate()#将日期的排列大小自适应，斜的日期

• 添加坐标轴
  双坐标轴 twinx()， twiny()

• 添加注释
  plt.annotate(‘this is the bottom’,xy=(0,1),xytext=(0,20),arrowprops=dict(facecolor=‘g’,frac=0.5,headwidth=20,width=10))
  #(0,1)是顶点坐标，（0,20）是文字起始的坐标

• 文字
  绘制蓝色的粗斜文字

• Tex公式
  #r代表不转译，$作为开始和结束符
  区域填充
  形状
  样式美化
  使用自带样式进行美化
  极坐标 theta
  函数积分图
  散点，条形图
  matplotlib.pyplot.hist(
  x, bins=10, range=None, normed=False,
  weights=None, cumulative=False, bottom=None,
  histtype=u’bar’, align=u’mid’, orientation=u’vertical’,
  rwidth=None, log=False, color=None, label=None, stacked=False,
  hold=None, **kwargs)
  x : (n,) array or sequence of (n,) arrays
  这个参数是指定每个bin(箱子)分布的数据,对应x轴
  bins : integer or array_like, optional
  这个参数指定bin(箱子)的个数,也就是总共有几条条状图
  normed : boolean, optional
  这个参数指定密度,也就是每个条状图的占比例比,默认为1
  color :这个指定条状图的颜色