matplotlib数据可视化

matplotlib

ipython的境况下，使用%matplotlib

只要不使用plot.show()和plot.savefig()方法就不会结束画布，一旦使用就视为结束当前绘画。

对画布的操作

创建一张画布figure()方法

plot.figure(
    ['num=None', 'figsize=None', 'dpi=None', 'facecolor=None', 'edgecolor=None', 'frameon=True', "FigureClass=<class 'matplotlib.figure.Figure'>", 'clear=False', '**kwargs'],
)

常用参数

1. figsize：画布的大小，传入一个元组
2. dpi：分辨率（像素点数），默认像素点数为100
3. facecolor：背景颜色，默认为黑
4. edgecolor：边框颜色，默认为黑

常用方法

方法名称	作用
title	传入字符串，添加表图的标题
legend	添加图例，若添加图形的时候指定了的话，就无需传入参数，否则传入相应个数的参数，按照图形创建的顺序
xlabel	添加x轴的名称，传入字符串
ylabel	添加y轴的名称，传入字符串
xlim	修改x轴范围,传入一个区间，例如[0,5]
ylim	修改y轴范围,传入一个区间，例如[0,25]
xticks	修改x轴的刻度
yticks	修改y轴的刻度

1. legend里的参数font-size：{‘xx-small’, ‘x-small’, ‘small’, ‘medium’, ‘large’, ‘x-large’, ‘xx-large’}
2. xticks里的参数：第一位是间隔刻度，第二个是每点的名称，rotation是旋转的角度

label图例的中文显示

1. 设置当前画布支持中文：使用font.sans-serif或font.family
2. pyplot.rcParameters[‘font.sans-serif’] = ‘Simhei’：使用rc参数
3. pyplot.rcParameters[‘font.family’] = ‘Simhei’：使用rc参数
4. plot.plot(font-properties=‘Simhei’)
   

对图形的操作

创建一个图形plot()方法

plot.plot(*args, scalex=True, scaley=True, data=None, **kwargs)
# 多次调用plot方法，建立新的图形
# 可一次创建多个图形，两个数据为一组
plot.plot(data1,data2,data1,data3,data1,data4)
# 可以创建的时候指定图形的线条的类型，颜色，点的颜色，顺序不限定，还有图形的图例名称。多个图形的话，一样按此顺序
plot.plot(data1,data2,'r--o','bigdata')

常用参数

1. 第一个参数，传入x轴的数据
2. 第二个参数，传入y轴的数据
3. label：传入图例名称，可不写
4. color：指定图形的颜色，传入颜色名称，可传入缩写
5. linestyle：图形线条的类型，传入指定缩写，默认为【’-’】
6. marker：点的类型，每个点的类型，传入指定缩写
7. font-properties：改为中文支持

常用方法

1. show：显示画图结果，使用后就不可以在当前画布添加新的图形了
2. savefig：保存图像，传入路径，jpg格式不支持，使用后就不可以在当前画布添加新的图形了

rc参数

pyplot.rcParameters[‘参数名称’] = value

1. font.sans-serif
2. font.family
3. axes.unicode-minus ==>False 用来正常显示负号

子图

subplot

plt.subplot(nrows, ncols, plot_number)
plt.subplot(3,2,4)
plt.subplot(324)
# 效果一样，建立一个3x2的图形，共六份，现在画第4份，即(2,1)

subplots

同subplot不同的是，此方法一次创建完成

plt.figure(figsize=(8,7))
fig,ax = plt.subplots(2,2) # 会一次创建4个子图对象，系统默认大小640x480
fig # 画布
ax # 子图对象多维数组
ax[0][0].plot(d,np.sin(d))

subplot2grid

plt.subplot2grid(GridSpec, CurSpec, conspan=1,rowspan=1)
# 创建表格图形，GridSpec传入元组，表示图像的个数及分布，CurSpec传入元组，表示当前要画的区域，
# conspan：跨列合并,rowspan跨行合并

上课代码

数据资源链接
提取码：1ol9

ipython的代码

import numpy as np
from matplotlib import pyplot as plt

data = np.load('dataset/国民经济核算季度数据.npz')
list(data)
columns = data['columns']
values = data['values']
columns
values[:5,1]
values[:5,:5]
values[:5,:5]
values[range(0,69,4),:]

# =======

columns
values[:5,3:6]
# ==== 
import matplotlib.pyplot as plt
plt.figure(figsize=(8,7))
%matplotlib
plt.subplot(2,2,1)# 分成2行2列的区域，用第一个区域绘画
plt.plot(d,np.sin(d),color='r',linestyle='-')
plt.subplot(2,2,2)# 分成2行2列的区域，用第二个区域绘画
plt.plot(d,np.cos(d),color='b',linestyle='--')
plt.subplot(223)# 分成2行2列的区域，用第三个区域绘画
plt.plot(d,np.np.arcsin(d),color='green')
plt.subplot(224)# 分成2行2列的区域，用第四个区域绘画
plt.plot(d,np.np.arccos(d))

# =======

plt.figure(figsize=(8,7))
fig,ax = plt.subplots(2,2) # 会一次创建4个子图对象，系统默认大小640x480
fig
ax # 子图对象多维数组
ax[0][0].plot(d,np.sin(d))
# =======
for i in range(6,len(columns)):
	print(i, columns[i])
columns[6].find("增加值")
columns[6][:columns[6].find("增加值")]

python的代码

创建图形

import numpy as np
from matplotlib import pyplot as plt
# 数据准备
data = np.load('dataset/国民经济核算季度数据.npz')
columns = data['columns']
values = data['values']
values[:,0]

# 创建画布
plt.figure(figsize=(8,7))
plt.rcParams['font.sans-serif'] = 'Simhei'
# plt.rcParams['font.family'] = 'Simhei'
plt.rcParams['axes.unicode_minus'] = False

plt.plot(values[:,0],values[:,2],color='r',linestyle='-',marker='o')
plt.xlim([0,70])
plt.ylim([0,225000])
plt.xlabel('年份')
plt.ylabel('生产总值（亿元）')
plt.xticks(range(0,70,4),values[range(0,70,4),1],rotation=45)
plt.title('2000-2017年国民生产总值')
plt.show()

import numpy as np
from matplotlib import pyplot as plt
# 数据准备
data = np.load('dataset/国民经济核算季度数据.npz')
columns = data['columns']
values = data['values']
values[:,0]

# 创建画布
plt.figure(figsize=(8,7))
plt.rcParams['font.sans-serif'] = 'Simhei'
# plt.rcParams['font.family'] = 'Simhei'
plt.rcParams['axes.unicode_minus'] = False
plt.plot(values[:,0],values[:,3],color='r',linestyle='-',marker='o',label='第一产业')
plt.plot(values[:,0],values[:,4],color='g',linestyle='-.',marker='d',label='第二产业')
plt.plot(values[:,0],values[:,5],color='b',linestyle='--',marker='s',label='第三产业')
plt.legend()
# plt.plot(values[:,0],values[:,3],'r-o',values[:,0],values[:,4],'g-.d',values[:,0],values[:,5],'b--s')
# plt.legend(label=['第一产业','第二产业','第三产业'])
plt.xlabel('年份')
plt.ylabel('生产总值（亿元）')
plt.xticks(range(0,70,4),values[range(0,70,4),1],rotation=45)
plt.title('2000-2017年国民生产总值')
plt.show()

创建子图

import numpy as np
from matplotlib import pyplot as plt
# 数据准备
data = np.load('dataset/国民经济核算季度数据.npz')
columns = data['columns']
values = data['values']
values[:,0]

# 创建画布
plt.figure(figsize=(8,7))
plt.rcParams['font.sans-serif'] = 'Simhei'
# plt.rcParams['font.family'] = 'Simhei'
plt.rcParams['axes.unicode_minus'] = False
# 第一个表
plt.subplot(2,1,1)
plt.plot(values[:,0],values[:,3],'r-o',values[:,0],values[:,4],'g-.d',values[:,0],values[:,5],'b--s')
plt.legend(labels=['第一产业','第二产业','第三产业'])
plt.xlabel('年份')
plt.ylabel('生产总值（亿元）')
plt.xticks(range(0,70,4),values[range(0,70,4),1],rotation=45)
plt.title('2000-2017年国民生产总值')
# 第二个表
plt.subplot(2,1,2)
for i in range(6, len(columns)):
	plt.plot(values[:,0],values[:,i],'g-.d',label=columns[6][:columns[6].find("增加值")])
# plt.plot(values[:,0],values[:,6],'g-.d',label='渔业')
# plt.plot(values[:,0],values[:,7],'g-.d',label='工业')
# plt.plot(values[:,0],values[:,8],'g-.d',label='建筑业')
# plt.plot(values[:,0],values[:,9],'g-.d',label='批发和零售业')
plt.legend()
plt.xlabel('年份')
plt.ylabel('生产总值（亿元）')
# 第一个是间隔刻度，第二个是每点的名称，rotation是旋转的角度
plt.xticks(range(0,70,4),values[range(0,70,4),1],rotation=45)
plt.title('2000-2017年国民生产总值')
plt.show()

安装opencv_python，里面有cv2

散点图

scatter方法

绘制散点图的

2. 参数x：x轴的数据
3. 参数y：y轴的数据
4. 参数s：点的半径大小
5. 参数c：点的颜色
6. 参数alpha：点的透明度

colorbar方法

生成一个渐变色的颜色棒

import numpy as np
import matplotlib.pyplot as plt

x=np.random.randn(100)
y=np.random.randn(100)
colors=np.random.rand(100)
size=1000*np.random.rand(100)
# 设置size的2大小可以变成冒泡图像
plt.scatter(x,y,c=colors,s=size,alpha=0.3,cmap="viridis")
plt.colorbar()
plt.show()

参数名称	说明
x，y	接受array，表示x轴和y轴对应的数据
s	接收数值或一维的array。指定点的大小（半径）
c	接收颜色或一维的array。指定点的颜色
marker	接收特定的string，表示点的类型
alpha	接收0-1的小数，表示透明度
cmap	用于指定渐变色

直方图

bar方法

import numpy as np
import matplotlib.pyplot as plt

data=np.load("dataset/国民经济核算季度数据.npz")
columns=data['columns']
values=data['values']
labels=['第一产业','第二产业','第三产业']

plt.rcParams['font.sans-serif']='SimHei'
plt.rcParams['axes.unicode_minus']=False

plt.figure(figsize=(8,7))

plt.subplot(2,1,1)
plt.bar(range(3),values[-1,3:6],width=0.5,color=['r','g','b'])
plt.xticks(range(3),labels=labels)
plt.xlabel("产业")
plt.ylabel("生产总值（亿元）")
plt.title("2017年第一季度国民生产总值")

1. width：图的宽度，默认为0.8

barh方法

plt.subplot(2,1,2)
plt.barh(range(3),values[-1,3:6],height=0.5)
plt.yticks(range(3),labels=labels)
plt.ylabel("产业")
plt.xlabel("生产总值（亿元）")
plt.title("2017年第一季度国民生产总值")
plt.show()

1. 平行的直方图，不用width而用height

参数名称	说明
left	接收array，表示x轴数据。
height	接收array，表示x轴所代表的数据的个数
width	接收0-1的float，表示直方图的宽度，默认为0.8
color	接受特定的string或array，表示直方图的颜色

饼状图

import numpy as np
import matplotlib.pyplot as plt

data=np.load("dataset/国民经济核算季度数据.npz")
columns=data['columns']
values=data['values']
labels=['第一产业','第二产业','第三产业']

plt.rcParams['font.sans-serif']='SimHei'
plt.rcParams['axes.unicode_minus']=False

plt.figure(figsize=(6,6))
plt.pie(values[-1,3:6],labels=labels,explode=[0.01,0.01,0.01],autopct='%1.1f%%',radius=0.8)
plt.show()

pie方法

参数名称	说明
explode	饼状图每一部分到原点的距离，接收array
autopct	显示饼状图每一部分所占的数字比例，例如autopct=’%1.1f%%’，43.1%
radius	饼状图的半径，默认为1
labeldistance	指定每一项的名称和距离饼图圆心多少个半径。默认为1.1。
pctdistance	指定每一个比例到饼图圆心多少个半径。默认为0.6。
color	接收array，指定每一项的颜色
labels	接收array，指定每一项的名称
x	接收array，接收要绘图的数据

箱线图

import numpy as np
import matplotlib.pyplot as plt

data=np.load("dataset/国民经济核算季度数据.npz")
columns=data['columns']
values=data['values']
labels=['第一产业','第二产业','第三产业']

plt.rcParams['font.sans-serif']='SimHei'
plt.rcParams['axes.unicode_minus']=False

plt.figure(figsize=(6,6))
plt.boxplot(values[:,4:7],notch=True,labels=labels,meanline=True)
plt.show()

boxplot方法

参数名称	说明
x	接收array，接收要绘制的数据
positions	接收array，表示图形位置。
notch	接受布尔值，表示中间箱体是否有缺口
widths	接收array或scalar，表示每一个箱体的宽度
sym	接受特定的string，指定异常点形状。
labels	接收array，指定每一个箱线图的标签。
vert	接受布尔值，表示图形是横向还是纵向
meanline	接受布尔值，表示是否显示均值线