数据分析基础学习_Matplotlib_以折线图为例的基础绘图

1. Matplotlib

1.1 基础

学习目标

• 目标
  • 快速掌握matplotlib画图
• 预览
  • 1.1.1 什么是matplotlib
  • 1.1.2 为什么要学习matplotlib
  • 1.1.3 实现一个简单的matplotlib画图
  • 1.1.4 matplotlib图像结构
  • 1.1.5 matplotlib三层结构
    • 1. 容器层
    • 2. 辅助显示层
    • 3. 图像层

1.1.1 什么是matplotlib

• 用于开发二维图表（三维也可以)
• 使用简单，以渐近、交互方式实现数据可视化

1.1.2 为什么要学习matplotlib

主要目的：数据可视化

• 能将数据进行可视化，更直观
• 使数据更加客观、有说服力

1.1.3 实现一个简单的matplotlib画图

import matplotlib.pyplot as plt   # 导包
# %matplotlib inline

plt.figure()                       # 新建一个画布/开辟一块内存空间准备画图 
plt.plot([1,0,9],[4,5,6])          # 以列表形式传入两个参数，一个是横坐标，第二个是纵坐标
plt.show()                         # 把图像呈现在画布上

图形绘制的流程

• 1. 创建画布——plt.figure()

•   plt.figure(figsize=(),dpi=)
        figsize:指定图像的长宽
        dpi：图像的清晰度
        返回fig对象
  

• 2. 绘制图像——plt.plot(x,y)
• 3. 显示图像——plt.show()

1.1.4 matplotlib图像结构

1.1.5 matplotlib三层结构

1. 容器层

容器层主要由Canvas、Figure、Axes组成

• Canvas是位于最底层的系统层，再绘图的过程中充当画板的角色，即放置画布（figure）的工具
• Figure是Canvas上方的第一层，也是需要用户来操作的应用层的第一层，再绘图的过程中充当画布的角色
• Axes是应用层的第二层，在绘图过程中相当于画布上的绘图区的角色
  • Figure：指整个图形（可以通过plt.figure()设置画布的大小、分辨率等）
  • Axes（坐标系）：数据的绘图区域
  • Axis（坐标轴）：坐标系中的一条轴，包含大小限制、刻度和刻度标签

特点：

• 一个figure（画布）可以包含多个axes（坐标系/绘图区），但是一个axes只能属于一个figure
• 一个axes（坐标系/绘图区）可以包含多个axis（坐标轴），包含两个为二维坐标系，三个为三维坐标系
  

2. 辅助显示层

辅助显示层为Axes内的除了根据数据绘制出的图像以外的内容，主要包括axes外观（facecolor）、边框线（spines）、坐标轴（axis）、坐标轴名称（axis label）、坐标轴刻度（tick label）、网格线（grid）、图例（legend）、标题（title）等内容。
该层的设置可以让图像的显示更加直观、更加容易被用户理解，但又不会对图像产生实质上的影响。

3. 图像层

图像层指axes内通过plot、scatter、bar、histogram、pie等函数根据数据绘制出的图像。

• 总结：
  • Canvas（画板）位于最底层，用户一般接触不到
  • Figure（画布）建立在Canvas之上
  • Axes（绘图区）建立在Figure之上
  • 坐标轴（axis）、图例（legend）等辅助显示层以及图像层都是建立在Axes之上

1.2 基础绘图功能——以折线图为例

• 目标
  • 了解如何解决中文显示问题
  • 了解matplotlib的图结构
  • 应用figure实现创建绘图区域大小
  • 应用plot实现折线图的绘制
  • 应用title,xlabel,ylabel实现标题以及x,y轴名称设置
  • 应用xticks,yticks实现axes的刻度设置和标注
  • 应用savefig实现图像的本地保存
  • 应用grid实现显示网格
  • 应用axis实现图像形状修改
  • 应用legend实现图形标注信息显示
  • 应用plt.subplots实现多坐标系的创建
  • 了解如何设置多个axes的标题、刻度
  • 了解折线图的应用场景
• 应用
  • 天气的温度变化显示

1.2.1 折线图绘制与保存图片

通过天气温度变化的绘图融合基础API的使用

1.2.1.1 matplotlib.pyplot模块

matplotlib.pyplot模块包含了一系列类似于matlab的画图函数，它的函数作用于当前图形（figure）的当前坐标系（axes）。
import matplotlib.pyplot as plt

1.2.1.2 折线图绘制与显示

• 画出某城市11点到12点1小时内每分钟的温度变化折线图，温度范围在15度~18度

# 准备数据并画出初始折线图

import matplotlib.pyplot as plt
import random

# 1. 创建画布
plt.figure(figsize=(20,8),dpi=100)

# 2. 绘制图像
# 准备坐标轴数据
x = range(60)
y_shanghai = [random.uniform(15,18) for i in x]
# 绘图
plt.plot(x,y_shanghai)

# 3. 显示图像
plt.show()

1.2.1.3 添加自定义x、y刻度

• plt.xticks(x,**kwargs)
  x:要显示的刻度值
• plt.yticks(y,**kwargs)
  y:要显示的刻度值

# 添加x,y自定义刻度

# 准备x,y轴数据
x = range(60)
y_shanghai = [random.uniform(15,18) for i in x]

#创建画布
plt.figure(figsize=(20, 8), dpi=80)

# 绘图
plt.plot(x,y_shanghai)

# 构造x,y轴标签
x_ticks_label = ["11点{}分".format(i) for i in x]
y_ticks = range(40)

# 修改x,y轴刻度显示
plt.xticks(x[::5],x_ticks_label[::5])
plt.yticks(y_ticks[::5])

# 显示图像
plt.show()

1.2.2 解决中文显示问题

• 解决方案一：
  下载支持中文的字体

  • 步骤一：下载支持中文显示的字体
  • 步骤二：安装字体
    • Linux下：拷贝字体到usr/share/fonts下
      sudo cp ~/SimHei.ttf /usr/share/fonts/SimHei.ttf
    • Windows/mac下：双击/右键安装
  • 步骤三：删除~/.matplotlib中的缓存文件

  cd ~/.matplotlib
  rm -r *
  

  • 步骤四：修改配置文件matplotlibrc
    vi ~/.matplotlib/matplotlibrc
    将文件内容修改为：

  font.family         : sans-serif
  font.sans-serif         : SimHei
  axes.unicode_minus  : False
  

• 解决方案二：
  在Python脚本中动态设置matplotlibrc,这样也可以避免由于更改配置文件而造成的麻烦，具体代码如下：

from pylab import mpl
# 设置显示中文字体
mpl.rcParams["font.sans-serif"] = ["SimHei"]

有时候，字体更改后，会导致坐标轴中的部分字体无法正常显示，此时需要更改axes.unicode_minus参数：

# 设置正常显示符号
mpl.rcParams["axes.unicode_minus"] = False

from pylab import mpl
# 设置显示中文字体
mpl.rcParams["font.sans-serif"] = ["Microsoft YaHei"]
mpl.rcParams["axes.unicode_minus"] = False
# 添加x,y自定义刻度
import matplotlib.pyplot as plt
import random
# 准备x,y轴数据
x = range(60)
y_shanghai = [random.uniform(15,18) for i in x]

#创建画布
plt.figure(figsize=(20, 8), dpi=80)

# 绘图
plt.plot(x,y_shanghai)

# 构造x,y轴标签
x_ticks_label = ["11点{}分".format(i) for i in x]
y_ticks = range(40)

# 修改x,y轴刻度显示
plt.xticks(x[::5],x_ticks_label[::5])
plt.yticks(y_ticks[::5])

# 显示图像
plt.show()

1.2.3 添加网格显示和描述信息

1.2.3.1 添加网格显示

• 为了更加清楚地观察图形对应的值
• plt.grid(b,which,axis,color,linestyle,linewidth,**kwargs)
  • b:布尔值，是否显示网格线；默认为True
  • which:取值范围{‘major’,‘minor’,‘both’}默认为major（主刻度），minor为次刻度
  • axis：选择网格线现实的轴，取值范围{‘both’,‘x’,‘y’}，默认为both
  • color/c:颜色
  • linestyle/ls:网格线的风格，-实线–虚线等等
  • linewidth:网格线宽度
  • alpha:透明度取值0-1

1.2.3.2 添加描述信息

• 添加x,y轴描述信息及标题
• 通过fontsize参数可以修改图像中字体的大小

•   plt.xlable("")
    plt.ylable("")
    plt.title("",fontsize=)
  

# 添加网格显示和描述信息
import matplotlib.pyplot as plt
import random

x = range(60)
y_shanghai = [random.uniform(15,18) for i in x]

plt.figure(figsize=(20, 8), dpi=80)

plt.plot(x,y_shanghai)

x_ticks_label = ["11点{}分".format(i) for i in x]
y_ticks = range(40)

plt.xticks(x[::5],x_ticks_label[::5])
plt.yticks(y_ticks[::5])

# 添加网格显示
plt.grid(linestyle='--',alpha=0.5)
# 添加描述信息
plt.xlabel('时间',fontsize=20)
plt.ylabel('温度')
plt.title('上海11-12点温度变化图',fontsize=20)

plt.show()

1.2.4 图像保存

• plt.savefig("")
• 注意：plt.show()会释放figure资源，如果在show之后保存图片将只能保存空图片

# 完整代码
# 添加网格显示和描述信息
import matplotlib.pyplot as plt
import random

# 1. 准备数据
x = range(60)
y_shanghai = [random.uniform(15,18) for i in x]

# 2. 创建画布
plt.figure(figsize=(20, 8), dpi=80)

# 3. 绘制图像
plt.plot(x,y_shanghai)

# 3.1 添加x,y轴刻度
# 构造x,y轴刻度标签
x_ticks_label = ["11点{}分".format(i) for i in x]
y_ticks = range(40)
# 刻度显示
plt.xticks(x[::5],x_ticks_label[::5])
plt.yticks(y_ticks[::5])

# 3.2 添加网格显示
plt.grid(linestyle='--',alpha=0.5)
# 3.3 添加描述信息
plt.xlabel('时间',fontsize=10)
plt.ylabel('温度',fontsize=10)
plt.title('上海11-12点温度变化图',fontsize=20)

# 4. 图像保存
plt.savefig("./折线图1.png")

# 5. 图形显示
plt.show()

1.2.5 一个坐标系中绘制多个图像

需求：在坐标系中再添加北京地温度变化

• 在一个坐标系中添加一个不同图像，只需要再次plot即可，但是要注意需要区分线条

1.2.5.1 设置不同图形风格（颜色、线形）

颜色字符	线形风格字符
r 红色	- 实线
g 绿色	– 虚线
b 蓝色	-. 点划线
w 白色	: 点虚线
c 青色	‘’ 留空、空格
m 洋红
y 黄色
k 黑色

1.2.5.2 设置图例

• 注意：如果只在plt.plot()中设置label还不能最终显示出图例，需要通过plt.legend()将图例显示出来

Location String	Location Code
‘best’	0
‘upper right’	1
‘upper left’	2
‘lower left’	3
‘lower right’	4
‘right’	5
‘center left’	6
‘center right’	7
‘lower center’	8
‘upper center’	9
‘center’	10

# 完整代码
import random
from matplotlib import pyplot as plt

# 准备数据
x = range(60)
y_shanghai = [random.uniform(15,18) for i in x]
y_beijing = [random.uniform(1,3) for i in x]

# 创建画布
plt.figure(figsize=(20,8),dpi=100)

# 画图
# 区分两个图像
plt.plot(x,y_shanghai,label="上海")
plt.plot(x,y_beijing,color='m',linestyle='--',label="北京")

# 创建x,y轴标签
x_ticks_lable = ["11点{}分".format(i) for i in x]
y_ticks = range(30)
# 显示刻度
plt.xticks(x[::5],x_ticks_lable[::5])
plt.yticks(y_ticks[::5])

# 创建网格线
plt.grid(linestyle='--',alpha=0.5)

# 添加描述信息
plt.xlabel("时间",fontsize=12)
plt.ylabel("温度",fontsize=12)
plt.title("中午11点-12点上海和北京天气变化图",fontsize=20)

# 添加图例
plt.legend(loc=0)

# 保存图像
plt.savefig("./折线图2.png")

# 显示图像
plt.show()

1.2.6 多个坐标系绘制——plt.subplots（面向对象的画图方法）

需求：想让上海和北京的天机图像显示在一个图的不同坐标系中

• 使用subplots函数实现
• matplotlib.pyplot.subplots(nrows=,ncols=,**fig_kw)
• 创建一个带有多个axes的图
  • 参数：
    • nrows,ncols：设置有几行几列坐标系
  • 返回值：
    • fig:图对象
    • axes:返回相应数量的坐标系
  • 设置标题等的办法不同:
    • set_xticks set_yticks
    • set_xlabel set_ylabel
• plt.funName()相当于面向过程的画图方法，而axes.set_methodName()相当于面向对象的画图方法

# 完整代码——一个图两个坐标系
import random
from matplotlib import pyplot as plt

# 准备数据
x = range(60)
y_shanghai = [random.uniform(15,18) for i in x]
y_beijing = [random.uniform(1,5) for i in x]

# 创建画布
fig, axes = plt.subplots(nrows=1,ncols=2,figsize=(20,8),dpi=100)

# 绘制图像
axes[0].plot(x,y_shanghai,label="上海")
axes[1].plot(x,y_beijing,label="北京")

# x,y轴刻度标签
x_ticks_label = ["11点{}分".format(i) for i in x]
y_ticks = range(30)

# 显示刻度
axes[0].set_xticks(x[::5])
axes[0].set_yticks(y_ticks[::5])
axes[0].set_xticklabels(x_ticks_label[::5])

axes[1].set_xticks(x[::5])
axes[1].set_yticks(y_ticks[::5])
axes[1].set_xticklabels(x_ticks_label[::5])

# 添加网格显示
axes[0].grid(linestyle="--",alpha=0.5)
axes[1].grid(linestyle="--",alpha=0.5)

# 添加描述信息
axes[0].set_xlabel("时间",fontsize=12)
axes[0].set_ylabel("温度",fontsize=12)
axes[0].set_title("中午11-12点上海温度变化图",fontsize=20)

axes[1].set_xlabel("时间",fontsize=12)
axes[1].set_ylabel("温度",fontsize=12)
axes[1].set_title("中午11-12点北京温度变化图",fontsize=20)

# 保存图像
plt.savefig("./折线图3.png")

# 添加图例
axes[0].legend(loc=0)
axes[1].legend(loc=0)

# 显示图像
plt.show()

1.2.7 折线图应用场景

• 呈现公司产品(不同区域)每天活跃用户数
• 呈现app每天下载数量
• 呈现产品新功能上线后,用户点击次数随时间的变化
• 拓展：画各种数学函数图像

# 数学函数图像例
import numpy as np

# 准备数据
x = np.linspace(-10,10,1000)
y = np.sin(x)

# 创建画布
plt.figure(figsize=(20,8),dpi=100)

# 绘制图像
plt.plot(x,y)

# 添加网格
plt.grid(linestyle="-",color='m')

# 存储
plt.savefig("./sinx.png")

# 显示
plt.show()

1.2.8 总结

• 添加x,y刻度
  • plt.xticks()
  • plt.yticks()
  • 注意：传入的第一个参数必须是数字，不能是字符串，如果是字符串则需要进行替换操作
• 添加网格显示
  • plt.grid(b,which,axis,color,linestyle,linewidth,**kwargs)
• 添加描述信息
  • plt.xlabel()
  • plt.ylabel()
  • plt.title()
• 保存图像
  • plt.savefig(“路径”)
• 一个坐标系多个图像——多次plot
• 显示图例
  • plt.legemd(loc=)
  • 注意：一定要在plt.plot()里面设置label，否则无法显示
• 一个图多个坐标系
  • plt.subplots(nrows=,ncols=)