数据分析三剑客之Matplotlib

最新推荐文章于 2022-02-09 09:43:57 发布

xcy.小相

最新推荐文章于 2022-02-09 09:43:57 发布

阅读量482

点赞数 2

分类专栏：数据分析文章标签： python 数据可视化数据分析

本文链接：https://blog.csdn.net/qq_45807032/article/details/107506802

版权

数据分析专栏收录该内容

8 篇文章 5 订阅

订阅专栏

在这里插入图片描述

开始之前，请配置好python环境，同时检查是否安装了第三方库：matplotlib。
本文是博主的学习笔记，有不足之处还请指出。

1. matplotlib库的介绍

1.1 matplotlib库的介绍

matplotlib库是一个数据可视化的一个第三方库，它包含了过百种图像。它结合matlab的优缺点，在此基础上形成了matplotlib。matplotlib由各种可视化类构成，内部结构复杂。因此，我们可以通过matplotlib的一个命令子库matplotlib.pyplot来调用这些基本功能。
一般，我们引用pyplot子库的方式为：

import matplotlib.pyplot as plt

1.2 牛刀小试

我们先画一个简单的图像：

    import matplotlib.pyplot as plt
    
    
    plt.plot([1,2,3,7,4,2])      # 传入xy轴参数，默认为y轴
    plt.ylabel("Grade")          # 指定y轴 名称
    plt.savefig("test",dpi=600)  # 保存图像 默认png格式，其中dpi指图片质量
    plt.show()                   # 展示图片

效果如下：
折线图

1.3 pyplot的绘图区域

pyplot通过plt.subplot(nrows,ncols,plot_number)方法来实现在同一画板上画多幅子图。参数介绍如下：

nrows：横向数量
ncols：纵向数量
plot_number：当前子图的区域位置。
如plt.subplot(2,2,3)就是表示将将一个全局绘图区域分成4个子区域，当前子图位于第3个子图位置。当子图数量为个位数时，subplot（）内参数可以不用逗号分隔，即subplot（223）。

1.4 pyplot的plot()绘图函数

plot是matplotlib中最主要的绘图函数，其全部参数介绍如下：
plt.plot(x,y,format_string,**kwargs)

x: x轴的数据，可以是列表或数组，是一个可选参数
y：y轴的数据，可以是列表或数组，必选。
**kwargs：可以是第二条曲线的参数，需要注意的是，当绘制多条曲线时，xy参数都必须存在；也可以是color、linestyle、marker等等

下面仔细讲解一下format_string参数：
format_string参数是控制曲线格式的字符串，虽然是可选参数，但是却非常重要。它由颜色字符、风格字符和标记字符组成，可以组合使用。

（1）颜色字符，即控制曲线颜色的字符，由于控制颜色的字符较多，这里就仅列出一些常用的字符：

b: 蓝色
g: 绿色
r: 红色
k: 黑色
w: 白色
y: 黄色
c: 青绿色
m: 洋红色
#000000：此外还可以使用rgb颜色

（2）风格字符，即控制曲线样式的字符：

“_”:实线
“–”: 破折线
“:”: 虚线
" ": 无线条

（3）标记字符：即对数据坐标点的标记：

" .": 点标记
" ,": 像素标记
" v": 倒三角标记
" ^": 上三角标记
" >": 右三角标记
" <": 左三角标记
" 1": 下花三角标记
" 2": 上花三角标记
" 3": 左花三角标记
" 4": 右花三角标记
" s": 实心方形标记
" p": 实心五角标记
" *": 星号标记
" o": 实心圈标记
" +": +号标记
" x": x号标记
" D": 菱形标记

    import matplotlib.pyplot as plt
    import numpy as np
    
    
    a = np.arange(20)
    
    plt.plot(a,a,"r--o",a,a*2,"b:",a,a*3,"y_")
    plt.savefig("01",dpi=600)
    plt.show()

图像如下：
在这里插入图片描述

1.5 pyplot的中文显示

pyplot默认不支持中文显示，因此我们需要对其进行一下代码设置（如果不设置，输出时是一些空心的方形）。
更改字体的方法有两种，我们先来看一下第一种：

（1）通过rcparams更改全局字体
先看一下如果不进行中文设置，会是什么效果，如图

import matplotlib.pyplot as plt
import numpy as np


a = np.arange(20)

plt.plot(a,np.cos(0.02*a))
plt.xlabel("这是中文")
plt.savefig("03",dpi=600)
plt.show()

效果如下：
在这里插入图片描述

可以发现，x轴的标志是一个个的方形。接下来我们引入matplotlib的rcparams来设置全局字体属性：

    import matplotlib.pyplot as plt
    import numpy as np
    import matplotlib
    
    
    matplotlib.rcParams["font.family"] = "SimHei"   # 设置字体为黑体
    a = np.arange(20)
    
    plt.plot(a,np.cos(0.02*a))
    plt.xlabel("这是中文")
    plt.savefig("03",dpi=600)
    plt.show()

图像如下：
在这里插入图片描述

可以发现，中文可以显示出来了。除了可以设置字体类型，它还有如下属性：

font.style：字体风格（正常normal或斜体italic）
font.size: 字体大小

但是，细心观察，无论是x轴的标志还是xy轴的尺度，它们的字体全部都变为了黑体。这对全局来说很不友好，因此，我们可以对显示中文的地方单独进行设置。即第二种方法，如下：

（2）通过fontproperties参数单独设置字体：


    import matplotlib.pyplot as plt
    import numpy as np
    import matplotlib
    
    
    # matplotlib.rcParams["font.family"] = "SimHei"   # 设置字体为黑体
    a = np.arange(20)
    
    plt.plot(a,np.cos(0.02*a))
    plt.xlabel("这是中文",fontproperties="SimHei"，fontsize=20)
    plt.savefig("03",dpi=600)
    plt.show()

图像的输出效果如下：

在这里插入图片描述
通过fontproperties参数我们可以方便的对所需文本进行设置，使得绘图更加灵活。

1.6 pyplot的文本显示

文本显示就是为图像添加坐标轴、图例、标题和文本注释等内容,从而使图像更加专业化。同时支持LaTeX语法，使其更加具有专业性。前面我们使用plt.xlabel()来对x轴添加文本标签，就是文本显示函数之一，全部的文本显示标签如下：

plt.xlabel():对x轴添加文本标签
plt.ylabel():对y轴添加文本标签
plt.tilte():对图像添加标题，位于图像上方中间位置
plt.text()：在任意位置添加文本注释
plt.annotate()：在图像中添加带有箭头的注解

    import matplotlib.pyplot as plt
    import numpy as np
    
    
    a = np.arange(0, 5, 0.02)
    plt.plot(a,np.cos(2*np.pi*a), "r--")
    
    plt.xlabel("时间",fontproperties="SimHei",fontsize=18,color="yellow")
    plt.ylabel("振幅",fontproperties="SimHei",fontsize=18,color="green")
    plt.title(r"正弦波图 $y=cos(2\pi x)$",fontproperties="SimHei",fontsize=26)
    plt.text(2,1,r"$\mu=100$",fontsize="15")
    
    plt.axis([-1,6,-2,2])  # x轴坐标尺度
    plt.grid(True)         # 显示网格
    plt.savefig("04",dpi=600)

图像如下：
在这里插入图片描述

我们再来看一下plt.annotate()函数，它的参数如下：

s: 注释文本内容
xy=arrow_crd: 箭头指向的位置
xytext=text_crd: 文本所在位置
arrowprops=dict: 文本属性

我们将上面的实例修改一下：

    import matplotlib.pyplot as plt
    import numpy as np
    
    
    a = np.arange(0, 5, 0.02)
    plt.plot(a,np.cos(2*np.pi*a), "r--")
    
    plt.xlabel("时间",fontproperties="SimHei",fontsize=18,color="yellow")
    plt.ylabel("振幅",fontproperties="SimHei",fontsize=18,color="green")
    plt.title(r"正弦波图 $y=cos(2\pi x)$",fontproperties="SimHei",fontsize=22)
    # plt.text(2,1,r"$\mu=100$",fontsize="15")
    plt.annotate(r"$\mu=100$",xy=(2,1),xytext=(3,1.5),arrowprops=dict(facecolor="black",shrink=0.1,width=2))
    plt.axis([-1,6,-2,2])  # x轴坐标尺度
    plt.grid(True)         # 显示网格
    plt.savefig("04",dpi=600)
    plt.show()

图像如下

在这里插入图片描述

1.7 pyplot的子绘图区域

前面我们提到通过subplot函数来绘制多规则的子图区域，但如果我们希望在区域中绘制不规则的图像应该怎样处理呢？这里提供一个plt.subplot2grid()函数,用于设计复杂的子图结构。通过设计网格、选中网格，确定选中的行列并进行延伸扩展从而形成我们想要的区域。其参数如下：

gridspec:设定网格结构
curspec：选定网格初始位置
colspan：网格扩展列数（以当前为基准）
rowspan：网格扩展行数（以当前为基准）

我们借助图像来进行理解：
plt.subplot((4,4)(2,0),colspan=3，rowspan=2)就是把绘图区域分成4*4个区域，然后以第3行第一列子区域（黑色）为基准，扩展2 列1行（灰色），即红色区域为但覆盖前子图区域，如图：
在这里插入图片描述

以上方法在绘图时有较为复杂的代码，因此，matplotlib为我们提供了另外一个较为简单的设计复杂子图的库gridspec（），我们通过代码及图像进行讲解;
如图，若要选中灰色及黑色部分作为一个子图区域，我们可以这样做：

    import matplotlib.pyplot as plt
    from matplotlib import gridspec
    
    gs = gridspec.GridSpec(4,4)
    
    plt.subplot(gs[2:,0:-1])

这非常类似于numpy中二维数组的切片操作。即，在gs二维数组中，我们选择一维中的下标为2及2以后的元素，然后选择二维中下标从0开始至倒数第2个结束的区域。

1.8 关于pyplot基本图表函数

pyplot的基本图表函数有很多很多种，而这些图表有的非常常用、有的很少用到（需要注意的是，少用不等于不重要）。在接下来的内容中博主仅简单介绍部分常用的图表，如若想了解更多的基本图表，可以去matplotlib的官网进行学习。这里提供一下链接：matplotlib官网

1.9 pyplot饼图的绘制

饼图，具有简洁直观的特点，常用于带有百分号的数据。饼图通过plt.pie（）绘制:

 import matplotlib.pyplot as plt
    
    
    labels = "a","b","c","d","e","f","g"  # 每一块的标签
    sizes = [10,20,30,15,15,10,20]        # 每一块饼图的尺寸
    explode = (0,0.1,0,0.5,0,0.2,0)       # 指定哪一块是否突出，以及突出强度
    
    plt.pie(sizes,explode=explode,labels=labels,autopct="%1.1f%%",shadow=True,startangle=90)   # autopct 是百分数的显示格式，shadow是否带有阴影 startangle是饼图的起始角度
    plt.axis("equal")  # 画出图像是正圆形
    plt.show()

图像如下：
在这里插入图片描述

更多信息请看官方pie（）文档

1.10 pyplot直方图的绘制

相信大家对直方图都不陌生，那么直方图应该如何绘制呢，我们先来看一段代码：

    import numpy as np
    import matplotlib.pyplot as plt
    
    
    np.random.seed(0)
    mu = 100
    sigma = 200
    a = np.random.normal(mu,sigma,size=100)
    
    plt.hist(a,20,histtype="stepfilled",facecolor="b",alpha=0.75)
    plt.title("直方图",fontproperties="SimHei")
    plt.show()

图像如下：
在这里插入图片描述

我们通过numpy生成一个正太分布的数组a，并利用它绘制直方图。我们绘制直方图使用plt.hist()函数，其中a是传入的数据，第二个参数bin是用于控制图像中直方的个数（这里表示共有20个直方），这里个数划分的方法是从数组中选择最大最小两个值，在其范围内均分为bin个区域。每个bin内元素的个数，就是这个直方的高度。
更多信息请看官方hist()文档。