python数据科学—Matplotlib

学习笔记

---

目录

简易线性图
简易散点图
可视化异常处理
…

---

Matplotlib库

简易线性图：

• 举一个最常见的例子，线性方程 y = f (x) 的可视化

In[1]: %matplotlib inline
       import matplotlib.pyplot as plt
       plt.style.use('seaborn-whitegrid')
       import numpy as np
In[2]: fig = plt.figure() #创建一个图形 fig 
       ax = plt.axes() #创建一个坐标轴 ax

• 以上代码得到一个空的网格坐标

• 接下来就可以使用ax.plot或plt.plot画图了

In[3]: fig = plt.figure()
       ax = plt.axes() 
       x = np.linspace(0, 10, 500)
       ax.plot(x, np.cos(x)) #画一个余弦曲线
       plt.plot(x, np.sin(x)); #用palab接口画图，效果相同 
       plt.plot(x, np.sin(x + 1), color='green') #用标准颜色名称设置曲线颜色
       plt.plot(x, x/3 + 2, linestyle='--') # 虚线 
       plt.plot(x, x/3 + 4, linestyle='-')  # 实线
       plt.plot(x, x/3 + 6, linestyle='-.') # 点划线

• 还可以通过调用plt.xlim()和plt.ylim()来设置坐标轴的上下线

In[4]: plt.plot(x, np.sin(x)) 
 
       plt.xlim(min, max) #设置x轴的上下限
       plt.ylim(min, max) #y轴
       plt.axis([xmin, xmax, ymin, ymax]) #或者直接用plt.axis完成x、y坐标设置
       plt.axis('tight') #按照图形的内容自动收紧坐标轴
       plt.axis('equal'); #让屏幕上显示的图形分辨率为 1:1，x轴单位长度与y轴单位长度相等

• 设置图形标签：

In[5]: plt.plot(x, np.sin(x))
       plt.title("A Sine Curve")
       plt.xlabel("x")
       plt.ylabel("sin(x)");

In[6]: plt.plot(x, np.sin(x), '-g', label='sin(x)')
       plt.plot(x, np.cos(x), ':b', label='cos(x)')
       plt.axis('equal') 
       
       plt.legend();

简易散点图：

• 可使用plt.plot或plt.scatter绘制散点图；
• 其中后者具有更高的灵活性，可以单独控制每个散点与数据匹配，也可以让每个散点具有不同的属性（大小、表面颜色、边 框颜色等；
• 使用colorbar()可以显示颜色条。

可视化异常处理：

• 使用plt.errorbar(x, y, yerr=dy)即可将误差画出基本误差线，实现误差可视化，其中dy即为误差大小。

配置图例

文字与注释

自定义坐标轴刻度

Matplotlib自定义：配置文件与样式表(包含诸多绘图风格)

Seaborn的数据可视化