python-可视化02-图表辅助元素

SKY慕雪

已于 2024-05-17 21:05:16 修改

阅读量377

点赞数 6

分类专栏： python 文章标签： python 开发语言

于 2024-05-16 17:50:27 首次发布

本文链接：https://blog.csdn.net/qq_61785413/article/details/137670885

版权

python 专栏收录该内容

2 篇文章 0 订阅

订阅专栏

var code = "cddabbcd-a7ff-4fb4-9ea9-141865dec975"

一、图表辅助元素的定制

1.1 认识常用元素

标签 ---- label
文本 ---- text(注释|标签)
坐标轴 ---- 标签+刻度

1.2 设置坐标轴的标签、刻度范围、刻度标签

1.2.1 坐标轴的标签

xlabel 横轴标签
ylabel 纵轴标签
案例: 绘制正弦案例

import matplotlib.pyplot as plt
import numpy as np

plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus']=False #显示负数
x = np.linspace(0,2*np.pi,500)
y = np.sin(x)
plt.plot(x,y)
plt.xlabel('弧度')
plt.ylabel('sin(x)')
plt.show()

在这里插入图片描述

1.2.2坐标轴刻度范围

x轴和y轴的刻度范围：xlim(min,max) ylim(min.max)

import matplotlib.pyplot as plt
import numpy as np

plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus']=False #显示负数
x = np.linspace(0,2*np.pi,500)
y = np.sin(x)
plt.plot(x,y)
plt.xlabel('弧度')  # 横坐标标签
plt.ylabel('sin(x)')  # 纵坐标标签
plt.ylim(-1.5,1.5)  # 设置y轴上下限数据(最小,最大)
plt.show()

在这里插入图片描述
如果使用画轴需要用下面方法
ax.set_xlabel(“弧度”) ###set_xlabel()
ax.set_ylabel(“sin(x)”) ###set_ylabel()
ax.set_ylim(-1.5,1.5)

1.2.3 刻度标签设置

刻度的定义：yticks 和 xticks
使用画轴之后
需要使用set_yticks 和 set_xticks
xticks([原有点的列表],[新定义的点的列表])

import matplotlib.pyplot as plt
import numpy as np

plt.figure()
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus']=False #显示负数
x = np.linspace(0,2*np.pi,500)
y = np.sin(x)
plt.plot(x,y)
plt.xlabel('角度')  # 横坐标标签
plt.ylabel('sin(x)')  # 纵坐标标签
plt.ylim(-1.2,1.2)  # 设置y轴上下限数据(最小,最大)
plt.xticks([0,np.pi/2,np.pi,3*np.pi/2,np.pi*2],
			['0°','90°','180°','270°','360°']) # 更改刻度标签
plt.show()

在这里插入图片描述

import matplotlib.pyplot as plt
import numpy as np

plt.figure()
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus']=False #显示负数
x = np.linspace(0,2*np.pi,500)
y = np.sin(x)
plt.plot(x,y)
plt.xlabel('角度')  # 横坐标标签
plt.ylabel('sin(x)')  # 纵坐标标签
plt.ylim(-1.2,1.2)  # 设置y轴上下限数据(最小,最大)
plt.xticks([0,np.pi/2,np.pi,3*np.pi/2,np.pi*2],
           ['0',r'$\pi/2$',r'$\pi$',r'$3\pi/2$',r'$2\pi$']) # 更改刻度标签
plt.show()

在这里插入图片描述

1.3 标题和图例

1.3.1 标题

import matplotlib.pyplot as plt
import numpy as np

plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus']=False #显示负数
x = np.linspace(0,2*np.pi,500)
y = np.sin(x)
fig = plt.figure(figsize=(12,4)) # 使用画布
ax = fig.add_subplot(111) # 使用画轴
ax.plot(x,y) # 在画轴上画图
ax.set_xlabel("弧度")  ###set_xlabel()
ax.set_ylabel("sin(x)") ###set_ylabel()
ax.set_ylim(-1.2,1.2)  # 设置y轴上下限数据(最小,最大)
ax.set_xticks([0,np.pi/2,np.pi,3*np.pi/2,np.pi*2],
           ['0',r'$\pi/2$',r'$\pi$',r'$3\pi/2$',r'$2\pi$']) # 更改刻度标签
ax.set_title("sin图表")
plt.show()

在这里插入图片描述

案例

数据格式
在这里插入图片描述

import matplotlib.pyplot as plt
import pandas as pd
import json

plt.rcParams['font.sans-serif'] = ['SimHei']
f = open('2020year.json','r',encoding='utf8')
data = json.load(f)
df = pd.DataFrame(data['data']['list'])
y = df['box'].astype('float')[:10]/10000   #转换类型,取前十个，并除以10000作为亿元单位
x = df['movieName'][:10]
plt.barh(x,y)
plt.title('2020年票房前十条形图')
plt.ylabel('电影名称')
plt.xlabel('总票房(亿元)')
plt.show()

在这里插入图片描述

1.3.3 图例

plt.legend()  或 ax.legend()
核心是：每个图都标记label，才能显示图例
不标记label就会显示为空

![在这里插入图片描述](https://img-blog.csdnimg.cn/direct/60d34e4bbafd4db7ac3560694faf17ab.png

其他属性
位置的设置：
		legend(loc="upper right")   里面写位置参数
		legend(bbox_to_anchor[x,y])  x和y表示图的坐标点
									[0,0]表示图的左下
									[0,1]表示图的左上
									[1,0]表示图的右下
									[1,1]表示图的右上
frameon=False   去掉方框

案例1

数据格式
在这里插入图片描述

import matplotlib.pyplot as plt
import pandas as pd
import numpy as np

plt.rcParams['font.sans-serif'] = ['SimHei']
data = pd.read_excel('第2章.xlsx',sheet_name='4-1')

y = data['平均成绩（男）']
y1 = data['平均成绩（女）']
x = np.arange(len(data))
plt.bar(x-0.2,y,width=0.4,label="平均成绩（男）")
plt.bar(x+0.2,y1,width=0.4,label="平均成绩（女）")
plt.xticks(x,data['学科'])
plt.legend()
plt.title('各科男女成绩')
plt.ylabel('成绩')
plt.xlabel('学科')
plt.show()

在这里插入图片描述

案例2

数据格式
在这里插入图片描述

import matplotlib.pyplot as plt
import pandas as pd

plt.rcParams['font.sans-serif'] = ['SimHei']
df = pd.read_excel('2-5.xlsx')

label = df['分类']
data = df['金额']
plt.pie(data,labels=label,autopct="%.2f%%",pctdistance=0.7)
plt.legend(bbox_to_anchor=[1.3,1.1])
plt.show()

在这里插入图片描述

1.4 网格线

grid(axis)
axis:默认值 both   或者改成  'x'：根据x轴刻度画竖线 
 											  'y'：根据y轴刻度画横线

案例1

数据格式
在这里插入图片描述

import matplotlib.pyplot as plt
import pandas as pd
import numpy as np

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

df = pd.read_excel('2-4.xls',index_col=0)
x = np.arange(len(df))
plt.bar(x-0.25,df['A公司'],width=0.25,label="A公司")
plt.bar(x,df['B公司'],width=0.25,label="B公司")
plt.bar(x+0.25,df['C公司'],width=0.25,label="C公司")
plt.xticks(x,df.index)
plt.ylabel('销售额')
plt.xlabel('月份')
plt.legend()
plt.grid(axis='y',  # 网格,axis='y'按y轴刻度画网格
         linestyle="-.",color="b",  # 线的样式和颜色
         linewidth=0.6,alpha=0.3)   # 线的宽度和线的透明度(0是完全透明,1是不透明)
plt.show()

在这里插入图片描述

案例2

数据格式
在这里插入图片描述

import matplotlib.pyplot as plt
import pandas as pd
plt.rcParams['font.sans-serif'] = ['SimHei']

df = pd.read_excel('2-6.xls')
x = df['车速(km/h)']
y = df['制动距离(m)']
plt.scatter(x,y)
plt.title('汽车速度与制动距离关系')
plt.xlabel('速度(km/h)')
plt.ylabel('制动距离(m)')
plt.xticks(x)
plt.grid(linestyle="-.",color="r",linewidth=0.6,alpha=0.3)
plt.show()

在这里插入图片描述

1.5参考线

axhline ax是axis的缩写，h是水平的缩写
后面可以加上线的样式
在这里插入图片描述

axvline ax是axis的缩写，v是垂直的缩写

axhspan ax是axis的缩写，h是水平的缩写 span是区域
axvspan ax是axis的缩写，v是垂直的缩写 span是区域

案例

import matplotlib.pyplot as plt
import numpy as np
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus']=False # 用来显示负号
x = np.linspace(-(np.pi),np.pi)
y1 = np.sin(x)
y2 = np.cos(x)
plt.plot(x,y1,label='正弦')
plt.plot(x,y2,label='余弦')
plt.xlim(x.min()*1.5,x.max()*1.5)
plt.xticks([-np.pi,-np.pi/2,0,np.pi/2,np.pi],
           [r'$-\pi$',r'$-\pi/2$',r'$0$',r'$\pi/2$',r'$\pi$'])
plt.xlabel('x轴')
plt.ylabel('y轴')
plt.title('正弦和余弦')
plt.legend()
plt.grid(axis='y')
plt.axhline(y=0.68,linestyle=":",alpha=0.5,color="r")
plt.axvline(x=-1,linestyle=":",alpha=0.5,color="g")
plt.axhspan(0,0.4,color="y",alpha=0.3)
plt.axvspan(0.2,1.5,color="g",alpha=0.3)
plt.show()

![在这里插入图片描述](https://img-blog.csdnimg.cn/direct/83e91ceb202b4ffba1d0c75c22845869.png

注释文本

指向性注释文本

annotate(s,xy,xytext) 	
必须写的参数，不需要写参数名
									s是string的缩写：注释的文本内容(例如：最小值)。
									xy是注释点的位置，箭头指向的点
									xytext是书写文本的点。也是指向性箭头的起点
arrowprops:箭头的属性的字典
		arrowprops={"arrowstyle":"-|>","color":"red","linestyle":"-."}

![在这里插入图片描述](https://img-blog.csdnimg.cn/direct/1c2a506d1e344ac89f7957ba705fa67c.png

数字标签(无指向性注释文本)

优点：代码简单
缺点：一般都是很多个数据，需要用for循环画出来

text(x,y,s,其他参数)
			x,y  写字点的坐标     s是 string 的缩写，写内容的
			其他参数：horizotalalignment  水平对齐方式（缩写为ha）
			                  verticalalignment    垂直对齐方式（缩写va）
			                  对齐方式的值："center" "left" "right" 
			                  							"center" "top"  "bottom" "baseline"
			                  fontdict：字体的格式的定义

案例
数据格式
在这里插入图片描述

import matplotlib.pyplot as plt
import pandas as pd

plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus']=False # 用来显示负号
df = pd.read_excel("2-2.xlsx")
plt.bar(df['财年'],df['GMV'])
plt.ylim(0,62000)
for i in range(len(df)):
    plt.text(df['财年'][i],df['GMV'][i]+1200,df['GMV'][i],ha="center")
plt.show()

在这里插入图片描述

添加表格

table(cellText,rowLabels,colLabels,loc,colWidths,cellLoc)
必写：
cellText：表格中的数据的值，是二维数组的格式[[6,6,6],[8,8,8]]
如果表格只有一行或者一列，仍然是二维数据的格式
一行：[[200,600,100,600]]
一列：[[200],[600],[100],[600]]
rowLabels:每一行的标题，一维数组   ["第一行","第二行"]
colLabels：每一列的标题，一维数组  ["第1列","第2列","第3列"]
loc：表格显示的位置 ，默认填满整个底
colWidths
cellLoc
非必写：

案例

1. 复习1

数据格式
在这里插入图片描述

import matplotlib.pylab as plt
import pandas as pd
plt.rcParams['font.sans-serif'] = ['SimHei']

plt.figure(figsize=(10,4))
df = pd.read_excel('9月份天气.xls')
plt.plot(df['日期'],df['最高气温'],"*--b",label="最高气温")
plt.plot(df['日期'],df['最低气温'],"X:y",label="最低气温")
plt.xlabel('9月份日期') #x轴标签
plt.ylabel('温度(°C)') #y轴标签
plt.title('9月4日~18日气温走势') #标题
plt.legend() #图例
plt.grid(alpha=0.4) #网格
plt.axhspan(ymin=20,ymax=28,alpha=0.3) #参考区域,需要使用透明度
for i in range(len(df)):
    plt.text(df['日期'][i],df['最高气温'][i]+0.5,df['最高气温'][i],ha="center")
    plt.text(df['日期'][i], df['最低气温'][i]+0.5, df['最低气温'][i], ha="center")
plt.annotate("最高温度",("6日",34),("6日",30),arrowprops={"arrowstyle":"-|>"})
plt.annotate("最高温度",("7日",34),("6日",30),arrowprops={"arrowstyle":"-|>"})
plt.annotate("最低温度",("15日",14),("15日",17),arrowprops={"arrowstyle":"-|>"})

plt.show()

在这里插入图片描述

复习2

import matplotlib.pylab as plt
import numpy as np
plt.rcParams['font.sans-serif'] = ['SimHei']
data = np.random.randint(1,10,100)
plt.hist(data,bins=(0,1,3,4,5,7,9,11),
         color='r',alpha=0.4,edgecolor="black",label='y=nx')
plt.legend()
plt.show()

在这里插入图片描述

复习3

import matplotlib.pylab as plt
plt.rcParams['font.sans-serif'] = ['SimHei']

lab=['面粉','砂糖','奶油','草莓酱','坚果']
data1=[40,15,20,10,15]
data2=[30,25,15,20,10]
plt.pie(data1,autopct="%.1f%%",pctdistance=0.85,labels=lab,
        wedgeprops={"width":0.3,"edgecolor":"w"},
        colors=['b','g','r','orange','pink']
        )
plt.pie(data2,autopct="%.1f%%",pctdistance=0.75,radius=0.7,
        wedgeprops={"width":0.3,"edgecolor":"w"},
        colors=['b','g','r','orange','pink']
        )
plt.legend(bbox_to_anchor=(0.95,0.9),title="ingredient ratio")
plt.show()

在这里插入图片描述

SKY慕雪

关注

6
点赞
踩
8

收藏

觉得还不错? 一键收藏
打赏
0
评论
python-可视化02-图表辅助元素

x轴和y轴的刻度范围：xlim(min,max) ylim(min.max)axhspan ax是axis的缩写，h是水平的缩写 span是区域。axvspan ax是axis的缩写，v是垂直的缩写 span是区域。ax.set_xlabel(“弧度”) ###set_xlabel()axhline ax是axis的缩写，h是水平的缩写。axvline ax是axis的缩写，v是垂直的缩写。需要使用set_yticks 和 set_xticks。后面可以加上线的样式。
复制链接

扫一扫