python利用matplotlib进行可视化

利用matplotlib进行可视化

1、Matplotlib 基本介绍

• Matplotlib 是一个在 python 下实现的类 matlab 的纯 python 的第三方库,旨在用 python实现matlab 的功能,是python下最出色的绘图库。其风格跟 matlab 相似，同时也继承了 python 的简单明了。
• 要使用matplotlib得先安装 numpy 库 (一个python下数组处理的第三方库，可以很方便的处理矩阵，数组) 。
• matplotlib 对于图像美化方面比较完善，可以自定义线条的颜色和样式，可以在一张绘图纸上绘制多张小图，也可以在一张图上绘制多条线，可以很方便地将数据可视化并对比分析。
• Matplotlib模块依赖于NumPy和tkinter模块，可以绘制多种形式的图形，包括线图、直方图、饼图、散点图等，图形质量满足出版要求，是数据可视化的重要工具。
• Matplotlib中应用最广的是matplotlib.pyplot模块。
• Pyplot提供了一套和Matlab类似的绘图API，使得Matplotlib的机制更像Matlab。我们只需要调用Pyplot模块所提供的函数就可以实现快速绘图并设置图表的各个细节。
• 在Jupyter notebook中进行交互式绘图，需要执行一下语句：
  % matplotlib notebook
• 使用matplotlib时，使用的导入惯例为：
  import matplotlib.pyplot as plt

2、Matplotlib绘图基础

• figure（）：创建一个新的绘图窗口。
• figtext（）：为figure添加文字
• axes（）：为当前figure添加一个坐标轴
• plot（）：绘图函数
• polar（）：绘制极坐标图
• axis（）：获取或设置轴属性的边界方法（坐标的取值范围）
• clf ： 清除当前figure窗口 cla ： 清除当前axes窗口
• close ： 关闭当前figure窗口
• subplot ： 一个图中包含多个axes
• text（）： 在轴上添加文字
• title（）： 设置当前axes标题
• xlabel/ylabel：设置当前X轴或Y轴的标签
• hist（）：绘制直方图
• hist2d（）：绘制二维在直方图
• hold ：设置当前图窗状态；off或者on
• imread（）：读取一个图像，从图形文件中提取数组
• legend（）：为当前axes放置标签
• pie（）：绘制饼状图
• scatter（）：做一个X和Y的散点图，其中X和Y是相同长度的序列对象
• stackplot（）：绘制一个堆叠面积图
• acorr（）：绘制X的自相关函数
• annotate（）：用箭头在指定的数据点创建一个注释或一段文本
• bar（）：绘制垂直条形图 barh（）：绘制横向条形图
• barbs（）：绘制一个倒钩的二维场

创建画布与创建子图

函数名称	函数作用
plt.figure	创建一个空白画布，可以指定画布大小，像素。
figure.add_subplot	创建并选中子图，可以指定子图的行数，列数，与选中图片编号。

第一部分主要作用是构建出一张空白的画布，并可以选择是否将整个画布划分为多个部分，方便在同一幅图上绘制多个图形的情况。最简单的绘图可以省略第一部分，而后直接在默认的画布上进行图形绘制。

import matplotlib.pyplot as plt
import numpy as np
data=np.arange(10)
plt.plot(data)

绘制的图位于图片（figure）对象中。

创建子图

import matplotlib.pyplot as plt
fig = plt.figure()
#不能使用空白的figure绘图，需要创建子图
ax1 = fig.add_subplot(2,2,1)
ax2 = fig.add_subplot(2,2,2)
ax3 = fig.add_subplot(2,2,3) 

子图绘制

fig = plt.figure()
ax1 = fig.add_subplot(2,2,1)
ax2 = fig.add_subplot(2,2,2)
ax3 = fig.add_subplot(2,2,3)
ax1.plot([1.5,2,3.5,-1,1.6]) 

可以用语句Fig , axes = plt.subplots(2,3) 创建一个新的图片，然后返回包含了已生成子图对象的NumPy数组。数组axes可以像二维数组那样方便地进行索引，如axes[0,1]。也可以通过sharex和sharey表明子图分别拥有相同的x轴和y轴。
fig , axes = plt.subplots(2,3)

调整子图周围的间距

fig,axes = plt.subplots(2,2,sharex = True,sharey = True)
for i in range(2):
     for j in range(2):      axes[i,j].hist(np.random.randn(500),bins =50,color='k',alpha= 0.5)
plt.subplots_adjust(wspace=0,hspace=0)

添加画布内容

函数名称	函数作用
plt.title	在当前图形中添加标题，可以指定标题的名称、位置、颜色、字体大小等参数。
plt.xlabel	在当前图形中添加x轴名称，可以指定位置、颜色、字体大小等参数。
plt.ylabel	在当前图形中添加y轴名称，可以指定位置、颜色、字体大小等参数。
plt.xlim	定当前图形x轴的范围，只能确定一个数值区间，而无法使用字符串标识。
plt.ylim	指定当前图形y轴的范围，只能确定一个数值区间，而无法使用字符串标识。
plt.xticks	指定x轴刻度的数目与取值。
plt.yticks	指定y轴刻度的数目与取值。
plt.legend	指定当前图形的图例，可以指定图例的大小、位置、标签。

第二部分是绘图的主体部分。其中添加标题，坐标轴名称，绘制图形等步骤是并列的，没有先后顺序，可以先绘制图形，也可以先添加各类标签。但是添加图例一定要在绘制图形之后。

import numpy as np
import matplotlib.pyplot as plt
%matplotlib inline
data=np.arange(0,1,0.01)
plt.title('my lines example')
plt.xlabel('X')
plt.ylabel('Y')
plt.xlim(0,1)
plt.ylim(0,1)
plt.xticks([0,0.2,0.4,0.6,0.8,1])
plt.yticks([0,0.2,0.4,0.6,0.8,1])
plt.plot(data,data**2)
plt.plot(data,data**3)
plt.legend(['y=x^2','y=x^3'])
plt.show()

import numpy as np 
import matplotlib.pyplot as plt 
%matplotlib inline
data=np.arange(0,np.pi*2,0.01)
fig1=plt.figure(figsize=(9,