Matplotlib
- Matplotlib 是一个Python的 2D绘图库。通过 Matplotlib,开发者可以仅需要几行代码,便可以生成绘图,直方图,功率谱,条形图,错误图,散点图等。
- 通过学习Matplotlib,可让数据可视化,更直观的真实给用户。使数据更加客观、更具有说服力。 Matplotlib是Python的库,又是开发中常用的库。
- markdown模式切换 ----- 蓝色命令行模式下 大写M 退出markdown 大写Y 退出编辑模式 esc
- %matplotlib tk 此函数是在matplotlib的行外显示—为什么?
讲解:一个matplotlib的一个小画板figure,matplotlib中所有图像都在figure对象中,一个图像只有一个figure对象。figure是matplotlib单独的小窗口。一个figure下可以画多个图像。
绘制基础
- 在使用Matplotlib绘制图形时,其中有两个最为常用的场景。一个是画点,一个是画线。
方法名 | 说明 |
---|---|
title() | 设置图表的名称 |
xlabel() | 设置x轴名称 |
ylabel() | 设置y轴名称 |
xticks(x,ticks,rotation) | 设置x轴的刻度,rotation旋转角度 |
yticks() | 设置y轴的刻度 |
plot() | 绘制线性图表 |
show() | 显示图表 |
legend() | 显示图例 |
text(x,y,text) | 显示每条数据的值 x,y值的位置 |
figure(name,figsize=(w,h),dpi=n) | 设置图片大小 |
头部引包
import numpy as np
import matplotlib.pyplot as plt
# %matplotlib tk
直线
plt.plot(x,y)
#将(0,1)点和(2,4)连起来
plt.plot([0,2],[1,4])
plt.savefig('img\直线.jpg')
plt.show()
折线
plt.plot(x,y)
x=[1,2,3,4,5]
squares=[1,4,9,16,25]
plt.plot(x,squares)
plt.savefig('img\折线.jpg')
plt.show()
设置标签文字和线条粗细
标题文字:plt.title(‘name’,fontsize,color)
线条粗细:linewidth
x轴文字:plt.xlabel(‘name’,fontsize,size,color)
y轴文字:plt.ylabel(‘name’,fontsize,size,color)
datas=[1,2,3,4,5]
squares=[1,4,9,16,25]
plt.plot(datas,squares,linewidth=5) #设置线条宽度
#设置图标标题,并在坐标轴上添加标签
plt.title('Numbers',fontsize=24)
plt.xlabel('datas',fontsize=14)
plt.ylabel('squares',fontsize=14)
plt.savefig('img\设置标签文字和线条粗细.jpg')
plt.show()
解决标签、标题中的中文问题
解决中文问题:plt.rcParams[‘font.sans-serif’] = [‘SimHei’]
解决符号问题:plt.rcParams[‘font.sans-serif’] = [‘SimSong’]
datas=[1,2,3,4,5]
squares=[1,4,9,16,25]
plt.plot(datas,squares,linewidth=5) #设置线条宽度
#设置中文乱码问题
plt.rcParams['font.sans-serif'] = ['SimHei']
#设置图标标题,并在坐标轴上添加标签
plt.title('标题设置',fontsize=24)
plt.xlabel('x轴',fontsize=14)
plt.ylabel('y轴',fontsize=14)
plt.savefig('img\解决中文问题.jpg')
plt.show()
一元二次方程的曲线y=x^2
plt.rcParams['font.sans-serif'] = ['SimSong']
#200个点的x坐标
x=range(-100,100)
#生成y点的坐标
y=[i**2 for i in x ]
#绘制一元二次曲线
plt.plot(x,y)
#调用savefig将一元二次曲线保存为result.jpg
plt.savefig('img\一元二次.jpg') #如果直接写成 plt.savefig('cos') 会生成cos.png
plt.show()
正弦、余弦函数
x = np.arange(,,,)
y=np.sin(x)
y2=np.cos(x)
plt.plot(x,y)
plt.plot(x,y2)
plt.rcParams['font.sans-serif'] = ['SimSong']
###### 通过plot画一个线形图
# plt.plot([1,2,3][5,7,5])
x = np.arange(-3,3,0.1)
y=np.sin(x)
y2=np.cos(x)
# 将图像显示在figure画板上
plt.figure()
# 调用 xy
plt.plot(x,y)
plt.figure()
plt.plot(x,y2)
plt.savefig('img\正弦余弦函数.jpg')
plt.show()
x1=[1,2,3]
x2=[2,4,5]
y1=[2,3,4]
y2=[5,6,29]
# 解决乱码
plt.rcParams['font.sans-serif']=['SimHei']
plt.subplot(221) # 等价于plt.subplot(2,2,1) 2行2列第1个
plt.plot(x1,y1,'r--') # 里面三个参数
plt.title('x1y1',fontsize=15,color='blue') # title设置标题
plt.xlabel('x轴',fontsize=10) # 设置x轴名称
plt.ylabel('y轴',fontsize=10) # 设置y轴名称
plt.savefig('img/x1y1.jpg',dpi=200) # 将图形通过定制的像素保存到磁盘
plt.subplot(222) # 2行2列第3个
plt.plot(x2,y2,'r--')
plt.title('x2y2',fontsize=15,color='b') # b==blue 简称
plt.savefig('img\整合.jpg')
plt.show()
散点图
- 使用scatter函数可以绘制随机点,该函数需要接收x坐标和y坐标的序列。
plt.scatter(x,np.sin(x))
plt.rcParams['font.sans-serif']=['SimSong']
# 画散点图
x = np.linspace(0,100,1000) # 生成0-80的160个散点的图
plt.scatter(x,np.sin(x))
plt.savefig('img\散点图.jpg')
plt.show()
- 画10种大小, 100种颜色的散点图
# 画10种大小, 100种颜色的散点图
np.random.seed(10) # seed使得每次的随机值一定,每次执行不会变。
x=np.random.rand(100)
y=np.random.rand(100)
colors=np.random.rand(100)
size=np.random.rand(10)*1000
plt.scatter(x,y,c=colors,s=size,alpha=0.7)
plt.savefig('img\散点图2.jpg')
plt.show()
柱状图
- 使用bar函数可以绘制柱状图。柱状图需要水平的x坐标值,以及每一个x坐标值对应的y坐标值,从而形成柱状的图。
- bar函数的宽度并不是像素宽度。bar函数会根据二维坐标系的尺寸,以及x坐标值的多少,自动确定每一个柱的宽度,而width指定的宽度就是这个标准柱宽度的倍数。该参数值可以是浮点数,如0.5,表示柱的宽度是标准宽度的0.5倍。
# 绘制柱状图
x=[1997,1998,1999,2000]
x_labels=['1997年','1998年','1999年','2000年']
y=[1000,3000,4000,5000]
# plt.bar(x,y,width=1)
plt.bar(x,y,width=0.1)
plt.rcParams['font.sans-serif']=['SimHei'] #用来正常显示中文标签
plt.xticks(x,x_labels) # 设置x轴的刻度,rotation旋转角度
plt.xlabel('年份')
plt.ylabel('销量')
plt.title('根据年份销量对比图')
plt.savefig('img\柱状图.jpg')
plt.show()
- 使用bar和barh绘制柱状图
# 使用bar和barh绘制柱状图
plt.rcParams['font.sans-serif']=['SimSong'] #用来正常显示中文标签
np.random.seed(0) # 使每次运行时的随机数不变
x=np.arange(5) # 范围为5
y=np.random.randint(-5,5,5)
print(x,y)
plt.subplot(1,2,1) # 将画布分隔成一行两列 选中第一列
#在第一列中画图
v_bar=plt.bar(x,y)
#在第一列的画布中 0位置画一条蓝线
plt.axhline(0,color='blue',linewidth=2)
plt.subplot(1,2,2) # 将画布分隔成一行两列 选中第二列
#barh将y和x轴对换 竖着方向为x轴
h_bar=plt.barh(x,y,color='red')
#在第二列的画布中0位置处画红色的线
plt.axvline(0,color='red',linewidth=2)
plt.savefig('img\柱状图2.jpg')
plt.show()
[0 1 2 3 4] [ 0 -5 -2 -2 2]
np.random.randint(low, high=None, size=None, dtype=‘l’)
产生离散均匀分布的整数
参数 | 含义 |
---|---|
low | 生成元素的最小值 |
high | 生成元素的值一定小于high值 |
size | 输出的大小,可以是整数也可以是元组 |
dtype | 生成元素的数据类型 |
注意:high不为None,生成元素的值在[low,high)区间中;如果high=None,生成的区间为[0,low)区间
np.arange()
函数返回一个有终点和起点的固定步长的排列,其中步长支持小数。
参数个数 | 含义 |
---|---|
一个参数 | 参数值为终点,起点取默认值0,步长取默认值1。 |
两个参数 | 第一个参数为起点,第二个参数为终点,步长取默认值1。 |
三个参数 | 第一个参数为起点,第二个参数为终点,第三个参数为步长。 |
#三天中三部电影的票房变化
real_names=['千与千寻','玩具总动员4','黑衣人:全球追缉']
real_num1=[5453,7548,6543]
real_num2=[1840,4013,3421]
real_num3=[1080,1673,2342]
#生成x 第1天 第2天 第3天
x=np.arange(len(real_names))
x_label=['第{}天'.format(i+1) for i in range(len(real_names))]
plt.rcParams['font.sans-serif']=['SimHei'] #用来正常显示中文标签
#绘制柱状图
#设置柱的宽度
width=0.3
plt.bar(x,real_num1,color='g',width=width,label=real_names[0])
plt.bar([i+width for i in x],real_num2,color='b',width=width,label=real_names[1])
plt.bar([i+2*width for i in x],real_num3,color='r',width=width,label=real_names[2])
#修改x坐标
plt.xticks([i+width for i in x],x_label)
#添加图例
plt.legend()
#添加标题
plt.title('3天的票房数')
plt.savefig('img\柱状图3.jpg')
plt.show()
直方图
直方图与柱状图的分格类似,都是由若干个柱组成,但直方图和柱状图的含义却有很大的差异。直方图是用来观察分布状态的,而柱状图是用来看每一个X坐标对应的Y的值的。也就是说,直方图关注的是分布,并不关心具体的某个值,而柱状图关心的是具体的某个值。使用hist函数绘制直方图。
- 使用randn函数生成1000个正太分布的随机数,使用hist函数绘制这1000个随机数的分布状态
plt.rcParams['font.sans-serif']=['SimSong']
#频次直方图,均匀分布
#正太分布
x=np.random.randn(1000)
#画正太分布图
# plt.hist(x)
plt.hist(x,bins=100) #装箱的操作,将10个柱装到一起及修改柱的宽度
plt.savefig('img\直方图.jpg')
plt.show()
hist(x,bins,normed,color)
参数值 | 含义 |
---|---|
x | 这个参数是指定每个bin(箱子)分布的数据,对应x轴 |
bins | 这个参数指定bin(箱子)的个数,也就是总共有几条条状图 |
normed | 这个参数指定密度,也就是每个条状图的占比例比,默认为1 |
color | 这个指定条状图的颜色 |
- 使用normal函数生成1000个正太分布的随机数,使用hist函数绘制这100个随机数的分布状态。
plt.rcParams['font.sans-serif']=['SimSong']
#几个直方图画到一个画布中,第一个参数期望 第二个均值
x1=np.random.normal(0,0.8,1000)
x2=np.random.normal(-2,1,1000)
x3=np.random.normal(3,2,1000)
#参数分别是bins:装箱,alpha:透明度
kwargs=dict(bins=100,alpha=0.4)
plt.hist(x1,**kwargs)
plt.hist(x2,**kwargs)
plt.hist(x3,**kwargs)
plt.savefig('img\直方图2.jpg')
plt.show()
numpy.random.normal(loc=0.0, scale=1.0, size=None)
参数值 | 含义 |
---|---|
loc | float此概率分布的均值(对应着整个分布的中心centre) |
scale | float此概率分布的标准差(对应于分布的宽度,scale越大越矮胖,scale越小,越瘦高) |
size | 输出的shape,默认为None,只输出一个值 |
三维图
使用pyplot包和Matplotlib绘制三维图。
#导入3D包
from mpl_toolkits.mplot3d import Axes3D
#创建X、Y、Z坐标
X=[1,1,2,2]
Y=[3,4,4,3]
Z=[1,100,1,1]
fig = plt.figure()
# 创建了一个Axes3D的子图放到figure画布里面
ax = Axes3D(fig)
ax.plot_trisurf(X, Y, Z)
plt.savefig('img\三维图.jpg')
plt.show()