Python图表绘制工具：Matplotlib_Part 1

最新推荐文章于 2024-03-29 13:45:14 发布

weixin_34087503

最新推荐文章于 2024-03-29 13:45:14 发布

阅读量285

点赞数

文章标签： python java matlab

原文链接：https://juejin.im/post/5b0e69fe5188253232146c58

版权

###序言： Python的可视化工具,以下截图，均以展示图表实例，如需了解部分对象的输出结果，可参照我Github上的代码，3Q?

####【课程3.1】 Matplotlib简介及图表窗口 Matplotlib → 一个python版的matlab绘图接口，以2D为主，支持python、numpy、pandas基本数据结构，运营高效且有较丰富的图表库

图表窗口1 → plt.show()

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

# 图表窗口1 → plt.show()

plt.plot(np.random.rand(10))
plt.show()
# 直接生成图表
复制代码

图表窗口2 → 魔法函数，嵌入图表

# 图表窗口2 → 魔法函数，嵌入图表

% matplotlib inline  
x = np.random.randn(1000)
y = np.random.randn(1000)
plt.scatter(x,y)
# 直接嵌入图表，不用plt.show()
# <matplotlib.collections.PathCollection at ...> 代表该图表对象
复制代码

>##### 图表窗口3 → 魔法函数，弹出可交互的matplotlib窗口 ``` # 图表窗口3 → 魔法函数，弹出可交互的matplotlib窗口

% matplotlib notebook s = pd.Series(np.random.randn(100)) s.plot(style = 'k--o',figsize=(10,5))

可交互的matplotlib窗口，不用plt.show()

可做一定调整

![3.png](https://upload-images.jianshu.io/upload_images/2330091-4bc58a4f1bdacb44.png?imageMogr2/auto-orient/strip%7CimageView2/2/w/1240)

<br>
>#####  图表窗口4 → 魔法函数，弹出matplotlib控制台
复制代码

图表窗口4 → 魔法函数，弹出matplotlib控制台

% matplotlib qt5 df = pd.DataFrame(np.random.rand(50,2),columns=['A','B']) df.hist(figsize=(12,5),color='g',alpha=0.8)

可交互性控制台

如果已经设置了显示方式（比如notebook），需要重启然后再运行魔法函数

网页嵌入的交互性窗口和控制台，只能显示一个

#plt.close()

关闭窗口

#plt.gcf().clear()

每次清空图表内内容

PS:这里需要用代码调试
<br>

####【课程3.2】  图表的基本元素
&ensp;&ensp;&ensp;&ensp;图表内基本参数设置

>##### 图名，图例，轴标签，轴边界，轴刻度，轴刻度标签等
复制代码

图名，图例，轴标签，轴边界，轴刻度，轴刻度标签等

df = pd.DataFrame(np.random.rand(10,2),columns=['A','B']) fig = df.plot(figsize=(6,4))

figsize：创建图表窗口，设置窗口大小

创建图表对象，并赋值与fig

plt.title('Interesting Graph - Check it out') # 图名 plt.xlabel('Plot Number') # x轴标签 plt.ylabel('Important var') # y轴标签

plt.legend(loc = 'upper right')

显示图例，loc表示位置

'best' : 0, (only implemented for axes legends)(自适应方式)

'upper right' : 1,

'upper left' : 2,

'lower left' : 3,

'lower right' : 4,

'right' : 5,

'center left' : 6,

'center right' : 7,

'lower center' : 8,

'upper center' : 9,

'center' : 10,

plt.xlim([0,12]) # x轴边界 plt.ylim([0,1.5]) # y轴边界 plt.xticks(range(10)) # 设置x刻度 plt.yticks([0,0.2,0.4,0.6,0.8,1.0,1.2]) # 设置y刻度 fig.set_xticklabels("%.1f" %i for i in range(10)) # x轴刻度标签 fig.set_yticklabels("%.2f" %i for i in [0,0.2,0.4,0.6,0.8,1.0,1.2]) # y轴刻度标签

范围只限定图表的长度，刻度则是决定显示的标尺 → 这里x轴范围是0-12，但刻度只是0-9，刻度标签使得其显示1位小数

轴标签则是显示刻度的标签

print(fig,type(fig))

查看表格本身的显示方式，以及类别

![4.png](https://upload-images.jianshu.io/upload_images/2330091-2a380146238d0e50.png?imageMogr2/auto-orient/strip%7CimageView2/2/w/1240)


<br>
>##### 其他元素可视性
复制代码

其他元素可视性

x = np.linspace(-np.pi,np.pi,256,endpoint = True) c, s = np.cos(x), np.sin(x) plt.plot(x, c) plt.plot(x, s)

通过ndarry创建图表

plt.grid(True, linestyle = "--",color = "gray", linewidth = "0.5",axis = 'x')

显示网格

linestyle：线型

color：颜色

linewidth：宽度

axis：x，y，both，显示x/y/两者的格网

plt.tick_params(bottom='on',top='off',left='on',right='off')

刻度显示

import matplotlib matplotlib.rcParams['xtick.direction'] = 'out' matplotlib.rcParams['ytick.direction'] = 'inout'

设置刻度的方向，in,out,inout

这里需要导入matploltib，而不仅仅导入matplotlib.pyplot

frame = plt.gca() #plt.axis('off')

关闭坐标轴

#frame.axes.get_xaxis().set_visible(False) #frame.axes.get_yaxis().set_visible(False)

x/y 轴不可见

![5.png](https://upload-images.jianshu.io/upload_images/2330091-e57a97557b67e799.png?imageMogr2/auto-orient/strip%7CimageView2/2/w/1240)


<br>

####【课程3.3】  图表的样式参数
&ensp;&ensp;&ensp;&ensp;linestyle、style、color、marker
>##### linestyle参数
复制代码

linestyle参数

plt.plot([i**2 for i in range(100)], linestyle = '-.')

'-' solid line style

'--' dashed line style

'-.' dash-dot line style

':' dotted line style

![6.png](https://upload-images.jianshu.io/upload_images/2330091-e3dfcd9220e0a0e9.png?imageMogr2/auto-orient/strip%7CimageView2/2/w/1240)


<br>
>##### marker参数
复制代码

marker参数

s = pd.Series(np.random.randn(100).cumsum()) s.plot(linestyle = '--', marker = '.')

'.' point marker

',' pixel marker

'o' circle marker

'v' triangle_down marker

'^' triangle_up marker

'<' triangle_left marker

'>' triangle_right marker

'1' tri_down marker

'2' tri_up marker

'3' tri_left marker

'4' tri_right marker

's' square marker

'p' pentagon marker

'*' star marker

'h' hexagon1 marker

'H' hexagon2 marker

'+' plus marker

'x' x marker

'D' diamond marker

'd' thin_diamond marker

'|' vline marker

'_' hline marker

![7.png](https://upload-images.jianshu.io/upload_images/2330091-15c0e5e82532d4c7.png?imageMogr2/auto-orient/strip%7CimageView2/2/w/1240)


<br>
>##### color参数
复制代码

color参数

plt.hist(np.random.randn(100), color = 'g',alpha = 0.8)

alpha：0-1，透明度

常用颜色简写：red-r, green-g, black-k, blue-b, yellow-y

df = pd.DataFrame(np.random.randn(1000, 4),columns=list('ABCD')) df = df.cumsum() df.plot(style = '--.',alpha = 0.8,colormap = 'GnBu')

colormap：颜色板，包括：

Accent, Accent_r, Blues, Blues_r, BrBG, BrBG_r, BuGn, BuGn_r, BuPu, BuPu_r, CMRmap, CMRmap_r, Dark2, Dark2_r, GnBu, GnBu_r, Greens, Greens_r,

Greys, Greys_r, OrRd, OrRd_r, Oranges, Oranges_r, PRGn, PRGn_r, Paired, Paired_r, Pastel1, Pastel1_r, Pastel2, Pastel2_r, PiYG, PiYG_r,

PuBu, PuBuGn, PuBuGn_r, PuBu_r, PuOr, PuOr_r, PuRd, PuRd_r, Purples, Purples_r, RdBu, RdBu_r, RdGy, RdGy_r, RdPu, RdPu_r, RdYlBu, RdYlBu_r,

RdYlGn, RdYlGn_r, Reds, Reds_r, Set1, Set1_r, Set2, Set2_r, Set3, Set3_r, Spectral, Spectral_r, Wistia, Wistia_r, YlGn, YlGnBu, YlGnBu_r,

YlGn_r, YlOrBr, YlOrBr_r, YlOrRd, YlOrRd_r, afmhot, afmhot_r, autumn, autumn_r, binary, binary_r, bone, bone_r, brg, brg_r, bwr, bwr_r,

cool, cool_r, coolwarm, coolwarm_r, copper, copper_r, cubehelix, cubehelix_r, flag, flag_r, gist_earth, gist_earth_r, gist_gray, gist_gray_r,

gist_heat, gist_heat_r, gist_ncar, gist_ncar_r, gist_rainbow, gist_rainbow_r, gist_stern, gist_stern_r, gist_yarg, gist_yarg_r, gnuplot,

gnuplot2, gnuplot2_r, gnuplot_r, gray, gray_r, hot, hot_r, hsv, hsv_r, inferno, inferno_r, jet, jet_r, magma, magma_r, nipy_spectral,

nipy_spectral_r, ocean, ocean_r, pink, pink_r, plasma, plasma_r, prism, prism_r, rainbow, rainbow_r, seismic, seismic_r, spectral,

spectral_r ,spring, spring_r, summer, summer_r, terrain, terrain_r, viridis, viridis_r, winter, winter_r

其他参数见“颜色参数.docx”

![8.png](https://upload-images.jianshu.io/upload_images/2330091-3ecd60c25321be36.png?imageMogr2/auto-orient/strip%7CimageView2/2/w/1240)


<br>
>##### style参数，可以包含linestyle，marker，color
复制代码

style参数，可以包含linestyle，marker，color

ts = pd.Series(np.random.randn(1000).cumsum(), index=pd.date_range('1/1/2000', periods=1000)) ts.plot(style = '--g.',grid = True)

style → 风格字符串，这里包括了linestyle（-），marker（.），color（g）

plot()内也有grid参数

![9.png](https://upload-images.jianshu.io/upload_images/2330091-52b6af5af44a41c9.png?imageMogr2/auto-orient/strip%7CimageView2/2/w/1240)


<br>
>##### 整体风格样式
复制代码

整体风格样式

import matplotlib.style as psl print(plt.style.available)

查看样式列表

psl.use('ggplot') ts = pd.Series(np.random.randn(1000).cumsum(), index=pd.date_range('1/1/2000', periods=1000)) ts.plot(style = '--g.',grid = True,figsize=(10,6))

一旦选用样式后，所有图表都会有样式，重启后才能关掉

![10.png](https://upload-images.jianshu.io/upload_images/2330091-93f5897fb0213ef6.png?imageMogr2/auto-orient/strip%7CimageView2/2/w/1240)


<br>

####【课程3.4】  刻度、注解、图表输出
&ensp;&ensp;&ensp;&ensp;主刻度、次刻度
>##### 刻度
复制代码

刻度

from matplotlib.ticker import MultipleLocator, FormatStrFormatter

t = np.arange(0.0, 100.0, 1) s = np.sin(0.1np.pit)np.exp(-t0.01) ax = plt.subplot(111) #注意:一般都在ax中设置,不再plot中设置 plt.plot(t,s,'--*') plt.grid(True, linestyle = "--",color = "gray", linewidth = "0.5",axis = 'both')

网格

#plt.legend() # 图例

xmajorLocator = MultipleLocator(10) # 将x主刻度标签设置为10的倍数 xmajorFormatter = FormatStrFormatter('%.0f') # 设置x轴标签文本的格式 xminorLocator = MultipleLocator(5) # 将x轴次刻度标签设置为5的倍数
ymajorLocator = MultipleLocator(0.5) # 将y轴主刻度标签设置为0.5的倍数 ymajorFormatter = FormatStrFormatter('%.1f') # 设置y轴标签文本的格式 yminorLocator = MultipleLocator(0.1) # 将此y轴次刻度标签设置为0.1的倍数

ax.xaxis.set_major_locator(xmajorLocator) # 设置x轴主刻度 ax.xaxis.set_major_formatter(xmajorFormatter) # 设置x轴标签文本格式 ax.xaxis.set_minor_locator(xminorLocator) # 设置x轴次刻度

ax.yaxis.set_major_locator(ymajorLocator) # 设置y轴主刻度 ax.yaxis.set_major_formatter(ymajorFormatter) # 设置y轴标签文本格式 ax.yaxis.set_minor_locator(yminorLocator) # 设置y轴次刻度

ax.xaxis.grid(True, which='both') #x坐标轴的网格使用主刻度 ax.yaxis.grid(True, which='minor') #y坐标轴的网格使用次刻度

which：格网显示

#删除坐标轴的刻度显示 #ax.yaxis.set_major_locator(plt.NullLocator()) #ax.xaxis.set_major_formatter(plt.NullFormatter())

![11.png](https://upload-images.jianshu.io/upload_images/2330091-5b683cb30548fbcf.png?imageMogr2/auto-orient/strip%7CimageView2/2/w/1240)


<br>
>##### 注解
复制代码

注解

df = pd.DataFrame(np.random.randn(10,2)) df.plot(style = '--o') plt.text(5,0.5,'hahaha',fontsize=10)

注解 → 横坐标，纵坐标，注解字符串

![12.png](https://upload-images.jianshu.io/upload_images/2330091-ec7908d102b08eb4.png?imageMogr2/auto-orient/strip%7CimageView2/2/w/1240)


<br>
>#####图表输出
复制代码

图表输出

df = pd.DataFrame(np.random.randn(1000, 4), columns=list('ABCD')) df = df.cumsum() df.plot(style = '--.',alpha = 0.5) plt.legend(loc = 'upper left') plt.savefig('C:/Users/Hjx/Desktop/pic.png', dpi=400, bbox_inches = 'tight', facecolor = 'g', edgecolor = 'b')

可支持png，pdf，svg，ps，eps…等，以后缀名来指定

dpi是分辨率

bbox_inches：图表需要保存的部分。如果设置为‘tight’，则尝试剪除图表周围的空白部分。

facecolor，edgecolor：图像的背景色，默认为‘w’（白色）

![13.png](https://upload-images.jianshu.io/upload_images/2330091-5163f2d3ed71d5f7.png?imageMogr2/auto-orient/strip%7CimageView2/2/w/1240)


<br>

####【课程3.5】  子图
&ensp;&ensp;&ensp;&ensp;在matplotlib中，整个图像为一个Figure对象
在Figure对象中可以包含一个或者多个Axes对象
每个Axes(ax)对象都是一个拥有自己坐标系统的绘图区域
&ensp;&ensp;&ensp;&ensp;plt.figure, plt.subplot
>##### plt.figure() 绘图对象
复制代码

plt.figure() 绘图对象

plt.figure(num=None, figsize=None, dpi=None, facecolor=None, edgecolor=None,

frameon=True, FigureClass=<class 'matplotlib.figure.Figure'>, **kwargs)

fig1 = plt.figure(num=1,figsize=(4,2)) plt.plot(np.random.rand(50).cumsum(),'k--') fig2 = plt.figure(num=2,figsize=(4,2)) plt.plot(50-np.random.rand(50).cumsum(),'k--')

num：图表序号，可以试试不写或都为同一个数字的情况，图表如何显示

figsize：图表大小

当我们调用plot时，如果设置plt.figure()，则会自动调用figure()生成一个figure, 严格的讲，是生成subplots(111)

![14.png](https://upload-images.jianshu.io/upload_images/2330091-9cb8e76e6490833a.png?imageMogr2/auto-orient/strip%7CimageView2/2/w/1240)


<br>
>##### 子图创建1 - 先建立子图然后填充图表
复制代码

子图创建1 - 先建立子图然后填充图表

fig = plt.figure(figsize=(10,6),facecolor = 'gray')

ax1 = fig.add_subplot(2,2,1) # 第一行的左图 plt.plot(np.random.rand(50).cumsum(),'k--') plt.plot(np.random.randn(50).cumsum(),'b--')

先创建图表figure，然后生成子图，(2,2,1)代表创建2*2的矩阵表格，然后选择第一个，顺序是从左到右从上到下

创建子图后绘制图表，会绘制到最后一个子图

ax2 = fig.add_subplot(2,2,2) # 第一行的右图 ax2.hist(np.random.rand(50),alpha=0.5)

ax4 = fig.add_subplot(2,2,4) # 第二行的右图 df2 = pd.DataFrame(np.random.rand(10, 4), columns=['a', 'b', 'c', 'd']) ax4.plot(df2,alpha=0.5,linestyle='--',marker='.')

也可以直接在子图后用图表创建函数直接生成图表

![15.png](https://upload-images.jianshu.io/upload_images/2330091-effd8c5af1a6ad84.png?imageMogr2/auto-orient/strip%7CimageView2/2/w/1240)


<br>
>##### 子图创建2 - 创建一个新的figure，并返回一个subplot对象的numpy数组 → plt.subplot
复制代码

子图创建2 - 创建一个新的figure，并返回一个subplot对象的numpy数组 → plt.subplot

fig,axes = plt.subplots(2,3,figsize=(10,4)) ts = pd.Series(np.random.randn(1000).cumsum()) print(axes, axes.shape, type(axes))

生成图表对象的数组

ax1 = axes[0,1] ax1.plot(ts)

![16.png](https://upload-images.jianshu.io/upload_images/2330091-0810c5bc9b8ea406.png?imageMogr2/auto-orient/strip%7CimageView2/2/w/1240)


<br>
>#####plt.subplots,参数调整
复制代码

plt.subplots,参数调整

fig,axes = plt.subplots(2,2,sharex=True,sharey=True)

sharex,sharey：是否共享x，y刻度

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

wspace,hspace：用于控制宽度和高度的百分比，比如subplot之间的间距

![17.png](https://upload-images.jianshu.io/upload_images/2330091-5f21e64bebd8fa15.png?imageMogr2/auto-orient/strip%7CimageView2/2/w/1240)


<br>
>##### 子图创建3 - 多系列图，分别绘制
复制代码

子图创建3 - 多系列图，分别绘制

df = pd.DataFrame(np.random.randn(1000, 4), index=ts.index, columns=list('ABCD')) df = df.cumsum() df.plot(style = '--.',alpha = 0.4,grid = True,figsize = (8,8), subplots = True, layout = (2,3), sharex = False) plt.subplots_adjust(wspace=0,hspace=0.2)

plt.plot()基本图表绘制函数 → subplots，是否分别绘制系列（子图）

layout：绘制子图矩阵，按顺序填充

![18.png](https://upload-images.jianshu.io/upload_images/2330091-970e573c768c2138.png?imageMogr2/auto-orient/strip%7CimageView2/2/w/1240)



<br>

#####最后：
[以上完整代码](https://github.com/ChaoRenYuan/Python/tree/master/Python数据分析工具/图表绘制工具：Matplotlib)
复制代码

转载于:https://juejin.im/post/5b0e69fe5188253232146c58