python中plot的图像类型_大白话Python绘图系列: Matplotlib篇

1. 目的

大白话说python绘图那些事儿

2. Matplotlib

2.1 绘图步骤

2.1.1 元素

一张图, 可以理解由一层层元素添加绘制而成，和画画是一样样的。第一步, 来一张空白画布, 用来绘制图形

第二步, 向画布内添加图形元素图例

图标标题

坐标轴及属性(坐标刻度, 坐标轴标签等)

添加第一条数据线

添加第二条数据线

设置数据线的显示属性等

2.1.2 一步步绘制创建一个空的画布, 没有任何数据

fig = plt.figure(figsize=(10,5))

plt.plot()

plt.show()

2.创建一个空的画布, 绘制一条线

fig = plt.figure(figsize=(10,5))

data = np.linspace(0,10,100)

plt.plot(data, np.sin(data))

plt.show()

3.创建一个空的画布,绘制一条线+添加坐标轴

fig = plt.figure(figsize=(10,5))

data = np.linspace(0,10,100)

plt.plot(data, np.sin(data), label="test legend")

plt.xlabel('I am X Axis')

plt.ylabel('I am Y Axis')

plt.title("data desc")

plt.legend()

plt.show()

4. 创建一个空的画布, 绘制两条线

fig = plt.figure(figsize=(10,5))

data = np.linspace(0,10,100)

plt.plot(data, np.sin(data), 'r-o', label="test legend A")

plt.plot(data, np.cos(data), 'g--', label="test legend B")

# 两个线也可以这样写: plt.plot(x_line1, y_line2, 'r', x_line2, y_line2, 'b')

# 尝试取消下面注释运行(这种方式, 貌似图例不方便分开配置)

# plt.plot(data, np.sin(data), 'r-o', data, np.cos(data), 'g--', label="A")

plt.xlabel('I am X Axis')

plt.ylabel('I am Y Axis')

plt.title("data desc")

plt.legend()

plt.show()

2.1.3 绘制子图子图: 即在一个画布中，绘制多个子图

函数: subplot(行数, 列数, 第N个子图)

下面先放一张: 3行2列的6个子图

# 绘制子图

fig = plt.figure(figsize=(10,5))

data = np.linspace(0,10,100)

# 注意: 每一个子图是独立的，如是否显示图例，需要单独在子图函数下面增加

plt.subplot(3,2,1)

plt.plot(data, np.sin(data), 'r', label="test legend 1")

plt.legend()

plt.subplot(3,2,2)

plt.plot(data, np.cos(data), 'g', label="test legend 2")

plt.legend()

plt.subplot(3,2,3)

plt.plot(data, np.cos(data), 'c', label="test legend 3")

plt.legend()

plt.subplot(3,2,4)

plt.plot(data, np.cos(data), 'm', label="test legend 4")

plt.legend()

plt.subplot(3,2,5)

plt.plot(data, np.cos(data), 'y', label="test legend 5")

plt.legend()

plt.subplot(3,2,6)

plt.plot(data, np.cos(data), 'k', label="test legend 6")

plt.legend()

# 注意: 每个子图是可以如果重复上面的坐标是会被覆盖掉的， 尝试把下面注释代码取消试试效果

# plt.subplot(3,2,6)

# plt.plot(data, np.cos(data), 'k_', label="test legend 666")

# plt.legend()

# 注意: 每个子图是独立的, 且其划分在下一个子图也可以从新划分行列, 尝试把下面注释代码取消试试效果

# plt.subplot(3,1,3)

# plt.plot(data, np.cos(data), 'k_', label="test legend 888")

# plt.legend()

# plt.show()

plt.show()

看过上面例子，对subplot(xyz)的理解会更形象，抽象如下图

2.2 关于中文字体

2.2.1 ubuntu环境确认机器有中文字体

# terminal中输入:

fc-list :lang=zh

/usr/share/fonts/truetype/arphic/uming.ttc: AR PL UMing TW MBE:style=Light

/usr/share/fonts/truetype/arphic/ukai.ttc: AR PL UKai CN:style=Book

/usr/share/fonts/truetype/arphic/ukai.ttc: AR PL UKai HK:style=Book

/usr/share/fonts/truetype/arphic/ukai.ttc: AR PL UKai TW:style=Book

/usr/share/fonts/truetype/droid/DroidSansFallbackFull.ttf: Droid Sans

/usr/share/fonts/truetype/arphic/ukai.ttc: AR PL UKai TW MBE:style=Book

/usr/share/fonts/truetype/arphic/uming.ttc: AR PL UMing TW:style=Light

/usr/share/fonts/truetype/arphic/uming.ttc: AR PL UMing CN:style=Light

/usr/share/fonts/truetype/arphic/uming.ttc: AR PL UMing HK:style=Lightpython中如下设置

import matplotlib.pyplot as plt

import matplotlib as mpl

zhfont = mpl.font_manager.FontProperties(fname='/usr/share/fonts/truetype/droid/DroidSansFallbackFull.ttf')

plt.plot([1, 2, 3])

plt.xlabel(u'x轴', fontproperties=zhfont)

plt.show()

2.2.2 windows环境

import numpy as np;

import matplotlib.pyplot as plt

import pandas as pd

%matplotlib inline

plt.rcParams['font.sans-serif']=['SimHei'] # 设置字体为黑体

plt.plot([1, 2, 3])

plt.xlabel(u'x轴', fontproperties=zhfont)

plt.show()

2.3 绘制图类型下面仅仅是实例代码，仅仅演示下，很多属性省略设置

matplotlib可定制化比较强，不过参数设置较多，熟练使用需要花较多时间

如果不是从事专门绘图工作，那么仅了解一些常用属性设置即可

优秀的轮子介绍: 基于matplotlib API封装的第三方python库seaborn，更方便的绘制漂亮的常用图形

散点图

import numpy as np;

import matplotlib.pyplot as plt

data = np.linspace(0,10,100)

# s表示散点大小, alpha设置透明度

plt.scatter(data, np.random.randn(100), s = 50, color = 'r', alpha = 0.25)

plt.scatter(data, np.random.randn(100), s = 50, color = 'b', alpha = 0.25)

# 额外增加一个点, 突出以下～

plt.scatter(5, 1.5, s = 1500, color = 'y', alpha = 0.8)

plt.show()

直方图

import numpy as np

import matplotlib.pyplot as plt

x = np.random.randn(1000)

plt.hist(x, 50)

plt.show()

条形图

import numpy as np

import matplotlib.pyplot as plt

data = np.linspace(1,10,10)

for d in data:

plt.bar(d, d*10, color = '#539caf', align = 'center', label=d*10)

# 下面是用来设置数字标签, 需要指定标签的坐标, 有效数字, 大小

plt.text(d, d*10+0.05, '%.1f' % d, ha='center', va= 'bottom',fontsize=20)

plt.show()

箱图首先关于箱图的指标解释(QR: 标准差值, 数据集超过3倍标准差为异常数据)

切比雪夫定理: 任意一个数据集中，位于其平均数m个标准差范围内的比例（或部分）总是至少为1－1/m2，其中m为大于1的任意正数。对于m=2，m=3和m=5有如下结果所有数据中，至少有3/4（或75%）的数据位于平均数2个标准差范围内。

所有数据中，至少有8/9（或88.9%）的数据位于平均数3个标准差范围内。

所有数据中，至少有24/25（或96%)的数据位于平均数5个标准差范围内

data = np.random.randn(100)

plt.boxplot(data

, patch_artist=True # 设置为True才能控制箱体填充

, medianprops = {'color': 'k'}

, boxprops = {'color': 'r', 'facecolor': 'y'} # 盒子

, whiskerprops= {'color': 'k'} # 头

, capprops={'color': 'g'} # 为

)

plt.show()

2.4 高阶布局

使用场景不多, 一般默认布局够用坐标轴刻度格式化

import numpy as np

import matplotlib.pyplot as plt

import matplotlib.ticker as ticker

# Fixing random state for reproducibility

np.random.seed(19680801)

fig = plt.figure()

ax = fig.add_subplot(111)

ax.plot(100*np.random.rand(20))

formatter = ticker.FormatStrFormatter('$%1.2f')

ax.yaxis.set_major_formatter(formatter)

for tick in ax.yaxis.get_major_ticks():

tick.label1On = True # 左边坐标轴

tick.label2On = True # 右边坐标轴

tick.label2.set_color('green')

plt.show()

拼图模式

import matplotlib.pyplot as plt

ax1 = plt.subplot2grid((3, 3), (0, 0), colspan=3) # 生成3x3的格子，第一行，1个子图，宽度占满3格

ax2 = plt.subplot2grid((3, 3), (1, 0), colspan=2) # 第二行，第一个子图，宽度占2格

ax3 = plt.subplot2grid((3, 3), (1, 2), rowspan=2) # 第二行，第二个子图，宽度默认占1格，高度占2格

ax4 = plt.subplot2grid((3, 3), (2, 0))

ax5 = plt.subplot2grid((3, 3), (2, 1))

plt.tight_layout() # 加上后，就不会产生便签重叠

plt.show()

多个子图的标签: 不重叠

plt.rcParams['savefig.facecolor'] = "0.8"

def example_plot(ax, fontsize=12):

ax.plot([1, 2])

ax.locator_params(nbins=10)

ax.set_xlabel('x-label', fontsize=fontsize)

ax.set_ylabel('y-label', fontsize=fontsize)

ax.set_title('Title', fontsize=fontsize)

fig, ((ax1, ax2), (ax3, ax4)) = plt.subplots(nrows=2, ncols=2)

example_plot(ax1)

example_plot(ax2)

example_plot(ax3)

example_plot(ax4)

plt.tight_layout() # 加上后，就不会产生便签重叠

# plt.tight_layout(pad=0.4, w_pad=0.5, h_pad=1.0)

plt.show()

多图空间布局

fig = plt.figure()

import matplotlib.gridspec as gridspec

def example_plot(ax, fontsize=12):

ax.plot([1, 2])

ax.locator_params(nbins=10)

ax.set_xlabel('x-label', fontsize=fontsize)

ax.set_ylabel('y-label', fontsize=fontsize)

ax.set_title('Title', fontsize=fontsize)

gs1 = gridspec.GridSpec(2, 1)

ax1 = fig.add_subplot(gs1[0])

ax2 = fig.add_subplot(gs1[1])

# ax3 = fig.add_subplot(gs1[2])

example_plot(ax1)

example_plot(ax2)

# example_plot(ax3)

# gs1在画布的位置，由rect定义, 两个点确定一个矩形， 即定义画布的左半边，归gs1显示

# 点1 (0,0) : 左上角位置

# 点2 (0.5,1) : 底部中间位置

gs1.tight_layout(fig, rect=[0, 0, 0.5, 1])

gs2 = gridspec.GridSpec(3, 1)

for ss in gs2:

ax = fig.add_subplot(ss)

example_plot(ax)

ax.set_title("")

ax.set_xlabel("")

ax.set_xlabel("x-label", fontsize=12)

# gs2在画布的位置，由rect定义, 两个点确定一个矩形， 即定义画布的左半边，归gs2显示

gs2.tight_layout(fig, rect=[0.5, 0, 1, 1], h_pad=0.5)

plt.show()

3. About Me

来自北京回龙观的一名数据民工， 2019年开始写写数据民工那些大白话

- 微信公众号: workindata

- 个人微信号: ITlooker