matplotlib 安装_30分钟入门 Matplotlib 绘图

Matplotlib是一个主要用于绘制二维图形的Python库。数据可视化是数据分析的重要环节，借助图形能够帮助更加直观地表达出数据背后的”东西”。Matplolib最初主要模仿Matlab的画图命令，但是它是独立于Matlab的，可以自由、免费使用的绘图包。Matplotlib依赖于之前介绍的Numpy库来提供出色的绘图能力。

Matplotlib的官网地址

http://matplotlib.org/

MatplotlibAPI的详细介绍请参考官网地址：

http://matplotlib.org/api/index.html

Windows,Linux,Mac 三种操作系统都可以安装Matplotlib库。以Windows为例，进入CMD窗口中，使用pip命令安装Matplotlib，系统会自动进行安装。

pip install matplotlib

如果安装失败，可以使用国内的镜像来安装Matplotlib库，如下所示。

pip install matplotlib -ihttps://pypi.tuna.tsinghua.edu.cn/simple/

正常情况下，系统还会下载其它的关联安装包并完成安装，最后系统会提示已经安装成功Matplotlib了，如图所示。
我们使用Matplotligb画一个简单直线图。本案例的文件名为PythonFullStack/Chapter07/ pl_linechart.py，内容如下：

#导入 pyplot模块，并起一个别名 plt
import matplotlib.pyplot as plt
# 设置X轴的坐标为 [1,2,3]，设置Y轴的坐标为 [3,2,1]
plt.plot( [1,2,3],[3,2,1] )
#画图
plt.show()

运行脚本如果可以显示下图形，说明Matplotlib的环境安装成功了。

散点图

绘制身高-体重的散点图

import matplotlib.pyplot as plt

height=[161,170,182,175,173,165]
weight=[50,58,80,70,69,55]

#画图
plt.scatter(height,weight , alpha=0.7)
#设置X轴标签
plt.xlabel( 'height')
#设置Y轴标签
plt.ylabel( 'weight ')
#添加图的标题
plt.title('scatter demo')
# 图形显示
plt.show()

运行脚本输出以下图形。

散点图主要演示2个变量的相关性：正相关，负相关，不相关。我们先看下无相关性的散点图。

例子2：无相关性的散点图。

import numpy as np
import matplotlib.pyplot as plt

#设置随机数种子
np.random.seed(10)
#使用Numpy的随机函数，产生X轴和Y轴的数据，具有相同长度的数据
N= 100
x = np.random.randn(N)
y1=np.random.randn(N)
#画图
plt.scatter(x,y1 )
# 图形显示
plt.show()

运行脚本输出以下图形

折线图

折线图,也叫条形图，是用直线将各数据连接起来组成的图形。常用来观察数据随时间变化的趋势。例如股票价格，温度变化等等,如图7-27所示。

上图的折线图是某公司近五年的汽车销售数据，折线图的横坐标是时间，纵坐标是销售量，表示随着时间的推移，销售量的变化趋势。

示例1: 显示 y = 2 x +1 的图形。

Matplotlib中最基础的模块式pyplot,下面从最简单的线图开始讲解，比如有一组数据，还有一个拟合模型，通过编写代码来实现数据与模型结果的可视化。

假设一个线性函数具有形式y = ax + b,自变量x，因变量是y，Y轴截距为b，斜率为a。
下面用简单的数据来描述线程方程y = 2x +1，代码如下。

import matplotlib.pyplot as plt
import numpy as np

# 生成等区间的Numpy数组ndarray，从-1到1分成50份。
x = np.linspace( -1 , 1, 50  )
#线程方程为y = 2x + 1
y = 2 * x + 1

# 设置X轴标签
plt.xlabel('X')
# 设置Y轴标签
plt.ylabel('Y ')
# 画图
plt.plot(x,y)
# 图形显示
plt.show()

运行脚本会输出以下图形。

在上图中，我们使用线程方程y = 2x +1画出的是直线图，如果想画出曲线图，只需要更改线程方程为y= x **2 ，完整代码如下。

import matplotlib.pyplot as plt
import numpy as np

# 设置X轴标签
plt.xlabel('X')
# 设置Y轴标签
plt.ylabel('Y ')

# 取5个点可以看到折线的效果
#x = np.linspace( -1 , 1, 5 )
x = np.linspace( -1 , 1, 50  )

# 线程方程为y = x ** 2 
y = x**2

# 画图
plt.plot (x,y)
# 图形显示
plt.show()

运行脚本输出以下图形。

柱状图

柱状图，也叫条形图，以长方形的长度为变量的统计视图。用来比较多个类别的数据大小。通常用来比较两个或以上的变量。如果只有一个变量，通常用于用于较小的数据集分析。例如：不同季度的销量，不同国家的人口等。

例子1：垂直柱状图。

本案例文件名为PythonFullStack/Chapter07/mpl_bar01，显示垂直的柱状图，其完整代码如下。

import numpy as np
import matplotlib.pyplot as plt

# 柱的个数，生成一个数组，从0到4
index = np.arange(5)
#柱的高度
y=[20,10,30,25,15]

#  画图，生成5个高度为y，柱的宽度为0.5，颜色是红色的柱体
p1 = plt.bar(left=index, height=y , width=0.5 , color='r' )
# 添加图的标题
plt.title("bar demo")
plt.show()

运行脚本会输出以下图形。

图733垂直柱状图

例子2：水平柱状图。

本案例文件名为PythonFullStack/Chapter07/mpl_bar02，显示水平的柱状图，其完整代码如下。

import numpy as np
import matplotlib.pyplot as plt
N = 5# 柱的高度
y=[20,10,30,25,15]# 柱的个数
index = np.arange(N)#  画图，生成5个高度为y，方向是水平的，柱的宽度为0.8，颜色是蓝色的柱体
p2 = plt.bar(left=0,bottom=index, width=y,height=0.8,orientation ='horizontal' )# 添加图的标题
plt.title("bar demo")
plt.show()

运行脚本会输出以下图形。

这个案例的核心代码如下，首先使用Numpy生成一个矩阵index，然后需要设置Matplotlib的bar()函数的bottom属性为index，表示柱状图的底部变成了index,水平垂直柱状图的横坐标变成了纵坐标，然后设置 plt.bar()函数的 left属性0,还要设置orientation属性为’horizontal’。orientation表示条形图的方向，设定的值horizontal’表示水平显示。看起来比较绕，但正是这种灵活性，才可以定制出复杂图形。

plt.bar(left=0,bottom=index, width=y,height=0.8,orientation ='horizontal' )

留言回复你在机器学习方面做过哪些有趣的应用，我们会在留言中随机抽取一位读者免费送出北京大学出版社出版的《Python 3.x全栈开发从入门到精通》图书一本。通过“拆解式”讲解Python全栈开发全过程，本书集理论、技术、案例、项目开发经验为一体，通过海量示例展示开发过程中的重点、疑点、难点，是一本宝典式大全教程。

热 门 推 荐用Python创建微信机器人用Python机器人监听微信群聊用Python获取摄像头并实时控制人脸开源项目 | 用Python美化LeetCode仓库 推荐Python中文社区旗下的几个服务类公众号 征稿启事 | Python中文社区有奖征文

▼ 点击成为社区注册会员          「在看」一下，一起PY！