python matplotlib.pyplot饼图重叠_专题 | Python绘图神器之matplotlib

腾讯课堂 | Python网络爬虫与文本分析 我的施工之路

1 我的施工计划 2 数字专题 3 字符串专题 4 列表专题 5 流程控制专题 6 编程风格专题 7 函数使用 8 面向对象编程(上篇) 9 面向对象编程(下篇) 10 十大数据结构 11 包和模块使用总结 12 Python正则专题总结 13 设计模式 14 Python时间模块总结 15  Python 装饰器 16  Python 迭代器 17  Python 生成器 18  Python 绘图 入门

今天，继续施工专题第19篇：Python绘图神器：matplotlib(上)

使用版本

本文使用的 matplotlib 版本: 3.1.3

使用的 NumPy 版本: 1.18.1

顺便说一句，matplotlib 的近亲是 NumPy，对其的亲缘性最好，无缝支持。官档中说对Pandas数据结构某些情况支持可能有问题，这点需要注意，可能出现非预期的结果。

1 两套不同的绘图API使用场景是怎样的？

Matplotlib 构建的绘图体系是严谨的，它提供基本的两套绘图API：

1. 基于 matplotlib.pyplot 模块，优点：写法简洁，适用交互性强，如Jupyter Notebook，一边写一边出图的场景；缺点：不适宜在大项目中，构建复杂的GUI图形场景。

2. 基于面向对象(OO)的API绘图，需要自己手动创建诸如，figure 对象，axes 对象，调用它们开放出的API，优点定制能力更强，适应于大型项目，很多行脚本时；缺点：没有pyplot那般简洁。

2 分别如何使用这两套API?

网上matplotlib的绘图例子非常多，这篇文章我不想去罗列一个一个绘图例子，而是想结合绘图方法和例子，教会大家学会使用matplotlib的两种绘图体系，包括常用的API，以及如何调整属性，直至把一幅图做完美。

那么，先使用两套绘图方法，绘制一个简单图，重点体会它们书写的不同。

使用第一种方法绘图，即pyplot模块，在极坐标系下绘制一条螺旋线，完全使用pyplot模块内的方法：

# 创建figure
fig = plt.figure(dpi=120)
# 准备好极坐标系的数据
# 半径为[0,1]
r = np.arange(0, 1, 0.001)
theta = 2 * 2*np.pi * r
# 极坐标下绘制
line, = plt.polar(theta, r, color='#ee8d18', lw=3)
plt.show()

使用面向对象的方法，调用axes对象同样绘制出上图：

fig = plt.figure(dpi=120)
# 添加一个坐标系到figure中，返回这个坐标系
ax = fig.add_subplot(111, polar=True)
r = np.arange(0, 1, 0.001)
theta = 2 * 2*np.pi * r
# 调用坐标系ax对象内的plot绘图
# 而不是pyplot内的plot
line, = ax.plot(theta, r, color='#ee8d18', lw=3)
plt.show()

3 如何解剖图中各个元素？

matplotlib 绘图元素与我们上一个专题的绘图入门介绍的元素基本对应，基本的元素包括：Figure(整个图形)，Axes(坐标系)，

主tick(major tick)，次tick(minor tick)，主tick的标签(major tick)，次tick的标签(minor tick label)，y轴标签(y axis label)，线(line)，标题(title)，网格(Grid)，图例(Legend)，标注点(Markers)，

Spines 是连接轴刻度标记的线，而且标明了数据区域的边界。

4 Figure 和 Axes 的关系是什么？

Figure 是所有绘图元素的最顶层容器， 而 Axes 是 Figure 上的其中一个坐标系，言外之意，一个 Figure 能包括多个 Axes!

如下创建 Figure 时，会默认创建一个 Axes

# figure() 创建一个Figure对象
fig = plt.figure()
print(type(fig))
# 并且默认创建一个坐标系Axes
print(plt.gca)
plt.plot()
plt.show()

当然我们也可以一个 Figure 对象中包括多个 Axes 对象，如下包括4个：

fig = plt.figure()

for i in range(1,5):
    ax = fig.add_subplot(220+i)
    ax.plot()
    plt.title('Axes'+str(i))

# 解决元素重叠问题
fig.tight_layout()
plt.show()

5 多图时元素重叠如何解决？

正如上图所示，matplotlib 有2个方法能自动解决重叠问题，一个就是上面用到的tight_layout方法，再有一个subplots_adjust：

fig.subplots_adjust(0,0,1,1,hspace=0.5,wspace=0.5)

那么问题来了，如果实现更加鸡血的布局，该如何做？借助 GridSpec，使用方法如下所示：

fig = plt.figure()

fig.suptitle("gs[y, x]", x=0.5, y=1.2, fontsize=20)
# 创建4*4的对象
gs = fig.add_gridspec(4, 4)

# 创建第一行
ax1 = fig.add_subplot(gs[0,0:4])
ax1.set_title('[0,0:4]')

# 创建中间四行
ax2 = fig.add_subplot(gs[1,1:3])
ax2.set_title('[1,1:3]')

ax3 = fig.add_subplot(gs[2:4,1])
ax3.set_title('[2:4,1]')

ax4 = fig.add_subplot(gs[2,2])
ax4.set_title('[2,2]')

plt.tight_layout()

6 图中的汉字总是乱码怎么解决？

借助全局参数配置字典rcParams，只需要在代码开头，添加如下两行代码：

#解决中文显示问题

# 指定默认字体
plt.rcParams['font.sans-serif'] = ['KaiTi'] 
# 解决保存图像是负号'-'显示为方块的问题
plt.rcParams['axes.unicode_minus'] = False 

7 matplotlib中如何绘制动画？

详细参考前几天的推送，专题第18篇：Python 绘图入门，使用animation模块，FuncAnimation方法，定义好回调函数，入参为整数，代表帧数。

如下为绘制饼图的动画，展示逻辑如下：

fig,ax = plt.subplots()
explode=[0.01,0.01,0.01,0.01] 


def getmepie(i):
    def absolute_value(val):
        a = np.round(val/100.*df1.head(i).max().sum(), 0)
        return int(a)
    ax.clear()
    plot = df1.head(i).max().plot.pie(y=df1.columns,autopct=absolute_value, label='',explode = explode, shadow = True)
    plot.set_title('Total Number of Deaths\n' + str(df1.index[min( i, len(df1.index)-1 )].strftime('%Y-%m-%d')), fontsize=12)

animator = ani.FuncAnimation(fig, getmepie, interval = 200) plt.show() 绘制动画只有这一行，调用FuncAnimation，它的第二个参数为上面定义的函数getmepie:

animator = ani.FuncAnimation(fig, getmepie, interval = 200) plt.show() 绘制后的饼图部分 gif 动画，录制效果如下：

近期文章

Python网络爬虫与文本数据分析bsite库 | 采集B站视频信息、评论数据rpy2库 | 在jupyter中调用R语言代码tidytext | 耳目一新的R-style文本分析库reticulate包 | 在Rmarkdown中调用Python代码plydata库 | 数据操作管道操作符>>plotnine: Python版的ggplot2作图库七夕礼物 | 全网最火的钉子绕线图制作教程读完本文你就了解什么是文本分析文本分析在经管领域中的应用概述  综述:文本分析在市场营销研究中的应用plotnine: Python版的ggplot2作图库小案例: Pandas的apply方法  stylecloud:简洁易用的词云库 用Python绘制近20年地方财政收入变迁史视频  Wow~70G上市公司定期报告数据集漂亮~pandas可以无缝衔接Bokeh  YelpDaset: 酒店管理类数据集10+G  

“ 分享 ”和“ 在看 ”是更好的支持！