python画图的模块_Python绘图与可视化

Python有很多可视化工具，本篇只介绍Matplotlib。

Matplotlib是一种2D的绘图库，它可以支持硬拷贝和跨系统的交互，它可以在Python脚本、IPython的交互环境下、Web应用程序中使用。该项目是由John Hunter于2002年启动的，其目的是为Python构建一个MATLAB式的绘图接口。如果结合使用一种GUI工具包（如IPython），Matplotlib还具有诸如缩放和平移等交互功能。它不仅支持各种操作系统上许多不同的GUI后端，而且还能将图片导出为各种常见的食量（vector）和光栅（raster）图：PDF、SVG、JPG、PNG、BMP、GIF等。

Matplotlib程序包

所谓“一图胜千言”，我们很多时候需要通过可视化的方式查看、分析数据，虽然Pandas中也有一些绘图操作，但是相比较而言，Matplotlib在绘图显示效果方面更加出色。Python为Matplotlib提供了一个方便的接口，我们可以通过Pyplot对Matplotlib进行操作，多数情况下，Pyplot的命令与MATLAB有些相似。

导入Matplotlib包进行简单的操作（此处需要安装pip install matplotlib）：

import matplotlib.pyplot as plt#约定俗成的写法plt#首先定义两个函数（正弦&余弦）

importnumpy as np

X=np.linspace(-np.pi,np.pi,256,endpoint=True)#-π to+π的256个值

C,S=np.cos(X),np.sin(X)

plt.plot(X,C)

plt.plot(X,S)#在ipython的交互环境中需要这句话才能显示出来

plt.show()

输出结果：

绘图命令的基本架构及其属性设置

上面的例子我们可以看出，几乎所有的属性和绘图的框架我们都选用默认设置。现在我们来看Pyplot绘图的基本框架是什么，用过Photoshop的人都知道，作图时先要定义一个画布，此处的画布就是Figure，然后再把其他素材“画”到该Figure上。

1）在Figure上创建子plot，并设置属性

x=np.linspace(0,10,1000)#X轴数据

y1=np.sin(x)#Y轴数据

y2=np.cos(x**2)#Y轴数据 x**2即x的平方

plt.figure(figsize=(8,4))

plt.plot(x,y1,label="$sin(x)$",color="red",linewidth=2)#将$包围的内容渲染为数学公式

plt.plot(x,y2,"b--",label="$cos(x^2)$")#指定曲线的颜色和线性，如‘b--’表示蓝色虚线（b：蓝色，-：虚线）

plt.xlabel("Time(s)")

plt.ylabel("Volt")

plt.title("PyPlot First Example")‘‘‘使用关键字参数可以指定所绘制的曲线的各种属性：

label：给曲线指定一个标签名称，此标签将在图标中显示。如果标签字符串的前后都有字符‘$‘，则Matplotlib会使用其内嵌的LaTex引擎将其显示为数学公式

color：指定曲线的颜色。颜色可以用如下方法表示

英文单词

以‘#’字符开头的3个16进制数，如‘#ff0000’表示红色。

以0~1的RGB表示，如（1.0,0.0,0.0）也表示红色。

linewidth：指定权限的宽度，可以不是整数，也可以使用缩写形式的参数名lw。‘‘‘plt.ylim(-1.5,1.5)

plt.legend()#显示左下角的图例

plt.show()

2）在Figure上创建多个子plot

如果需要绘制多幅图表的话，可以给Figure传递一个整数参数指定图表的序号，如果所指定序号的绘图对象已经存在的话，将不创建新的对象，而只是让它成为当前绘图对象。

fig1=plt.figure(2)

plt.subplot(211)#subplot(211)把绘图区域等分为2行*1列共两个区域，然后在区域1（上区域）中创建一个轴对象

plt.subplot(212)#在区域2（下区域）创建一个轴对象

plt.show()

输出结果：

我们还可以通过命令再次拆分这些块（相当于Word中拆分单元格操作）

f1=plt.figure(5)#弹出对话框时的标题，如果显示的形式为弹出对话框的话

plt.subplot(221)

plt.subplot(222)

plt.subplot(212)

plt.subplots_adjust(left=0.08,right=0.95,wspace=0.25,hspace=0.45)#subplots_adjust的操作时类似于网页css格式化中的边距处理，左边距离多少？#右边距离多少？这取决于你需要绘制的大小和各个模块之间的间距

plt.show()

输出结果：

3）通过Axes设置当前对象plot的属性

以上我们操作的是在Figure上绘制图案，但是当我们绘制图案过多，又需要选取不同的小模块进行格式化设置时，Axes对象就能很好地解决这个问题。

fig,axes=plt.subplots(nrows=2,ncols=2)#定一个2*2的plot

plt.show()

输出结果：

现在我们需要通过命令来操作每个plot（subplot），设置它们的title并删除横纵坐标值。

fig,axes=plt.subplots(nrows=2,ncols=2)#定一个2*2的plot

axes[0,0].set(title=‘Upper Left‘)

axes[0,1].set(title=‘Upper Right‘)

axes[1,0].set(title=‘Lower Left‘)

axes[1,1].set(title=‘Lower Right‘)#通过Axes的flat属性进行遍历

for ax inaxes.flat:#xticks和yticks设置为空置

ax.set(xticks=[],yticks=[])

plt.show()

输出结果：

另外，实际来说，plot操作的底层操作就是Axes对象的操作，只不过如果我们不使用Axes而用plot操作时，它默认的是plot.subplot(111)，也就是说plot其实是Axes的特例。

4）保存Figure对象

最后一项操作就是保存，我们绘图的目的是用在其他研究中，或者希望可以把研究结果保存下来，此时需要的操作时save。

plt.savefig(r"C:\Users\123\Desktop\save_test.png",dpi=520)#默认像素dpi是80

很明显保存的像素越高，内存越大。此处只是用了savefig属性对Figure进行保存。

另外，除了上述的基本操作之外，Matplotlib还有其他的绘图优势，此处只是简单介绍了它在绘图时所需要注意的事项，更多的属性设置请参考：https://matplotlib.org/api/

Seaborn模块介绍

前面我们简单介绍了Matplotlib库的绘图功能和属性设置，对于常规性的绘图，使用Pandas的绘图功能已经足够了，但如果对Matplotlib的API属性研究较为透彻，几乎没有不能解决的问题。但是Matplotlib还是有它的不足之处，Matplotlib自动化程度非常高，但是，掌握如何设置系统以便获得一个吸引人的图是相当困难的事。为了控制Matplotlib图表的外观，Seaborn模块自带许多定制的主题和高级的接口。

1）未加Seaborn模块的效果

importnumpy as npimportmatplotlib as mplimportmatplotlib.pyplot as plt

np.random.seed(sum(map(ord,"aesthetics")))#首先定义一个函数用来画正弦函数，可帮助了解可以控制的不同风格参数

def sinplot(flip=1):

x=np.linspace(0,14,100)for i in range(1,7):

plt.plot(x,np.sin(x+i*0.5)*(7-i)*flip)

sinplot()

plt.show()

输出结果：

2）加入Seaborn模块的效果

importnumpy as npimportmatplotlib as mplimportmatplotlib.pyplot as plt#添加了Seaborn模块

np.random.seed(sum(map(ord,"aesthetics")))#首先定义一个函数用来画正弦函数，可帮助了解可以控制的不同风格参数

def sinplot(flip=1):

x=np.linspace(0,14,100)for i in range(1,7):

plt.plot(x,np.sin(x+i*0.5)*(7-i)*flip)#转换成Seaborn模块，只需要引入seaborn模块

import seaborn as sns#添加Seaborn模块

sinplot()

plt.show()

输出效果：

小编使用的jupyter notebook编辑器，使用与不使用Seaborn模块效果差别不明显。

使用Seaborn的优点有：

Seaborn默认浅灰色背景与白色网格线的灵感来源于Matplotlib，却比Matplotlib的颜色更加柔和

Seaborn把绘图风格参数与数据参数分开设置。

其中，Seaborn有两组函数对风格进行控制：axes_style()/set_style()函数和plotting_context()/set_context()函数。

axes_style()函数和plotting_context()函数返回参数字典，set_style()函数和set_context()函数设置Matplotlib。

使用set_style()函数

importseaborn as sns‘‘‘Seaborn有5种预定义的主题：

darkgrid（灰色背景+白网格）

whitegrid（白色背景+黑网格）

dark（仅灰色背景）

white（仅白色背景）

ticks（坐标轴带刻度）

默认的主题是darkgrid，修改主题可以使用set_style函数‘‘‘sns.set_style("whitegrid")

sinplot()#即上段代码中定义的函数

plt.show()

输出结果：

使用set_context()函数

‘‘‘上下文（context）可以设置输出图片的大小尺寸（scale）

Seaborn中预定义的上下文有4种：paper、notebook、talk和poster

默认使用notebook上下文‘‘‘sns.set_context("poster")

sinplot()#即前文定义的函数

plt.show()

输出结果：

使用Seaborn“耍酷”

然而Seaborn不仅能够用来更改背景颜色，或者改变画布

原文地址：https://www.cnblogs.com/dudududu/p/9149762.html