Matplotlib之折线图与子图的绘制

一、Matplotlib简介

• Matplotlib是一个Python 2D绘图库，可以生成各种硬拷贝格式和跨平台的交互式环境的出版物质量数据。Matplotlib可用于Python脚本，Python和IPython shell，Jupyter笔记本，Web应用程序服务器和四个图形用户界面工具包。
• Matplotlib试图让简单的事情变得简单而艰难。只需几行代码即可生成绘图，直方图，功率谱，条形图，错误图，散点图等。有关示例，请参阅 示例图 和 缩略图库。
• 对于简单的绘图，pyplot模块提供了类似MATLAB的接口，特别是与IPython结合使用时。对于高级用户，您可以通过面向对象的界面或MATLAB用户熟悉的一组函数完全控制线型，字体属性，轴属性等。

二、Matplotlib中常用函数介绍

折线图绘制

【1】plot()函数：plot用于绘制XY坐标系的点、线或其他标记形状，一般与show()函数一起用。

示例：

import matplotlib.pyplot as plt
import pandas
practice = pandas.read_csv("C:\\Users\\Lenovo\\Desktop\\practice.csv")
#将日期格式转化为标准格式
practice["Date"] = pandas.to_datetime(practice["Date"])
plt.plot(practice["Date"] , practice["values"])

结果：

[<matplotlib.lines.Line2D at 0x20866f6dc18>]

【2】show()函数：显示图片，一般与plot()函数一起用。

示例：

import matplotlib.pyplot as plt
import pandas
practice = pandas.read_csv("C:\\Users\\Lenovo\\Desktop\\practice.csv")
#将日期格式转化为标准格式
practice["Date"] = pandas.to_datetime(practice["Date"])
plt.plot(practice["Date"] , practice["values"])
plt.show()

结果：

【3】xticks(rotation)函数：设置X坐标上的刻度的旋转度数。

示例：

import matplotlib.pyplot as plt
import pandas
practice = pandas.read_csv("C:\\Users\\Lenovo\\Desktop\\practice.csv")
practice["Date"] = pandas.to_datetime(practice["Date"])
plt.plot(practice["Date"] , practice["values"])
plt.xticks(rotation=45)
plt.show()

结果：

【4】yticks(rotation)函数：设置Y坐标上的刻度的旋转度数。

示例：

import matplotlib.pyplot as plt
import pandas
practice = pandas.read_csv("C:\\Users\\Lenovo\\Desktop\\practice.csv")
#将日期格式转化为标准格式
practice["Date"] = pandas.to_datetime(practice["Date"])
plt.plot(practice["Date"] , practice["values"])
plt.yticks(rotation=45)
plt.show()

结果：

【5】title()函数：设置二维图的标题。

示例：

import matplotlib.pyplot as plt
import pandas
practice = pandas.read_csv("C:\\Users\\Lenovo\\Desktop\\practice.csv")
#将日期格式转化为标准格式
practice["Date"] = pandas.to_datetime(practice["Date"])
plt.plot(practice["Date"] , practice["values"])
plt.title("The first test matplotlib")
plt.show()

结果：

【6】xlabel()函数：设置X坐标上的标签的名称。

示例：

import matplotlib.pyplot as plt
import pandas
practice = pandas.read_csv("C:\\Users\\Lenovo\\Desktop\\practice.csv")
#将日期格式转化为标准格式
practice["Date"] = pandas.to_datetime(practice["Date"])
plt.plot(practice["Date"] , practice["values"])
plt.xlabel("Month")
plt.show()

结果：

【7】ylabel()函数：设置Y坐标上的标签的名称。

示例：

import matplotlib.pyplot as plt
import pandas
practice = pandas.read_csv("C:\\Users\\Lenovo\\Desktop\\practice.csv")
#将日期格式转化为标准格式
practice["Date"] = pandas.to_datetime(practice["Date"])
plt.plot(practice["Date"] , practice["values"])
plt.ylabel("Values")
plt.show()

结果：

子图绘制

【1】figure()函数：创建一个图形实例，指定一个画图区间。

示例：

import matplotlib.pyplot as plt
figure = plt.figure()
print(figure)

结果：

Figure(432x288)

【2】add_subplot(x,y,index)函数：切割指定的区域。

• 参数x,y,index的意思是：将画布分割成x行y列，图像画在从左到右从上到下的第index块。

示例：

import matplotlib.pyplot as plt
figure = plt.figure()
#figure = plt.figure(figsize=(3,3))
ax1 = figure.add_subplot(2,2,1)
ax2 = figure.add_subplot(2,2,3)
ax3 = figure.add_subplot(2,2,4)
plt.show()

结果：

【3】legend(loc=“best”)函数：Legend 图例就是为了帮助我们展示每个数据对应的图像名称，更好的让读者认识到你的数据结构。

• loc中可以写入的值：best、upper right、upper left、lower left、lower right、right、center left、center right、lower center、upper center、center。

示例：

import matplotlib.pyplot as plt
import pandas
figure = plt.figure(figsize=(15,6))
practice = pandas.read_csv("C:\\Users\\Lenovo\\Desktop\\practice.csv")
#将日期格式转化为标准格式
practice["Date"] = pandas.to_datetime(practice["Date"])
firstTest = practice[1:5]
secondTest = practice[7:12]
plt.plot(firstTest["Date"],firstTest["values"],c="blue",label="1998")
plt.plot(secondTest["Date"],secondTest["values"],c="red",label="1999")
plt.legend(loc="best")
# print(help(plt.legend()))
plt.show()

结果：

【4】子图示例

样例代码：

import matplotlib.pyplot as plt
import pandas
figure = plt.figure(figsize=(15,6))
practice = pandas.read_csv("C:\\Users\\Lenovo\\Desktop\\practice.csv")
#将日期格式转化为标准格式
practice["Date"] = pandas.to_datetime(practice["Date"])
ax1 = figure.add_subplot(2,2,1)
ax2 = figure.add_subplot(2,2,3)
ax3 = figure.add_subplot(2,2,4)
ax1.plot(practice["Date"],practice["values"])
ax2.plot(practice["Date"],practice["values"])
ax3.plot(practice["Date"],practice["values"])
plt.show()

结果：