Python可视化——matplotlib.pyplot绘图的基本参数详解

---

系列文章：

---

---

1、matplotlib简介

matplotlib库是Python中绘制二维和三维图表的数据可视化工具
特点：
使用简单绘图语句实现复杂绘图效果
以交互操作实现渐趋精细的图形效果
使用嵌入式LaTeX输出具有印刷级别的图表、科学表达式和符号文本
对图表的组成元素实现精细化控制

三种绘图接口

• pyplot 面向当前图
• axes 面向对象
• Pylab 沿用matlab风格

本文使用pyplot 绘图，展示绘图的基本参数，使用bumpty库获得绘图数据（随机生成）
使用的库

import matplotlib.pyplot as  plt
import numpy as np

2 图形组成元素的函数用法

plot() 展示变量的趋势变化
使用方法： plt.plot(x, y, c, ls, lw, label, alpha, **kwargs)

• x, y : x, y轴上的数值
• c :设置颜色
• ls: 折线图的线条风格
• lw: 折线图的线条宽度
• label : 标记图形内容的标签文本
• alpha: 透明度
• **kwargs：指定使用的是 line2D 属性

2.1 figure(): 背景颜色

使用方法：figure(num=None, figsize=None, dpi=None, facecolor=None, edgecolor=None, frameon=True, FigureClass=Figure, clear=False, **kwargs)

import matplotlib.pyplot as  plt
import numpy as np

plt.figure(figsize=(5,5))
x = np.linspace(0.05, 10, 1000)
y = np.sin(x)
plt.rcParams['font.sans-serif']=['SimHei']
plt.rcParams['axes.unicode_minus']=False
plt.plot(x, y, color='red', ls='-', label='sinx')
plt.show()

2.2 xlim() 和 ylim()： 设置x, y轴的数值显示范围

使用方法： plt.xlim(xmin, xmax)
xmin: x轴上的最小值
ymin: y轴上的最大值

2.3 xlabel() 和 ylabel() ： 设置x ,y轴的标签文本

使用方法： plt.xlabel(fontsize, verticalalignment, horizontalalignment, rotation, bbox)
fontsize: 数字或者（small , large, medium）
verticalalignment: 距离坐标轴的位置 ( top , bottom, center, baseline)
hoizontalalignment: 位置(center, right, left)
ratation：位置（vertical，horizontal，vertical）
bbox：添加边框

2.4 grid() 绘制刻度线的网格

使用方法 plt.grid(linestyle, color)

2.5 axhline() 绘制平行于x轴额度水平参考线

使用方法: plt.axhline(y, c, ls, lw, label)
y :水平参考线的出发点

import matplotlib.pyplot as  plt
import numpy as np

plt.figure(figsize=(5,5))
x = np.linspace(0.05, 10, 1000)
y = np.sin(x)
plt.rcParams['font.sans-serif']=['SimHei']
plt.rcParams['axes.unicode_minus']=False
plt.plot(x, y, color='red', ls='-', label='sinx')
plt.xlim(1, 10) #x轴数值显示范围
plt.ylim(-1, 1.5)
plt.xlabel('x轴') #x轴标签文本
plt.ylabel('y轴')
plt.grid(ls=':', color='blue') #设置网格，蓝色
# 平行于x轴水平线
plt.axhline(0.5, color='green', lw=2, label='分割线')
plt.show()

2.6 axvspan() 绘制垂直于x轴的参考区域

使用方法： plt.axvspan(xmin, xmax, facecolor, alpha)
xmin: 参考区域的起始位置
xmax: 参考区域的终止位置
facecolor: 参考区域填充颜色
alpha：参考区域填充颜色透明度[0,1]
在上面的代码添加（plt.show() 前面添加）

plt.axvspan(xmin=2, xmax=5, facecolor='r', alpha=0.2)

2.7 xticks(),yticks()

获取或设置当前 x 轴或 y 轴刻度位置和标签（即设置 x 或 y 轴的标 签）
可以理解为设置xilim和ylim一样的效果，但可以指定范围和距离

plt.xticks(list(range(0, 13, 2)))

注意看x轴，从原来的0-10到现在的0-13，可以通过设置第三个参数设置步长，这里设置为2

散点图

from sklearn import  datasets
import numpy as np
import random
import  matplotlib.pyplot as plt
import time
import  copy

x1, y1 = datasets.make_circles(n_samples=50, factor=0.6,noise=0.2)
# print(x1)
# print("-------------------"*2)
# print(y1)
print(x1.shape)
plt.figure()
plt.scatter(x1[:,0],x1[:,1])
plt.show()

直方图

matplotlib画直方图 - plt.hist()
常用参数解释：
x: 作直方图所要用的数据，必须是一维数组；多维数组可以先进行扁平化再作图；必选参数；
bins: 直方图的柱数，即要分的组数，默认为10；
range：元组(tuple)或None；剔除较大和较小的离群值，给出全局范围；如果为None，则默认为(x.min(), x.max())；即x轴的范围；
density：布尔值。如果为true，则返回的元组的第一个参数n将为频率而非默认的频数；
weights：与x形状相同的权重数组；将x中的每个元素乘以对应权重值再计数；如果normed或density取值为True，则会对权重进行归一化处理。这个参数可用于绘制已合并的数据的直方图；
cumulative：布尔值；如果为True，则计算累计频数；如果normed或density取值为True，则计算累计频率；
bottom：数组，标量值或None；每个柱子底部相对于y=0的位置。如果是标量值，则每个柱子相对于y=0向上/向下的偏移量相同。如果是数组，则根据数组元素取值移动对应的柱子；即直方图上下便宜距离；
histtype：{‘bar’, ‘barstacked’, ‘step’, ‘stepfilled’}；'bar’是传统的条形直方图；'barstacked’是堆叠的条形直方图；'step’是未填充的条形直方图，只有外边框；‘stepfilled’是有填充的直方图；当histtype取值为’step’或’stepfilled’，rwidth设置失效，即不能指定柱子之间的间隔，默认连接在一起；
align：{‘left’, ‘mid’, ‘right’}；‘left’：柱子的中心位于bins的左边缘；‘mid’：柱子位于bins左右边缘之间；‘right’：柱子的中心位于bins的右边缘；
orientation：{‘horizontal’, ‘vertical’}：如果取值为horizontal，则条形图将以y轴为基线，水平排列；简单理解为类似bar()转换成barh()，旋转90°；
rwidth：标量值或None。柱子的宽度占bins宽的比例；
log：布尔值。如果取值为True，则坐标轴的刻度为对数刻度；如果log为True且x是一维数组，则计数为0的取值将被剔除，仅返回非空的(frequency, bins, patches）；
color：具体颜色，数组（元素为颜色）或None。
label：字符串（序列）或None；有多个数据集时，用label参数做标注区分；
stacked：布尔值。如果取值为True，则输出的图为多个数据集堆叠累计的结果；如果取值为False且histtype=‘bar’或’step’，则多个数据集的柱子并排排列；
normed: 是否将得到的直方图向量归一化，即显示占比，默认为0，不归一化；不推荐使用，建议改用density参数；
edgecolor: 直方图边框颜色；
alpha: 透明度；

返回值（用参数接收返回值，便于设置数据标签）：
n：直方图向量，即每个分组下的统计值，是否归一化由参数normed设定。当normed取默认值时，n即为直方图各组内元素的数量（各组频数）；
bins: 返回各个bin的区间范围；
patches：返回每个bin里面包含的数据，是一个list。
其他参数与plt.bar()类似。

import numpy as np

import matplotlib.pyplot as plt


data = np.random.normal(0, 1 ,size=10000)
n, bins, patches = plt.hist(x=data, bins=10, rwidth=0.8, range=(0.5,0.9), align="left")
plt.show()
print(n)
print("--"*30)
print(bins)
print("--"*30)
print(patches)

[147. 132. 116. 140. 118. 122. 112. 118. 123. 103.]
------------------------------------------------------------
[0.5  0.54 0.58 0.62 0.66 0.7  0.74 0.78 0.82 0.86 0.9 ]
------------------------------------------------------------

Matplotlib（3、直方图） - plt.hist()参数解释&应用实例