python知识之matplotlib基础

1、matplotlib的安装

python环境下直接使用pip或者conda安装

pip install matplotlib
conda install matplotlib

2、matplotlib的图像组成

通常情况下，我们可以将一副Matplotlib图像分成三层结构：

• 第一层是底层的容器层，主要包括Canvas(画板)、Figure(画布、图片)、Axes(图表)； 一个axes代表一个图表，包含一个plot，一个figure代表一张画布绘制一张图片，一张图片或一张画布可以有多个图表；canvas画板，摆放画布的工具。关系：画板—>画布或图片–>线条、饼图等图片
• 第二层是辅助显示层，主要包括Axis坐标轴、Spines、Tick、Grid、Legend、Title等，该层可通过set_axis_off()或set_frame_on(False)等方法设置不显示；
• 第三层为图像层，即通过plot、contour、scatter等方法绘制的图像。

3、常用统计图的介绍

3.1 折线图

折线图：以折线的上升或下降来表示统计数量的增减变化

特点：能够显示数据的变化趋势，反映事物的变化情况（变化）

import matplotlib.pyplot as plt
plt.plot(x,y) 

3.2 柱状图

柱状图： 以长方形的长度为变量，一般用来比较两个或以上的值。

特点：绘制离散的数据，能够一眼看出各个数据的大小，比较数据之间的差别（统计）

plt.bar(x,y) 

3.3 直方图

直方图：由一系列高度不等的纵向条纹或线段表示数据分布的情况。

特点：绘制连续性的数据，展示一组或多组数据的分布状况（分组统计）

plt.hist(data,bins) 

3.4 饼图

饼图：用于表示不同分类的占比情况，通过弧度大小来对比各种分类。

特点：统计分类数据的占比情况（占比）

patches,l_text, p_text = plt.pie(size,explode=explode,labels=label_list,shadow=True) 

3.5 散点图

散点图：用两组数据构成多个坐标点，考察坐标点的分布规律。

特点：判断变量之间是否存在数量关联趋势，展示离群点（分布规律）

plt.scatter(x,y) 

4、图像的绘制

4.1 基本绘制（以折线图为例）

import matplotlib.pyplot as plt

plt.rcParams["font.family"] = "SimHei"            #  设置中文字体
plt.rcParams["axes.unicode_minus"] = False    # 用来正常显示负号

x = range(1,6)
y = [17, 19, 16, 21, 15]
plt.plot(x,y)                   # 传入x和y
plt.show()                      # 展示图像

4.2 其它基本参数设置

# 设置折线的颜色、透明度、折线的样式、折线的宽度、折线的样式等
plt.plot(x,y, color='red',alpha=0.5,linestyle='--',linewidth=3,marker='o',
			markersize='15', markeredgecolor='b',  markeredgewidth=6)

plt.figure(figsize=(10,4),dpi=80)       # 设置图片的大小和像素
plt.savefig('test.png')                 # 保存图片到本地

x_ticks_label = ["{}:0".format(i) for i in x]   # 设置x轴刻度标签,y轴同理
plt.xticks(x, x_ticks_labelticks_label, rotation=45)         # 设置x轴刻度,y轴同理

plt.xlabel("数量", fontproperties=my_font, rotation=45)     # 设置x轴单位
plt.title("标题", fontproperties=my_font, color='red')      # 设置图表标题

plt.xlim([-10, 10])     # 可以设置坐标轴范围
plt.xlim(xmin=0)        # 只设置一边的范围

4.3 坐标系增加子图

fig = plt.figure(figsize=(10,4),dpi=80) 
ax1=fig.add_subplot(2,2,1)        # add_subplot可以给画布增加子图，实现一个坐标系拥有多个子图
ax1.plot(x, x)
ax1.grid(color='r', linestyle='--', linewidth=1,alpha=0.3)  # 设置子图的参数

ax2=fig.add_subplot(2,2,1)        # add_subplot可以给画布增加子图，实现一个坐标系拥有多个子图
ax2.plot(x, x)
ax2.grid(color='r', linestyle='--', linewidth=1,alpha=0.3)  # 设置子图的参数

更多操作以及其它图形的示例可到官网查看：

matplotlib 官方链接 https://matplotlib.org/gallery/index.html