Matplotlib库的使用

Matplotlib库由各种可视化类构成，matplotlib.pyplot是绘制各类可视化图形的命令子库，通常约定引入别名：import matplotlib.pyplot as plt。

1. plot()函数

plt.plot(x, y, format_string, **kwargs)

参数	说明
x	X轴数据，列表或者数组，可选
y	Y轴数据，列表或者数组
format_string	控制曲线线型格式的字符串，可选
**kwargs	下一组曲线的坐标数据、线型
注意：	绘制多条曲线时，各条线的X轴数据不能省略，仅绘制一条曲线时X轴数据可省略

format_string:控制曲线的格式字符串，由颜色字符、风格字符和标记字符组成

常用颜色字符：

颜色字符	说明	颜色字符	说明
‘b’	蓝色 blue	‘m’	洋红色 magenta
‘g’	绿色 green	‘y’	黄色 yellow
‘r’	红色 red	‘k’	黑色 black
‘c’	青绿色 cyan	‘w’	白色 white

常用风格字符：

风格字符	说明
‘-’	实线
‘- -’	破折线
‘-.’	点划线
‘:’	虚线
'‘或’ ’	无线条

常用标记字符：

标记字符	说明	标记字符	说明	标记字符	说明
‘.’	点标记	‘1’	下花三角标记	‘h’	竖六边形标记
‘,’	像素点标记	‘2’	上花三角标记	‘H’	横六边形标记
‘o’	实心圈标记	‘3’	左花三角标记	‘+’	十字标记
‘v’	倒三角标记	‘4’	右花三角标记	‘x’	x标记
‘^’	上三角标记	‘s’	实心方形标记	‘D’	菱形标记
‘>’	右三角标记	‘p’	实心五角标记	‘d’	瘦菱形标记
‘<’	左三角标记	‘*’	星形标记	‘|’	垂直线标记

仅绘制一条线，且省略X轴数据

import matplotlib.pyplot as plt
plt.plot([3, 1, 4, 5, 2])#当plot函数输入的参数只有一个列表时，默认为y轴，而x轴取这个列表的索引值
plt.ylabel("grade")
plt.savefig('test',dpi=600)#将图像存储为文件，默认png格式，dpi为输出质量
plt.show()

仅绘制一条线，不省略X轴数据

import matplotlib.pyplot as plt
plt.plot([0, 2, 4, 6, 8], [3, 1, 4, 5, 2])#当plot函数输入的参数有两个列表时，第一个列表为x轴，第二个列表为y轴
plt.ylabel("grade")
plt.axis([-1, 10, 0 ,6])#设置坐标轴范围，前两个值为横轴坐标，后两个值为纵轴坐标
plt.show()

绘制多条曲线

import numpy as np
import matplotlib.pyplot as plt

a = np.arange(10)
#总共绘制四条线
#第一条线为颜色为绿色、标记字符为实心圈、线型风格为实线
#第二条线为颜色为红色、标记字符为x标记、线型风格未指定所以不画线
#第三条线为颜色未指定默认蓝色、标记字符为星形标记、线型风格未指定所以不画线
#第四条线为颜色为蓝色、标记字符未指定不画出、线型风格为点划线
plt.plot(a, a*1.5, 'go-', a, a*2.5, 'rx', a, a*3.5, '*', a, a*4.5, 'b-.')
plt.savefig('test4',dpi=600)
plt.show()

2. subplot()函数在一个区域里绘制多个图形

#plt.subplot(nrows, ncols, plot_number)
# nrows子图行数， ncols子图列数， plot_number选择子图位置
plt.subplot(3, 2, 4)#将画布分割成3行2列的六个区域，从左到右从上到下区域编号依次为1——6，每个区域称为一个子图
#plt.subplot(324) = plt.subplot(3, 2, 4)

例子：

import numpy as np
import matplotlib.pyplot as plt

def f(t):
    return np.exp(-t) * np.cos(2*np.pi * t)#能量衰减函数（与绘图函数无关，只是用来计算曲线的纵坐标）

a = np.arange(0.0, 5.0, 0.02)#生成一个随机数组
plt.subplot(211)#将画布划分成2行1列的两个区域，并选择第一个子图
plt.plot(a, f(a))

plt.subplot(2,1,2)#选择子图2
plt.plot(a, np.cos(2*np.pi*a),'r--')#第三个参数'r--'为设置线型为红色 -- 型虚线
plt.show()

3.pyplot的中文显示

第一种方法：用rcParams修改全局字体实现，即图像中所有文本字符都会被改变属性

import matplotlib.pyplot as plt
import matplotlib
matplotlib.rcParams['font.family'] = 'SimHei'#字体设置为黑体
matplotlib.rcParams['font.style'] = 'normal'#字体风格设置为正常
matplotlib.rcParams['font.size'] = 20#字体大小设置为20
plt.plot([3,1,4,5,2])
plt.ylabel("纵轴（值）")
plt.savefig('test5', dpi=600)
plt.show()

rcParams的属性

属性	说明
‘font.family’	字体名称
‘font.style’	字体风格，正常’normal’ 或 斜体’italic’
‘font.size’	字体大小，整数字号或者’large’、‘x-small’

font.family可选字体

中文字体	说明	中文字体	说明	中文字体	说明
‘SimHei’	中文黑体	‘LiSu’	中文隶书	‘YouYuan’	中文幼圆
‘Kaiti’	中文楷体	‘FangSong’	中文仿宋	‘STSong’	华文宋体

第二种方法：在有中文输出的地方，增加一个属性：fontproperties，仅改变设置了fontproperties的中文属性

import matplotlib.pyplot as plt
import numpy as np
plt.plot([3,1,4,5,2])
plt.ylabel("纵轴（值）", fontproperties='SimHei',fontsize=20)
plt.savefig('test6', dpi=600)
plt.show()

4.pyplot的文本显示

函数	说明
plt.xlabel()	对X轴增加文本标签
plt.ylabel()	对Y轴增加文本标签
plt.title()	对图形整体增加文本标签
plt.text()	在任意位置增加文本
plt.annotate()	在图形中增加带箭头的注释

import numpy as np
import matplotlib.pyplot as plt

a = np.arange(0.0, 5.0, 0.02)#生成一个随机数组
plt.plot(a, np.cos(2*np.pi*a),'r--')#绘制曲线
plt.xlabel("横轴:时间", fontproperties='SimHei',fontsize=15, color='green')
plt.ylabel("纵轴:振幅", fontproperties='SimHei',fontsize=15)
plt.title(r'正弦波实例 $y=cos(2\pi x)$',fontproperties='SimHei',fontsize=20)#设置图标题
plt.text(1, 1, r'$\mu=100$', fontsize=15)#在横坐标为1，纵坐标为1的位置显示$$之间的Latex文本
#增加箭头注释，参数从左到右分别为：文本内容、箭头位置、文本位置、箭头属性字典（颜色、与xy位置的间隙、宽度）
plt.annotate(r'$\mu=100$',xy=(3,1),xytext=(4,1.5),arrowprops=dict(facecolor='black',shrink=0.1,width=2))
plt.axis([-1, 6,-2, 2])#设置坐标轴的范围
plt.grid(True)#显示网格
plt.savefig('text7',dpi=600)#保存图像
plt.show()

5.pyplot子绘图区域的设计（比subplot更强大的方法）

理念： 设定网格，选中网格，确定选中行列区域数量，编号从0开始
（1）方法一：
函数： plt.subplot2grid(GridSpace, CurSpec, colspan=1, rowspan=1)

参数	说明
GridSpace	要划分的行数和列数，如数组（3，3）将画布划分成3行3列
CurSpec	要选择的区域的行列下标，如数组（0，1）选择第一行第二列（下标从0开始）
colspan	从CurSpec位置开始选中的列数，缺省值为1
rowspan	从CurSpec位置开始选中的行数，缺省值为1

例如：plt.subplot2grid((3,3), (1,0), colspan=2)生成3行3列的区域，并选中ax2区域，如下图所示：

plt.subplot2grid((3,3), (0,0), colspan=3)#选择ax1区域
plt.subplot2grid((3,3), (1,2), colspan=1, rowspan=2)#选择ax3区域
plt.subplot2grid((3,3), (2,0))#选择ax4区域
plt.subplot2grid((3,3), (2,1))#选择ax5区域

（2）方法二： 使用gridspec类配合subplot()函数
对于上面那幅图的区域划定和选择方法如下：

import matplotlib.gridspec as gridspec

gs = gridspec.GridSpec(3,3)

ax1 = plt.subplot(gs[0, :])
ax2 = plt.subplot(gs[1, :-1])
ax3 = plt.subplot(gs[1:, -1])
ax4 = plt.subplot(gs[2, 0])
ax5 = plt.subplot(gs[2, 1])

6.16种pyplot的基础绘图函数

函数	说明
plt.plot(x, y, fmt, …)	绘制一个坐标图
plt.boxplot(data, notch, position)	绘制一个箱形图
plt.bar(left, height, width, bottom)	绘制一个条形图
plt.barh(width, bottom, left, height)	绘制一个横向条形图
plt.polar(theta, r)	绘制极坐标图
plt…pie(data,explode)	绘制饼图
plt.psd(x, NFFT=256, pad_to, Fs)	绘制功率谱密度图
plt.specgram(x, y, NFFT=256, Fs)	绘制X-Y的相关性函数
plt.scatter(x, y)	绘制散点图
plt.step(x, y, where)	绘制步阶图
plt.hist(x, bins, normed)	绘制直方图
plt.contour(X, Y, Z, N)	绘制等值图
plt.vlines()	绘制垂直图
plt.stem(x,y, linefmt, markerfmt)	绘制柴火图
plt.plot_date()	绘制数据日期

饼图示例：

import matplotlib.pyplot as plt
labels = 'Frogs', 'Hogs', 'Dogs', 'Logs'#定义标签
sizes = [15,30,45,10]#设置每个标签占据的百分比，与上面的标签按照顺序对应
explode = (0, 0.1, 0, 0)#设置每个标签扇形区域的突出程度，0为不突出
plt.pie(sizes, explode=explode, labels=labels, autopct='%1.1f%%', shadow=False, startangle=90)
plt.show()

直方图示例：

import numpy as np
import matplotlib.pyplot as plt
np.random.seed(0)#设置随机数种子
mu, sigma = 100,20#设置正态分布的均值和标准差
a = np.random.normal(mu,sigma, size=100)#产生100个服从正态分布的数据，存入数组a
#绘制直方图函数，a为数组，30：称为bin，将a等分成30个区间，每个柱体高度表示数组a在此bin上分布的数据的多少
plt.hist(a, 30, histtype='stepfilled', facecolor='b', alpha=0.75)#绘制直方图
plt.title('Histogram')
plt.show()

极坐标图示例

import numpy as np
import matplotlib.pyplot as plt
N = 20#要绘制的极坐标图中数据的个数
theta = np.linspace(0.0, 2*np.pi, N, endpoint=False)#从0到360度等分出N个不同的角度
radii = 10*np.random.rand(N)#生成每个角度对应的值
width = np.pi / 4*np.random.rand(N)#生成每个角度的宽度值
#面向对象的绘图方法
ax = plt.subplot(111, projection='polar')#设置了绘图区域，第二个参数说明绘制极坐标图
#theta, radii, width分别对应极坐标图中的left,height,width
#left：表示绘制极坐标系中的那些颜色区域的时候从哪开始，表示图中的某一个位置
#height：从中心点向边缘绘制的长度
#width：每个绘图区域的面积
bars = ax.bar(theta, radii, width=width, bottom=0.0)
#给每个扇形区域添加颜色
for r, bar in zip(radii, bars):
    bar.set_facecolor(plt.cm.viridis(r/10.))
    bar.set_alpha(0.5)

plt.show()

散点图示例：

import numpy as np
import matplotlib.pyplot as plt

#继续使用面向对象的思想绘图
fig, ax = plt.subplots()
ax.plot(10*np.random.randn(100),10*np.random.randn(100),'o')
ax.set_title('Simple Scatter')
plt.show()