matplotlib使用
1.matplotlib是专门用于开发2D(3D)图表的包
Canvas :系统层,承载画布figure的工具
Figure : 画布
Axes : 坐标系
'# 一个figure可以包含多个axes(坐标系),但axes只能属于一个figure
'# 一个axes(坐标系)可以包含多个axes(坐标轴),包含两个即为2d坐标系,3个即为3d坐标系
facecolor : 外观
spines : 边框线
axis : 坐标轴
axis label :坐标轴名称
tick :坐标轴刻度
tick label : 坐标轴刻度标签
grid : 网格线
legend : 图例
title : 标题
import matplotlib.pyplot as plt
# 1.创建画布
plt.figure(figsize=(20,8), dpi=100)
# figsize : 指定图的长度
# dpi :图像的清晰度
x = range(60)
y = [14,5,36,17,8,29,10,3,15,30,21,12]
# 构造x,y轴标签
x_ticks_label = ['11点{}'.format(i) for i in x] # x轴刻度
y_ticks = range(40) # y轴刻度
plt.xticks(x[::5],x_ticks_label[::5]) # x轴刻度值
plt.yticks(y_ticks[::5]) # y轴刻度值
# 添加网格线
plt.grid(True, linestyle='--', alpha=0.5, color='r')
# 添加x轴、y轴描述信息及标题
plt.xlabel('time',fontsize=16)
plt.ylabel('temperture',fontsize=16)
plt.title('temperture change',fontsize=20)
# 2.绘制图像
plt.plot(x[::5],y, linestyle='--',color='b',label='wuhan')
y.reverse()
plt.plot(x[::5],y, linestyle='--',color='y',label='beijing')
# 展示图例(展示曲线别名)
plt.legend(loc="best")
# 保存图片
# plt.savefig('test.jpg')
# 3.显示图像
plt.show()
注意:下载中文字体(SimHei)解决中文不显示问题(https://blog.csdn.net/weixin_44695969/article/details/96571218)
’# 展示matplotlib 配置文件位置:
import matplotlib
matplotlib.matplotlib_fname()
’# 添加字体配置(在配置文件matplotlibrc:194,206,323)
font.family : sans-serif
font.sans-serif : simhei
axes.unicode_minus : False
’# 将下载的sanhei字体添加到同目录的mpl-data目录下的font下的tff
’# 清除缓存,重启jupyter(删除该设备用户下的隐藏文件.matplotlib)
图形风格:
r :红色
g : 绿色
b : 蓝色
w : 白色
y : 黄色
k : 黑色
m : 洋红
c : 青色
风格字符:
- : 实线
– :虚线
-. :点划线
: :点虚线
‘’ : 留空、空格
图例位置(即loc值):
best 0 /upper right 1 /upper left 2 /lower left 3 /lower right 4 /right 5 /center left 6 /center right 7 /lower center 8 /upper center 9 /center 10
import matplotlib.pyplot as plt
# 多个坐标系显示在同一张图不同坐标系上,plt.subplots
# 1.创建画布
# plt.figure(figsize=(20,8), dpi=100)
# figsize : 指定图的长度
# dpi :图像的清晰度
fig, axes = plt.subplots(nrows=1, ncols=2, figsize=(20,8), dpi=100)
x = range(60)
y = [14,5,36,17,8,29,10,3,15,30,21,12]
# 构造x,y轴标签
x_ticks_label = ['11点{}'.format(i) for i in x] # x轴刻度
y_ticks = range(40) # y轴刻度
plt.xticks(x[::5],x_ticks_label[::5]) # x轴刻度值
plt.yticks(y_ticks[::5]) # y轴刻度值
# axes[0].set_xticks()
# axes[0].set_yticks()
# axes[0].set_xtickslabels()
# 添加网格线
# plt.grid(True, linestyle='--', alpha=0.5, color='r')
axes[0].grid(True, linestyle='--', alpha=0.5, color='r')
axes[1].grid(True, linestyle='--', alpha=0.5, color='r')
# 添加x轴、y轴描述信息及标题
# plt.xlabel('time',fontsize=16)
# plt.ylabel('temperture',fontsize=16)
# plt.title('temperture change',fontsize=20)
axes[0].set_xlabel('time')
axes[0].set_ylabel('temperture')
axes[0].set_title('shanghai temperture change',fontsize=25)
axes[1].set_xlabel('time')
axes[1].set_ylabel('temperture')
axes[1].set_title('beijing temperture change',fontsize=25)
# 2.绘制图像
# plt.plot(x[::5],y, linestyle='--',color='b',label='wuhan')
axes[0].plot(x[::5],y, linestyle='--',color='b',label='wuhan')
y.reverse()
# plt.plot(x[::5],y, linestyle='--',color='y',label='beijing')
axes[1].plot(x[::5],y, linestyle='--',color='y',label='beijing')
# 展示图例(展示曲线别名)
# plt.legend(loc="best")
axes[0].legend(loc='best')
axes[1].legend(loc=0)
# 保存图片
# plt.savefig('test.jpg')
# 3.显示图像
plt.show()
import matplotlib.pylot as plt
# 常用图形绘制
plt.plot(x,y) # 折线图:反映事物的变化情况
plt.scatter(x,y) # 散点图: 判断变量之间是否存在数量关联趋势,展现离群点(分布规律)
plt.bar(x,width,align='center',**kwargs) # 柱形图: 比较数据之间的差别(统计/对比)
# width : 柱形图宽度
# align : center/edge ,各柱形图对齐方式
# color :选择柱形图颜色
plt.hist(x,bins=None) # 直方图:绘制连续性的数据展示一组或多组数据的分布状况(统计)
# bins : 组距
plt.pie(x,labels=None, autopct=None,colors) # 饼图:分类数据的占比情况(占比)
# x : 数量
# labels : 每部分名称
# autopct : 占比显示指定%1.2f%%
# colors : 每部分颜色
import matplotlib.pyplot as plt
# 需求:对比每部电影票房收入
# 数据
movie_name = ['雷神3:诸神黄昏','正义联盟','东方快车谋杀案','寻梦环游记','全球风暴','降魔传','追捕','七十七天','密战','狂兽','其它']
y = [73853,57767,22354,15969,14839,8725,8716,8318,7916,6764,52222]
x = range(len(movie_name))
# 画布
plt.figure(figsize=(20,8), dpi=100)
# 绘制直方图
plt.bar(x,y,width=0.5,color=['b','r','g','y','c','m','y','k','c','g','b'])
# 修改X轴刻度显示
plt.xticks(x, movie_name)
# 添加网格线
plt.grid(linestyle='--', alpha=0.5)
# 添加标题
plt.title('电影票房对比')
# 显示图像
plt.show()