python数据可视化之美——数据可视化基础之Matplotlib

数据可视化的主要作用：

1. 真实、准确、全面地展示数据
2. 揭示数据的本质、关系、规律

Matplotlib

图形对象与元素

import matplotlib.pyplot as plt

'''
图表的组成：
1.图形 figure
2.坐标图形 axes
3.图名 title
4.图例 legend
5.主要刻度 major tick
6.次要刻度 minor tick
7.主要刻度标签 major tick label
8.次要刻度标签 minor tick label
9.Y轴名 Y axis label
10.X轴名 X axis label
11.边框图 line
12.数据标记 markers
13.网格 grid

两类元素：
（1）基础primitives类：线line、点marker、文字text、图例legend、网格grid、标题title、图片image——要绘制的标准对象
（2）容器containers类：图形figure、坐标图形axes、坐标轴axis、刻度tick——包含基础类元素并组成整体，有层级结构
区别：
figure对象：整个图形。至少包含一个子图即axes对象，包含特殊的artist对象、画布canvas对象（一般不可见无须直接操纵该对象)
axes对象：axes是axis的复数，但不是坐标轴，而是子图对象。每个子图都由x、y轴组成，axes代表x、y所对应的子图对象
    常用方法：set_xlim()、set_ylim()：设置X轴和Y轴对应的数据范围
              set_title()：子图图名
              set_xlable()、set_ylable()：X、Y轴名
axis对象：数据轴对象，控制其上的刻度位置和显示数值。子对象：locator控制刻度位置、formatter显示数值
tick对象：每个坐标轴包含两个元素：刻度（刻度本身和刻度标签）、标签（坐标轴标签）

查看系统中有哪些可用样式:plt.style.available
'''

plt.gca()  # 返回当前状态下的axes对象
plt.gca().get_children()  # 查看当前axes对象下的元素
plt.gcf()  # 返回当前状态下的figure对象，用于遍历多个图形的axes对象plt.gcg().get_axes()

常见图表类型

import matplotlib.pyplot as plt
import pandas as pd

df = pd.read_csv("MappingAnalysis_Data.csv")

a图：

group = ["0%(Control)", "1%", "5%", "15%"]  # 设定图表数据系列的绘图顺序
fig = plt.figure(figsize=(4, 3), dpi=100)  # figsize设置图像大小，dpi设置图像分辨率
for i in range(0, 4):
    temp_df = df[df.variable == group[i]]
    plt.plot(temp_df.Time, temp_df.value)
plt.show()  # 在本机显示图形

b图在a图的基础上：

group = ["0%(Control)", "1%", "5%", "15%"]  # 设定图表数据系列的绘图顺序
colors = ["#e41a1c", '#377eb8', '#4daf4a', '#984ea3']
markers = ['o', 's', 'H', 'D']
# 在图a的基础上修改数据系列的折线颜色，添加数据标记与数据系列标签
for i in range(0, 4):
    plt.plot(df[df.variable == group[i]].Time, df[df.variable == group[i]].value, marker=markers[i],
             markerfacecolor=colors[i], markersize=8, markeredgewidth=0.5, color='k', linewidth=0.5,
             linestyle='-', label=group[i])
plt.show()

c图在b图的基础上：

plt.xlabel("Time(d)", fontsize=14)  # 添加X轴名
plt.ylabel("value", fontsize=14)  # 添加Y轴名
plt.xlim(-1, 20)  # 设置X轴范围
plt.ylim(-2, 90)  # 设置Y轴范围
'''
linspace(start, stop, num=50, endpoint=True, retstep=False, dtype=None)
在指定的间隔[“start”,“stop”]内均匀地返回数字。返回“num”个等间距的样本。
endpoint是一个bool类型的值，如果为"Ture",“stop"是最后一个值，如果为"False”,生成的数组不会包含"stop"值
retstep是一个bool类型的值，如果为"Ture"，会返回样本之间的间隙。
其他相似的函数：arange 和 linespace 相似，但是使用步长而不是样本的数量来确定生成样本的数量。
'''
plt.xticks(np.linspace(0, 20, 11, endpoint=True), fontsize=10)
plt.yticks(np.linspace(0, 90, 10, endpoint=True), fontsize=10)
ax = plt.gca()  # 删除左边和顶部的绘图区域边框线
ax.spines['right'].set_color('none')
ax.spines['top'].set_color('none')
plt.show()

d图：添加图例

legend：传说； (地图或书中图表的)图例，说明; （硬币、艺术品等上面的）刻字，铭文;
plot：n.情节; 阴谋;布局; (专用的)小块土地;v. 密谋; (在地图上)标出; 绘制(图表)

plt.legend(loc='upper left', edgecolor='none', facecolor='none')
plt.show()

子图的绘制

#第一种：
plt.figure()  # 创建一个空表
# plt.subplot(221)  # 2行2列，index=1
# plt.subplot(222)  # 2行2列，index=2
# plt.subplot(212)
#第二种：
# fig = plt.figure()
# ax1 = fig.add_subplot(221)
# ax2 = fig.add_subplot(222)
# ax3 = fig.add_subplot(212)

fig, ax = plt.subplots(ncols=2, nrows=2, figsize=(8, 6))

plt.show()

df1 = df[df.variable == '0%(Control)']
df2 = df[df.variable == '1%']
df3 = df[df.variable == '5%']
fig, (ax0, ax1) = plt.subplots(nrows=1, ncols=2, sharey=True, figsize=(8, 3))
ax0.plot(df1.Time, df1.value,
         marker=markers[0], markerfacecolor=colors[0], markersize=8, markeredgewidth=0.5,
         color='k', linewidth=0.5, linestyle='-')
ax0.plot(df2.Time, df2.value,
         marker=markers[1], markerfacecolor=colors[1], markersize=7, markeredgewidth=0.5,
         color='k', linewidth=0.5, linestyle='-')
ax1.plot(df1.Time, df1.value,
         marker=markers[0], markerfacecolor=colors[0], markersize=8, markeredgewidth=0.5,
         color='k', linewidth=0.5, linestyle='-')
ax1.plot(df3.Time, df3.value,
         marker=markers[2], markerfacecolor=colors[2], markersize=8, markeredgewidth=0.5,
         color='k', linewidth=0.5, linestyle='-')

坐标系的变换

# 实现三维直角坐标系，投影方法默认透视投影
# 添加三维直角坐标系
from matplotlib import pyplot as plt
from mpl_toolkits.mplot3d import axes3d

fig = plt.figure()
ax = fig.gca(projection='3d')

plt.show()

fig = plt.figure()
ax = fig.gca(polar=True)

加入

ax.set_theta_offset(np.pi / 2)  # 起始角度为90
ax.set_theta_direction(-1)  # 顺时针方向，direction=1为逆时针
ax.set_rlabel_position(0)  # Y轴的标签位置为起始角度位置

图表的导出

'''
绘图的保存与显示：
plt.savefig(fname,dpi,facecolor,edgecolor,format,bbox_inches):保存绘制的图片
fname:包含文件路径或python文件型对象的字符串
dpi：设置每英寸点数的分辨率，默认100
facecolor,edgecolor：子图之外的图形背景颜色，默认白色“w”
format：文件格式
bbox_inches:要保存的图片范围，设置为tight则去除图片周围的空白
plt.s
'''
avefig('m.png', format='png')