文章目录
Python数据分析之Matplotlib
1 Matplotlib介绍
1-1 Matplotlib库入门
1-1-1 Matplotlib库介绍
Matplotlib库由各种可视化类构成,内部结构复杂,受Matlab启发,matplotlib.pyplot是绘制各类可视化图形的命令子库,相当于快捷方式
import matplotlib.pyplot as plt
plt.plot([3,2,1,3,4])#x轴默认元素索引,y轴默认元素值
plt.ylabel('grade')
plt.savefig('test',dpi=600)#输出图形存储为文件,默认PNG格式,可以通过dpi修改输出质
plt.show()
plt.plot()只有一个输入列表或数组时,参数被当作Y轴,X轴以索引自动生成
plt.savefig()将输出图形存储为文件,默认PNG格式,可以通过dpi修改输出质量
plt.plot(x,y)当有两个以上参数时,按照X轴和Y轴顺序绘制数据点
import matplotlib.pyplot as plt
plt.plot([0,2,4,5,8],[1,2,3,4,5])#plt.plot(x,y)当有两个以上参数时,按照X轴和Y轴顺序绘制数据点
plt.ylabel('Grade')
plt.axis([0,10,0,6])#前两个代表x轴,后两个代表y轴
plt.show()
1-1-2 子绘图区域
plt.subplot(nrows, ncols, plot_number)(横轴、纵轴、当前绘图区域)
在全局绘图区域中创建一个分区体系,并定位到一个子绘图区域
import numpy as np
import matplotlib.pyplot as plt
#pyplot的绘图区域 plt.subplot(nrows, ncols, plot_number)(横轴、纵轴、当前绘图区域)
def f(t):
return np.exp(-t)*np.cos(2*np.pi*t)
a = np.arange(0.0,5.0,0.02)
plt.subplot(2,1,1)
plt.plot(a,f(a))
plt.subplot(2,1,2)
plt.plot(a,np.cos(2*np.pi*a),'r--')
plt.show()
复杂子绘图区域
plt.subplot2grid(GridSpec, CurSpec, colspan=1, rowspan=1)
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
或者通过gridspec类
import matplotlib.pyplot as plt
plt.subplot2grid((3,3), (0,0), colspan=3)
plt.subplot2grid((3,3), (1,0), colspan=2)
plt.subplot2grid((3,3), (1,2), rowspan=2)
plt.subplot2grid((3,3), (2,0))
plt.subplot2grid((3,3), (2,1))
plt.show()
import matplotlib.pyplot as plt
import matplotlib.gridspec as gridspec
gs=gridspec.GridSpec(3,3)
#绘制3行3列区域
ax1=plt.subplot(gs[0,:])
ax2=plt.subplot(gs[1,:-1])#第一行前n-1列
ax3=plt.subplot(gs[1:,-1])#最后一列1-n行
ax4=plt.subplot(gs[2,0])
ax5=plt.subplot(gs[2,1])
plt.show()
1-1-3 pyplot的plot()函数
**plt.plot(x, y, format_string, kwargs)
∙ x : X轴数据,列表或数组,可选
∙ y : Y轴数据,列表或数组
∙ format_string: 控制曲线的格式字符串,可选
∙ **kwargs : 第二组或更多(x,y,format_string)
format_string: 控制曲线的格式字符串,可选 由颜色字符、风格字符和标记字符组成
颜色字符
颜色字符 | 说明 |
---|---|
‘b’ | 蓝色 |
‘g’ | 绿色 |
‘r’ | 红色 |
‘c’ | 青绿色 cyan |
‘#008000’ | RGB某颜色 |
‘m’ | 洋红色 magenta |
‘y’ | 黄色 |
‘k’ | 黑色 |
‘w’ | 白色 |
‘0.8’ | 灰度值字符串 |
风格字符
风格字符 | 说明 |
---|---|
‘‐’ | 实线 |
‘‐‐’ | 破折线 |
‘‐.’ | 点划线 |
‘:’ | 虚线 |
‘’‘’ ’ ‘ | 无线条 |
标记字符
标记字符 | 说明 |
---|---|
‘.’ | 点标记 |
‘,’ | 像素标记(极小点) |
‘o’ | 实心圈标记 |
‘v’ | 倒三角标记 |
‘^’ | 上三角标记 |
‘>’ | 右三角标记 |
‘<’ | 左三角标记 |
‘1’ | 下花三角标记 |
‘2’ | 上花三角标记 |
‘3’ | 左花三角标记 |
‘4’ | 右花三角标记 |
‘s’ | 实心方形标记 |
‘p’ | 实心五角标记 |
‘*’ | 星形标记 |
‘h’ | 竖六边形标记 |
‘H’ | 横六边形标记 |
‘+’ | 十字标记 |
‘x’ | x标记 |
‘D’ | 菱形标记 |
‘d’ | 瘦菱形标记 |
’ | ’ |
import numpy as np
import matplotlib.pyplot as plt
#绘制多条曲线
a=np.arange(10)
plt.plot(a,a*0.5,'go-',a,a*1.5,'r.--',a,a*2.5,'b<:',a,a*3.5,'y1-.')
plt.show()
中文显示
- 方法一:通过rcParams修改字体
rcParams的属性
属性 | 说明 |
---|---|
‘font.family’ | 用于显示字体的名字 |
‘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’ |
rcParams[‘font.family’]
中文字体 | 说明 |
---|---|
‘SimHei’ | 中文黑体 |
‘Kaiti’ | 中文楷体 |
‘LiSu’ | 中文隶书 |
‘FangSong’ | 中文仿宋 |
‘YouYuan’ | 中文幼圆 |
‘STSong’ | 华文宋体 |
- 方法二:在有中文输出的地方,增加一个属性:fontproperties
import numpy as np
import matplotlib.pyplot as plt
import matplotlib
matplotlib.rcParams['font.family']='SimHei'#方法1
matplotlib.rcParams['font.size']=20
plt.plot([3,1,2,3,6])
plt.ylabel('成绩')
#方法2
plt.plot([1,2,3,4,5])
plt.xlabel('时间',fontproperties='Simhei',fontsize=20)
plt.show()
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解 |
import numpy as np
import matplotlib.pyplot as plt
a=np.arange(10)
plt.plot(a,a*10)
plt.xlabel('横轴',fontproperties='SimHei',fontsize=20,color='b')
plt.ylabel('纵轴',fontproperties='SimHei',fontsize=20,color='b')
plt.title('good')
plt.text(20,10,'good')
#plt.annotate(s, xy=arrow_crd, xytext=text_crd, arrowprops=dict)
#注释内容、箭头位置、文本位置、箭头属性
plt.annotate('y=x',xy=(2,20),xytext=(3,20),arrowprops=dict(facecolor='black',shrink=1,width=2))
plt.show()
1-2 Matplotlib基础绘图函数示例
1-2-1 plot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,NFFT=256,pad_to,F) | 绘制谱图 |
plt.cohere(x,y,NFFT=256,Fs) | 绘制X‐Y的相关性函数 |
plt.scatter(x,y) | 绘制散点图,其中,x和y长度相同 |
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 |
1-2-2 基础绘图实例
饼图
import matplotlib.pyplot as plt
labels='frogs' ,'hogs','dogs','logs'
sizes=[15,20,30,10]
explode=(0,0.1,0,0)#突出尺度
plt.pie(sizes,explode=explode,labels=labels,autopct='%1.1f%%',shadow=False,startangle=90)
# 尺寸、突出、标签、显示百分数、阴影效果、起始角度
plt.axis('equal')#x、y相等 正方形区域
plt.show()
直方图
import numpy as np
import matplotlib.pyplot as plt
np.random.seed(0)
mu,sigma=100,20#均值 方差
a =np.random.normal(mu,sigma,size=100)
plt.hist(a,10,histtype='stepfilled',facecolor='b',alpha=0.75)
#数据,直方图的个数(归一化),绘图类型、颜色、比例
plt.title('Histogram')
plt.show()
极坐标图(!)
import numpy as np
import matplotlib.pyplot as plt
N=20
theta=np.linspace(0.0,2*np.pi,N,endpoint=False)#0-2pi之间N等份
radii=10*np.random.rand(N)#角度对应的值
width=np.pi/4*np.random.rand(N)#对应宽度
ax=plt.subplot(111,projection='polar')#绘制极坐标图 #面向对象的方式
bars =ax.bar(theta,radii,width=width,bottom=0.0)
#对应left从哪开始,height,中心点到边缘的长度,width,辐射的面积
for r,bar in zip(radii,bars):
bar.set_facecolor(plt.cm.viridis(r/10.))
bar.set_alpha(0.5)
plt.show()
面向对象的绘图方式
极坐标
import numpy as np
import matplotlib.pyplot as plt
N=20
theta=np.linspace(0.0,2*np.pi,N,endpoint=False)#0-2pi之间N等份
radii=10*np.random.rand(N)#角度对应的值
width=np.pi/4*np.random.rand(N)#对应宽度
ax=plt.subplot(111,projection='polar')#绘制极坐标图 #面向对象的方式
bars =ax.bar(theta,radii,width=width,bottom=0.0)
#对应left从哪开始,height,中心点到边缘的长度,width,辐射的面积
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
#面向对象的方式
import numpy as np
import matplotlib.pyplot as plt
fig,ax =plt.subplots()
ax.plot(10*np.random.randn(100),10*np.random.randn(100),'o')
ax.set_title('Simplr Scatter')
plt.show()