Matplotlib数据可视化

一、安装Matplotlib工具包

pip install matplotlib

二、引用Matplotlib（本节以后在jupyter notebook上运行）

import matplotlib.pyplot as plt

三、图表绘制

1、折线图

（1）单一折线图：plot函数：输入两个数组分别代表x的值和y的值

线型linestyle (-,-.,—-...)
点型marRer (v,^,s,*,H,+,×,D,o,...)颜色color (b,g,r,y,k,w,...)
plot函数绘制多条曲线
pandas包对plot的支持

如：“o-”绘制原点点和线

plt.plot([1,2,3,4],[3,1,7,8]，"o-"，color="red")
plt.show()

“^”上三角，“v”倒三角

(2)多条折线图：用多个plot函数

plt.plot([1,2,3,4],[3,1,7,8],"o-",color="red")
plt.plot([1,2,3,4],[6,2,1,4],"^-",color="black")
plt.show()

（3）添加标签

plt.title("ZXT")//表标题
plt.xlabel("XXXX")//x轴标题
plt.ylabel("YYYY")//y轴标题

（4）设置x、y轴的数值范围

plt.xlim(0,4)//0到4
plt.ylim(0,10)//0到10

（5）设置x、y轴的刻度

xticks还可以增加一个参数，将x轴的刻度标签自定义，y轴同理：

plt.xticks(np.arange(0,8,2),["a","b","c","d"])

（6）显示折线图的图例

首先需要在第一步的plot函数中添加label参数，然后使用plt.legend()进行显示：

（7）使用pandas导入数据，并绘制折线图

import matplotlib.pyplot as plt
import pandas as pd
df = pd.read_csv("601318.csv",parse_dates=['date'],index_col='date')[['open','close','high','low']]
df.plot()
plt.show()

自动生成了图例、轴名

（8）创建函数，绘制函数图像

   

import numpy as np
import matplotlib.pyplot as plt
import pandas as pd
x = np.linspace(-100,100,1000)
y1 = x.copy()
y2 = x*x
y3 = 5*x*x*x+3*x*x+x+8
df1 = plt.plot(x,y1,color="red",label="y=x")
df2= plt.plot(x,y2,color="blue",label="y=x^2")
df3=plt.plot(x,y3,color="black",label="y=3x^3+5x^2+2x+1")
plt.ylim(-1000,1000)
plt.legend()
plt.show()

其中linspace（）函数是在一定范围内以一定的间隔取值

2、其他图

 

函数	说明
plt.plot(x,y,fmt....)	坐标图
plt.boxplot(data,notch,position)	箱型图
plt.bar(left,height,width,bottom)	条形图
plt.barh(width,bottom,left,height)	横向条形图
plt.polar(theta,r)	极坐标图
plt.pie(data,explode)	饼图
plt.psd(x,NFFT=256,pad_to,Fs)	功率谱密度图
plt.specgram(x,NFFT=256,pad_to,F)	谱图
plt.cohere(x,y,NFFT=256,Fs)	X-Y相关性函数
plt.scatter(x,y)	散点图
plt.step(x,y,where)	步阶图
plt.hist(x,bins,normed)	直方图

3、画布与子图

（1）创建画布

fig = plt.figure()

（2）给图选定位置

add_subplot（）参数表明是在总共2行2列的第1个位置

ax1 = fig.add_subplot(2,2,1)
ax2 = fig.add_subplot(2,2,2)
ax3 = fig.add_subplot(2,2,3)
ax4 = fig.add_subplot(2,2,4)

（3）绘制各个子图

---

ax1.plot([1,2,3,4],[5,6,7,8])
ax2.plot([4,2,6,4],[5,2,7,2])
ax3.plot([2,1,2,5],[8,5,2,9])
ax4.plot([6,7,8,9],[1,2,3,4])