数据分析工具--matplotlib

一、简介

Matplotlib是一个Python 2D绘图库，它以多种硬拷贝格式和跨平台的交互式环境生成出版物质量的图形。可以以 Pythonic 和面向对象的方式使用。
matplotlib.pyplot是一组命令样式函数，使Matplotlib的工作方式类似于MATLAB。每个pylot函数对图形进行一些更改：例如，创建图形、在图形中创建绘图区域、在绘图区域中绘制一些线、使用标签装饰绘图等。pyplot主要用于交互式绘图和程序化绘图生成的简单情况。

二、线型图的使用

import matplotlib.pyplot as plt

2.1 plt.plot()

2.1.1 调用格式

#单条线：
plot([x], y, [fmt], data=None, **kwargs)
#多条线一起画
plot([x], y, [fmt], [x2], y2, [fmt2], …, **kwargs)

例子：

plt.plot([1,2,3,4])
向plot()命令提供单个列表或数组，则matplotlib假定它是一个y值序列，并自动为你生成x值。

2.1.2 fmt参数
可选参数[fmt] 是一个字符串来定义图的基本属性如：颜色（color），点型（marker），线型（linestyle），默认为蓝色实线。

具体形式 fmt = ‘[color][marker][line]’，如指定fmt为’bo-’ # 蓝色圆点实线

fmt接收的是每个属性的单个字母缩写，例如：plot(x, y, ‘bo-’) # 蓝色圆点实线

若属性用的是全名则不能用fmt参数来组合赋值，应该用关键字参数对单个属性赋值如：

plot(x,y2,color=‘green’, marker=‘o’, linestyle=‘dashed’,linewidth=1,markersize=6)
plot(x,y3,color=’#900302’,marker=’+’,linestyle=’-’)

2.1.3 关键字参数kwargs（Line2D的属性）

color参数的赋值：

marker参数的赋值：

linestyle参数的赋值：

图例的显示位置：

2.2 plt.figure() 画板对象

格式：

保存figure的图像：fig.savefig(‘xxx.png’)

2.3 plt.title() or axes.set_title()

为坐标系设置标题

参数：

2.4 创建多个子坐标系 plt.subplot(nrows, ncols, index, **kwargs) or fig.add_subplot()

2.5 坐标轴的设置

import matplotlib as mpl

格式：

     mpl.rcParams['key']=新值

恢复全局默认设置： mpl.rcdefaults()
风格设置： mpl.style.use(‘key’)
查看所有风格： mpl.style.available

字体设置：

四、2D图形的绘制

4.1 线形图：plt.plot()

4.2 直方图

直方图使用一系列不等高的长条来表示数据，长条的宽度表示数据的间隔范围，长条的高度表示该范围内数据的频数。

直方图是一种统计报告图

格式：plt.hist（）

参数介绍：

hist以元组的形式返回直方图的计算结果，包括各区间元素数量、区间的取值范围、以及具体每个区间的对象

4.3 条形图

条形图x轴表示类别

格式：plt.bar() 或者plt.barh()

参数：

在一个图上显示多种条形图，可以调整位置和宽度，让他们并列摆放，也可以堆叠摆放

4.4 饼图

显示一个数据系列里各项大小以及各项所占的比例
格式：

plt.pie(
	    x,
	    explode=None,    指定区域分离的距离，通常是一个数组，默认为0
	    labels=None,     为每个区域添加标注，标签列表
	    colors=None,     为每个区域添加颜色，为列表
	    autopct=None,
	    pctdistance=0.6,
	    shadow=False,  是否右阴影效果
	    labeldistance=1.1,   标签离图中心点的距离
	    startangle=0,
	    radius=1,         饼的半径
	    counterclock=True,
	    wedgeprops=None,
	    textprops=None,
	    center=(0, 0),
	    frame=False,
	    rotatelabels=False,
	    *,
	    normalize=None,
	    data=None,

)

4.5 玫瑰图

示例：

data = [805, 598, 831, 586, 357, 562, 692, 623, 575, 605, 623, 585, 573,
            323, 805, 873, 773, 500, 396, 744, 892, 795, 598, 494, 469, 373]
theta = np.linspace(0, 2*np.pi, len(data))
fig = plt.figure(figsize=(12,8),facecolor='lightgreen')
# 绘制极坐标
ax = plt.axes(polar=True)
ax.set_theta_direction(-1)
ax.set_theta_zero_location('N')

ax.bar(x = theta,height=data,width=0.3,color=np.random.random((len(data),3)))
ax.set_axis_off()   # 关闭坐标系

# 添加text()
for angle,data in zip(theta,data):
    ax.text(angle+0.04,data+100,str(data))

4.6 散点图

格式：

plt.scatter(
		    x,
		    y,
		    s=None,     点的大小
		    c=None,     点的颜色
		    marker=None,   点型
		    cmap=None,   颜色主题
		    norm=None,
		    vmin=None,
		    vmax=None,
		    alpha=None,
		    linewidths=None,
		    verts=<deprecated parameter>,
		    edgecolors=None,
		    *,
		    plotnonfinite=False,
		    data=None,
		    **kwargs,
		    )

4.7 箱线图

箱线图（别名：盒子图），利用数据中的五个统计量：最小值、第一四分位数、中位数、第三四分位数与最大值来描述数据的一种方法。它可以直观明了地识别数据批中的异常值，利用箱线图判断数据批的偏态和尾重，也可以粗略地看出数据是否具有有对称性，分布的分散程度等信息，特别可以用于对几个样本的比较。

格式：plt.boxplot(
x, 输入的数据
notch=None,
sym=None,
vert=None,
whis=None,
positions=None,
widths=None,
patch_artist=None,
bootstrap=None,
usermedians=None,
conf_intervals=None,
meanline=None,
showmeans=None,
showcaps=None,
showbox=None,
showfliers=None,
boxprops=None,
labels=None,
flierprops=None,
medianprops=None,
meanprops=None,
capprops=None,
whiskerprops=None,
manage_ticks=True,
autorange=False,
zorder=None,
*,
data=None,
)

五、图像