什么是Matplotlib
- 专门用于开发2D/3D图表
- 使用起来极其简单
- 以渐进、交互方式实现数据可视化
三层结构:
- 容器层
- Canvas,位于最底层的系统层,也就是画板层
- figure,画布层
- 一个figure区可以有多个绘图区,但是一个绘图区只能属于一个figure
- Axes,绘图区
- axis坐标轴
- 辅助显示层
- 可使图像显示更加直观容易被用户理解,但又不会对图像产生实质的影响
- 图像层
- 不同类型图
折线图
应用场景:某一个书屋或指标随事件变化的状况
展现上海一周的天气
#导包
import matplotlib.pyplot as plt
#figure图像,创建画布
plt.figure()
plt.plot([1,2,3,4,5,6,7],[17,17,18,15,11,11,13]))#x轴、y轴
#图最终呈现
plt.show()
设置画布属性和图片保存
plt.figure(figsize=(),dpi=())
plt.savefig(path)
- figsize:指定图的长宽
- dpi:图像的清晰度
- 返回fig对象
修改x、y轴刻度
- 首先就需要在创建画布之前准备x、y的数据
比如:画出上海11点~12点一小时内每分钟的温度变化折线图,温度范围在15-18
x=range(60)
y_shanghai=[random.uniform(15,18) for i in x]
- 但是发现如果不合适的话,就需要你去添加(修改)x、y刻度
x_label=[]
plt.xticks()
plt.ytivks()
其他辅助显示层完善折线图
- 网格
plt.grid(True,linestyle='--',alpha=0.5)
- true默认
- linstyle:–虚线
- alpha:透明度
- 添加x、y轴描述信息及标题
plt.xlabel()
plt.ylabel()
plt.title()
完善原始折线图(比如添加一个数据)
- 几个数据,就几个plot
- 需要对折现样式改变的话,直接在plot那句里改即可
- 这是图形风格字符
图例的设置
- 不仅需要在图像层面修改,也需要在辅助显示层面修改
plt.legend(loc=“”)
- loc里是显示图例在哪一区域,但是一般这个默认不用填
- loc里是显示图例在哪一区域,但是一般这个默认不用填
多个坐标系显示-plt.subplots(面向对象的画图方法)
跟上面对比来看
2.创建画布
#plt.figure(figsize=(20,8),dpi=80)
figure,axes=plt.subplots(nrows=1,ncols=2,figsize=(20,8),dpi=80)
绘制数学函数图像
【Matplotlib】(一)绘制图像函数_matplotlib 画函数-CSDN博客
散点图
应用场景:判断变量之间是否存在数量关系的趋势(分布关系、规律)
plt.scatter
柱状图
应用场景:比较数据间的差别,一眼看出各数据的大小
plt.bar
直方图
应用场景:反映一组数据的分布状况
plt.hist
Matplotlib之直方图绘制_matplotlib绘制直方图-CSDN博客
饼图
应用场景:不同类型数据占比
plt.pie
Python matplotlib 绘制饼图_编程饼图画法-CSDN博客