Python数据分析与展示（3）——Matplotlib库入门

最近在中国大学mooc网学习Python数据分析与展示相关知识，记入下来，以供参考。

Matplotlib库入门

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     #调用时一般将其命名为plt

Matplotlib库小测

import matplotlib.pyplot as plt 

plt.plot([3,1,4,5,2])   #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.ylabel('grade')
plt.xlabel('x')
plt.savefig('test',dpi = 500)   #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.show()

import matplotlib.pyplot as plt 

plt.plot([0,2,4,6,8],[3,1,4,5,2])   #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.xlabel('x')
plt.axis([-1,10,0,6])   #x轴最左边坐标起始-1，终止于10，y轴坐标起始于0，终止于6
plt.show()

pyplot的绘图区域

plt.subplot(nrows, ncols, plot_number)
- nrows : 将绘图区域分成的行数
- ncols ： 将绘图区域分成的列数
- plot_number： 当前绘图区

import matplotlib.pyplot as plt 
import numpy as np

def f(t):
    return np.exp(-t) * np.cos(2*np.cos(2*np.pi*t))

a = np.arange(0.0,5.0,0.02)

plt.subplot(211)
plt.plot(a,f(a))

plt.subplot(2,1,2)
plt.plot(a,np.cos(2*np.pi*a),'r--')
plt.show()

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)
注意：当绘制多条曲线时，各条曲线的x不能省略

∙ 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	颜色	字符说明
‘b’	蓝色	‘m’	洋红色magenta
‘g’	绿色	‘y’	黄色
‘r’	红色	‘k’	黑色
‘c’	青绿色cyan	‘w’	白色
‘#008000’	RGB某颜色	‘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	标记字符	说明	标记字符	说明
‘.’	点标记	‘1’	下花三角标记	‘h’	竖六边形标记
‘,’	像素标记(极小点)	‘2’	上花三角标记	‘H’	横六边形标记
‘o’	实心圈标记	‘3’	左花三角标记	‘+’	十字标记
‘v’	倒三角标记	‘4’	右花三角标记	‘x’	x标记
‘^’	上三角标记	’s’	实心方形标记	‘D’	菱形标记
‘>’	右三角标记	‘p’	实心五角标记	‘d’	瘦菱形标记
‘<’	左三角标记	‘*’	星形标记	‘|’	垂直线标记

import matplotlib.pyplot as plt 
import numpy as np

a = np.arange(10)
plt.plot(a,a*1.5,'go-',a,a*2.5,'rx',a,a*3.5,'*',a,a*4.5,'b--')
plt.show()

∙ **kwargs : 第二组或更多(x,y,format_string)
color : 控制颜色, color=’green’
linestyle : 线条风格, linestyle=’dashed’
marker : 标记风格, marker=’o’
markerfacecolor: 标记颜色, markerfacecolor=’blue’
markersize : 标记尺寸, markersize=20
……

pyplot的中文显示

第一种方法

pyplot并不默认支持中文显示，需要rcParams修改字体实现

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’

此方法改变的是全局字体，包括横纵坐标的数字

import matplotlib.pyplot as plt 
import matplotlib
import numpy as np

matplotlib.rcParams['font.family'] = 'STSong'   #华文宋体
matplotlib.rcParams['font.size'] = 20

a = np.arange(0.0,5.0,0.02)

plt.xlabel('横轴：时间')
plt.ylabel('纵轴：振幅')
plt.plot(a, np.cos(2*np.pi*a),'r--')
plt.savefig('test',dpi = 100)
plt.show()

第二种方法

在有中文输出的地方，增加一个属性：fontproperties

import matplotlib.pyplot as plt 
import numpy as np

a = np.arange(0.0,5.0,0.02)

plt.xlabel('横轴：时间',fontproperties = 'SimHei',fontsize = 20)
plt.ylabel('纵轴：振幅',fontproperties = 'SimHei',fontsize = 20)
plt.plot(a, np.cos(2*np.pi*a),'r--')
plt.savefig('test',dpi = 100)
plt.show()

pyplot的文本显示

pyplot的文本显示函数

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 matplotlib.pyplot as plt 
import numpy as np

a = np.arange(0.0,5.0,0.02)
plt.plot(a, np.cos(2*np.pi*a),'r--')

plt.xlabel('横轴：时间',fontproperties = 'SimHei',fontsize = 15,color = 'green')
plt.ylabel('纵轴：振幅',fontproperties = 'SimHei',fontsize = 15)
plt.title('正弦波实例 $y=cos(2\pi x)$',fontproperties = 'SimHei',fontsize = 25)        # $y=cos(2\pi x)$ 表示Latex格式
#plt.text(2,1,r'$\mu=100$',fontsize = 15)
plt.annotate(r'$\mu=100$',xy=(2,1),xytext = (3,1.5),
             arrowprops=dict(facecolor='black',shrink =0.1,width=2))
# arrowprops 箭头的属性  shrink表示从箭头的开始到结束按照0.1的比例缩进
plt.axis([-1,6,-2,2])
plt.grid(True)  #加入网格线
plt.show()

pyplot的复杂子绘图区域

第一种方法

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
-GridSpes:将整个绘图区域分成一个什么样的形状
-CurSpec:当前选定的位置
-Colspan:从当前选定的位置在行的方向上延伸
-rowspan:从当前选定的位置在列的方向上延伸

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))

第二种方法

import matplotlib.gridspec as gridspec
import matplotlib.pyplot as plt
gs = gridspec.GridSpec(3,3)

ax1 = plt.subplot(gs[0,:])
ax2 = plt.subplot(gs[1,:-1])
ax3 = plt.subplot(gs[1:,-1])
ax4 = plt.subplot(gs[2,0])
ax5 = plt.subplot(gs[2,1])