Python Matplotlib绘图

1. Matplotlib安装
   cmd输入：pip install Matplotlib
   点我进入Matplotlib官网

---

2. 画布(fig)与子图(ax)
   需要导入:form matplotlib import pyplt as plt

plt.figure(figsize,dpi)创建画布

plt.figure（属性）
figsize = (widtht,hight)	设置画布宽度和高度
dpi	画布透明度

plt.subplot(x y index)创建子图

plt.subplot（属性）
x	行数
y	列数
index	索引（从1开始，从左往右，从上往下）

plt.subplots(nrows, ncols, sharex = False, sharey = False)创建画布和子图
返回值：fig,ax

plt.subplots（属性）
nrows	子图的行数
ncols	子图的列数
sharex	所有子图使用相同的x轴刻度
sharey	所有子图使用相同的y轴刻度

通用方法
plt.figure(figsize=None,dpi=None)	生成新的画布，figsize：画布大小（传参：元组），dpi：透明度
plt.savefig(fname)	保存图片,fname:保存图片位置
plt.xticks(ticks=None,lables=None)	ticks:设置x轴刻度的值，labels:刻度标签
plt.yticks(ticks=None,lables=None)	ticks:设置y轴刻度的值，labels:刻度标签
plt.xlabel(xlabel)	设置x轴标签
plt.ylabel(ylabel)	设置y轴标签
plt.title()	设置图标题
plt.grid()	根据x轴和y轴的数值展示轴网格
plt.legend(prop)	显示图例标签，prop:局部字体设置
plt.annotate(text,xy,xytext,arrowprops = {})	数据标签，text:文本标签，xy:标点位置（元组）,xytext:文本位置（元组），arrowprops:箭头设置
plt.show()	释放空间，并显示已绘制的图
plt.subplots_adjust(wspace,hspace)	调整子图之间的间距,wspace（左右间距）,hspace（上下间距）

---

zip() 函数
作用：用于生成坐标
zip(x,y)生成坐标（x,y必须数量一致）

zip（属性）
x	x轴上的位置
y	y轴上的位置

---

3. 中文显示问题
   解决方法：

方法一：

import matplotlib
font = {
    'family':'SimHei',
    'weight':'bold',
    'size':12
}
matplotlib.rc("font", **font)

方法二：

import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif'] = ['SimHei'] # 步骤一（替换sans-serif字体）
plt.rcParams['axes.unicode_minus'] = False   # 步骤二（解决坐标轴负数的负号显示问题）

方法三：

from matplotlib import pyplot as plt
from matplotlib.font_manager import FontProperties 
font = FontProperties(fname=r"c:\windows\fonts\simsun.ttc", size=14)
x = [1,2,3,4]
y = [3,2,1,3]
plt.plot(x,y)
plt.xlabel("x轴标签",fontproperties=font)
plt.show()

---

4. 折线图
   折线图以折线的上升或下降来表示统计数量的增减变化的统计图
   特点：能够显示数据的变化趋势，反映事物的变化情况
   折线图可以通过plt.plot()函数来绘制

plt.plot(x,y,color,linestyle,marker,label) 构件折线图
（x,y元素必须一致）

plt.plot（属性）
x	在x轴上的点
y	在y轴上的点
color	设置线的颜色
linestyle	设置线的样式
marker	标记样式
label	图例标签

5. 散点图
   散点图用两组数据构成多个坐标点，考察坐标点的分布，判断两变量之间是否存在某种关联或总结坐标点的分布模式
   特点：判断变量之间是否存在数量关联趋势，表示离群点(分布规律)
   散点图通过plt.scatter() 函数

plt.scatter(x,y)来构件散点图

plt.scatter（属性）
x	在x轴上的点
y	在y轴上的点

6. 柱状图及条形图
   条形图是用宽度相同的条形的高度或长短来表示数据多少的图形。条形图可以横置或纵置，纵置时也称为柱形图。
   特点：1.能够使人们一眼看出各个数据的大小。
           2.易于比较数据之间的差别。
   通过 plt.bar() 方法绘制柱状图, plt.barh() 方法绘制条形图

plt.bar(x,height,width = 0.8,bottom,align = "center")构建 柱状图

plt.bar（属性）
x	在x轴上的位置
height	在y轴上的高度
width = 0.8	柱子的宽度
bottom = “None”	柱子底部的起始位置
align = “center”	校准位置

plt.barh(y,width,height = 0.8,align = "center")构建 条形图

bar.barh（属性）
y	在x轴上的长度
width	在y轴上的位置
height	柱子的宽度
align = “center”	校准位置

8. 直方图
   直方图由一系列高度不等的纵向条纹或线段表示数据分布的情况，一般用横轴表示数据范围，纵轴表示分布情况
   特点：绘制连续性的数据，展示一组或者多组数据的分布情况(统计)
   通过 plt.hist() 方法绘制

plt.hist(x,bins = None,density =False)构建图形

plt.hist（属性）
x	在x轴上的位置
bins = None	组数（默认为10）
density = False	频率（默认为频数）

9. 扇形图
   扇形图，用整个圆表示总数，用圆内各个扇形的大小表示各部分数量占总数的百分数。
   通过 plt.pie() 方法绘制

plt.pie(x, explode=None, labels=None,autopct=None,shadow=False)构建图形

plt.pie（属性）
x	扇形数据
explode = None	设置某几个分块是否要分离饼图
labels = None	每块扇形标签
autopct = None	百分比数据标签
shadow = False	是否显示阴影

plt.pie返回值
patchs	绘制饼图每块对象
texts	文本列表
autotexts	百分比的文本列表

10. 箱型图
    箱线图是一种直观简洁的方式去呈现一组数据的分布。 箱线图广泛用于各个数据分析领域，它能非常简单明了地显示一组数据中5个重要数值，并且还能发现一组数据中的存在的异常值。

五个重要数值
最大值	最小值	中位数	下四分位数	上四分位数

通过 plt.boxplot() 方法绘制
ply.boxplot(x,notch=None,sym=None,vert=None,whis=None,positions=None,widths=None,labels=None,meanline=None,showmeans=None)构建图形

plt.boxplot（属性）
x	需要绘制的箱型图的数据
notch = None	是否展示置信区间 默认为False
sym = None	代表异常点的符号表示 默认为圆点
vert = None	是否是垂直的 默认是True
whis = None	上下限系数 默认为1.5
positions = None	设置每个盒子的位置
widths = None	设置每个盒子的宽度
labels = None	每个盒子的label
meanline和showmean	都为True的时候 会展示平均线

11. 雷达图
    雷达图（Radar Chart）又被叫做蜘蛛网图，适用于显示三个或更多的维度的变量的强弱情况。比如某个企业在哪些业务方面的投入等，都可以用雷达图方便的表示。

用过 plt.polar() 来绘制
plt.polar(theta,r)来构建图形

plt.polar
theta	分割区块
r	数据

（区块和数据个数必须相等）

12. Axes （子画）
    Axes容器是用来创建具体的图形的。比如画曲线，柱状图，都是画在上面。所以之前我们学的使用plt.xx绘制各种图形（比如条形图，直方图，散点图等）都是对Axes的封装

方法
axes.set_xlim(min,max)	限制x轴的范围
axes.set_ylim(min,max)	限制y轴的范围
axes.text(x,y,text)	在坐标位置标注文本
axes.set_xlabel(text)	设置x轴文本标签
axes.set_ylabel(text)	设置y轴文本标签
axes.twinx()	共享x轴
axes.twiny()	共享y轴
axes.minorticks_on()	显示x与y轴的子刻度

13. Axis（轴）
    Axis代表的是x轴或者y轴的对象。包含Tick（刻度）对象，TickLabel刻度文本对象，以及AxisLabel坐标轴文本对象。axis对象有一些方法可以操作刻度和文本等。

axis: xaxis,yaxis

方法
axes.axis.set_label_coords(x,y)	设置x或y轴的文本标签位置

自定义刻度格式

from matplotlib import ticker

formatter = ticker.FormatStrFormatter("自定义格式")

ax1.yaxis.set_major_formatter(formatter)

14. 多图布局

调整子图间距 fig.tight_layout(h_pad=None,v_pad=None)（不传参，默认自动调整）

fig.tight_layout（属性）
h_pad	上下间距
v_pad	左右间距

自定义布局
方法一：

from matplotlib import pyplot as plt
plt.figure()
plt.subplot(221)
plt.subplot(223)
plt.subplot(122)

方法二：

fig.add_gridspec(nrows=1, ncols=1,width_ratios,height_ratios)创建栅栏模式

fig.add_gridspec（属性）
nrows	行
nclos	列
width_ratios	宽的比值
height_ratios	高的比值

from matplotlib import pyplot as plt
fig = plt.figure()
gs = fig.add_gridspec(2,2)
fig.add_subplot(gs[0,:])
fig.add_subplot(gs[1,0])
fig.add_subplot(gs[1,1])