python和matplotlib可视化笔记

目录

1、可视化：标题中文显示和防动态显示不完整

'''
可视化中文显示
plt.rcParams["font.family"] = 'Arial Unicode MS' #可视化中文显示
plt.rcParams["animation.embed_limit"]=2**128 #防止动态图显示不完整
'''
import matplotlib.pyplot as plt
import numpy as np

plt.rcParams["font.family"] = 'Arial Unicode MS' #可视化中文显示
x=np.arange(1,10,2)
y=x+1
plt.plot(x,y)
plt.title('中文标题中文展示')
plt.show()

2、可视化：读取文件

import pandas as pd
#pycharm里面文件
df =pd.read_excel('.xlsx')
print(df.head(2))
#日常文件
df = pd.read_excel('.xlsx')

3、可视化：背景替换

fig, ax = plt.subplots(figsize=(12,12),dpi=100,facecolor='#1D1E23',edgecolor='#1D1E23')
bgimg = img.imread('kebi.jpeg')
fig.figimage(bgimg, resize=True,alpha=0.3)  # ,resize=True

4、python基础语法：时间转换

import time,datetime
    '''
    字符串类型转换时间
    1、转换为时间数组
    2、从时间数组里面获取年月日等数字
    3、时间数组转为时间戳
    '''
    tss1 = '2022-01-20 23:40:10'
    # 转为时间数组
    timeArray = time.strptime(tss1, "%Y-%m-%d %H:%M:%S")
    print("时间数组：",timeArray)
    print("时间数组里面获取年月日等数字：",timeArray.tm_year)
    timeStamp = int(time.mktime(timeArray))
    print("时间数组转为时间戳:",timeStamp)

    '''
    日期格式更改
    1、2013-10-10 23:40:00修改成：2013/10/10 23:40:00
    2、2013/10/10 23:40:00修改成：2013-10-10 23:40:00
    '''
    tss2 = "2013-10-10 23:40:00"
    timeArray = time.strptime(tss2, "%Y-%m-%d %H:%M:%S")
    print(timeArray)
    otherStyleTime = time.strftime("%Y/%m/%d %H:%M:%S", timeArray)
    print(otherStyleTime)

    tss3 = "2013/10/10 23:40:00"
    timeArray = time.strptime(tss3, "%Y/%m/%d %H:%M:%S")
    print(timeArray)
    otherStyleTime = time.strftime("%Y-%m-%d %H:%M:%S", timeArray)
    print(otherStyleTime)

    '''
    时间戳转换为指定格式的日期
    1、1381419600 转换成：2013--10--10 23:40:00
    2、1381419600 转换成：2013--10--10 23:40:00
    3、1381419600 转换成：2013--10--10 15:40:00
    '''
    # 使用time
    timeStamp = 1381419600
    timeArray = time.localtime(timeStamp)
    otherStyleTime = time.strftime("%Y-%m-%d %H:%M:%S", timeArray)
    print(otherStyleTime)  # 2013--10--10 23:40:00
    # 使用datetime
    timeStamp = 1381419600
    dateArray = datetime.datetime.fromtimestamp(timeStamp)
    otherStyleTime = dateArray.strftime("%Y--%m--%d %H:%M:%S")
    print(otherStyleTime)  # 2013--10--10 23:40:00
    # 使用datetime，指定utc时间，相差8小时
    timeStamp = 1381419600
    dateArray = datetime.datetime.utcfromtimestamp(timeStamp)
    otherStyleTime = dateArray.strftime("%Y--%m--%d %H:%M:%S")
    print(otherStyleTime)  # 2013--10--10 15:40:00

    '''
    获取当前时间并且用指定格式显示
    1、time获取当前时间戳
    2、datetime获取当前时间，数组格式
    '''
    # time获取当前时间戳
    now = int(time.time())  # 1533952277
    timeArray = time.localtime(now)
    otherStyleTime = time.strftime("%Y-%m-%d %H:%M:%S", timeArray)
    print(otherStyleTime)

    # datetime获取当前时间，数组格式
    now = datetime.datetime.now()
    print(now)
    otherStyleTime = now.strftime("%Y-%m-%d %H:%M:%S")
    print(otherStyleTime)

5、python基础语法：数据类型查询

#数据类型
type(202101) #输出：<class 'int'>
type('202101') #输出：<class 'str'>

6、pandas语法：pandas基础语法

'''
1、pandas列转换list
2、显示所有列
3、显示所有行
4、设置value的显示长度为100，默认为50
'''
#pandas列转换list
df['时间'].tolist() #输出：[1,2,3]
#显示所有列
pd.set_option('display.max_columns', None)
#显示所有行
pd.set_option('display.max_rows', None)
#设置value的显示长度为100，默认为50
pd.set_option('max_colwidth',100)

7、可视化：画布布局

import matplotlib.pyplot as plt
    import numpy as np

    '''
    画布图布局
    1、逐个图增加
    2、多行多列图
    '''
    #1、逐个图增加
    x = np.arange(1, 100)
    plt.subplot(221)
    plt.plot(x, x * x)
    plt.subplot(223)
    plt.pie(x=[15, 30, 45, 10], labels=list('ABCD'), autopct='%.0f', explode=[0, 0.05, 0, 0])

    #2、多行多列图
    fig,subs=plt.subplots(2,3)
    x = np.arange(1, 10, 2)
    y = x + 1
    subs[0][1].plot(x, y)
    subs[1][2].plot(x, y)
    plt.show()

8、可视化：坐标系格式调整

   import matplotlib.pyplot as plt
    import numpy as np
    import pandas as pd
    '''
    画布坐标系格式调整
    1、标题：title
    2、坐标轴范围：axis
    3、网格线：grid
    4、图例：legend
    5、XY轴标题：xlabel、ylabel
    6、自定义左边范围：plt.xlim([0, 10])
    7、自定义坐标轴刻度：xticks、yticks
    8、文本和注释箭头：text、annotate
    '''
    plt.rcParams["font.family"] = 'Arial Unicode MS'
    x = np.arange(1, 6, 2)
    y = x + 1
    z = x + 2
    df = pd.read_excel('.xlsx')
    print(df.head(2))
    plt.plot(x, y)
    plt.plot(x, z)
    plt.title('标题',fontsize='15',fontweight='bold',color='blue',loc ='left',verticalalignment='bottom',rotation=0,
              bbox=dict(facecolor='g', edgecolor='blue', alpha=0.65))
    # plt.axis([1, 5, 1, 11])
    plt.grid(color = 'gray', linestyle = '--', linewidth = 1)
    plt.legend(labels=['Function 1', 'Function3'], loc='upper right')
    # plt.xlim([0, 10])
    # plt.ylim([5, 10])
    plt.xlabel("x 轴", loc="right")  # 横坐标标题
    plt.ylabel("y 轴", loc="top")  # 纵坐标标题
    plt.xticks([0, 25, 50, 75])
    # plt.yticks([0, 25, 50, 75])
    plt.text(2, 3, "test", size=10, rotation=30., ha="center", va="center",
             bbox=dict(boxstyle="round", ec=(1., 0.5, 0.5), fc=(1., 0.8, 0.8), ))
    plt.annotate('local max', xy=(2, 3), xytext=(3, 1.5), arrowprops=dict(facecolor='black', shrink=0.05))
    plt.show()

    '''
    #边框删除
    1、上边框删除
    2、右边框删除
    3、左边框颜色设置
    4、底边框颜色设置
    5、XY坐标刻度格式：刻度显示，刻度数字大小，颜色,刻度位置在里面还是外面
    6、设置刻度范围：ax.axis
    7、设置XY轴范围：ax.set_xlim、ax.set_ylim
    8、设置刻度数字：ax.set_xticks
    9、设置刻度标签显示：ax.set_xticklabels
    10、设置网格线： ax.grid
    11、设置坐标轴标签：ax.set_xlabel()
    12、y轴刻度千分位格式
    13、X轴刻度太密集，调整可显示刻度数据
    14、插入图片
    15、自动调整子图参数
    '''

    fig, ax = plt.subplots()
    x = np.arange(1, 5, 1)
    y = x + 1
    plt.plot(x,y)
    ax.spines['top'].set_visible(False)
    ax.spines['right'].set_visible(False)
    ax.spines['left'].set_color('#425663')
    ax.spines['bottom'].set_visible('#373E4B')
    ax.tick_params(axis='y',bottom=True,labelsize=10,direction='inout',colors='gray')
    ax.axis([0, 5, 1, 11])
    ax.set_xlim(left=0, right=10)
    ax.set_ylim(ymin=0,ymax=15)
    ax.set_xticks([0, 250, 500, 750])
    ax.set_xticklabels(['one', 'two', 'three', 'four', 'five'], rotation=45, fontsize='small')
    ax.grid(axis='both',color='gray',lw=1,alpha=.6,ls='--')
    ax.yaxis.set_major_formatter(ticker.StrMethodFormatter('{x:,.0f}'))
    ax.set_xticks([x[i] for i in range(len(x)) if i % 15 == 0])
    
    arr_img = plt.imread("car.jpeg")
    im = OffsetImage(arr_img, zoom=.05)
    ab = AnnotationBbox(im, (1, 0), xycoords='axes fraction', box_alignment=(1.1, -0.1))#(1,0)是插入图片的位置
    ax.add_artist(ab)
    plt.tight_layout()
    plt.show()

9、可视化：动态图展示

		'''
    动态图展示
    1、动态展示
    2、保存gif、MP4
    '''

    import matplotlib.pyplot as plt
    import matplotlib.animation as animation
    import numpy as np
    import pandas as pd
    import matplotlib.pyplot as plt
    df = pd.read_excel('.xlsx')
    df['时间'] = df['时间'].apply(lambda x: int(x.strftime('%Y%m')))
    frames = df['时间'].tolist()
    fig, ax = plt.subplots()
    def line_animation(current_year):
        data = df.loc[df['时间'] <= current_year, :]
        idx = data['时间']
        # print(data)
        a = idx.tolist()
        a2 = [str(i) for i in a]
        ax.clear()

        ax.plot(a2, data['五菱'], color='#FF5872', lw=3)

    # line_animation(frames)
    line_animation = animation.FuncAnimation(fig, line_animation, frames=frames, interval=350)
    # ani.save('sin_x.gif') #保存gif图片
    # line_animation.to_html5_video()  #将动画效果在jupyter notebook中显示
    line_animation.save('car_data.mp4') #保存map4
    plt.show()

10、可视化：matplotlib表格

#matplotlib表格
import matplotlib.pyplot as plt
import numpy as np
#列名
col=[]
for i in range(1,8):
    col.append("Day"+str(i))
print(col)
#行名
row=[]
for i in range(1,13):
    row.append(i)
print(row)
#表格里面的具体值
vals=np.random.rand(12,7)
print(vals)

plt.figure(figsize=(20,8))
tab = plt.table(cellText=vals,
              colLabels=col,
             rowLabels=row,
              loc='center',
              cellLoc='center',
              rowLoc='center')
tab.auto_set_font_size(False)#关闭字体自适应
tab.set_fontsize(10)#设置字体大小
tab.scale(1,2)
plt.axis('off')
plt.show()