文章目录
入门
1.1使用函数绘制matplotlib的图表组成元素
首先,我们来了解一下matplotlib是如何组织内容的。在一个图形输出窗口中,底层是一个Figure实例,我们通常称之为画布,包含一些可见和不可见的元素。
在画布上,自然是图形,这些图形就是Axes实例,Axes实例几乎包含了我们要介绍的matplotlib组成元素,例如坐标轴、刻度、标签、线和标记等。Axes实例有x轴和y轴属性,也就是可以使用Axes.xaxis和Axes.yaxis来控制x轴和y轴的相关组成元素,例如刻度线、刻度标签、刻度线定位器和刻度标签格式器。
这么多组成元素该如何操作呢?很幸运,matplotlib为我们准备了快速入门通道,那就是matplotlib.pyplot模块的API,通过调用API中的函数,我们就可以快速了解应该如何绘制这些组成元素了,例如matplotlib.pyplot.xlim()和matplotlib.pyplot.ylim()就是控制x轴和y轴的数值显示范围。下面,我们就用图1.1来初识绘制matplotlib的图表组成元素的主要函数
1.2 准备数据
- 导入相关包
import matplotlib.pyplot as plt
import numpy as np
- 准备数据
x = np.linspace(0.5,3.5,100)
y = np.sin(x)
y1 = np.random.randn(100)
随意定义一些数据
1.3 绘制matplotlib图表组成元素的函数用法
plot()——展现变量的趋势变化
plt.plot(x,y,ls=“-”,lw=2,label=“plot figure”)
参数说明
● x:x轴上的数值。
● y:y轴上的数值。
● ls:折线图的线条风格。
● lw:折线图的线条宽度。
● label:标记图形内容的标签文本。
scatter()——寻找变量之间的关系
plt.scatter(x,y1,c=“b”,label=“scatter figure”)
参数说明
● x:x轴上的数值。● y:y轴上的数值。
● c:散点图中的标记的颜色。
● label:标记图形内容的标签文本
xlim()——设置x轴的数值显示范围
plt.xlim(xmin,xmax)
参数说明
● xmin:x轴上的最小值。
● xmax:x轴上的最大值。
● 平移性:上面的函数功能,调用签名和参数说明同样可以平移到函数ylim()上。
xlabel()——设置x轴的标签文本
plt.xlabel(string)
参数说明
● string:标签文本内容。
● 平移性:上面的函数功能,调用签名和参数说明同样可以平移到函数ylabel()上。
grid()——绘制刻度线的网格线
plt.grid(linestyle=“:”,color=“r”)
参数说明
● linestyle:网格线的线条风格。
● color:网格线的线条颜色。
axhline()——绘制平行于x轴的水平参考线
plt.axhline(y=0.0,c=“r”,ls=“–”,lw=2)
参数说明
● y:水平参考线的出发点。
● c:参考线的线条颜色。
● ls:参考线的线条风格。
● lw:参考线的线条宽度。
● 平移性:上面的函数功能,调用签名和参数说明同样可以平移到函数axvline()上。
axvspan()——绘制垂直于x轴的参考区域
plt.axvspan(xmin=1.0,xmax=2.0,facecolor=“y”,alpha=0.3)
参数说明
● xmin:参考区域的起始位置。
● xmax:参考区域的终止位置。
● facecolor:参考区域的填充颜色。
● alpha:参考区域的填充颜色的透明度。
● 平移性:上面的函数功能、调用签名和参数说明可以平移到函数axhspan()上。
annotate()——添加图形内容细节的指向型注释文本
plt.annotate(string,xy=(np.pi/2,1.0),xytext=((np.pi/2)+0.15,1.5),weight=“bold”,color=“b”, arrowprops=dict(arrowstyle=“->”,connectionstyle=“arc3”,color=“b”))。
参数说明
string:图形内容的注释文本。
● xy:被注释图形内容的位置坐标。
● xytext:注释文本的位置坐标。
● weight:注释文本的字体粗细风格。
● color:注释文本的字体颜色。
● arrowprops:指示被注释内容的箭头的属性字典。
text()—添加图形内容的细节无指向性注释文本
plt.text(x,y,string,weight = “bold”,color=“b”)
参数说明
注释文本内容所在位置的横坐标。
● y:注释文本内容所在位置的纵坐标。
● string:注释文本内容。
● weight:注释文本内容的粗细风格。
● color:注释文本内容的字体颜色。
title()–添加图形内容的标题
plt.title(string)
参数说明
string:图形内容的标题
legend()—标示不同图形的文本标签图例
** plt.legend(loc = “lower left”)**
参数说明
loc:图例在图中的地理位置
使用统计函数绘制简单图形
上述介绍了折线图和散点图。接着我们讲解一些熟悉的统计图形,掌握这些统计图形可以让读者对数据可视化深入了解。
2.1使用统计函数绘制简单的图形形状
bar()——用于绘制柱状图
** plt.bar(x,y)**
参数说明
● x:标示在x轴上的定性数据的类别。
● y:每种定性数据的类别的数量。
barh()——用于绘制条形图
** plt.barh(x,y)**
参数说明
● x:标示在y轴上的定型数据的类别。
● y:每种定性数据的类别的数量。
hist()——用于绘制直方图
** plt.hist(x))**
参数说明
● x:在x轴上绘制箱体的定量数据输入值。
pie()——用于绘制饼图
** plt.pie(x)**
参数说明
● x:定性数据的不同类别的百分比。
polar()——用于绘制极线图
** plt.polar(theta,r)**
参数说明
● theta:每个标记所在射线与极径的夹角。
● r:每个标记到原点的距离。