[三] 3 图表绘制工具：Matplotlib -- plot、subplots

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

% matplotlib inline

一、plt.plot()

和下篇文章中的一、plt.plot()一模一样
DataFrame.plot(x=None, y=None, kind=‘line’, ax=None, subplots=False, sharex=None, sharey=False, layout=None, figsize=None, use_index=True, title=None, grid=None, legend=True, style=None, logx=False, logy=False, loglog=False, xticks=None, yticks=None, xlim=None, ylim=None, rot=None, fontsize=None, colormap=None, table=False, yerr=None, xerr=None, secondary_y=False, sort_columns=False, **kwds)

• kind: 图表类型，line, bar, barh…（折线图，柱状图，柱状图-横…）
• figsize: 图表大小
• title: 图名
• legend: 是否显示图例，一般直接用plt.legend()
• label: 图例标签，一般仅Series设置label，DataFrame以columns为label
• xlim, ylim: x,y轴边界
• xticks, yticks: x,y轴刻度值
• grid: 是否显示网格，一般直接用plt.grid()
• style: 风格字符串，包括linestyle(-), marker(.), color(g)
• color: 颜色，比style中的color优先
• alpha: 透明度，0-1
• rot: 旋转刻度值，0-360，垂直图旋转xticks，水平图旋转yticks
• use_index: 是否将索引设置为刻度标签，默认为True，False时刻度标签为数字，表示第几个值

以下属性对DataFrame有效

• colormap: 可自动根据颜色板中的颜色自动为不同的项设置不同的颜色，颜色板链接如下：
  colormaps_reference
  在颜色板颜色后面添加"_r"，按照反向顺序设置颜色
• subplots: 是否将各个列绘制为不同图表，默认False

Series.plot()：默认index为横坐标，value为纵坐标

ts = pd.Series(np.random.randn(100), index = pd.date_range("2021-01-01", periods = 100))
ts = ts.cumsum()
# 也可以用plt.plot(ts)
ts.plot(kind = "line",
        figsize = (6, 4),
        title = "title",
        legend = True, label = "label",
        ylim = [-20, 20], yticks = list(range(-20, 20, 5)),
        grid = True,
        style = "--g", color = "red", alpha = 0.8,
        rot = 45,
        use_index = True)

DataFrame.plot()

df = pd.DataFrame(np.random.randn(100, 4),
                  columns = list('ABCD'),
                  index = pd.date_range("2021-01-01", periods = 100))
df = df.cumsum()
# 也可以用plt.plot(df)
df.plot(kind = "line",
        figsize = (6, 4),
        title = "title",
        legend = True,
        ylim = [-20, 20], yticks = list(range(-20, 20, 10)),
        grid = False,
        style = "--g", colormap = "cool", alpha = 0.8,
        rot = 45,
        use_index = True,
        subplots = True)

二、plt.figure()

plt.figure(num=None, figsize=None, dpi=None, facecolor=None, edgecolor=None, frameon=True, FigureClass=<class ‘matplotlib.figure.Figure’>, **kwargs)

• num：图表序号，如果不写则绘制到上一个Figure对象中，如果是同一个num则绘制到同一个Figure对象中

在matplotlib中，整个图像为一个Figure对象；
一个Figure对象可以包含一个或者多个Axes对象；
每个Axes(ax)对象都是一个拥有自己坐标系统的绘图区域。

fig1 = plt.figure(num = 1, figsize = (4, 2))
plt.plot(np.random.rand(50).cumsum(), 'k--')
fig2 = plt.figure(num = 2,figsize = (4, 2))
plt.plot(50 - np.random.rand(50).cumsum(), 'k--')

调用plt.plot()时，如果没有设置plt.figure()，会自动调用plt.figure()生成一个Figure对象，严格讲生成subplots(111)

fig = plt.figure(figsize = (4, 2))
plt.plot(np.random.rand(50).cumsum(), 'k--')
plt.plot(50 - np.random.rand(50).cumsum(), 'k--')
'''
等同于
fig1 = plt.figure(num = 1, figsize = (4, 2))
plt.plot(np.random.rand(50).cumsum(), 'k--')
fig2 = plt.figure(num = 1,figsize = (4, 2))
plt.plot(50 - np.random.rand(50).cumsum(), 'k--')
'''

三、子图

1、fig.add_subplot() 先创建figure对象，再(绘制子图，填充图表)*

先创建图表figure，然后生成子图，(2,2,1)代表创建2*2的矩阵表格，然后选择第一个，顺序是从左到右从上到下
创建子图后绘制图表，会绘制到最后一个子图

fig = plt.figure(figsize = (10, 6), facecolor = "gray")

ax1 = fig.add_subplot(2, 2, 1)
plt.plot(np.random.randn(10).cumsum(), 'k--')
plt.plot(np.random.randn(10).cumsum(), 'b--')

ax2 = fig.add_subplot(2, 2, 2)
ax2.plot(np.random.randn(10).cumsum(), 'k--')

ax4 = fig.add_subplot(2, 2, 4)
ax4.plot(np.random.randn(10).cumsum(), 'b--')

2、plt.subplots() 先创建多个子图的axes，再选择其中的轴绘图

fig, axes = plt.subplots(2, 3, figsize = (10, 4)) # 生成图表对象的数组

ax1 = axes[0, 1]
ax1.plot(np.random.randn(10).cumsum(), 'k--')

'''
fig：Figure(720x288)
type(fig)：<class 'matplotlib.figure.Figure'>

axes：
[[<matplotlib.axes._subplots.AxesSubplot object at 0x000002C91EC88908>
  <matplotlib.axes._subplots.AxesSubplot object at 0x000002C91ED01400>
  <matplotlib.axes._subplots.AxesSubplot object at 0x000002C91F21A828>]
 [<matplotlib.axes._subplots.AxesSubplot object at 0x000002C91F9170F0>
  <matplotlib.axes._subplots.AxesSubplot object at 0x000002C91F95F320>
  <matplotlib.axes._subplots.AxesSubplot object at 0x000002C91F999B38>]]

axes.shape：(2, 3)
type(axes)：<class 'numpy.ndarray'>
'''

sharex, sharey：是否共享x, y刻度
wspace, hspace：控制子图间距和宽度、高度的百分比

fig, axes = plt.subplots(2, 3, figsize = (10, 4), sharex = True, sharey = True) # 生成图表对象的数组
for i in range(2):
    for j in range(3):
        axes[i, j].plot(np.random.randn(10).cumsum(), 'k--')
#plt.subplots_adjust(wspace = 0.1, hspace = 0)

3、plt.plot(subplots = True) 是否分别绘制子图

layout：绘制子图矩阵，按顺序填充

df = pd.DataFrame(np.random.randn(10, 4))
df = df.cumsum()
df.plot(style = "--.", figsize = (6, 6),
        subplots = True,
        layout = (2, 2),
        sharex = True)
plt.subplots_adjust(wspace = 0.2, hspace = 0)

四、plt.gcf().clear()

plt.gcf().clear()，清空图表内容，可用于创建图表之前

五、图表导出

plt.savefig(path, dpi = 400, bbox_inches = ‘tight’, facecolor = ‘g’, edgecolor = ‘r’)

• path：路径，后缀名支持png, pdf, svg, ps, eps…
• dpi：分辨率
• bbox_inches：图表需要保存的部分，如果设置为‘tight’，则尝试剪除图表周围的空白部分
• facecolor：图像的背景色，默认为‘w’
• edgecolor：图像的边缘线颜色，默认为‘w’

df.plot()
plt.savefig('C:/Users/ctsi/Desktop/pic.png',
            dpi = 400,
            bbox_inches = 'tight',
            facecolor = 'g',
            edgecolor = 'r')