数据可视化——Matplotlib绘图基础

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

# 设置中文字体和负号正常显示
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False

plt库中的函数——通用

• plt.xlabel(‘x轴名称’, labelpad = 标签据图表距离)
• plt.ylabel(‘y轴名称’)
• plt.xlim([x轴坐标范围])
• plt.ylim()
• plt.xticks(标签放置位置, [x轴刻度], rotation=旋转角度, fontsize=字体大小)
  #标签放置位置一般用range函数，类似柱状图
• plt.yticks([])
• plt.title(‘标题’,pad=标题与坐标轴距离,fontsize=字体大小)
• plt.show()

legend函数——图例

plt.legend(loc= , bbox_to_anchor(a,b), ncol = 1, frameon = True/False, title = ‘图例标题’)

• loc:表示图例在图表中的位置，‘best’=0, ‘center/right/left’, ‘upper center…’, ‘lower center…’, ‘center right/left’，可以用数字替换，懒得记了。这个设置只能在图表内部，若要放置在图表外部，用bbox_to_anchor(a,b)
• bbox_to_anchor(a,b,c,d):a表示与图表左边框距离，b表示与上边框距离，c,d表示图例的长度与宽度与1比较）
• ncol:表示图例显示成几列
• frameon:是否需要边框

figure函数——创建画布

plt.figure(figsize,dpi,facecolor)

• figsize:画布大小
• dpi:分辨率
• facecolor:填充色

x = np.arange(0,1.1,0.01)
y = x**2
plt.figure(figsize = (6.4,4.48),dpi =100,facecolor = 'yellow')
plt.title('函数图像')
plt.xlabel('x')
plt.ylabel('y')
plt.xlim([0,1])
plt.xticks([0,0.2,0.4,0.6,0.8,1])
plt.plot(x,y,label ='y=x^2')
plt.legend(loc='best')
#保存图片
#plt.savefig('地址\图片名称.图片格式')图片格式支持pmg,jpg,pdf
plt.show()

plot函数——绘制函数图像

plot(x,y,ls=, lw= ,c= ,markersize= ,markeredgecolor= ,markerfacecolor= ,label= )

• ls:线条形状 ‘-’ , ‘–’ , ‘-.’ , ‘:’
• lw:线条宽度
• c:线条颜色
• markersize:标记形状 ‘o’ , ‘v’ …
• markeredgecolor:标记边框色
• markerfacecolor:标记填充色
• label:标签

x = np.linspace(0,10,100)
y = np.sin(x)

plt.plot(x,y,label = 'x和y的关系')
plt.legend(loc='upper center') #图例的位置，其他参数：center,best(自适应)
plt.show()