万剑归宗：Matplotlib，绘图如此简单

模块介绍

Matplotlib是一个Python 绘图库/工具包，可以生成各种2D、3D图形，让绘图成为简单容易的事情，使用matplotlib只需几行简单的代码就可以生成线形图、直方图、功率谱、条形图、误差图、散点图3D等。Matplotlib可以跨平台，可用于Python脚本，Python和IPython shell，Jupyter Notebook等。

Numpy是使用python进行科学计算的基础包，如N维数组,线性代数,随机数等功能。Matplotlib通常和numpy模块配合使用，将数据进行图形化展示。

使用基础

Matplotlib安装

Windows 系统安装 Matplotlib
进入到 cmd 窗口下，执行以下命令：
python -m pip install -U pip setuptools
python -m pip install matplotlib

Linux系统安装 Matplotlib
使用Linux包管理器进行安装：
sudo apt-get install python-matplotlib
在线安装：
Pip install matplotlib
IDE中直接安装

Mac系统安装 Matplotlib
使用pip命令进行安装：
sudo python –m pip install matplotlib

检查是否安装成功：
Pip list | grep matplotlib

创建画布介绍

使用figure()方法，设置画布长宽：

matplotlib.pyplot.figure()，常用参数：
 num=None,
 figsize=None,
 dpi=None,
 facecolor=None,
 edgecolor=None,
 frameon=True,
 clear=False常用参数：分别为画布的宽(单位像素), 高, 背景颜色。

参数详解：

1. Num：可选参数，可以将该num理解为窗口的属性id,即该窗口的身份标识。如果不提供该参数，则创建窗口的时候该参数会自增，如果提供的话则该窗口会以该num为Id存在。
2. figsize:可选参数。整数元组(长值，宽值)，画布长宽，默认是无。
3. dpi：可选参数，整数。表示该窗口的分辨率。
4. facecolor：可选参数，表示窗口的背景颜色。
5. edgecolor:可选参数，表示窗口的边框颜色。
6. frameon:可选参数，表示是否绘制窗口的图框，默认是
7. clear:可选参数，默认是false,如果提供参数为ture，并且该窗口存在的话 则该窗口内容会被清除。

方法及属性

名称	说明
Figure()方法	可以理解为获得一张画布，创建画布对象
Axes()方法	画布中的坐标轴对象，一个画布可以存在多个坐标轴
Text对象	代表文本对象
Gcf()方法	获得当前绘图的figure对象. Gca=get current figure
Gca()方法	获得当前绘图的axes对象. Gca=get current axes
Plot(x,y,color,marker,edgecolor)	生成线形图,各种参数
Add_subplot(x,y,z)方法	在Figure对象上创建新的Axes对象，Figure可以包含多个Axes对象，这里的参数含义是，添加一个
axes.set_title属性	设置图形的标题；
axes.set_xticks属性	设置X轴的刻度，其中minor=True参数表示设置更小的刻度；
axes.set_yticks属性	设置Y轴的刻度
axes.set_xlabel属性	设置X轴的标签；
axes.set_ylabel属性	设置X轴的标签；
axes.grid属性	开启图形的刻度网格，其中minor=True参数表示显示小刻度的网格；
axes.text属性	为图形添加文字，前两个参数表示添加的文字在坐标系中的位置；

案例：线型图

import matplotlib.pyplot as plt #别名
import numpy as np #别名

fig1 = plt.figure() #创建画布对象
ax1 = fig1.add_subplot(1, 1, 1) #创建1行1列第一个axes对象

#randn函数返回一个或一组样本，具有标准正态分布。
#dn表格每个维度
#返回值为指定维度的array

x = np.random.randn(5) # 标准正太分布，生成随机数据
y = np.random.randn(5) #生成随机数据
#使用数据生成折线图
ax1.plot(x, y) #生成线性图
fig1.show() #显示图片

import matplotlib.pyplot as plt #别名
import numpy as np
from mpl_toolkits.mplot3d import Axes3D

fig1 = plt.figure()
# ax1 = fig1.add_subplot(1, 1, 1)
ax1 = fig1.gca(projection="3d")
ax1.set_xlim([-1,1])
'''
randn函数返回一个或一组样本，。
dn表格每个维度
返回值为指定维度的array

'''
ax2 = fig1.add_subplot(2, 2, 1)
x = np.random.randn(5)
# [ 1.58042522  0.5129409  -0.67737106 -0.27264997  1.4350527 ]
y = np.random.randn(5)
ax1.plot(x,y,c='r')
ax1.scatter(x,y,c='r')
ax2.plot(x, y)
fig1.show()

案例：直方图

import matplotlib.pyplot as plt #别名

import numpy as np #别名


fig = plt.figure() #创建画布
plt.xlim([-150,150])
ax2 = fig.add_subplot(1, 1, 1) #创建唯一的axes对象

# np.random.seed(2)
data = np.random.normal(0,30,1000)#正太分布的拟合
bins = np.arange(-100, 100, 5)#从-100到100，步长为5，生成序列，左闭右开
ax2.hist(data, bins=bins)#使用hist函数，生成柱形图
fig.show()#显示画布中的图像

案例：散点图

import matplotlib.pyplot as plt #别名

import numpy as np #别名
  

# 创建伪随机数的生成器
rng = np.random.RandomState(0)

# 生成100个[0,1]之间均匀分布的随机数，
# [0.5488135 , 0.71518937, 0.60276338, 0.54488318,......]
x = rng.randn(100)
y = rng.randn(100)
colors = rng.randn(100)
sizes = rng.randn(100)*1000
plt.scatter(x,y,alpha=0.6,c=colors,s=sizes)

# 显示颜色条
plt.colorbar()
plt.show()

'''
fig = plt.figure()
ax = fig.add_subplot(1,1,1)
x = np.arange(1,101)
y = 20+3*x+np.random.normal(0,60,100)
# marker='o','.',',','x','+','v','^','<','>','s','d'
ax.scatter(x,y,marker="<",c="k",alpha=0.5,s=100)
fig.show()
'''

案例：圆形图

import matplotlib.pyplot as plt #别名
import numpy as np

fig = plt.figure(figsize=(8,8))
ax = fig.add_subplot(1,1,1)
ax.spines['left'].set_color('none')
ax.spines['bottom'].set_color('none')
ax.spines['right'].set_color('none')
ax.spines['top'].set_color('none')
ax.set_xticks([])
ax.set_yticks([])
# 实现功能 pi = 3.141592653589793
theta = np.arange(0,2* np.pi +0.1,2* np.pi /800)
x = np.cos(theta)
y = np.sin(theta)
v = np.linspace(0,10,80)
v.shape = (80,1)
x = v * x
y = v * y
plt.style.use('ggplot')
plt.plot(x, y,color = (0.75,0,0))
plt.show()

案例：3D图

步骤：

1. 创建画布，axes对象
2. 通过各种计算/函数获得数据
3. 数据加工/参数设置
4. 设置axes对象属性
5. 输出/展示

import numpy as np
import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D
from matplotlib import cm
from matplotlib.ticker import LinearLocator, FormatStrFormatter

fig = plt.figure(figsize=(16,12))
ax = fig.gca(projection="3d")

# 准备数据
x = np.arange(-5, 5, 0.25)    #生成[-5,5]间隔/步长0.25的数列，间隔越小，曲面越平滑
y = np.arange(-5, 5, 0.25)
#格点矩阵,原来的x行向量向下复制len(y)次，形成len(y)*len(x)的矩阵，即为新的x矩阵；
# 原来的y列向量向右复制len(x)次，形成len(y)*len(x)的矩阵，即为新的y矩阵；新的x矩阵和新的y矩阵shape相同
x, y = np.meshgrid(x,y)
r = np.sqrt(x ** 2 + y ** 2)
z = np.sin(r)

surf = ax.plot_surface(x, y, z, cmap=cm.nipy_spectral)  # cmap指 色表

# 自定义z轴
ax.set_zlim(-1, 1)
ax.zaxis.set_major_locator(LinearLocator(20))  # z轴网格线的疏密，刻度的疏密，20表示刻度的个数
ax.zaxis.set_major_formatter(FormatStrFormatter('%.02f'))  # 将z的value字符串转为float，保留2位小数

#设置坐标轴的label和标题
ax.set_xlabel('x',size=30)
ax.set_ylabel('y',size=30)
ax.set_zlabel('z',size=30)
ax.set_title("Surface plot", weight='bold', size=40)

#显示右侧的色卡条
fig.colorbar(surf, shrink=0.6, aspect=15)  # shrink表示整体收缩比例，aspect仅对bar的宽度有影响，aspect值越大，bar越窄
plt.show()

总结

Matplotlib图形组成结构:

使用matplotlib绘图流程：

1、创建绘图对象figure
2、创建画图区域或子图figure2(axes对象)
3、定义具体数据
4、数据处理(标题,坐标,网格等个性化显示)
5、使用数据绘图
6、输出/使用对象