python数据可视化-matplotlib（二）

1.切换线条样式-marker

import numpy as np
import matplotlib.pyplot as plt
%matplotlib inline
x=np.arange(1,5)
plt.plot(x,marker='o')
plt.plot(x+1,marker='>')
plt.plot(x+2,marker='s')
plt.show()

2.显示数学公式-mathtext

作为开始和结束符，如$，中间的将解析出公式中的符号

import numpy as np
import matplotlib.pyplot as plt
%matplotlib inline
plt.title('chenqionghe')
plt.xlim([1,8])
plt.ylim([1,5])
plt.text(2,4,r'$ \alpha \beta \pi \lambda \omega $',size=25)
plt.text(4,4,r'$ \sin(0)=\cos(\frac{\pi}{2}) $',size=25)
plt.text(2,2,r'$ \lim_{x \rightarrow y} \frac{1}{x^3} $',size=25)
plt.text(4,2,r'$ \sqrt[4]{x}=\sqrt{y} $',size=25)
plt.show()

mathtext文档：https://matplotlib.org/api/mathtext_api.html
编写数学表达式的文档：https://matplotlib.org/tutorials/text/mathtext.html

3.显示网格-grid

plt.grid(b=None, which=‘major’, axis=‘both’, **kwargs)

参数	解释
b	布尔值 或 None，可选，是否显示网格线（None,True:显示网格，False:表示不显示）
which	应用更改的网格线。 {‘major’, ‘minor’, ‘both’}，可选
axis	{‘both’, ‘x’, ‘y’}，可选’。就是想绘制哪个方向的网格线
color	网格线颜色
linestyle	也可以用ls来代替linestyle， 设置网格线的风格，是连续实线，虚线或者其它不同的线
linewidth	设置网格线的宽度
alpha	alpha 设置网格透明度， alpha必须在 0-1 范围内，包括 0-1

import numpy as np
import matplotlib.pyplot as plt
%matplotlib inline
x='a','b','c','d'
y=[15,30,45,10]
plt.grid()
# 也可以设置颜色、线条宽度、线条样式
# plt.grid(color='g',linewidth='1',linestyle='-.')
plt.plot(x,y)
plt.show()

4.调整坐标轴刻度-locator_params

同时调整 x 轴和 y 轴：plt.locator_params(nbins=20)
只调整 x 轴：plt.locator_params(‘‘x’,nbins=20)
只调整 y 轴：plt.locator_params(‘‘y’,nbins=20)
控制坐标轴显示刻度个数

import numpy as np
import matplotlib.pyplot as plt
%matplotlib inline
x=np.arange(0,30,1)
plt.plot(x,x)
# x轴和y轴分别显示20个
plt.locator_params(nbins=20)
plt.show()

5.调整坐标轴范围-axis/xlim/ylim

axis：[0,5,0,10]，x从0到5，y从0到10
xlim：对应参数有xmin和xmax，分别能调整最大值最小值
ylim：同xlim用法

import numpy as np
import matplotlib.pyplot as plt
%matplotlib inline
x=np.arange(0,30,1)
plt.plot(x,x*x)
#显示坐标轴，plt.axis(),4个数字分别代表x轴和y轴的最小坐标，最大坐标
#调整x为10到25
plt.xlim(xmin=10,xmax=25)
plt.plot(x,x*x)
plt.show()

plt.axis()的参数

Value	Description
‘on’	打开x,y轴线和标签,与True表示一样
‘off’	关闭轴线和标签,与False表示一样
‘equal’	通过更改轴限制设置相等的缩放比例。 这与ax.set_aspect(‘equal’,adjustable=‘datalim’) 相同。 在这种情况下，可能不会遵守明确的数据限制。
‘scaled’	通过更改图框的尺寸来设置相等的缩放比例。 这与 ax.set_aspect(‘equal’,adjustable=‘box’,anchor=‘C’) 相同。 此外，将禁用进一步的自动缩放。
‘tight’	设置大到足以显示所有数据的限制，然后禁用进一步的自动缩放。
‘auto’	自动缩放（用数据填充绘图框）
‘image’	缩放’ 轴限制等于数据限制
‘square’	方图； 类似于 ‘scaled’，但最初强制 xmax-xmin == ymax-ymin

6.调整日期自适应-autofmt_xdate

有时候显示日期会重叠在一起，非常不友好，调用plt.gcf().autofmt_xdate()，将自动调整角度。

pd.date_range()
Parameters:--------------------
start : str 或类似日期时间，可选
end : str 或类似日期时间，可选
periods：整数，可选
等等

>>> pd.date_range(start='1/1/2018', end='1/08/2018')
DatetimeIndex(['2018-01-01', '2018-01-02', '2018-01-03', '2018-01-04',
               '2018-01-05', '2018-01-06', '2018-01-07', '2018-01-08'],
              dtype='datetime64[ns]', freq='D')
>>> pd.date_range(start='1/1/2018', periods=8)
DatetimeIndex(['2018-01-01', '2018-01-02', '2018-01-03', '2018-01-04',
               '2018-01-05', '2018-01-06', '2018-01-07', '2018-01-08'],
              dtype='datetime64[ns]', freq='D')
>>> pd.date_range(end='1/1/2018', periods=8)
DatetimeIndex(['2017-12-25', '2017-12-26', '2017-12-27', '2017-12-28',
               '2017-12-29', '2017-12-30', '2017-12-31', '2018-01-01'],
              dtype='datetime64[ns]', freq='D')
>>> pd.date_range(start='2018-04-24', end='2018-04-27', periods=3)
DatetimeIndex(['2018-04-24 00:00:00', '2018-04-25 12:00:00',
               '2018-04-27 00:00:00'],
              dtype='datetime64[ns]', freq=None)

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
%matplotlib inline
x=pd.date_range('2021/01/01',periods=25)
y=np.arange(0,25,1)
plt.plot(x,y)
plt.gcf().autofmt_xdate()#  自动旋转日期标记
plt.show()

画图小技巧
python数据可视化-matplotlib（一）