Matplotlib基础

Matplotlib基础

一、本课目标

• 了解matplotlib的应用
• 掌握pyplot绘制线图
• 掌握pyplot绘制散点图
• 掌握pyplot绘制条形图
• 掌握pyplot绘制直方图
• 掌握pyplot绘制饼图

二、Matplotlib介绍

• Matplotlib 是 Python 的绘图库，它能让使用者很轻松地将数据图形化，并且提供多样化的输出格式
• Matplotlib 可以绘制线图、散点图、条形图、柱状图、饼图、3D 图形、甚至是图形动画等等

三、Matplotlib 应用

• Matplotlib 通常与 NumPy 和 SciPy（Scientific Python）一起使用， 这种组合广泛用于替代 MatLab，是一个强大的科学计算环境，有助于我们通过 Python 学习数据科学或者机器学习。
• SciPy 是一个开源的 Python 算法库和数学工具包。
• SciPy 包含的模块有最优化、线性代数、积分、插值、特殊函数、快速傅里叶变换、信号处理和图像处理、常微分方程求解和其他科学与工程中常用的计算

四、Matplotlib 安装

• 安装 matplotlib 库：
  • pip install matplotlib -i https://pypi.tuna.tsinghua.edu.cn/simple
• 安装完成后，我们就可以通过 import 来导入 matplotlib 库：
  • import matplotlib
  • print(matplotlib. _version_)

五、Pyplot

• Pyplot 是 Matplotlib 的子库，提供了绘图 API
• Pyplot 是常用的绘图模块，能很方便让用户绘制 2D 图表
• Pyplot 包含一系列绘图函数的相关函数，每个函数会对当前的图像进行一些修改
• 使用 import 导入 pyplot 库，并设置一个别名 plt：
  • import matplotlib.pyplot as plt

六、Pyplot 常用函数

• plot()：用于绘制线图和散点图
• scatter()：用于绘制散点图
• bar()：用于绘制垂直条形图和水平条形图
• hist()：用于绘制直方图
• pie()：用于绘制饼图
• show()：用于绘制图像
• subplots()：用于创建子图

import matplotlib.pyplot as plt
import numpy as np
xpoints = np.array([0, 6])
ypoints = np.array([0, 100])
plt.plot(xpoints, ypoints)
plt.show()

七、plot()方法

• 用于绘制点和线，语法格式如下：
  • 画单条线：plot([x], y, [fmt], *, data=None, **kwargs)
  • 画多条线：plot([x], y, [fmt], [x2], y2, [fmt2], …, **kwargs)
• 参数说明：
  • x, y：点或线的节点，x 为 x 轴数据，y 为 y 轴数据，数据可以列表或数组。
  • fmt：可选，定义基本格式（如颜色、标记和线条样式）。
  • **kwargs：可选，用在二维平面图上，设置指定属性，如标签，线的宽度等。
  • 常用颜色字符：‘b’ 蓝色，‘m’ 洋红色，‘g’ 绿色，‘y’ 黄色，‘r’ 红色，‘k’ 黑色，‘w’ 白色，‘c’ 青绿色。多条曲线不指定颜色时，会自动选择不同颜色。
• 常用线型参数：‘‐’ 实线，‘:’ 虚线。
• 常用标记字符：‘.’ 点标记，‘,’ 像素标记(极小点)，‘o’ 实心圈标记

xpoints = np.array([1, 8])
ypoints = np.array([3, 10])
plt.plot(xpoints, ypoints, 'o')
plt.show()

xpoints = np.array([1, 2, 6, 8])
ypoints = np.array([3, 8, 1, 10])
plt.plot(xpoints, ypoints)
plt.show()

ypoints = np.array([3, 10])
plt.plot(ypoints)
plt.show()

ypoints = np.array([3, 8, 1, 10, 5, 7])
plt.plot(ypoints)
plt.show()

x = np.arange(0, 4*np.pi, 0.01)
y = np.sin(x)
z = np.cos(x)
plt.plot(x, y, "r", x, z, "y")
plt.show() 

八、散点图

• 使用 pyplot 中的 scatter() 方法来绘制散点图

# 散点图
x = np.array([1, 2, 3, 4, 5, 6, 7, 8])
y = np.array([1, 4, 9, 16, 7, 11, 23, 18])
# plt.scatter(x, y)
plt.plot(x, y, "*")
plt.show()

x =[]
y = []
for i in range(100):
    x.append(np.random.randint(0,100))
    y.append(np.random.randint(0,100))
    if i == 0:
        print(x[0], y[0])
    if i == 99:
        print(x[99], y[99])

plt.scatter(x, y) 
plt.plot(x, y)
plt.show()

九、柱状图

• pyplot 中的 bar() 方法来绘制柱形图

x = np.array(["Season-1", "Season-2", "Season-3", "Season-4"])
y = np.array([12, 22, 6, 18])
plt.bar(x, y, width = 0.3)
plt.show()

df.plot(rot = 45, kind = "barh",title = "shai")
df.plot(rot = 0, kind = "bar",title = "shai")
plt.show()

names = ['tom','jack', 'rose']
chinese = [90, 80, 70]
math = [85, 90, 75]
df = pd.DataFrame({"chinese": chinese, "math": math}, names)
print(df)
df.plot(kind = "bar", rot = 0, title = "mark", xlabel="names", ylabel="score" )
plt.show()

十、饼图

• 使用 pyplot 中的 pie() 方法来绘制饼图

percent = [25, 35, 25, 15]
plt.title("Area")
plt.pie(percent)
plt.legend(["A", "B", "C", "D"])
plt.show()

十一、直方图

• 使用 pyplot 中的 hist() 方法来绘制直方图

data = np.random.randn(10000)
plt.hist(data, bins = 30, color = 'skyblue')
zhfont = matplotlib.font_manager.FontProperties(fname="SourceHanSansSC-Bold.otf")
# plt.title("中文显示 - 测试", fontproperties=zhfont)
plt.rcParams["font.sans-serif"] = ["SimHei"] 
plt.title('柱状图')
plt.xlabel('value')
plt.ylabel('Frequency')
%config InlineBackend.figure_format='svg'
plt.show()

十二、子图

x = np.arange(0, 10, 0.5)
y = np.sin(x)
z = np.cos(x)
# 绘制两行一列的子图
ax1 = plt.subplot(2, 1, 1)
ax2 = plt.subplot(2, 1, 2)
# g 表示线条的颜色为绿色（green）
# o 表示点的形状为圆形
# -. 表示线的风格为点划线
ax1.plot(x, y, 'go-.')
ax2.plot(x, z, 'go-.')
ax1.grid()
ax2.grid()
ax1.set_title('sin(x)')
ax2.set_title('cos(x)')
plt.show()

production = [1125, 1725, 2250, 2875, 2900, 3750, 4125]
temp = [6, 8, 10, 13, 14, 16, 21]
ax2 = plt.subplot(2, 2, 3)
ax2.scatter(temp, production)

plt.rcParams['font.family'] = 'SimHei'
plt.rcParams['axes.unicode_minus'] = False
labels = ['果汁', '矿泉水', '绿茶', '其他', '碳酸饮料']
num = [6, 10, 11, 8, 15]
exploade = [0, 0.2, 0, 0, 0]
ax3 = plt.subplot(2, 2, 4)
# num：一个数值列表，表示饼图各个扇区的大小。
# labels：与num列表中数值对应的标签列表，用于标识饼图的每个扇区。
# autopct：一个字符串，定义了扇区内部百分比文本的格式。在这个例子中，'%.2f%%' 表示百分比将以两位小数显示，例如 12.34%。
# shadow：一个布尔值，如果设置为 True，则饼图的扇区将显示阴影效果。
# startangle：一个数值，表示饼图起始位置的角度，以度为单位。在这个例子中，140 表示饼图从140度的角度开始绘制
ax3.pie(num, labels=labels, autopct='%.2f%%', shadow=True, startangle=140, explode=exploade)
# 设置为矢量图格式
%config InlineBackend.figure_format='svg'
plt.show()

十三、中文显示-1

• Matplotlib 中文显示不是特别友好，默认情况下，中文部分不能正常显示，可以通过以下两个方法：
  • 设置 Matplotlib 的字体参数
  • 下载使用支持中文的字体库
• 字体参数
  • plt.rcParams[‘font.family’] = 'SimHei

十四、中文显示-2

• 使用字体库
  • 官网：https://source.typekit.com/source-han-serif/cn/
  • GitHub 地址：https://github.com/adobe-fonts/source-hansans/tree/release/OTF/SimplifiedChinese
• 将字体文件放在当前执行的代码目录中
  • #fname 为 你下载的字体库路径，注意 SourceHanSansSC-Bold.otf 字体的路径
  • zhfont = matplotlib.font_manager.FontProperties(fname=“SourceHanSansSCBold.otf”)
    …
  • plt.title(“中文显示 - 测试”, fontproperties=zhfont)
    …

data = np.random.randn(1000)
plt.hist(data, bins = 30, color = 'skyblue')
zhfont = matplotlib.font_manager.FontProperties(fname="SourceHanSansSC-Bold.otf")
plt.title("中文显示 - 测试", fontproperties=zhfont)
#plt.rcParams["font.sans-serif"] = ["SimHei"] 
# plt.title('DATA hist(Test)')
plt.xlabel('Value')
plt.ylabel('Frequency')
plt.show()

十五、总结

• 了解matplotlib的应用
• 掌握pyplot绘制线图
• 掌握pyplot绘制散点图
• 掌握pyplot绘制条形图
• 掌握pyplot绘制直方图
• 掌握pyplot绘制饼图