Matplotlib 数据图表

Matplotlib 是一个非常强大的 Python 画图工具;
Matplotlib 支持线图;散点图;等高线图;条形图;柱状图;3D 图形,甚至是图形动画.

1. 线图

    import matplotlib.pyplot as plt
    import numpy as np
   
    x = np.linspace(-3, 3, 50)
    y1 = 2*x + 1
    y2 = x**2
   
    plt.figure(num=4) #定义窗口 编号3   大小 8X5
    l1, = plt.plot(x, y1, label='y1') #划线
    l2, = plt.plot(x, y2, color='red',linewidth=1.0,linestyle='--',label='y2') # 颜色 红 线宽1.0  线型--
   
    plt.xlim((-1, 2)) #x轴限位
    plt.ylim((-2, 4)) #y轴限位
    plt.xlabel('I am x') #x轴名称
    plt.ylabel('I am y') #y轴名称
   
    new_ticks = np.linspace(-1, 2, 5)
    plt.xticks(new_ticks) #x轴刻度分布
    plt.yticks([-2, -1.8, -1, 1.22, 3],[r'$really\ bad$', r'$bad$', r'$normal$', r'$good$', r'$really\ good$']) #y轴刻度分布  刻度说明
   
    ax = plt.gca() #坐标轴信息
    ax.spines['right'].set_color('none') #右面边框颜色透明
    ax.spines['top'].set_color('none') #上面边框颜色透明
   
    ax.spines['bottom'].set_position(('data', 0)) #下坐标轴放在数据为0 的地方
    ax.spines['left'].set_position(('data',0))
   
    #plt.legend(loc='lower right') #显示图例 添加数据的是后写入label参数
    plt.legend(handles=[l1, l2], labels=['up', 'down'],  loc='lower right') #这里可以绑定图例名称
   
    #画辅助线
    x0 = 1
    y0 = 2*x0 + 1
    plt.plot([x0, x0,], [0, y0,], 'k--', linewidth=2.5)
    # set dot styles
    plt.scatter([x0, ], [y0, ], s=50, color='b')
   
    #添加注释
    plt.annotate(r'$2x+1=%s$' % y0, xy=(x0, y0), xycoords='data', xytext=(+30, -30),
                 textcoords='offset points', fontsize=16,
                 arrowprops=dict(arrowstyle='->', connectionstyle="arc3,rad=.2"))
    #旁白性质的注释
    plt.text(-1, 4, r'$This\ is\ the\ some\ text. \mu\ \sigma_i\ \alpha_t$',
             fontdict={'size': 16, 'color': 'r'})
   
    plt.show() #显示
   

   C9D3EF53-614A-4963-9577-E10D372C0D04.png

2. 散点图

    import matplotlib.pyplot as plt
    import numpy as np
   
    n = 1024    # 数据量
    X = np.random.normal(0, 1, n) # 每一个点的X值
    Y = np.random.normal(0, 1, n) # 每一个点的Y值
    T = np.arctan2(Y,X) # 色值计算
   
    plt.scatter(X, Y, s=75, c=T, alpha=.5)
   
    plt.xlim(-1.5, 1.5)
    plt.xticks(())  # 无刻度
    plt.ylim(-1.5, 1.5)
    plt.yticks(())  # 无刻度
   
    plt.show()
   

   7150EAA2-9F5D-40C9-950F-F75A059C1C5F.png

3. 柱状图

    import matplotlib.pyplot as plt
    import numpy as np
   
    n = 12
    X = np.arange(n)
    Y1 = (1 - X / float(n)) * np.random.uniform(0.5, 1.0, n)
    Y2 = (1 - X / float(n)) * np.random.uniform(0.5, 1.0, n)
   
    plt.bar(X, +Y1)
    plt.bar(X, -Y2)
   
    #plt.bar(X, +Y1, facecolor='#9999ff', edgecolor='white') #指定颜色
    # plt.bar(X, -Y2, facecolor='#ff9999', edgecolor='white') #指定颜色
   
    plt.xlim(-.5, n)#限位
    plt.xticks(())  #隐藏刻度
    plt.ylim(-1.25, 1.25)
    plt.yticks(())
   
    #显示数据值
    for x, y in zip(X, Y1):
        # ha: horizontal alignment
        # va: vertical alignment
        plt.text(x, y + 0.05, '%.2f' % y, ha='center', va='bottom')
   
    for x, y in zip(X, Y2):
        # ha: horizontal alignment
        # va: vertical alignment
        plt.text(x, -y - 0.05, '%.2f' % y, ha='center', va='top')
   
    plt.show()
   

   427E8735-57FC-4A28-A6FB-AAF66C5742CF.png

4. 等高线图

    import matplotlib.pyplot as plt
    import numpy as np
   
    def f(x,y):
        # the height function
        return (1 - x / 2 + x**5 + y**3) * np.exp(-x**2 -y**2)
   
    n = 256
    x = np.linspace(-3, 3, n)
    y = np.linspace(-3, 3, n)
    X,Y = np.meshgrid(x, y)
   
    plt.contourf(X, Y, f(X, Y), 8, alpha=.75, cmap=plt.cm.hot)
    C = plt.contour(X, Y, f(X, Y), 8, colors='black', linewidth=.5)
    plt.clabel(C, inline=True, fontsize=10)
    plt.xticks(())
    plt.yticks(())
   
    plt.show()
   

   6341F4D0-C91A-4D98-876F-36AB52EA8BC8.png