Python matplotlib主要画图函数-统计方面.md

matplotlib简介

matplotlib是python中用于绘制2D图像，用于科学计算绘图

基本绘图函数说明和例子

• barh(bottom, width, height=0.8, left=None, **kwargs)

  • 绘制矩形的边界为：left,left+width,bottom,bottom+height
  • 参数：
    • bottom：标量或数组，是条形图的y轴
    • width：条形图的每一个条形的宽
    • height：条形的高度，标量序列，默认是0.8
    • left：条形的左边的边界，标量序列，一般是分类的类别
    • **kwargs:关键字参数，可以指定图的格式，颜色等等
      • color：标量或者数组，条形的颜色
      • edgecolor：边界的颜色、
      • linewidth：线宽，0就是不画边界
      • tick_label:string或者数组，默认是None，刻度的文
      • xerr：标量或者数组，默认是None，如果不是None那么会画出误差线
      • yerr：类似与xerr
      • align：｛‘center’，‘edge’｝，如果是edge那么垂直条形图条形会在刻度的左边界，水平条形图会对齐底对齐
      • log：默认是False，轴长度按照log来
  • 例子：

    import matplotlib.pyplot as plt
    import numpy as np
    import matplotlib.pyplot as plt
    
    
    plt.rcdefaults()
    fig, ax = plt.subplots()
    
    # Example data
    people = ('Tom', 'Dick', 'Harry', 'Slim', 'Jim')
    y_pos = np.arange(len(people))
    performance = 3 + 10 * np.random.rand(len(people))
    
    ax.barh(y_pos, performance, align='center',
            color='green')
    ax.set_yticks(y_pos) /指明y轴的刻度
    ax.set_yticklabels(people) ／指明刻度对应的标签
    ax.invert_yaxis()  # 按照从上往下读的顺序
    ax.set_xlabel('Performance')
    ax.set_title('How fast do you want to go today?')
    
    plt.show()
    

• scatter(x, y, s=None, c=None, marker=None, cmap=None, norm=None, vmin=None, vmax=None, alpha=None, linewidths=None, verts=None, edgecolors=None, **kwargs)

  • 绘制散点图
  • 参数
    • x，y：array-like
    • s：点的大小，默认rcParams['lines.markersize']**2
    • c:color 序列，当是序列的时候，利用cmap，可以是RGB
    • marker：标记格式，默认'o'
    • cmap：默认None，如果color序列是floa数组的话就调用Colormap，None：rcimage.cmap
    • norm：标准化color序列，当且仅当color是float数组
    • alpha：透明度
    • edgecolor：边界的颜色
  • 例子：

  import matplotlib.pyplot as plt
  import numpy.random as random
  fig,ax=plt.subplots()
  for color in ['red','green','blue']:
      n=100
      x,y=random.randn(2,n)
      scale=200.0*random.rand(n) #标记的大小
      plt.scatter(x,y,c=color,s=scale,alpha=0.5,edgecolor='none',label=color)
  
  ax.legend() #添加图例
  ax.grid(True) #打开网格
  plt.show()
  

• 箱线图boxplot(x, notch=None, sym=None, vert=None, whis=None, positions=None, widths=None, patch_artist=None, bootstrap=None, usermedians=None, conf_intervals=None, meanline=None, showmeans=None, showcaps=None, showbox=None, showfliers=None, boxprops=None, labels=None, flierprops=None, medianprops=None, meanprops=None, capprops=None, whiskerprops=None, manage_xticks=True, autorange=False, zorder=None)

  • 绘制箱线图，查看数据分布情况和判断数据是否分布对称
  • 参数
    • x：输入数据，数组或者向量序列
    • notch：bool，默认是False，如果是True，那么就会生成带有缺口的箱线图，反映中位数的置信区间
    • sym：flier 点，如果是空字符串的话，那么不会显示flier，如果是None，那么默认flier是‘b+’，如果想显示更多flier的格式那么要使用flierprops关键字参数，flier：离群点
    • vert：bool 默认True；如果是False，那么箱线图是水平，True就是垂直
    • whis：float，String，sequence，默认是1.5；确定正常数据的范围（如果是序列），string=‘range’那么强迫图覆盖最大值到最小；如果是float的话，那么边界点是Q3+whis＊（Q3-Q1）
    • bootstrap：int
    • manage_xticks:bool 默认是True；当是True的话，自动调整标签和x轴范围
    • meanline：bool 默认False，如果是True，把均值也画出来
  • 例子：

  import matplotlib.pyplot as plt
  import numpy as np
  
  # Random test data
  np.random.seed(123)
  all_data = [np.random.normal(0, std, 100) for std in range(1, 4)]
  
  fig, axes = plt.subplots(nrows=1, ncols=2, figsize=(9, 4))
  
  # rectangular box plot
  bplot1 = axes[0].boxplot(all_data,
                           vert=True,   # vertical box aligmnent
                           patch_artist=True)   # fill with color
  
  # notch shape box plot
  bplot2 = axes[1].boxplot(all_data,
                           notch=True,  # notch shape
                           vert=True,   # vertical box aligmnent
                           patch_artist=True)   # fill with color
  
  # fill with colors
  colors = ['pink', 'lightblue', 'lightgreen']
  for bplot in (bplot1, bplot2):
      for patch, color in zip(bplot['boxes'], colors):
          patch.set_facecolor(color)
  
  # adding horizontal grid lines
  for ax in axes:
      ax.yaxis.grid(True)
      ax.set_xlabel('xlabel')
      ax.set_ylabel('ylabel')
  
  # add x-tick labels
  plt.setp(axes, xticks=[y+1 for y in range(len(all_data))],
           xticklabels=['x1', 'x2', 'x3', 'x4'])
  
  plt.show()
  

• 步阶图step(x, y, *args, **kwargs)

  • 步长积累图
  • 参数
    • x：数组，1-D，一般递增
    • y：数组，1-D，一般递增
    • where：｛'pre','post','mid'}
      pre：默认，x[i]到x[i+1]之间有水平y[i+1]
      post：间隔有水平y[i]
      mid:那么y对应的点出现在间隔的中间
  • 例子：

  import numpy as np
  from numpy import ma
  import matplotlib.pyplot as plt
  
  x = np.arange(1, 7, 0.4)
  y0 = np.sin(x)
  y = y0.copy() + 2.5
  
  plt.step(x, y, label='pre (default)')
  
  y -= 0.5
  plt.step(x, y, where='mid', label='mid')
  
  y -= 0.5
  plt.step(x, y, where='post', label='post')
  
  y = ma.masked_where((y0 > -0.15) & (y0 < 0.15), y - 0.5)
  plt.step(x, y, label='masked (pre)')
  
  plt.legend()
  
  plt.xlim(0, 7)
  plt.ylim(-0.5, 4)
  
  plt.show()
  

• pyplot.stem(args,*kwargs)

  • 绘制茎叶图
  • x：array-like
  • y:array-like
  • 可以利用linefmt,markerfmt,basefmt:指定baseline的格式，标记的格式，线条的格式
  • 返回(markerline,stemline,baseline)
  • 例子：

  import matplotlib.pyplot as plt
  import numpy as np
  
  x = np.linspace(0.1, 2*np.pi, 10)
  markerline, stemlines, baseline = plt.stem(x, np.cos(x), '-.')
  plt.setp(baseline, 'color', 'r', 'linewidth', 2)
  
  plt.show()
  

• pyplot.pie(x, explode=None, labels=None, colors=None, autopct=None, pctdistance=0.6, shadow=False, labeldistance=1.1, startangle=None, radius=None, counterclock=True, wedgeprops=None, textprops=None, center=(0, 0), frame=False)

  • 绘制饼图，反映部分占总体的比例
  • 参数
    • x：部分分别占总体的比例，都是百分数只是没有百分号
    • explode：默认None，不为空那么长度肯定是len（x），如果其中一个不为0，其他为0说明该部分需要稍微离开总体一点，数值指定离开的比例
    • colors：None，或者color序列，序列这颜色会循环填充部分
    • labels：各部分的名称
    • autopct：string或function或None，作为数值标注或者将数值输出为指定格式
  • 例子：

  import matplotlib.pyplot as plt
  
  # Pie chart, where the slices will be ordered and plotted counter-clockwise:
  labels = 'Frogs', 'Hogs', 'Dogs', 'Logs'
  sizes = [15, 30, 45, 10]
  explode = (0, 0.1, 0, 0)  # only "explode" the 2nd slice (i.e. 'Hogs')
  
  fig1, ax1 = plt.subplots()
  ax1.pie(sizes, explode=explode, labels=labels, autopct='%1.1f%%',
          shadow=True, startangle=90)
  ax1.axis('equal')  # Equal aspect ratio ensures that pie is drawn as a circle.
  
  plt.show()
  

• pyplot.hist(x, bins=None, range=None, normed=False, weights=None, cumulative=False, bottom=None, histtype='bar', align='mid', orientation='vertical', rwidth=None, log=False, color=None, label=None, stacked=False, **kwargs)

  • 绘制直方图
  • 参数
    • x：输入值，数组或者n维数组序列
    • bins：面元个数 integer或者数组或者auto，如果是Integer，那么将会产生bins+1 个面元
      数组，那么面元时间可能不相等
    • range：面元的范围，如果None，那么就是（x.min(),x.max())
    • normed:如果是True，那么绘制频率分布直方图的时候，就会自动高度=频数／len(x)
    • cumulative:积累直方图，默认是False，如果是True那么绘制积累直方图
    • stacked:默认False，多个数据堆叠在一起，False：多个数据并排
    • histtype：{'bar','barstacked','step','stepfilled'}
      bar：条形
      barstacked:条形堆积图
      step:生成一个线图且没有填充
      stepfilled：生成一个填充线图
  • 例子：

  
  import numpy as np
  import matplotlib.pyplot as plt
  
  np.random.seed(0)
  
  mu = 200
  sigma = 25
  x = np.random.normal(mu, sigma, size=100)
  
  fig, (ax0, ax1) = plt.subplots(ncols=2, figsize=(8, 4))
  
  ax0.hist(x, 20, normed=1, histtype='stepfilled', facecolor='g', alpha=0.75)
  ax0.set_title('stepfilled')
  
  # Create a histogram by providing the bin edges (unequally spaced).
  bins = [100, 150, 180, 195, 205, 220, 250, 300]
  ax1.hist(x, bins, normed=1, histtype='bar', rwidth=0.8)
  ax1.set_title('unequal bins')
  
  fig.tight_layout()
  plt.show()