美文网首页机器学习爱好者Matplotlibnumpy&pandas&matlaplib
Matplotlib基础教程

Matplotlib基础教程

作者: 陨星落云 | 来源:发表于2019-04-27 01:03 被阅读0次

    matplotlib

    pyplot

    Matplotlib库由各种可视化类构成，内部结构复杂，受Matlab启发

    matplotlib.pyplot是绘制各类可视化图形的命令子库，相当于快捷方式

    测试小实例

    plt.plot() 只有一个输入列表或数组时，参数被当作Y轴，X轴以索引自动生成

    当有两个以上参数时，按照X轴和Y轴顺序绘制数据点

    plt.figure() 设置图片大小

    plt.savefig() 将输出图形存储为文件，默认PNG格式，可以通过dpi修改输出质量

    import matplotlib.pyplot as plt
plt.figure(figsize=(8,4),dpi=80)
plt.plot([0,2,4,6,8],[3,1,4,5,2])
plt.ylabel('Grade')
plt.axis([-1,10,0,6]) #确定x，y轴的范围
plt.savefig('test',dpi=600)
plt.show()
    test.png
    pyplot的绘图区域

    plt.subplot(nrows, ncols, plot_number)

    在全局绘图区域中创建一个分区体系，并定位到一个子绘图区域
    plt.subplot(3,2,4) 简写形式：plt.subplot(324) 划分3*2个区，位于第4个绘图区

    绘图区域.png

    例1
    f(t_1)=e^{t_1}cos(2{\pi}t_1)

    f(t_2)=cos(2\pi t_2)

    import matplotlib.pyplot as plt
import numpy as np
def  f(t):
    return np.exp(-t)*np.cos(2*np.pi*t)
a = np.arange(0,5,0.02)
plt.subplot(211)
plt.plot(a,f(a))
plt.subplot(212)
plt.plot(a,np.cos(2*np.pi*a),color='r', linestyle='--', marker='.') #等价于plt.plot(a,np.cos(2*np.pi*a),'r--.') 
plt.savefig('例1')
plt.show()
    例1.png
    pyplot中的plt.plot()函数
    plt.plot(x, y, format_string, **kwargs)
    x : X轴数据，列表或数组，可选
    y : Y轴数据，列表或数组
    format_string: 控制曲线的格式字符串，可选
    **kwargs : 第二组或更多(x,y,format_string)

    注意：当绘制多条曲线时，各条曲线的x不能省略。

    例2

    a = np.arange(10)
plt.plot(a,a*1.5,a,a*2.5,a,a*3.5,a,a*4.5)
plt.show()
    例2.png

    format_string: 控制曲线的格式字符串，由颜色字符、风格字符和标记字符组成，可选

    颜色字符.png
    风格字符.png
    标记字符.png 
    a = np.arange(10)
plt.plot(a,a*1.5,'go:',a,a*2.5,'rx',a,a*3.5,'^',a,a*4.5,'bd-.')
plt.show()
    例子2-1.png
    pyplot的中文显示

    方法一：

    pyplot并不默认支持中文显示，需要rcParams修改字体实现

    例3

    import matplotlib
matplotlib.rcParams['font.family']='SimHei'
plt.plot([3,1,4,5,2])
plt.ylabel('纵轴（值）')
plt.savefig('test',dpi=600)
plt.show()
    例3.png

    rcParams的属性

    属性 说明
    'font.family' 用于显示字体的名字
    'font.style' 字体风格，正常'normal'或 斜体'italic'
    'font.size' 字体大小，整数字号或者'large'、'x‐small'

    rcParams['font.family']

    中文字体 说明
    'SimHei' 中文黑体
    'Kaiti' 中文楷体
    'LiSu' 中文隶书
    'FangSong' 中文仿宋
    'YouYuan' 中文幼圆
    'STSong' 华文宋体

    例4

    matplotlib.rcParams['font.family']='FangSong'
matplotlib.rcParams['font.size']=20
plt.rcParams['axes.unicode_minus']=False # 解决负号不显示乱码问题
a = np.arange(-2*np.pi,2*np.pi,0.02)
plt.xlabel('x轴')
plt.ylabel('y轴')
plt.subplot(111)
plt.plot(a,np.sin(4*a),'--',a,2*np.cos(4*a),'-.',a,3*np.sin(4*a),':',a,4*np.cos(4*a),'-')
plt.show()
    例4.png

    方法二：

    在有中文输出的地方，增加一个属性：fontproperties

    例5

    a = np.arange(0,5,0.02)
plt.figure(figsize=(20,8),dpi=80) # 设置图形大小
plt.xlabel('横轴:时间',fontproperties='SimHei',fontsize=20)
plt.ylabel('纵轴：振幅',fontproperties='SimHei',fontsize=20)
plt.title('$f(a)=cos(2\pi a)$')
plt.plot(a,np.cos(2*np.pi*a))
plt.savefig('例5',dpi=600)
plt.show()
    例5.png
    刻度，标签，图例

    • 设置刻度范围

      plt.axis（）

      plt.xlim（），plt.ylim（）

      ax.set_xlim（），ax.set_ylim（）

    • 设置显示的刻度

      plt.xticks（），plt.yticks（）

      ax.set_xticks（），ax.set_yticks（）

    • 设置刻度标签

      plt.xticklabels（），plt.yticklabels（）

      ax.set_xticklabels（），ax.set_yticklabels（）

    • 设置坐标轴标签

      plt.xlabel（），plt.ylabel（）

      ax.set_xlabel（），ax.set_ylabel（）

    • 设置标题

      plt.title（）

      ax.set_title（）

    • 图例

      ax.plot（label= '图例'）

      ax.legend（），plt.legend（）

      LOC = 'best'：自动选择放置图例最佳位置

      'upper right' : 1,'upper left' : 2,'lower left' : 3,'lower right' :4

    #划分子区域并实例化
fig, ax = plt.subplots(1)
#绘图
ax.plot(np.random.randn(1000).cumsum(), label='line0')
ax.plot(np.random.randn(1000).cumsum(), label='line1')
ax.plot(np.random.randn(1000).cumsum(), label='line2')
# 设置刻度
#plt.xlim([0,500])
ax.set_xlim([0, 600])

# 设置显示的刻度
#plt.xticks([0,500])
ax.set_xticks(range(0,500,100))

# 设置刻度标签
ax.set_yticklabels(['Jan', 'Feb', 'Mar'])

# 设置坐标轴标签
ax.set_xlabel('Number')
ax.set_ylabel('Month')

# 设置标题
ax.set_title('Example')

# 图例

ax.legend()
ax.legend(loc='best')
#plt.legend()
    例6-0.png

    pyplot的文本显示

    函数 说明
    plt.xlabel() 对X轴增加文本标签
    plt.ylabel() 对Y轴增加文本标签
    plt.title() 对图形整体增加文本标签
    plt.text() 在任意位置增加文本
    plt.annotate() 在图形中增加带箭头的注解

    例6

    a = np.arange(0,5,0.02)
plt.plot(a,np.cos(2*np.pi*a))
#plt.axis([-1,6,-2,2]) #设置x和y刻度范围
plt.xlim([-1,6]) #设置x刻度范围
plt.ylim([-2,2]) #设置y刻度范围
plt.xticks(np.arange(-1,6,1)) #设置显示的刻度
plt.yticks(np.arange(-2,2,1))
plt.xlabel('横轴：时间',fontproperties='SimHei',fontsize=15,color='green')
plt.ylabel('纵轴：振幅',fontproperties='SimHei',fontsize=15,color='red')
plt.title('正弦波实例 $y=cos(2\pi x)$',fontproperties='SimHei',fontsize=25)
plt.text(2,1.2,'$\mu=100$',fontsize=15)
plt.grid(alpha=0.6,linestyle='--',color='yellow') #调整网格透明度
plt.savefig('例6')
plt.show()
    例6.png

    例6-1

    a = np.arange(0,5,0.02)
plt.plot(a,np.cos(2*np.pi*a),color='c',linestyle='--',linewidth=1.5)
plt.axis([-1,6,-2,2])
plt.xticks(np.arange(-1,6,1))
plt.yticks(np.arange(-2,2,1))
plt.xlabel('横轴：时间',fontproperties='SimHei',fontsize=15,color='green')
plt.ylabel('纵轴：振幅',fontproperties='SimHei',fontsize=15,color='red')
plt.title('正弦波实例 $y=cos(2\pi x)$',fontproperties='SimHei',fontsize=25)
plt.annotate('$\mu=100$',xy=(2,1),xytext=(3,1.5),fontsize=15
             ,arrowprops=dict(facecolor='black',shrink=0.1,width=1))
plt.grid(alpha=0.6,linestyle='--',color='yellow')
plt.savefig('例6-1')
plt.show()
    例6-1.png

    pyplot的基本图表函数

    函数 说明
    plt.plot(x,y,fmt,…) 绘制一个坐标图
    plt.boxplot(data,notch,position) 绘制一个箱形图
    plt.bar(left,height,width,bottom) 绘制一个条形图
    plt.barh(width,bottom,left,height) 绘制一个横向条形图
    plt.polar(theta, r) 绘制极坐标图
    plt.pie(data, explode) 绘制饼图
    plt.psd(x,NFFT=256,pad_to,Fs) 绘制功率谱密度图
    plt.specgram(x,NFFT=256,pad_to,F) 绘制谱图
    plt.cohere(x,y,NFFT=256,Fs) 绘制X‐Y的相关性函数
    plt.scatter(x,y) 绘制散点图，其中，x和y长度相同
    plt.step(x,y,where) 绘制步阶图
    plt.hist(x,bins,normed) 绘制直方图
    plt.contour(X,Y,Z,N) 绘制等值图
    plt.vlines() 绘制垂直图
    plt.stem(x,y,linefmt,markerfmt) 绘制柴火图
    plt.plot_date() 绘制数据日期

    常见的几种图表：

    • 饼状图：用扇形的面积，也就是圆心角的度数来表示数量。

      特点：显示一个数据系列中各项的大小与各项总和的比例。

    • 直方图:由一系列高度不等的纵向条纹或线段表示数据分布的情况。

      一般用横轴表示数据范围，纵轴表示分布情况。

      特点:绘制连续性的数据,展示一组或者多组数据的分布状况(统计)

    • 条形图:排列在工作表的列或行中的数据可以绘制到条形图中。

      特点:绘制连离散的数据,能够一眼看出各个数据的大小,比较数据之间的差别。(统计)

    • 散点图:用两组数据构成多个坐标点，考察坐标点的分布,判断两变量之间是否存在某种关联或总结坐标点的分布模式。

      特点:判断变量之间是否存在数量关联趋势,展示离群点(分布规律)

    • 折线图:以折线的上升或下降来表示统计数量的增减变化的统计图

      特点:能够显示数据的变化趋势，反映事物的变化情况。(变化)

    饼状图的绘制
    # 设置中文字体和负号正常显示
matplotlib.rcParams['font.family']='FangSong'
matplotlib.rcParams['axes.unicode_minus']=False
matplotlib.rcParams['font.size']=13
"""
绘制饼图
explode：设置各部分突出
labels:设置各部分标签
labeldistance:设置标签文本距圆心位置，1.1表示1.1倍半径
autopct：设置圆里面文本
shadow：设置是否有阴影
startangle：起始角度，默认从0开始逆时针转
pctdistance：设置圆内文本距圆心距离
"""
labels = ['衣','食','住','行']
sizes = [14.55,30.45,45,10]
colors = ['red','yellow','lightskyblue','green']
explode = (0,0.1,0,0)
# 设置图片大小
plt.figure(figsize=(7,4),dpi=80)
# 绘制饼状图图
plt.pie(sizes,labels=labels,colors=colors,explode=explode,labeldistance = 1.1,pctdistance = 0.6,autopct='%.2f%%',shadow=False,startangle=90)
plt.axis('equal') #使饼状图的xy轴长度相等
plt.legend(loc='best')
plt.savefig('饼状图')
plt.show()
    饼状图.png
    直方图的绘制
    np.random.seed(0)
mu,sigma = 100,20
data = np.random.normal(mu,sigma,size=100)
"""
绘制直方图
data:必选参数，绘图数据
bins:直方图的长条形数目，可选项，默认为10
normed:是否将得到的直方图向量归一化，可选项，默认为0，代表不归一化，显示频数。normed=1，表示归一化，显示频率。
facecolor:长条形的颜色
edgecolor:长条形边框的颜色
alpha:透明度
histtype:直方图类型:'bar', 'barstacked','step', 'stepfilled'
"""
plt.hist(data,bins=20,normed=0,histtype='bar',facecolor='g',edgecolor="black",alpha=0.6)
# 显示横轴标签
plt.xlabel("区间",fontproperties='SimHei',fontsize=12)
# 显示纵轴标签
plt.ylabel("频数/频率",fontproperties='SimHei',fontsize=12)
# 显示图标题
plt.title('频数/频率分布直方图',fontproperties='SimHei')
plt.savefig('直方图')
plt.show()
    直方图.png
    条形图的绘制
    matplotlib.rcParams['font.family']='SimHei'
matplotlib.rcParams['axes.unicode_minus']=False

label_list=['2015','2016','2017','2018'] #横坐标刻度显示值
num_list1=[20,30,15,35] # 纵轴坐标值1
num_list2=[15,30,40,20] #纵轴坐标值2
x = range(len(num_list1))
"""
绘制条形图
x:长条形中点横坐标
height:长条形高度
width:长条形宽度，默认值0.8
label:为后面设置legend准备
"""
plt.figure(figsize=(8,5),dpi=80)
rects1 = plt.bar(x,height=num_list1,width=0.4,alpha=0.7,color='red',label='测量部')
rects2 = plt.bar([i+0.4 for i in x],height=num_list2,width=0.4,alpha=0.7,color='blue',label='人事部')
plt.ylim(0,50)
plt.ylabel('人数')
"""
设置x轴刻度显示值
参数一：中点坐标
参数二：显示值
"""
plt.xticks([index+0.2 for index in x],label_list)
plt.xlabel('年份')
plt.title('某测绘公司')
#编辑文本
for rect in rects1:
    height = rect.get_height()
    plt.text(rect.get_x()+rect.get_width()/2,height+1,str(height),ha='center',va='bottom')
for rect in rects2:
    height = rect.get_height()
    plt.text(rect.get_x()+rect.get_width()/2,height+1,str(height),ha='center',va='bottom')
plt.legend()
plt.savefig('条形图')
plt.show()
    条形图.png
    水平条形图的绘制
    matplotlib.rcParams['font.family'] = 'SimHei'
matplotlib.rcParams['axes.unicode_minus'] = False

price = [39.5,44.2,36.7,38.9,33.33]
"""
绘制水平条形图方法barh
参数一：y轴
参数二：x轴
"""
plt.figure(figsize=(8,5),dpi=80)
_price = plt.barh(range(5),price,height=0.6,color='cyan',alpha=0.7)
plt.yticks(range(5),['亚马逊','当当网','中国图书网','京东','天猫图书'])
plt.xlim(30,47)
plt.xlabel('价格')
plt.title('不同平台的图书价格')
plt.grid(alpha=0.2)
#编辑文本
for x in _price:
    width = x.get_width()
    plt.text(width+1,x.get_y()+x.get_height()/2,str(width),ha='center',va='center')
plt.savefig('水平条形图')
plt.show()
    水平条形图.png
    堆叠条形图的绘制
    matplotlib.rcParams['font.family']='SimHei'
matplotlib.rcParams['axes.unicode_minus']=False

label_list=['2015','2016','2017','2018'] #横坐标刻度显示值
num_list1=[20,30,15,35] # 纵坐标值1
num_list2=[15,30,40,20] #轴坐标值2
x = range(len(num_list1))
"""
绘制条形图
x:长条形中点横坐标
height:长条形高度
width:长条形宽度，默认值0.8
label:为后面设置legend准备
"""
plt.figure(figsize=(8,6),dpi=80)
rects1 = plt.bar(x,height=num_list1,width=0.6,alpha=0.7,color='red',label='测量部')
rects2 = plt.bar([i for i in x],height=num_list2,width=0.6,alpha=0.7,color='blue',label='人事部', bottom=num_list1)
plt.ylim(0,90)
plt.yticks(np.arange(0,90,15))
plt.ylabel('人数')
"""
设置x轴刻度显示值
参数一：中点坐标
参数二：显示值
"""
plt.xticks([index for index in x],label_list)
plt.xlabel('年份')
plt.title('某测绘公司')
plt.legend()
plt.grid(alpha=0.3)
plt.savefig('堆叠条形图')
plt.show()
    堆叠条形图.png
    散点图的绘制

    方法一：使用plt.scatter()函数

    plt.figure(figsize=(10,4),dpi=80)
np.random.seed(1)
a=10*np.random.randn(100)
b=10*np.random.randn(100)
plt.scatter(a,b,c='red',marker='o',alpha=0.8)
plt.scatter(0.8*a,2*b,c='cyan',marker='^')
plt.title('散点图1')
plt.savefig('散点图1')
plt.show()
    散点图1.png

    方法二：使用plt.plot()函数

    plt.figure(figsize=(10,4),dpi=80)
np.random.seed(1)
a=10*np.random.randn(100)
b=10*np.random.randn(100)
c=10*np.random.randn(100)
d=10*np.random.randn(100)
plt.plot(a,b,'go',c,d,'b^')
plt.title('散点图2')
plt.savefig('散点图2')
plt.show()
    散点图2.png
    折线图的绘制

    注意：使用plt.plot()函数，若离散的y与x的长度相同；若y为连续函数则可以与x长度不同。

    matplotlib.rcParams['font.family']='SimHei'
a=np.arange(0,30,1)
print(a)
data=np.random.uniform(0,30,30).reshape(30)
print(data)
data0=np.random.uniform(0,30,30).reshape(30)
print(data0)
plt.plot(a,data,'g--*',a,data0,'r:.')
plt.ylabel('纵轴（值）')
plt.savefig('折线图',dpi=600)
plt.show()
    折线图.png

    参考资料：

    网址：https://blog.csdn.net/hohaizx/article/details/79101322

    书籍：《利用python进行数据分析》

    视频：《黑马程序员之数据分析》《python数据分析与展示》

    相关文章

      网友评论

        本文标题：Matplotlib基础教程

        本文链接：https://www.haomeiwen.com/subject/izzcnqtx.html

        延伸阅读

        深度阅读

        • 您也可以注册成为美文阅读网的作者，发表您的原创作品、分享您的心情！

        栏目导航

        热点阅读

        机器学习爱好者

        Matplotlib

        numpy&pandas&matlaplib

        Python数据分析三剑客：Pandas、Numpy、Matplotlib

        python学习

        数字图像处理与计算机视觉（python）

        python数学应用

        关于我们|服务条款|联系我们|Matplotlib基础教程|投稿指南|网站地图|RSS订阅|排版工具|手机版

        提供经典美文摘抄,优美散文欣赏,现代诗歌精选,短篇小说,心情随笔,表白情书范文,故事会在线阅读欣赏

        Copyright © 2014-2023 Haomeiwen.com All Rights Reserved. 好美文阅读网 版权所有

        备案信息：桂公网安备 45052102000051号 · 桂ICP备13007215号-3

        本站所收录作品、热点评论等信息部分来源互联网，目的只是为了系统归纳学习和传递资讯

        所有作品版权归原创作者所有，与本站立场无关，如不慎侵犯了你的权益，请联系我们告知，我们将做删除处理！