【数据可视化】Matplotlib：MATLIB 风格与面向对象

📖 一、Matplotlib库相关介绍

【介绍】：Matplotlib 是建立在Numpy数组基础上的多平台数据可视化程序库。

安装

pip install matplotlib

两种使用方式

• 1、交互式图形： %matplotlib notebook
• 2、静态图形： %matplotlib inline

导入相关库

import matplotlib.pyplot as plt
import numpy as np
%matplotlib inline

【第一步】：绘制正弦、余弦曲线

x = np.linspace(-5,5,100)
fig = plt.figure()
plt.plot(x,np.sin(x),'-')
plt.plot(x,np.cos(x),'--')
plt.show()

output_正弦、余弦曲线

【第二步】：利用savefig将图形保存为文件

fig.savefig('my.png')

【第三步】：利用from IPython.display import Image显示图形

from IPython.display import Image
Image("my.png")

output_显示图形

【第四步】：获取支持的图像格式

fig.canvas.get_supported_filetypes()

{'ps': 'Postscript',
 'eps': 'Encapsulated Postscript',
 'pdf': 'Portable Document Format',
 'pgf': 'PGF code for LaTeX',
 'png': 'Portable Network Graphics',
 'raw': 'Raw RGBA bitmap',
 'rgba': 'Raw RGBA bitmap',
 'svg': 'Scalable Vector Graphics',
 'svgz': 'Scalable Vector Graphics'}

📖 二、画图的两种风格

【第一种】：MATLIB 风格接口

# 创建图形
plt.figure()

#(行、列、子图的编号)
plt.subplot(2,1,1)
plt.plot(x,np.sin(x))

plt.subplot(2,1,2)
plt.plot(x,np.cos(x))

【解释】：这种风格的重要特征是：有状态的。会持续跟踪当前的图形和坐标进行绘制。

• plt.gcf() ：获取当前图形
• plt.gca() ： 获取当前坐标轴

output_MATLIB 风格

【第二种】：面向对象接口

# ax 是包含了两个Axes对象的数组
fig, ax = plt.subplots(2)

# 在每个对象上调用plot()
ax[0].plot(x,np.sin(x))
ax[1].plot(x,np.cos(x))

【基本思路】：将画图实例化对象为ax,（ ax 是包含了两个Axes对象的数组），然后对每个对象直接调用plot()等相关函数进行绘图。

output_面向对象

📖 三、绘制简易线型图

• figure:可以被看做是一个能够容纳各种坐标轴、图形、文字、和标签的容器
• axes： 是一个带标签和刻度的矩形。

# figure:可以被看做是一个能够容纳各种坐标轴、图形、文字、和标签的容器
# axes： 是一个带标签和刻度的矩形。
fig = plt.figure()
ax = plt.axes()

【第一步】：没错，先绘制一个空白的带标签和刻度的容器作为绘图的基础（就像画布那样）。

output_画布

【第二步】：通过不断的调用plot可以在一个画布上绘制多个图形。

plt.plot(x,np.sin(x))
plt.plot(x,np.cos(x))

output_绘制图形

【第三步】：调整图形的线条颜色与风格

## 颜色 color参数
plt.plot(x,np.sin(x - 0), color='blue')  # 标准颜色名称
plt.plot(x,np.sin(x - 1), color='g')     # 缩写颜色的代码(rgbcmyk)
plt.plot(x,np.sin(x - 2), color='0.75')  # 范围在0-1直间的灰度值
plt.plot(x,np.sin(x - 3), color='#ff99dd') #十六进制
plt.plot(x,np.sin(x - 4), color=(1.0,0.2,0.3)) #RGB元组，范围0-1

【补充】：Matplotlib中关于颜色的表达形式，主要有以下几种。

• color='blue'：标准颜色名称；
• color='g'： 缩写颜色的代码(rgbcmyk)；
• color='0.75'：范围在0-1直间的灰度值；
• color='#ff99dd'：十六进制；
• color=(1.0,0.2,0.3)：RGB元组，范围(0,1)；

output_颜色的表达形

【第四步】： 使用 linestyle 参数调整线条风格

plt.plot(x,x+0,linestyle='solid')
plt.plot(x,x+1,linestyle='dashed')
plt.plot(x,x+2,linestyle='dashdot')
plt.plot(x,x+3,linestyle='dotted')

output_线条风格

【第五步】：线条风格，简写形式

plt.plot(x,x+0,linestyle='-')   # 实线
plt.plot(x,x+1,linestyle='--')  # 虚线
plt.plot(x,x+2,linestyle='-.') # 点划线
plt.plot(x,x+3,linestyle=':') # 实点线

output_线条风格

【第六步】：（参数组合）将color 和linestyle 组合起来

plt.plot(x,x+0,'-g')  # 绿色实线
plt.plot(x,x+1,'--c') # 青色虚线
plt.plot(x,x+3,'-.k') # 黑色点划线
plt.plot(x,x+4,':r') # 红色点实线

output_参数组合

【第七步】：调整坐标轴的上下限

• 方式1：两个基础方法：plt.xlim() 和 plt.ylim()

# 方式1：两个基础方法：plt.xlim()  和 plt.ylim()
plt.plot(x,np.sin(x))
plt.xlim(-1,11)
plt.ylim(-1.5,1.5)

output_参数组合

• 方式2：plt.axis([xmin,xmax,ymin,ymax])

# 方式2：plt.axis([xmin,xmax,ymin,ymax])
plt.plot(x,np.sin(x))
plt.axis([-1,11,-1.5,1.5])

output

【第八步】：坐标轴逆序显示，将 xlim() 或者 ylim()的参数设置为负值。

plt.plot(x,np.sin(x))
plt.xlim(10,0)
plt.ylim(1.2,-1.2)

output_坐标轴逆序

【第九步】：使用 plt.axis('tight') 按照图形内容，自动缩紧坐标轴，不留空白。

output_缩紧坐标轴

plt.plot(x,np.sin(x))
plt.axis('tight')

【第十步】：让x和y轴长度单位相同

plt.plot(x,np.sin(x))
plt.axis('equal')

output_单位等长