数据分析与展示---Matplotlib基本绘图函数

一：基本绘图函数（这里介绍16个，还有许多其他的）

二：pyplot饼图plt.pie的绘制

三：pyplot直方图plt.hist的绘制

（一）修改第二个参数bins:代表直方图的个数，均分为多段，取其中的每段均值

（二）normed为1代表我们要使用归一化数据（所占比例）在y轴，为0表示每个期间所占个数

四：pyplot极坐标图bar的绘制（角度空间内展示效果不错，在生活中不常用）

五：pyplot散点图的绘制（面向对象绘制：各种绘制函数变为当前图表区域对象的方法，这是推荐的方法）

六：引力波的绘制

一：基本绘图函数（这里介绍16个，还有许多其他的）

二：pyplot饼图plt.pie的绘制

import matplotlib
import matplotlib.pyplot as plt

labels = 'Frogs','Hogs','Dogs','Logs'
sizes = [,,,]　　#这是各个区域所占的大小，不一定是100，会自动换算为百分比
explode = (,0.1,,)　　#0.1是表示这个区域突出的程度

plt.pie(sizes,explode=explode,labels=labels,autopct="%1.1f%%",shadow=False,startangle=)　　#explode是突出比例，startangle起始角度
plt.show()

plt.axis("equal")　　#将饼图变水平

三：pyplot直方图plt.hist的绘制

import numpy as np
import matplotlib.pyplot as plt

np.random.seed()
mu,sigma = , #均值和标准差
a = np.random.normal(mu,sigma,size=)　　#正态分布，size=100，表示一维数组，长度100

plt.hist(a,,normed=,histtype="stepfilled",facecolor="b",alpha=0.75)
plt.title("Histogram")

plt.show()

def hist(x, bins=, 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,
         hold=None, data=None, **kwargs):

（一）修改第二个参数bins:代表直方图的个数，均分为多段，取其中的每段均值

plt.hist(a,,normed=,histtype="stepfilled",facecolor="b",alpha=0.75)

plt.hist(a,,normed=,histtype="stepfilled",facecolor="b",alpha=0.75)

plt.hist(a,,normed=,histtype="stepfilled",facecolor="b",alpha=0.75)

（二）normed为1代表我们要使用归一化数据（所占比例）在y轴，为0表示每个期间所占个数

plt.hist(a,,normed=,histtype="stepfilled",facecolor="b",alpha=0.75)

plt.hist(a,,normed=,histtype="stepfilled",facecolor="b",alpha=0.75)

四：pyplot极坐标图的绘制（角度空间内展示效果不错，在生活中不常用）

import numpy as np
import matplotlib.pyplot as plt
　　
N = 20　　#表示极坐标图中数据的个数
theta = np.linspace(0.0,*np.pi,N,endpoint=False)　　#起始值0，结束值2∏，元素个数（等分角度），是否将最后结束值放入数据
radii = *np.random.rand(N)　　#生成每个元素对应的值，一维数组含20列
width = np.pi/*np.random.rand(N)　　#∏/4*np.random..rand(N)  生成宽度值

ax = plt.subplot(,projection="polar")　　#111绘制一个绘图区域，projection给出了polar绘制极坐标图的指示
bars = ax.bar(theta,radii,width=width,bottom=0.0)　　#left（绘制极坐标区域中那些颜色区域的时候是从哪开始的<角度>）,height（中心点到边缘的长度）,width（每个绘图区域在角度范围内辐射的面积）

for r,bar in zip(radii,bars):
    bar.set_facecolor(plt.cm.viridis(r/.))　　#使用for循环对每一个绘图区域进行颜色和透明度的设置，若是没有这个那么全是蓝色
    bar.set_alpha(0.5)

plt.show()

修改N和width

N =
width = np.pi/*np.random.rand(N)

五：pyplot散点图的绘制（面向对象绘制：各种绘制函数变为当前图表区域对象的方法，这是推荐的方法）

import numpy as np
import matplotlib.pyplot as plt

fig, ax = plt.subplots()　　#返回图表以及图表相关的区域，为空代表绘制区域为111
ax.plot(*np.random.randn(),*np.random.randn(),'o')　　#randn标准正态分布，有100个元素在一维数组中,乘以10，使值分布大些，plot参数x,y‘o’是实心圆标记
ax.set_title("Simple Scatter")

plt.show()

补充：

subplots和subplot方法作用相似：

subplots会返回一个图表和图表相关的区域
subplot只会返回区域

六：引力波的绘制

import numpy as np
import matplotlib.pyplot as plt
from scipy.io import wavfile   #读取波形文件的库

rate_h, hstrain = wavfile.read(r"H1_Strain.wav")    #读取下载好的音频文件，当文件符里面出现反斜杠时等转义特殊字符时，在字符前面添加2，表示原始的字符串
rate_l, hstrain = wavfile.read(r"L1_Strain.wav")    #将结果赋给速率rate和数据strain
reftime,ref_H1 = np.genfromtxt("wf_template.txt").transpose()   #获取提供的理论模型，时间序列和信号的数据

htime_interval = /rate_h #求倒数，获取波形的时间间隔
ltime_interval = /rate_l

htime_len = hstrain.shape[]/rate_h #hstrain是一个矩阵，shape[]代表当前第一维度数据，数据点的个数，初一相应的rate，就可以获取在坐标轴上的总长度
htime = np.arange(-htime_len/,htime_len/,htime_interval) #绘制以原点为中心对称图形
ltime_len = lstrain.shape[]/rate_h
ltime = np.arange(-ltime_len/,ltime_len/,ltime_interval)

fig = plt.figure(figsize=(,)) #创建一个大小为12*6的绘图区域

plth = fig.add_subplot() #将窗口绘制为2*2区域选取第1个区域
plth.plot(htime,hstrain,'y')
plth.set_xlabel("Time(Second)")
plth.set_ylabel("H1 Strain")
plth.set_title("H1 Strain")

plth = fig.add_subplot() #将窗口绘制为2*2区域选取第2个区域
plth.plot(ltime,lstrain,'g')
plth.set_xlabel("Time(Second)")
plth.set_ylabel("L1 Strain")
plth.set_title("L1 Strain")

plth = fig.add_subplot() #在这个图表分为两行一列取第二行
plth.plot(reftime,ref_H1)
plth.set_xlabel("Time(Second)")
plth.set_ylabel("Template Strain")
plth.set_title("Template")
fig.tight_layout()

fig.tight_layout()　　#自动调整图像外部边缘

plt.savefig("./Gravitational_Waves_Original.png")
plt.show()
plt.close(fig)

#genfromtxt主要执行两个运算循环，第一个是将文件每一行都转换为字符串序列，第二个循环是将每个字符串序列转换为相应的数据类型，
#使用genfromtxt获取的是一个两行的矩阵
#使用transpose进行转置，赋给两个数组
'''
[,]
[,]
[,]
.....
[,]
------------>转置
[,,,...,]
[,,,...,]
''' 

总结