Matplotlib 绘图 用法

Matplotlib基础知识

一、Matplotlib基础知识

• Matplotlib中的基本图表包括的元素
  • x轴和y轴 axis
    
    水平和垂直的轴线
  • x轴和y轴刻度 tick
    
    刻度标示坐标轴的分隔，包括最小刻度和最大刻度
  • x轴和y轴刻度标签 tick label
    
    表示特定坐标轴的值
  • 绘图区域（坐标系） axes
    
    实际绘图的区域
  • 坐标系标题 title
    
    实际绘图的区域
  • 轴标签 xlabel ylabel
    
    实际绘图的区域

#  使用包
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
from pandas import Series,DataFrame

# matplotlib 中 使用中文
from pylab import mpl
mpl.rcParams['font.sans-serif'] = ['FangSong'] # 指定默认字体
mpl.rcParams['axes.unicode_minus'] = False # 解决保存图像是负号'-'显示为方块的问题

包含单条曲线的图

• 注意：y,x轴的值必须为数字

x=[1,2,3,4,5]
y=[2,4,6,8,10]
# 显示 图片
plt.plot(x,y)

# 绘制抛物线
x = np.linspace(-np.pi,np.pi,num=10)
y = x**2
plt.plot(x,y)

# 绘制正弦曲线图
x = x
# 正弦
y = np.sin(x)
plt.plot(x,y)

包含多个曲线的图

• 连续调用多次plot函数

plt.plot(x,y)
plt.plot(x-2,y-2)
plt.plot(x,y,x+2,y+3)

多个曲线图绘制在一个table区域中：对象形式创建表图

• a=plt.subplot（row,col,loc） 创建曲线图
• a.plot(x,y) 绘制曲线图

ax1 = plt.subplot(2,2,1)
ax1.plot(x,y)

ax2 = plt.subplot(2,2,2)
ax2.plot(x,y)

ax3 = plt.subplot(2,2,3)
ax3.plot(x,y)

ax4 = plt.subplot(2,2,4)
ax4.plot(x,y)

• 设置画布比例：plt.figure(figsize=(a,b)) a:x刻度比例 b：y刻度比例 （2:1）表示x刻度显示为y刻度显示的2倍

  plt.figure(figsize=(8,8))
  plt.plot(x,y)
  

坐标轴标签

• s 标签内容

• color 标签颜色

• fontsize 字体大小

• rotation 旋转角度

• plt的xlabel方法和ylabel方法 title方法

  plt.plot(x,y)
  # x 轴
  plt.xlabel('xxx')
  # y 轴
  plt.ylabel('yyy')
  # 图片标题
  plt.title('ttt')
  

图例

legend方法

两种传参方法：

• 分别在plot函数中增加label参数,再调用plt.legend()方法显示
• 直接在legend方法中传入字符串列表!

plt.plot(x,y,label='temp')
plt.plot(x+4,y-3,label='dist')
plt.legend()

legend的参数

​ - loc参数

• loc参数用于设置图例标签的位置，一般在legend函数内
• matplotlib已经预定义好几种数字表示的位置

plt.plot(x,y,label='temp')
plt.plot(x+4,y-3,label='dist')
plt.legend(loc=0,ncol=2)

​ - ncol参数

• ncol控制图例中有几列,在legend中设置ncol

二. 保存图片

• 使用figure对象的savefig函数来保存图片

  fig = plt.figure()---必须放置在绘图操作之前

  figure.savefig的参数选项

  • filename
    
    含有文件路径的字符串或Python的文件型对象。图像格式由文件扩展名推断得出，例如，.pdf推断出PDF，.png推断出PNG （“png”、“pdf”、“svg”、“ps”、“eps”……）
  • dpi
    
    图像分辨率（每英寸点数），默认为100
  • facecolor ，打开保存图片查看 图像的背景色，默认为“w”（白色）

  fig = plt.figure()
  
  plt.plot(x,y,label='temp')
  plt.plot(x+4,y-3,label='dist')
  plt.legend(loc=0,ncol=2)
  # dpi 像素
  fig.savefig('./fig.jpg',dpi=200)
  

  设置plot的风格和样式

  plot语句中支持除X,Y以外的参数，以字符串形式存在，来控制颜色、线型、点型等要素，语法形式为：
  
  plt.plot(X, Y, 'format', ...)

颜色

参数color或c

plt.plot(x,y,c='yellow',alpha=0.5)

颜色值的方式

• 别名

  • color='r'

• 合法的HTML颜色名

  • color = 'red'

颜色	别名	HTML颜色名	颜色	别名	HTML颜色名
蓝色	b	blue	绿色	g	green
红色	r	red	黄色	y	yellow
青色	c	cyan	黑色	k	black
洋红色	m	magenta	白色	w	white

• HTML十六进制字符串

  • color = '#eeefff'

• 归一化到[0, 1]的RGB元组

  • color = (0.3, 0.3, 0.4)

透明度

alpha参数

线型

参数linestyle或ls

线条风格	描述	线条风格	描述
'-'	实线	':'	虚线
'--'	破折线	'steps'	阶梯线
'-.'	点划线	'None' / '，'	什么都不画

plt.plot(x,y,ls='steps',lw=3)

[<matplotlib.lines.Line2D at 0x15ddae8ea90>]

线宽

linewidth或lw参数

点型

• marker 设置点形
• markersize 设置点形大小

标记	描述	标记	描述
's'	正方形	'p'	五边形
'h'	六边形1	'H'	六边形2
'8'	八边形

标记	描述	标记	描述
'.'	点	'x'	X
'*'	星号	'+'	加号
','	像素

标记	描述	标记	描述
'o'	圆圈	'D'	菱形
'd'	小菱形	'','None',' ',None	无

标记	描述	标记	描述
'1'	一角朝下的三脚架	'3'	一角朝左的三脚架
'2'	一角朝上的三脚架	'4'	一角朝右的三脚架

plt.plot(x,y,marker='d')

# 绘制线      plt.plot(x1,y1,x2,y2)
# 网格线      plt.grid(True)  axes.grid(color,ls,lw,alpha)
# 获取坐标系  plt.subplot(n1,n2,n3)
# 坐标轴标签  plt.xlabel() plt.ylabel()
# 坐标系标题  plt.title()
# 图例        plt.legend([names],ncol=2,loc=1)  plt.plot(label='name')
# 线风格      --  -. : None  step
# 图片保存    figure.savefig()
# 点的设置    marker markersize markerfacecolor markeredgecolor\width
# 坐标轴刻度  plt.xticks(刻度列表，刻度标签列表) plt.yticks()
#             axes.set_xticks(刻度列表) axes.set_xticklabels(刻度标签列表)

三. 2D图形

直方图

• 是一个特殊的柱状图，又叫做密度图。

【直方图的参数只有一个x！！！不像条形图需要传入x,y】

plt.hist()的参数

• bins
  
  直方图的柱数，可选项，默认为10
• color
  
  指定直方图的颜色。可以是单一颜色值或颜色的序列。如果指定了多个数据集合,例如DataFrame对象，颜色序列将会设置为相同的顺序。如果未指定，将会使用一个默认的线条颜色
• orientation
  
  通过设置orientation为horizontal创建水平直方图。默认值为vertical

data = [1,2,3,3,4,2,5]
plt.hist(data)

• 返回值 ：

  1: 直方图向量，是否归一化由参数normed设定

  2: 返回各个bin的区间范围

  3: 返回每个bin里面包含的数据，是一个list

条形图：plt.bar()

• 参数：第一个参数是索引。第二个参数是数据值。第三个参数是条形的宽度

  -【条形图有两个参数x,y】

  • width 纵向设置条形宽度
  • height 横向设置条形高度

  bar()、barh()

x = [1,2,3]
y = [2,3,4]
plt.barh(x,y)

饼图

【饼图也只有一个参数x】

pie()

饼图适合展示各部分占总体的比例，条形图适合比较各部分的大小

• 饼图阴影、分裂等属性设置

  #labels参数设置每一块的标签；

  #labeldistance参数设置标签距离圆心的距离（比例值）

  #autopct参数设置比例值小数保留位(%.3f%%)；

  #pctdistance参数设置比例值文字距离圆心的距离

  #explode参数设置每一块顶点距圆心的长度（比例值,列表）；

  #colors参数设置每一块的颜色（列表）；

  #shadow参数为布尔值，设置是否绘制阴影

  #startangle参数设置饼图起始角度

  a = [0.3,0.2]
  plt.pie(a)
  
  arr=[11,22,31,15]
  plt.pie(arr,labels=['a','b','c','d'])
  
  #labeldistance参数设置标签距离圆心的距离（比例值）
  arr=[11,22,31,15]
  plt.pie(arr,labels=['a','b','c','d'],labeldistance=0.3)
  
  #autopct参数设置比例值小数保留位(%.3f%%)；
  arr=[11,22,31,15]
  plt.pie(arr,labels=['a','b','c','d'],labeldistance=0.3,autopct='%.6f%%')
  
  ##explode参数设置每一块顶点距圆心的长度（比例值,列表）；
  arr=[11,22,31,15]
  plt.pie(arr,labels=['a','b','c','d'],labeldistance=0.3,shadow=True,explode=[0.2,0.3,0.2,0.4])
  

散点图：因变量随自变量而变化的大致趋势

【散点图需要两个参数x,y，但此时x不是表示x轴的刻度，而是每个点的横坐标！】

scatter()

x = [1,2,3,4,5]
y = [2,4,6,8,10]

plt.scatter(x,y)

# plt.scatter(x,y,marker='d',c="rbgy") 设置不同的散点颜色
temp = np.random.randint(10,40,size=(30,))
dist = np.random.randint(70,100,size=(30,))
# 显示颜色  rbyg = red, blue yellow green 随机
plt.scatter(temp,dist,c='rbyg')