大数据分析/机器学习基础之matplotlib绘图篇

目录

• 一、前言
  • 我的运行环境
• 二、什么是matplotlib？
• 三、安装及导入
• 四、matplotlib的使用

一、前言

本人因在学习基于python的机器学习相关教程时第一次接触到matplotlib相关方面的绘图知识，故写此笔记进行记录，如果能帮助到其他人欢迎点个赞表示支持

我的运行环境

1. 学习工具：jupyter-notebook
2. python版本：311
3. 系统：Win11

二、什么是matplotlib？

matplotlib是基于python生态开发的一个可视化绘图库，它的出现让python在数据分析及机器学习方面占了重要的一部分，目前很多数据分析及机器学习相关方面的工程都有使用到这个库，并且由于其简单易用，安装简单等方面的优势深得广大开发者的喜爱。

三、安装及导入

1.安装

pip install matplotlib

2. 导入项目

新建项目并直接import即可import matplotlib.pyplot as plt，简单易用

四、matplotlib的使用

1. 基础使用:生成一个画布

#定义一个画布
#subplots(X,Y,figsize=(X,Y))
#其中figsize(X，Y) 用于定义画布的大小
fig,ax = plt.subplots(figsize = (10, 5))
plt.show()

1. 生成多个子图(ax)

#subplots(X,Y)用于定义该画布有几行几列,即一个大画布fig上有多个小画布ax组成axes
fig,axes = plt.subplots(2,3,figsize = (10, 4))
plt.show()

1. 绘制多个子图

#绘制多个子图
fig,axes = plt.subplots(1,2,figsize=(10,4))   #绘制一个一行两列的图

x=[1,20,40,15,2]
y=[4,6,15,7,6]

#对第一个子图进行绘制
bplot1 = axes[0].plot(x,y)

#绘制第二个子图
bplot2 = axes[1].plot(y,x)

1. 同一块画布上绘制多条函数

#简单的线性图
# x = list(range(0,10))
# y =list(range(0,10))
# plt.plot(x,y)
plt.plot(range(12),color="red")  #等价于上面的操作
plt.plot([1,2,3])  #在现有的画布上继续绘画零一条直线

1. 放大图像(只显示函数图像的一部分)

#原函数图像
x=[1,20,40,15,2]
y=[4,6,15,7,6]
plt.plot(x,y)

#直接对x,y赋值
x=[1,20,40,15,2]
y=[4,6,15,7,6]
plt.plot(x,y)
#通过设定坐标轴刻度，只显示部分图形
plt.axis([0,10,0,10])   #x:[0,10],y:[0,10]

1. 为图像添加标题横纵坐标信息

• 添加标题和x、y名称

x=[1,20,40,15,2]
y=[4,6,15,7,6]
#添加标题
plt.title("matplotlibTest")
#添加x，y轴名称
plt.xlabel("Feature")
plt.ylabel("shape")
plt.plot(x,y)

• 更改x、y轴刻度（纯数字形式）

x=[1,20,40,15,2]
y=[4,6,15,7,6]
#添加标题
plt.title("matplotlibTest")
#添加x，y轴名称
plt.xlabel("Feature")
plt.ylabel("shape")
#修改x轴刻度,纯数字形式
plt.xticks((0,10,20,30,40))
#修改y轴刻度，纯数字形式
plt.yticks((0,5,10,15,20))
plt.plot(x,y)

• 更改x、y轴刻度（自定义坐标信息）

x=[1,20,40,15,2]
y=[4,6,15,7,6]
#添加标题
plt.title("matplotlibTest")
#添加x，y轴名称
plt.xlabel("Feature")
plt.ylabel("shape")
#自定义x轴坐标信息
plt.xticks((0,10,20,30,40),('text1','text2','text3','text4','text5'))
#自定义y轴坐标信息
plt.yticks((0,5,10,15,20),('align1','align2','align3','align4','align5'))
plt.plot(x,y)

1. 基于axes的显示画图

#基于 axes 的显式画图:用 Axes 画图更加直观，所以被称为“显式画图”,直接用 Figure画图，被称为 “隐式画图”
import numpy as np
x = np.linspace(-1,1,50)  #生成50个-1到1之间的数
y = x**2

fig = plt.figure()  #生成空白画布
ax = fig.add_subplot() #空白的子图

ax.plot(x,y,color="red",linewidth=4,linestyle='-.',marker='o')  #绘画一条函数图

ax.plot(y,x)  #绘画另一条函数图

ax.legend(["y=x**2","y**2=x"])   #添加图例

ax.set_title('x and y',fontsize=20)  #设置标题
ax.set_xlabel("x label")  #设置x轴名称
ax.set_ylabel("y label")  #设置y轴名称
ax.set_xlim(-1,1)  #设置x轴范围
ax.set_ylim(-1,1)  #设置y轴范围

# ax.grid(linewidth=3,linestyle=':',color='purple',alpha=0.5)

plt.show()

8.其他

matplotlib除了生成上述的线性图以外还可以生成其他箱图等特殊的图像形式，具体可以参考matplotlib的官方文档https://matplotlib.org/stable/tutorials/index.html