Matplotlib 库 : 绘图和可视化

一、Matplotlib基础知识

1.1Matplotlib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

1.2 导包

import numpy as np

import pandas as pd

import matplotlib.pyplot as plt

from pandas import Series,DataFrame

1.3 绘制简单图形

单条曲线

x=[1,2,3,4,5]

y=[2,4,6,8,10]

plt.plot(x,y)

抛物线

x = np.arange(-np.pi,np.pi,0.2)

y = x**2

plt.plot(x,y)

绘制正弦曲线图

x = np.arange(-np.pi,np.pi,0.2)

y = np.cos(x)

plt.plot(x,y)

1.4 绘制多个曲线的图

x = np.arange(-np.pi,np.pi,0.2)

y = np.cos(x)

#方式一

plt.plot(x,y)

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

#方式二

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

1.5 将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,'r')

ax2=plt.subplot(2,2,2)

ax2.plot(x,y,'b')

ax3=plt.subplot(2,1,2)

ax3.plot(x,y,'black')

ax1=plt.subplot(2,2,1)

ax1.plot(x,y,'r')

ax2=plt.subplot(2,2,3)

ax2.plot(x,y,'b')

ax3=plt.subplot(1,2,2)

ax3.plot(x,y,'black')

1.6 网格线 plt.gride(XXX)

参数：

- axis

- color:支持十六进制颜色

- linestyle: --  -.  :

- alpha:透明度0-1

一般网格的添加

plt.grid(axis='both') #x-y都加网格

plt.plot(x,y)

使用对象形式设置网格

#ax1,ax2,ax3都是对象

plt.grid(axis='both')

ax1=plt.subplot(2,2,1)

ax1.grid()

ax1.plot(x,y,'r')

ax2=plt.subplot(2,2,2)

ax2.plot(x,y,'b')

ax2.grid()

ax3=plt.subplot(2,1,2)

ax3.grid()

ax3.plot(x,y,'black')

1.7 坐标轴界限

axis方法:设置x，y轴刻度值的范围

plt.axis([xmin,xmax,ymin,ymax])

plt.axis([-6,6,-2,2])

plt.plot(x,y)

#plt.axis('off') 关闭坐标系显示

1.8 关闭坐标轴显示

plt.axis('off')

1.9 设置画布比例

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=(2,3))

plt.plot(x,y)

1.10 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

(1) plt的xlabel方法和ylabel方法 title方法

plt.xlabel('x')

plt.ylabel('sin(x)')

plt.title('y= sin(x)')

plt.plot(x,y)

1.11 图例---legend方法

(1)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

#方式一

plt.plot(x,y,label='aaa')

plt.plot(x+3,y+3,label='bbb')

plt.legend()

#方式二

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

plt.legend(['aaa','bbb'])

(2)legend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

- ncol参数

ncol控制图例中有几列,在legend中设置ncol

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

plt.legend(['aaa','bbb'],loc=3,ncol=2)

1.12 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,x+3,y+3)

plt.legend(['aaa','bbb'],loc=3,ncol=2)

fig.savefig('./img.png',dpi=500) #dip表示像素分辨率

1.13 设置plot的风格样式

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

　　颜色的方式

别名
- color = 'r'
　　合法的HTML颜色名
- color = 'red'

HTML 十六进制字符串
- color = '#eeefff'　　
归一化到 [0,1] 的RGB元组透明度 -- alpha参数(0-1)
- color = (0.3,0.3,0.4)

线型 -- 参数linestyle或ls

线宽 -- linewidth或lw参数
点型

- marker 设置点形
- markersize 设置点形大小

plt.plot(x,y,c='y',alpha=0.8,lw=3,marker='',markersize=10,markerfacecolor='b')

plt.grid(color='r')

总结:

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)

二 2D图形

2.1 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,bins=10)

图像中返回值：

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

2.2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() : 垂直的条形图

barh():水平条形图

x=[1,2,3,4,5]

y=[3,5,4,2,1]

plt.bar(x,y,width=0.6,color='r')

plt.barh(x,y) #水平条形图

2.3 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.

普通各部分占满饼图

plt.pie([11,22,33])

普通未占满饼图：小数/比例

plt.pie([0.2,0.3,0.1])

饼图参数属性设置

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

##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])

2.4 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()

#plt.scatter(x,y,marker='d',c="rbgy") 设置不同的散点颜色

x = np.random.random(size=(100,))

y = np.random.random(size=(100,))

plt.scatter(x,y,c='rgby')