3，Python常用库之三：Matplotlib

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

导入模块

　import seaborn as sb

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

使用matplotlib.pyplot获取一个numpy数组，数据来源于一张图片

img_arr = plt.imread('./bobby.jpg')

plt.imshow(img_arr)           # 显示照片

plt.imshow(img_arr - 66)    #  改变照片颜色

plt.imshow(img_arr[:,::-1,:])  # 将照片的列反转

　包含单条曲线的图

x=[,,,,]

y=[,,,,]

plt.plot(x,y)

绘制抛物线

x = np.linspace(-np.pi,np.pi,num=)

y = x**

plt.plot(x,y)

绘制正弦曲线图

x

y = np.sin(x)

plt.plot(x,y)

包含多个曲线

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()

ax1.plot(x,y)

ax2 = plt.subplot(,,)

ax2.plot(x,y)

ax3 = plt.subplot(,,)

ax3.plot(x,y)

ax4 = plt.subplot(,,)

ax4.plot(x,y)

网格线 plt.gride(XXX)

参数：

- axis

- color:支持十六进制颜色

- linestyle: --  -.  :

- alpha

绘制一个正弦曲线图，并设置网格

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('off') 关闭坐标轴

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

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

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

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

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）

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', ...)

颜色值的方式

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
- color = (0.3, 0.3, 0.4)

线型

参数linestyle或ls

点型

marker 设置点形
markersize 设置点形大小

# 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=,loc=)  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 = [,,,,,,]

plt.hist(data,bins=)

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()

num = [,,,,]

count = [,,,,]

plt.barh(num,count)

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

arr=[,,,]

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=[,,,]

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=[,,,]

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=[,,,]

plt.pie(arr,labels=['a','b','c','d'],labeldistance=0.3,shadow=True,explode=[0.2,0.3,0.2,0.4])

#startangle参数设置饼图起始角度

arr=[,,,]

plt.pie(arr,labels=['a','b','c','d'],startangle=)

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 = np.random.randint(,,size=(,))

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

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

绘制条形图

countplot(data：数据集, x：x坐标轴, color：条形图颜色, order：排序)

color_palette()：返回一个RGB元组列表

test = pd.read_csv('pokemon.csv')

print(test.shape)

print(test.tail(10))

# value_counts函数统计各序列频率，并降序

generation_order = test['generation_id'].value_counts().index

print(generation_order)

# color_palette 返回一个RGB元组列表

base_color = sb.color_palette()[0]

sb.countplot(data=test, x='generation_id', color=base_color, order=generation_order)

plt.show()

xticks(rotation：旋转度数)：更改绘制x轴标签方向（与水平方向的逆时针夹角度数）

yticks(rotation：旋转度数)：更改绘制y轴标签方向（与垂直方向的逆时针夹角度数）

 plt.xticks(rotation=90)

 plt.yticks(rotation=45)