Python 教程Matplotlib 数据类型汇总

Posted 2022-06-10 TeamCode

tags:

篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了Python 教程Matplotlib 数据类型汇总相关的知识，希望对你有一定的参考价值。

【Python

Matplotlib 是一个用于数据可视化的 Python 模块。Matplotlib 和 Pandas 可作为互补工具，因为前者内建了大量的图表库，进一步提高了数据的可视性。这篇教程虽然没有办法完全介绍 Matplotlib 的每一个细节，但我们还是可以尝试覆盖 Matplotlib 的各种基础功能，包括几个比较有趣的进阶项目。阅读这篇教程需要具有一定的 Python 和 Pandas 基础，如果之前对 Python 完全没有任何了解，欢迎查看我们之前的相关教程：【Python 核心库】Numpy 实景教程与练习

【Python 教程】使用 Pandas 整理数据

基础线形图

创建最简单的线形图只需要一行代码，随后通过 plt.show() 展示图表即可：

import matplotlib.pyplot as plt

# 绘图
plt.plot([1, 2, 3, 4, 10])
plt.show()

【Python

基础散点图

绘制散点图前，我们先来看看 plt.plot() 的参数内容：（x, y, 格式）。这个格式其实是颜色、标记、线条的缩写。举个例子：

go- 为绿色（green）、圆点、无线条，那样输出的图形便是散点图。

r*-- 为红色（red）、星形、虚线

ks. 为黑色（black）、方形（square）、点线

bD-. 为蓝色（blue）、菱形（diamond）、点划线

这些例子无需硬背，有需要的时候输入并运行 help(plt.plot) 即可。

# go 表示绿点
plt.plot([1,2,3,4,5], [1,2,3,4,10], go)
plt.show()

【Python

复合图形

功能强大的 Matplotlib 自然不会满足于单个图形，接下来这段将分为两个部分：在同一图表中绘制多个数据以及在同一窗口中绘制多个不同的图表。

在同一图表中绘制多个数据

这个其实很简单，只需要重复编写 plt.plot() 就可以了。加上标题、标签名称和图例即可输出以下效果：

plt.plot([1,2,3,4,5], [1,2,3,4,10], go, label=GreenDots)
plt.plot([1,2,3,4,5], [2,3,4,5,11], b*, label=Bluestars)
plt.title(A Simple Scatterplot)
plt.xlabel(X)
plt.ylabel(Y)
plt.legend(loc=best)  # 图例文本取自标签，图例是集中于图表一侧的指标说明
plt.show()

【Python

绘制多个不同的图表

我们在 Matplotlib 中绘制图表时，其实是在一个类似画布的 figure 中加入各种各样的元素，而这里面的子图被称之为 axes（与 XY axis 轴并不相同）。一般而言，一个图表至少拥有一个子图。当我们有多个子图时，这些图表就会通过行列排序。

如果我们要在同一个画布中绘制多个子图，应使用的函数为 plt.subplots(1, 2)。其中，数字 1、2 分别表示子图代号，原本的 plt.plot() 需要分别改成 ax1.plot() 和 ax2.plot()。

# 创建画布与子图
fig, (ax1, ax2) = plt.subplots(1,2, figsize=(10,4), sharey=True, dpi=120)

# 绘制图表
ax1.plot([1,2,3,4,5], [1,2,3,4,10], go)  # greendots
ax2.plot([1,2,3,4,5], [2,3,4,5,11], b*)  # bluestar

# 设定标签与上限
ax1.set_title(Scatterplot Greendots); ax2.set_title(Scatterplot Bluestars)
ax1.set_xlabel(X);  ax2.set_xlabel(X)  # x 标签
ax1.set_ylabel(Y);  ax2.set_ylabel(Y)  # y 标签
ax1.set_xlim(0, 6) ;  ax2.set_xlim(0, 6)   # x 轴上限
ax1.set_ylim(0, 12);  ax2.set_ylim(0, 12)  # y 轴上限

# ax2.yaxis.set_ticks_position(none) 
plt.tight_layout()
plt.show()

【Python

在 plt.subplots() 设置 sharey=True 能让两个子图在 Y 轴上平行，而 dpi 则可以调整图标的清晰度。

进阶图形

Matplotlib 的图库远比点线图丰富，即使是更多的图表、曲线图都不在话下，我们甚至还可以调整各种参数修改图表大小和背景颜色等。由于篇幅限制，这里只放出几个进阶图形的参考图，有需要的小伙伴可以通过代码传送门在线查看 Python 代码，也可以参考 Matplotlib 的官方文档。

绘制多个图表

这一组图表使用了 numpy 模块的 randint 随机数和 for 循环实现：

【Python

打开 fourPlots.py 项目查看代码：https://55911a1851-share.lightly.teamcode.com

绘制曲线图（正余弦波）

【Python

打开 sincosWave.py 项目查看代码：https://55911a1851-share.lightly.teamcode.com

调整背景颜色

Matplotlib 自带的样式代码：

plt.style.available# [seaborn-dark, seaborn-darkgrid, seaborn-ticks, fivethirtyeight,
#  seaborn-whitegrid, classic, _classic_test, fast, seaborn-talk,
#  seaborn-dark-palette, seaborn-bright, seaborn-pastel, grayscale,
#  seaborn-notebook, ggplot, seaborn-colorblind, seaborn-muted,
#  seaborn, Solarize_Light2, seaborn-paper, bmh, tableau-colorblind10,
#  seaborn-white, dark_background, seaborn-poster, seaborn-deep]

【Python