Python可视化库matplotlib(超详细)

Posted 2021-07-04 ZSYL

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可视化库matplotlib(超详细)相关的知识，希望对你有一定的参考价值。

Matplotlib简介

Matplotlib 是一个Python的2D绘图库。通过 Matplotlib，开发者可以仅需要几行代码，便可以生成绘图，直方图，功率谱，条形图，错误图，散点图等。

通过学习Matplotlib，可让数据可视化，更直观的真实给用户。使数据更加客观、更具有说服力。 Matplotlib是Python的库，又是开发中常用的库。

在这里插入图片描述

是专门用于开发2D图表(包括3D图表)
以渐进、交互式方式实现数据可视化

开发环境搭建

如果使用的是Anaconda Python开发环境，那么Matplotlib已经被集成进Anaconda，并不需要单独安装。

安装 Anaconda 请参考 Tensorflow 2.0 最新版(2.4.1) 安装教程

如果使用的是标准的Python开发环境，可以使用下面的命令安装Matplotlib：

Windows 系统安装 Matplotlib，执行如下命令：

pip install matplotlib

如果要了解Matplotlib更详细的情况，请访问官方网站。网址如下：https://matplotlib.org

安装完Matplotlib后，可以测试一下Matplotlib是否安装成功。进入Python的环境使用下面的语句导入matplotlib.pyplot 模块。如果不出错，就说明Matplotlib已经安装成功了。

import matplotlib.pyplot as plt

虽然上述的安装方式比较简单，但是有时候不能确保安装成功或者并不能保证安装的Matplotlib版本适合当今Python环境。在这个时候，建议读者登录Python官方网站https://www.python.org/，点击菜单PyPI输入Matplotlib到下载页如下图所示，在这个页面中查找与你使用的Python版本匹配的wheel文件（扩展名为“.whl”的文件）。

例如：使用的是64位的Python3.6，则需要下载matplotlib-3.1.0-cp36-cp36m-win_amd64.whl。

在这里插入图片描述
当读者下载到得到的文件是matplotlib-3.1.0-cp36-cp36m-win_amd64.whl，将这个文件保存在” E:/matp”目录下。接下来，需要打开一个命令窗口，并切换到“e:/matp”目录下。执行如下命令安装Matplotlib。

pip install   matplotlib-3.1.0-cp36-cp36m-win_amd64.whl

为什么要学习Matplotlib

可视化是在整个数据挖掘的关键辅助工具，可以清晰的理解数据，从而调整我们的分析方法。

能将数据进行可视化,更直观的呈现
使数据更加客观、更具说服力

例如：下面两个图为数字展示和图形展示：

在这里插入图片描述

绘制基础

在使用Matplotlib绘制图形时，其中有两个最为常用的场景。一个是画点，一个是画线。pyplot基本方法的使用如下表。

在这里插入图片描述
matplotlib.pytplot包含了一系列类似于matlab的画图函数。

import matplotlib.pyplot as plt

图形绘制流程

创建画布 – plt.figure()

plt.figure(figsize=(), dpi=)
figsize:指定图的长宽
dpi:图像的清晰度
返回fig对象

绘制图像 – plt.plot(x, y)
显示图像 – plt.show()

认识Matplotlib图像结构

在这里插入图片描述

实现基础绘图功能

import matplotlib.pyplot as plt
import random
from pylab import mpl
# 设置显示中文字体
mpl.rcParams["font.sans-serif"] = ['SimHei']
# 设置正常显示符号
mpl.rcParams["axes.unicode_minus"] = False

# 0.准备数据
x = range(60)
y = [random.uniform(15, 18) for i in x]  # random.uniform:返回一个随机浮点数 N ，当 a <= b 时 a <= N <= b ，当 b < a 时 b <= N <= a

'''
DPI（Dots Per Inch，每英寸点数）是一个量度单位，用于点阵数码影像，指每一英寸长度中，取样、可显示或输出点的数目。
DPI是打印机、鼠标等设备分辨率的度量单位。是衡量打印机打印精度的主要参数之一，一般来说，DPI值越高，表明打印机的打印精度越高。
'''
# 1.创建画布
plt.figure(figsize=(20, 8), dpi=100)  # 画布大小，dpi：清晰度

# 2.绘制图像
plt.plot(x, y)

# 3.图像显示
plt.show()

在这里插入图片描述

设置标签文字和线条粗细

在上面的实例直线结果不够完美，开发者可以绘制的线条样式进行灵活设置。例如：可以设置线条的粗细、设置文字等。

绘制折线图并设置样式

import matplotlib.pyplot as plt
datas=[1,2,3,4,5]
squares=[1,4,9,16,25]
plt.plot(datas,squares,linewidth=5) #设置线条宽度
#设置图标标题，并在坐标轴上添加标签
plt.title('Numbers',fontsize=24)
plt.xlabel('datas',fontsize=14)
plt.ylabel('squares',fontsize=14)
plt.show()

在这里插入图片描述

解决中文乱码&符号不正常显示

在这里插入图片描述

Matplotlib 默认情况不支持中文，我们可以使用以下简单的方法来解决：

plt.rcParams['font.sans-serif']=['SimHei'] #用来正常显示中文标签

中文乱码和符号不正常显示：

from pylab import mpl
# 设置显示中文字体
mpl.rcParams["font.sans-serif"] = ['SimHei']
# 设置正常显示符号
mpl.rcParams["axes.unicode_minus"] = False

解决标签、标题中的中文问题

import matplotlib.pyplot as plt
datas=[1,2,3,4,5]
squares=[1,4,9,16,25]
plt.plot(datas,squares,linewidth=5) #设置线条宽度
#设置中文乱码问题
plt.rcParams['font.sans-serif'] = ['SimHei']
#设置图标标题，并在坐标轴上添加标签
plt.title('标题设置',fontsize=24)
plt.xlabel('x轴',fontsize=14)
plt.ylabel('y轴',fontsize=14)
plt.show()

在这里插入图片描述

绘制直线

在使用Matplotlib绘制线性图时，其中最简单的是绘制线图。在下面的实例代码中，使用Matplotlib绘制了一个简单的直线。具体实现过程如下：

（1）导入模块pyplot，并给它指定别名plt，以免反复输入pyplot。在模块pyplot中包含很多用于生产图表的函数。
（2）将绘制的直线坐标传递给函数plot()。
（3）通过函数plt.show()打开Matplotlib查看器，显示绘制的图形。

根据两点绘制一条线

import matplotlib.pyplot as plt
#将(0,1)点和(2,4)连起来
plt.plot([0,2],[1,4])
plt.show()

在这里插入图片描述

绘制折线图

折线图：以折线的上升或下降来表示统计数量的增减变化的统计图

特点：能够显示数据的变化趋势，反映事物的变化情况。(变化)

api：plt.plot(x, y)

在上述的实例代码中，使用两个坐标绘制一条直线，接下来使用平方数序列1、4、9、16和25来绘制一个折线图。

import matplotlib.pyplot as plt
x=[1,2,3,4,5]
squares=[1,4,9,16,25]
plt.plot(x,squares)
plt.show()

在这里插入图片描述
举例：展现上海一周的天气,比如从星期一到星期日的天气温度如下:

import matplotlib.pyplot as plt 
# 1.创建画布 
plt.figure(figsize=(10, 10), dpi=100) 
# 2.绘制折线图 
plt.plot([1, 2, 3, 4, 5, 6 ,7], [17,17,18,15,11,11,13]) 
# 3.显示图像 
plt.show()

在这里插入图片描述
举例：正弦曲线

import numpy as np

# 0. 准备数据
x = np.linspace(-10, 10, 1000)  # 等差数列
y = np.sin(x)  # sin()

# 1. 创建画布
plt.plot(x, y)
# 2.1 添加网格显示
plt.grid(True, linestyle='--', alpha=0.5)
# 2.2 设置标题
plt.title('折线图')

# 3. 显示图像
plt.show()

在这里插入图片描述

折线图案例

折线图的应用场景

呈现公司产品(不同区域)每天活跃用户数
呈现app每天下载数量
呈现产品新功能上线后,用户点击次数随时间的变化
拓展：画各种数学函数图像
- 注意：plt.plot()除了可以画折线图，也可以用于画各种数学函数图像

为了更好地理解所有基础绘图功能，我们通过天气温度变化的绘图来融合所有的基础API使用需求：画出某城市11点到12点1小时内每分钟的温度变化折线图，温度范围在15度~18度。

准备数据并画出初始折线图

import matplotlib.pyplot as plt
import random
from pylab import mpl
# 设置显示中文字体
mpl.rcParams["font.sans-serif"] = ['SimHei']
# 设置正常显示符号
mpl.rcParams["axes.unicode_minus"] = False

# 0.准备数据
x = range(60)
y = [random.uniform(15, 18) for i in x]  # random.uniform:返回一个随机浮点数 N ，当 a <= b 时 a <= N <= b ，当 b < a 时 b <= N <= a

'''
DPI（Dots Per Inch，每英寸点数）是一个量度单位，用于点阵数码影像，指每一英寸长度中，取样、可显示或输出点的数目。
DPI是打印机、鼠标等设备分辨率的度量单位。是衡量打印机打印精度的主要参数之一，一般来说，DPI值越高，表明打印机的打印精度越高。
'''
# 1.创建画布
plt.figure(figsize=(20, 8), dpi=100)  # 画布大小，dpi：清晰度

# 2.绘制图像
plt.plot(x, y)

# 3.图像显示
plt.show()

在这里插入图片描述

添加自定义x,y刻度

plt.xticks(x, **kwargs)
- x:要显示的刻度值
plt.yticks(y, **kwargs)
- y:要显示的刻度值

# 增加以下两行代码 
# 构造x轴刻度标签 
x_ticks_label = ["11点{}分".format(i) for i in x] 
# 构造y轴刻度 
y_ticks = range(40) 
# 修改x,y轴坐标的刻度显示 
plt.xticks(x[::5], x_ticks_label[::5]) 
plt.yticks(y_ticks[::5])

添加网格显示

为了更加清楚地观察图形对应的值

plt.grid(True, linestyle='--', alpha=0.5)

添加描述信息

添加x轴、y轴描述信息及标题
通过fontsize参数可以修改图像中字体的大小

plt.xlabel("时间") 
plt.ylabel("温度") 
plt.title("中午11点0分到12点之间的温度变化图示", fontsize=20)

图像保存

# 保存图片到指定路径 
plt.savefig("test.png")

注意：plt.show()会释放figure资源，如果在显示图像之后保存图片将只能保存空图片。

完整代码

import matplotlib.pyplot as plt
import random
from pylab import mpl
# 设置显示中文字体
mpl.rcParams["font.sans-serif"] = ['SimHei']
# 设置正常显示符号
mpl.rcParams["axes.unicode_minus"] = False

# 0.准备数据
x = range(60)
y = [random.uniform(15, 18) for i in x]  # random.uniform:返回一个随机浮点数 N ，当 a <= b 时 a <= N <= b ，当 b < a 时 b <= N <= a

'''
DPI（Dots Per Inch，每英寸点数）是一个量度单位，用于点阵数码影像，指每一英寸长度中，取样、可显示或输出点的数目。
DPI是打印机、鼠标等设备分辨率的度量单位。是衡量打印机打印精度的主要参数之一，一般来说，DPI值越高，表明打印机的打印精度越高。
'''
# 1.创建画布
plt.figure(figsize=(20, 8), dpi=100)  # 画布大小，dpi：清晰度

# 2.绘制图像（折线图）
plt.plot(x, y)

# 2.1 添加x，y轴刻度
x_ticks_label = ['11点{}分'.format(i) for i in x]
y_ticks = range(40)

# 修改x，y轴刻度显示
# plt.xticks(x_ticks_label[::5])  坐标刻度不可以直接通过字符串进行修改
# tick：对号; 钩号; 记号
plt.xticks(x[::5], x_ticks_label[::5])  # 先修改为数字刻度，之后替换中文刻度
plt.yticks(y_ticks[::5])

# 2.2 添加网格显示
plt.grid(True, linestyle='--', alpha=0.5)

# 2.3 添加描述信息
plt.xlabel('时间')
plt.ylabel('温度')
plt.title('中午11点-12点某城市温度变化图', fontsize=20)

# 2.4 图像保存（放在show前面，show()会释放figure资源，如果显示图像之后保存图片只能保存空图片）
plt.savefig('./test.png')

# 3.图像显示
plt.show()

在这里插入图片描述

在一个坐标系中绘制多个图像

多次plot即可

收集到北京当天温度变化情况，温度在1度到3度。怎么去添加另一个在同一坐标系当中的不同图形，其实很简单只需要再次plot即可，但是需要区分线条，如下：

# 0.准备数据
x = range(60)
# random.uniform:返回一个随机浮点数 N ，当 a <= b 时 a <= N <= b ，当 b < a 时 b <= N <= a
y_sh = [random.uniform(15, 18) for i in x]
y_bj = [random.uniform(1, 3) for i in x]

'''
DPI（Dots Per Inch，每英寸点数）是一个量度单位，用于点阵数码影像，指每一英寸长度中，取样、可显示或输出点的数目。
DPI是打印机、鼠标等设备分辨率的度量单位。是衡量打印机打印精度的主要参数之一，一般来说，DPI值越高，表明打印机的打印精度越高。
'''
# 1.创建画布
plt.figure(figsize=(20, 8), dpi=100)  # 画布大小，dpi：清晰度

# 2.绘制图像（折线图）
plt.plot(x, y_sh, label='上海')
# 设置线的风格，颜色，添加图例
plt.plot(x, y_bj, color='r', linestyle='--', label='北京')

# 2.1 添加x，y轴刻度
x_ticks_label = ['11点{}分'.format(i) for i in x]
y_ticks = range(40)

# 修改x，y轴刻度显示
# plt.xticks(x_ticks_label[::5])  坐标刻度不可以直接通过字符串进行修改
# tick：对号; 钩号; 记号
plt.xticks(x[::5], x_ticks_label[::5])  # 先修改为数字刻度，之后替换中文刻度
plt.yticks(y_ticks[::5])

# 2.2 添加网格显示
plt.grid(True, linestyle='--', alpha=0.5)

# 2.3 添加描述信息
plt.xlabel('时间')
plt.ylabel('温度')
plt.title('中午11点-12点某城市温度变化图', fontsize=20)

# 2.4 图像保存（放在show前面，show()会释放figure资源，如果显示图像之后保存图片只能保存空图片）
# plt.savefig('./test.png')

# 2.5 显示图例
plt.legend(loc="best")  # 0

# 3.图像显示
plt.show()

在这里插入图片描述
我们仔细观察，用到了两个新的地方，一个是对于不同的折线展示效果，一个是添加图例。

显示图例

注意：如果只在plt.plot()中设置label还不能最终显示出图例，还需要通过plt.legend()将图例显示出来。

# 绘制折线图 
plt.plot(x, y_shanghai, label="上海") 
# 使用多次plot可以画多个折线 
plt.plot(x, y_beijing, color='r', linestyle='--', label="北京") 
# 显示图例 
plt.legend(loc="best")

参数 loc：

在这里插入图片描述

多个坐标系实现绘图

多个坐标系显示—plt.subplots(面向对象的画图方法)

可以通过subplots函数实现(旧的版本中有subplot，使用起来不方便)，推荐subplots函数

matplotlib.pyplot.subplots(nrows=1, ncols=1, **fig_kw)创建一个带有多个axes(坐标系/绘图区)的图：

Parameters: 
	nrows, ncols : 设置有几行几列坐标系 
		int, optional, default: 1, Number of rows/columns of the subplot grid. 
	Returns: 
	fig : 图对象 
	axes : 返回相应数量的坐标系 

	设置标题等方法不同： 
	set_xticks 
	set_yticks 
	set_xlabel 
	set_ylabel

关于axes子坐标系的更多方法：请参考：
https://matplotlib.org/api/axes_api.html#matplotlib.axes.Axes

注意：plt.函数名()相当于面向过程的画图方法，axes.set_方法名()相当于面向对象的画图方法。

# 0.准备数据
x = range(60)
# random.uniform:返回一个随机浮点数 N ，当 a <= b 时 a <= N <= b ，当 b < a 时 b <= N <= a
y_sh = [random.uniform(15, 18) for i in x]
y_bj = [random.uniform(1, 3) for i in x]

'''
DPI（Dots Per Inch，每英寸点数）是一个量度单位，用于点阵数码影像，指每一英寸长度中，取样、可显示或输出点的数目。
DPI是打印机、鼠标等设备分辨率的度量单位。是衡量打印机打印精度的主要参数之一，一般来说，DPI值越高，表明打印机的打印精度越高。
'''
# 1.创建画布
# plt.figure(figsize=(20, 8), dpi=100)  # 画布大小，dpi：清晰度
fig, axes = plt.subplots(nrows=1, ncols=2, figsize=(
    20, 8), dpi=100)  # 画布fig对象，区域axes对象（）

# 2.绘制图像（折线图）
# plt.plot(x, y_sh, label='上海')
# # 设置线的风格，颜色，添加图例
# plt.plot(x, y_bj, color='r', linestyle='--', label='北京')
axes[0].plot(x, y_sh, label='上海')
# 设置线的风格，颜色，添加图例
axes[1].plot(x, y_bj, color='r', linestyle='--', label='北京')

# 2.1 添加x，y轴刻度
x_ticks_label = ['11点{}分'.format(i) for i in x]
y_ticks = range(40)

# 修改x，y轴刻度显示
# plt.xticks(x_ticks_label[::5])  坐标刻度不可以直接通过字符串进行修改
# tick：对号; 钩号; 记号
# plt.xticks(x[::5], x_ticks_label[::5])  # 先修改为数字刻度，之后替换中文刻度
# plt.yticks(y_ticks[::5])
axes[0].set_xticks(x[::5])
axes[0].set_yticks(y[::5])
axes[0].set_xticklabels(x_ticks_label[::5])
axes[1].set_xticks(x[::5])
axes[1].set_yticks以上是关于Python可视化库matplotlib(超详细)的主要内容，如果未能解决你的问题，请参考以下文章 
 Python可视化神器：pyecharts，轻松绘制 30+ 种超实用精美图表！
 Python基础 | 还不会python绘图？两万字博文教你Matplotlib库（超详细总结）
 Python机器学习数据可视化讲解及性别周末与购物间可视化实战（超详细 附源码）
 Python可视化神器——pyecharts的超详细使用指南！
 超详细，Python库 Bokeh 数据可视化实用指南
 Python数据可视化神器——pyecharts的超详细使用指南！

Python可视化库matplotlib(超详细)

超详细Matplotlib笔记

Matplotlib简介

开发环境搭建

为什么要学习Matplotlib

绘制基础

图形绘制流程

认识Matplotlib图像结构

实现基础绘图功能

设置标签文字和线条粗细

解决中文乱码&符号不正常显示

绘制直线

绘制折线图

折线图案例

准备数据并画出初始折线图

添加自定义x,y刻度

添加网格显示

添加描述信息

图像保存

完整代码

在一个坐标系中绘制多个图像

显示图例

多个坐标系实现绘图