Matplotlib常用绘图库(机器学习)

Posted 'or 1 or 不正经の泡泡

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Matplotlib常用绘图库(机器学习)相关的知识,希望对你有一定的参考价值。

文章目录


「这是我参与2022首次更文挑战的第5天,活动详情查看: 2022首次更文挑战
本博文优先在掘金社区发布!

前言

昨天重新开始了机器学习的学习,那么今天对机器学习的相关基础进行准备。

Matplotlib 绘图库

利用这个库我们可以绘制出大量的图片。并且保存,其中包括动态图片,不过这个应该不常用。

绘图流程

首先我们的绘图需要面板,之后我们利用面板进行绘图,最后展示我们的图片。


import matplotlib.pyplot as plt

plt.figure(figsize=(20,8),dpi=50)#画板,比例,像素质量


plt.plot([1,2,3,4,5],[5,8,4,3,5], color='r', linestyle="--") #x,y,颜色,样式

plt.show()#显示,显示之后图片会被释放,所以请在显示之前保存图片

那么这里简单的图片绘制就基本完成了。

那么关于绘图的样式可以参照下图

美化

图片绘制了还不行,我们还需要美化。
例如添加图例,添加坐标。

添加图例:

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_shanghai = [random.uniform(15, 18) for i in x]
# 1.创建画布
plt.figure(figsize=(20, 8), dpi=100)
# 2.绘制图像
plt.plot(x, y_shanghai,label="温度")
# 2.1 添加x,y轴刻度
# 构造x,y轴刻度标签
x_ticks_label = ["11点分".format(i) for i in x]
y_ticks = range(40)
# 刻度显示,还可以显示刻度对应的标签
plt.xticks(x[::5], x_ticks_label[::5])
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
plt.savefig("./test.png")
plt.legend(loc=0)
# 3.图像显示
plt.show()

如果你想要绘制多个折线,那么你只需要再plot即可。

绘制多图

我们还可以创建一个可以划分多个区域的画布,这样就可以绘制多个图像在不同的窗口。

import matplotlib.pyplot as plt
import random
from pylab import mpl
# 0.准备数据
x = range(60)
y_shanghai = [random.uniform(15, 18) for i in x]
y_beijing = [random.uniform(1, 5) for i in x]
# 1.创建画布
# plt.figure(figsize=(20, 8), dpi=100)
fig, axes = plt.subplots(nrows=1, ncols=2, figsize=(20, 8), dpi=100)
# 2.绘制图像
# plt.plot(x, y_shanghai, label="上海")
# plt.plot(x, y_beijing, color="r", linestyle="--", label="北京")
axes[0].plot(x, y_shanghai, label="上海")
axes[1].plot(x, y_beijing, color="r", linestyle="--", label="北京")
# 2.1 添加x,y轴刻度
# 构造x,y轴刻度标签
x_ticks_label = ["11点分".format(i) for i in x]
y_ticks = range(40)
# 刻度显示
# plt.xticks(x[::5], x_ticks_label[::5])
# plt.yticks(y_ticks[::5])
axes[0].set_xticks(x[::5])
axes[0].set_yticks(y_ticks[::5])
axes[0].set_xticklabels(x_ticks_label[::5])
axes[1].set_xticks(x[::5])
axes[1].set_yticks(y_ticks[::5])
axes[1].set_xticklabels(x_ticks_label[::5])
# 2.2 添加网格显示
# plt.grid(True, linestyle="--", alpha=0.5)
axes[0].grid(True, linestyle="--", alpha=0.5)
axes[1].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)
axes[0].set_xlabel("时间")
axes[0].set_ylabel("温度")
axes[0].set_title("中午11点--12点某城市温度变化图", fontsize=20)
axes[1].set_xlabel("时间")
axes[1].set_ylabel("温度")
axes[1].set_title("中午11点--12点某城市温度变化图", fontsize=20)
# # 2.4 图像保存
plt.savefig("./test.png")
# # 2.5 添加图例
# plt.legend(loc=0)
axes[0].legend(loc=0)
axes[1].legend(loc=0)
# 3.图像显示
plt.show()

绘制不同的图像

散点图


x = [225.98, 247.07, 253.14, 457.85, 241.58, 301.01, 20.67, 288.64, 163.56, 120.06, 207.83, 342.75, 147.9 , 53.06, 224.72, 29.51, 21.61, 483.21, 245.25, 399.25, 343.35] y = [196.63, 203.88, 210.75, 372.74, 202.41, 247.61, 24.9 , 239.34, 140.32, 104.15, 176.84, 288.23, 128.79, 49.64, 191.74, 33.1 , 30.74, 400.02, 205.35, 330.64, 283.45] # 1.创建画布 plt.figure(figsize=(20, 8), dpi=100) # 2.绘制散点图 plt.scatter(x, y) # 3.显示图像 plt.show()

柱状图

movie_name = ['雷神3:诸神黄昏','正义联盟','东方快车谋杀案','寻梦环游记','全球风暴','降魔传','追捕','七十七天','密战','狂兽','其它']
# 横坐标
x = range(len(movie_name))
# 票房数据
y = [73853,57767,22354,15969,14839,8725,8716,8318,7916,6764,52222]
# 1.创建画布
plt.figure(figsize=(20, 8), dpi=100)
# 2.绘制柱状图
plt.bar(x, y, width=0.5, color=['b','r','g','y','c','m','y','k','c','g','b'])
# 2.1b修改x轴的刻度显示
plt.xticks(x, movie_name)
# 2.2 添加网格显示
plt.grid(linestyle="--", alpha=0.5)
# 2.3 添加标题
plt.title("电影票房收入对比")
# 3.显示图像
plt.show()

动态绘图

方案一

import matplotlib.pyplot as plt
fig, ax = plt.subplots()
y1 = []
x1 = []
for i in range(50):
    x1.append(i)
    y1.append(i)  # 每迭代一次,将i放入y1中画出来
    ax.cla()   # 清除键
    ax.plot(x1,y1)

    plt.pause(0.1)

这里的话是取了个巧,还有一种方案。

方案二

我们使用

from matplotlib.animation import FuncAnimation
  • fig: 用于显示动态效果的画布,即Figure对象;
  • func: 函数名,重复调用的功能函数;
  • frames: 每一帧数据,通常是可迭代对象,依次取出每一个数据传递给功能函数;
  • init_func: 初始函数,用于执行初始化操作;
  • fargs: 传递给功能函数的额外参数;
  • save_count: 保存计数,默认为100;
  • interval: 重复调用功能函数的间隔时间,单位为毫秒,默认为200;
  • repeat_delay: 动画结束后,重复执行动画的间隔时间,单位为毫秒;
  • repeat: 动画执行结束后,是否重复,默认为True;
  • blit: 是否更新所有点,即更新所有点还是仅更新变化的点,默认为False;
  • cache_frame_data: 是否缓存数据,默认为True;

例如绘制正弦图像


import numpy as np
import matplotlib.pyplot as plt
from matplotlib.animation import FuncAnimation


fig = plt.figure(figsize=(10, 5))  # 创建图
plt.rcParams["font.family"] = "FangSong"  # 支持中文显示
plt.ylim(-12, 12)  # Y轴取值范围
plt.yticks([-12 + 2 * i for i in range(13)], [-12 + 2 * i for i in range(13)])  # Y轴刻度
plt.xlim(0, 2 * np.pi)  # X轴取值范围
plt.xticks([0.5 * i for i in range(14)], [0.5 * i for i in range(14)])  # X轴刻度
plt.title("函数 y = 10 * sin(x) 在[0,2Π]区间的曲线")   # 标题
plt.xlabel("X轴")  # X轴标签
plt.ylabel("Y轴")  # Y轴标签
x, y = [], []  # 用于保存绘图数据,最开始时什么都没有,默认为空


def update(n):  # 更新函数
    x.append(n)  # 添加X轴坐标
    y.append(10 * np.sin(n))  # 添加Y轴坐标
    plt.plot(x, y, "r--")  # 绘制折线图


ani = FuncAnimation(fig, update, frames=np.arange(0, 2 * np.pi, 0.1), interval=50, blit=False, repeat=False)  # 创建动画效果
plt.show()  # 显示图片

基本上常用的就是这些了,不够就再查。

以上是关于Matplotlib常用绘图库(机器学习)的主要内容,如果未能解决你的问题,请参考以下文章

机器学习matplotlib库练习-函数绘图

matplotlib的基础绘图和调整x轴的刻度

Matplotlib 库 : 绘图和可视化

机器学习三剑客之Matplotlib基本操作

数据可视化包Matplotlib

Matplotlib 子图——完全摆脱刻度标签