（数据分析三板斧）第三斧Matplotlib-第二节：以绘制折线图为例讲解Matplotlib绘图

Posted 快乐江湖

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（数据分析三板斧）第三斧Matplotlib-第二节：以绘制折线图为例讲解Matplotlib绘图相关的知识，希望对你有一定的参考价值。

文章目录

本节以绘制如下折线图为例，讲解在Matplotlib中如何绘图，其他类型的图与折线图差别不大。Matplotlib内容相当多，不要奢望能全部学完，下面所讲的内容可以说基本够用了，有其他需求时可以自行查阅Matplotlib官网

一：折线图绘制及保存图片（容器层）

（1）matplotlib.pyplot模块

matplotlib.pyplot包含了一系列类似于MATLAB的画图函数，作用于当前图形（Figure）的当前坐标系（Axes）

import matplotlib.pyplot as plt

（2）折线图的绘制及显示

Matplotlib绘制任何图像都遵从以下三步

  • 创建画布
  • 绘制图像
  • 显示图像

举例如下，下图显示的是某地一周内的天气变化情况

import matplotlib.pyplot as plt  # 导入


plt.figure()  # 创建新画布
plt.plot([1, 2, 3, 4, 5, 6, 7], [23, 24, 23, 27, 27, 32, 31])  # 绘图
plt.show()  # 显示

（3）设置画布属性

可以通过plt.figure(设置画布属性，用法如下

figure(num=None, figsize=None, dpi=None, facecolor=None, edgecolor=None, frameon=True)
  • num：表示图像编号或名称；其中数字为编号 ，字符串为名称
  • figsize：指定figure的宽和高，单位为英寸
  • dpi：指定绘图对象的分辨率，即每英寸多少个像素，缺省值为80
  • facecolor：背景颜色
  • edgecolor：边框颜色
  • frameon：是否显示边框
plt.figure(figsize=(20, 8), dpi=80, facecolor='red')  # 创建新画布
plt.plot([1, 2, 3, 4, 5, 6, 7], [23, 24, 23, 27, 27, 32, 31])  # 绘制折线图
plt.savefig(r"C:\\Users\\zhangxing\\Desktop\\test.png")
plt.show()  # 显示

（4）保存图片

使用plt.savefig()保存图片

plt.figure()  # 创建新画布
plt.plot([1, 2, 3, 4, 5, 6, 7], [23, 24, 23, 27, 27, 32, 31])  # 绘制折线图
plt.savefig(r"C:\\Users\\zhangxing\\Desktop\\test.png")
plt.show()  # 显示

二：折线图完善1（辅助显示层）

对于上面的折线图，现在要求：显示该城市某天11-12时内每分钟的温度变化情况。数据可以这样生成

x_minute = range(60)
y_temp = [random.uniform(15, 18) for i in x_minute]

绘制如下

import matplotlib.pyplot as plt  # 导入
import random

#  数据
x_minute = range(60)
y_temp = [random.uniform(15, 18) for i in x_minute]

# 绘图
plt.figure(figsize=(15, 6), dpi=80)
plt.plot(x_minute, y_temp)
plt.show()

（1）设置x、y轴刻度

上图的x、y轴刻度显示的有些不合理，这会导致最终图像显示的巨大差异，可以借助xticks()和yticks()进行设定

以xticks()为例，它有三个参数

xticks(locs, [labels], **kwargs)
  • locs：是数组参数，用于设置X轴刻度间隔；例如你希望刻度显示为(0,2,4,6,8)，那就可以写range(0, 10, 2)
  • [labels]：是数组参数，用于设置每个间隔的显示标签
  • kwargs：是关键字参数，用于设置标签字体倾斜度和颜色等外观属性

例如将上图x，y轴的间隔设置为5

import matplotlib.pyplot as plt  # 导入
import random

#  数据
x_minute = range(60)
y_temp = [random.uniform(15, 18) for i in x_minute]

# 绘图
plt.figure(figsize=(15, 6), dpi=80)
plt.plot(x_minute, y_temp)

# 修改刻度
plt.xticks(range(0, 60, 5))
plt.yticks(range(0, 40, 5))
plt.show()

x轴刻度直接显示数组并不合理，现在需要将其转化为为**11点()**分的形式，方法如下

  • 注意：matplotlib无法正常显示中文，所以需要下载SimHei(点击跳转下载)，然后在代码进行设定（如下）
import matplotlib.pyplot as plt  # 导入
import random
plt.rcParams['font.sans-serif'] = ['SimHei']   # 用来正常显示中文标签
plt.rcParams['axes.unicode_minus'] = False   # 用来正常显示负号

#  数据
x_minute = range(60)
y_temp = [random.uniform(15, 18) for i in x_minute]

# 绘图
plt.figure(figsize=(15, 6), dpi=80)
plt.plot(x_minute, y_temp)

# 修改刻度
x_label = ["11点分".format(i) for i in x_minute]  # 显示标签
plt.xticks(range(0, 60, 5), x_label[::5])  # 特别注意标签的步长也要一直
plt.yticks(range(0, 40, 5))


plt.show()

如果希望它倾斜一定角度和更改颜色，方法如下

import matplotlib.pyplot as plt  # 导入
import random
plt.rcParams['font.sans-serif'] = ['SimHei']   # 用来正常显示中文标签
plt.rcParams['axes.unicode_minus'] = False   # 用来正常显示负号

#  数据
x_minute = range(60)
y_temp = [random.uniform(15, 18) for i in x_minute]

# 绘图
plt.figure(figsize=(15, 6), dpi=80)
plt.plot(x_minute, y_temp)

# 修改刻度
x_label = ["11点分".format(i) for i in x_minute]  # 显示标签
plt.xticks(range(0, 60, 5), x_label[::5], color='red', rotation = 60)  # 特别注意标签的步长也要一直
plt.yticks(range(0, 40, 5))


plt.show()

（2）添加网格显示

使用plt.grid()以显示网格

import matplotlib.pyplot as plt  # 导入
import random
plt.rcParams['font.sans-serif'] = ['SimHei']   # 用来正常显示中文标签
plt.rcParams['axes.unicode_minus'] = False   # 用来正常显示负号

#  数据
x_minute = range(60)
y_temp = [random.uniform(15, 18) for i in x_minute]

# 绘图
plt.figure(figsize=(15, 6), dpi=80)
plt.plot(x_minute, y_temp)

# 修改刻度
x_label = ["11点分".format(i) for i in x_minute]  # 显示标签
plt.xticks(range(0, 60, 5), x_label[::5], color='red', rotation=60)  # 特别注意标签的步长也要一直
plt.yticks(range(0, 40, 5))

# 显示网格
plt.grid(True, linestyle='--', alpha=0.5, color='red')


plt.show()
  • alpha：透明度

（3）添加描述信息

使用plt.xlabel()和plt.ylabel()增加坐标轴描述信息

import matplotlib.pyplot as plt  # 导入
import random
plt.rcParams['font.sans-serif'] = ['SimHei']   # 用来正常显示中文标签
plt.rcParams['axes.unicode_minus'] = False   # 用来正常显示负号

#  数据
x_minute = range(60)
y_temp = [random.uniform(15, 18) for i in x_minute]

# 绘图
plt.figure(figsize=(15, 6), dpi=80)
plt.plot(x_minute, y_temp)

# 修改刻度
x_label = ["11点分".format(i) for i in x_minute]  # 显示标签
plt.xticks(range(0, 60, 5), x_label[::5], color='red', rotation=60)  # 特别注意标签的步长也要一直
plt.yticks(range(0, 40, 5))

# 显示网格
plt.grid(True, linestyle='--', alpha=0.5, color='red')

# 增加坐标轴描述信息
plt.xlabel("时间")
plt.ylabel("温度")
plt.title("某地11时-12时温度变化情况")


plt.show()

三：折线图完善2（图像层）

（1）plt.plot()细谈

plt.plot()这个函数我们打交道的次数会非常多，因为它涉及的是图像层面的修改，格式如下

plt.plot(x, y, format_string, **kwargs)
  • x：x轴数据，列表或数组，可选
  • y：y轴数据，列表或数组
  • format_string（关键字参数）：控制曲线的格式字符串，可选，由颜色字符、风格字符和标记字符组成（注意可以一次性在一个字符串内输入）
  • **kwargs：第二组或更多；(x, y, format_string)为一组，可以输入多组

关键字参数中常用关键字如下

  • color：控制颜色
  • linestyle：控制线条风格
  • marker：控制标记风格
  • markerfacecolor：控制标记颜色
  • markersize：控制标记尺寸

相应颜色字符、标记字符等符号如下

例如上图修改线条为绿色虚线星型标记

plt.plot(x_minute, y_temp, 'g:*')

（2）在本图上再添加一组或多组数据

现在需要添加另外一个地方的相同时间内的温度变化情况，范围为1~3℃，数据如下

y_temp2 = [random.uniform(1, 3) for j in x_minute]

代码如下

import matplotlib.pyplot as plt  # 导入
import random
plt.rcParams['font.sans-serif'] = ['SimHei']   # 用来正常显示中文标签
plt.rcParams['axes.unicode_minus'] = False   # 用来正常显示负号

#  数据
x_minute = range(60)  # 时间变化情况
y_temp = [random.uniform(15, 18) for i in x_minute]  # 地点1
y_temp2 = [random.uniform(1, 3) for j in x_minute]   # 地点2

# 创建画布
plt.figure(figsize=(15, 6), dpi=80)

# 绘制图像
plt.plot(x_minute, y_temp, 'b:*', x_minute, y_temp2, 'y-s')  # 地点1和地点2


# 修改刻度
x_label = ["11点分".format(i) for i in x_minute]  # 显示标签
plt.xticks(range(0, 60, 5), x_label[::5], color='red', rotation=60)  # 特别注意标签的步长也要一致
plt.yticks(range(0, 40, 5))

# 显示网格
plt.grid(True, linestyle='--', alpha=0.5, color='red')

# 增加坐标轴描述信息
plt.xlabel("时间")
plt.ylabel("温度")
plt.title("某地11时-12时温度变化情况")


plt.show()

其中的绘图还可以这样写

plt.plot(x_minute, y_temp, 'b:*') 
plt.plot(x_minute, y_temp2, 'y-s')

（3）添加图例

现在这张图已经有两组数据了，所以需要用图例进行区分，设置图例步骤如下

  • 首先在plt.plot()中设定图例标签（也就是图例名字）
  • 调用plt.legend()显示图例
import matplotlib.pyplot as plt  # 导入
import random
plt.rcParams['font.sans-serif'] = ['SimHei']   # 用来正常显示中文标签
plt.rcParams['axes.unicode_minus'] = False   # 用来正常显示负号

#  数据
x_minute = range(60)  # 时间变化情况
y_temp = [random.uniform(15, 18) for i in x_minute]  # 地点1
y_temp2 = [random.uniform(1, 3) for j in x_minute]   # 地点2

# 创建画布
plt.figure(figsize=(15, 6), dpi=80)

# 绘制图像
plt.plot(x_minute, y_temp, 'b:*', label='A地')  # 地点1
plt.plot(x_minute, y_temp2, 'y-s', label='B地')  # 地点1

# 修改刻度
x_label = ["11点分".format(i) for i in x_minute]  # 显示标签
plt.xticks(range(0, 60, 5), x_label[::5], color='red', rotation=60)  # 特别注意标签的步长也要一致
plt.yticks(range(0, 40, 5))

# 显示网格
plt.grid(True, linestyle='--', alpha=0.3, color='red')

# 显示图例
plt.legend()

# 增加坐标轴描述信息
plt.xlabel("时间")
plt.ylabel("温度")
plt.title("两地11时-12时温度变化情况")


plt.show()

plt.legend()中有很多参数可以设定，以下参数用的比较多（具体用法可以自己查）

  • loc：设置图例的位置
  • frameon：是否显示图例边框
  • edgecolor：图例边框颜色
  • facecolor：图例背景颜色
plt.legend(loc='upper left', frameon=False)

四：多个绘图区域（面向对象绘图方法）

前面画图时针对的都是一张图，即便有多组数据，也还是在一张图上绘制。如果现在我们要求上面的两组数据分别绘制在不同的图上，那应该怎么做呢？其实这反映的就是面向对象思想的绘图方法，因为只要一张图绘制好了，其他图只需要参照此模板即可。这里推荐使用 subplots()函数完成

subplots() 函数可以一次生成多张图，格式如下

subplots(nrows=1, ncols=1, *, sharex=False, sharey=False, squeeze=True, subplot_kw=None, gridspec_kw=None, **fig_kw)
  • nrows：默认为1；设置图表的行数
  • ncols：默认为1；设置图表的列数

它有两种返回值

  • figure：图对象
  • axes：用于设置坐标轴（set_xticks、set_yticks、set_xlabel、set_ylabel）

代码如下，与绘制单图有所区别，具体体现在方法名字不同，且需要用axes[0]或axes[1]指定应该设置哪个图的坐标轴

  • plt.plot要改为axes[0].plot和axes[1].plot
  • plt.xticks要改为axes[0].set_xticks和axes[0].set_yticks
  • plt.xlabel要改为axes[0].set_xlabel
  • 其余像网格、图例都要自己设定自己的
  • 如果无法正确执行，可能是方法没有写对，可以查阅官方文档Matplotlib文档
import matplotlib.pyplot as plt  # 导入
import random
plt.rcParams['font.sans-serif'] = ['SimHei']   # 用来正常显示中文标签
plt.rcParams['axes.unicode_minus'] = False   # 用来正常显示负号


#  数据
x_minute = range(60)  # 时间变化情况
y_temp = [random.uniform(15, 18) for i in x_minute]  # 地点1
y_temp2 = [random.uniform(1, 3) for j in x_minute]  # 地点2

# 设置绘图区
figure, axes = plt.subplots(nrows=1, ncols=2, figsize=(15, 6), dpi=80)

# 绘制图像
axes[0].
以上是关于（数据分析三板斧）第三斧Matplotlib-第二节：以绘制折线图为例讲解Matplotlib绘图的主要内容，如果未能解决你的问题，请参考以下文章
 

 （数据分析三板斧）第三斧Matplotlib-第三节：其他图形绘制


 （数据分析三板斧）第一斧Numpy-第三节：索引和切片


 （数据分析三板斧）第一斧Numpy-第三节：索引和切片再练习


 （数据分析三板斧）第二斧Pandas-第二节：Pandas基本数据操作与运算


 （数据分析三板斧）第二斧Pandas-第一节：Pandas了解


 （数据分析三板斧）第一斧Numpy-第二节：生成数组数组属性和切片