第92天:Python Matplotlib 进阶操作

Posted keep pure, keep smile

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了第92天:Python Matplotlib 进阶操作相关的知识,希望对你有一定的参考价值。

by 潮汐

本章节主要是 Matplotlib 和 NumPy 实际操作案例讲解,matplotlib 通常与 NumPy 一起使用,提供了一种有效的 MatLab 开源替代方案,除此之外,它还可以和其他图形工具包搭配使用。前提是在现在的环境中已经安装了 Numpy 模块,Numpy 安装详情请参考第 79 天:数据分析之 Numpy 初步

这一节将从简到繁用实例讲解 matplotlib 和 Numpy 结合使用的知识点。

1、折线图

使用 Numpy的函数 np.arange() 函数创建 x 轴上的值。将 y 轴上的对应值存储在另一个数组对象 y 中。 这些值使用 matplotlib 软件包的 pyplot 子模块的 plot() 函数绘制。

实例如下:

# 导入模块
import numpy as np
import matplotlib.pyplot as plt

# 绘制 x 轴数据
x = np.arange(2,15)
y = 3 * x+6

# 给图形设置标题
plt.title(‘line chart‘)
# 设置 x 轴和 y 轴的属性名
plt.xlabel("x axis")
plt.ylabel("y axis")

# 绘制图形
plt.plot(x,y)

# 显示图形
plt.show()

以上程序运行结果图:

技术图片

注意:作为线性图的替代,可以通过向 plot() 函数添加格式字符串来显示离散值,可以使用以下格式化字符,表格如下:

字符 描述
‘-‘ 实线样式
‘--‘ 短横线样式
‘-.‘ 点划线样式
‘:‘ 虚线样式
‘.‘ 点标记
‘,‘ 像素标记
‘o‘ 圆标记
‘v‘ 倒三角标记
‘^‘ 正三角标记
‘<‘ 左三角标记
‘>‘ 右三角标记
‘1‘ 下箭头标记
‘2‘ 上箭头标记
‘3‘ 左箭头标记
‘4‘ 右箭头标记
‘s‘ 正方形标记
‘p‘ 五边形标记
‘*‘ 星形标记
‘h‘ 六边形标记 1
‘H‘ 六边形标记 2
‘+‘ 加号标记
‘x‘ X 标记
‘D‘ 菱形标记
‘d‘ 窄菱形标记
‘|‘ 竖直线标记
‘_‘ 水平线标记

图形显示颜色缩写简写表格如下:

字符 颜色
‘b‘ 蓝色
‘g‘ 绿色
‘r‘ 红色
‘c‘ 青/绿色
‘m‘ 品红色
‘y‘ 黄色
‘k‘ 黑色
‘w‘ 白色
‘o‘ 橙色

2、散点图

使用以上两个表格表示的简化符号画一个绿色散点图,散点使用 ‘o‘表示,,具体实例如下:

# 导入模块
import numpy as np
import matplotlib.pyplot as plt

x = np.arange(2, 15)
y = 2 * x + 6
plt.title("scatter chart")
plt.xlabel("x axis")
plt.ylabel("y axis")

# 设置图形样式和颜色
plt.plot(x, y, "oc")
plt.show()

以上程序运行结果为:

技术图片

例如绘制一个倒三角图形:

# 导入模块
import numpy as np
import matplotlib.pyplot as plt

x = np.arange(2, 15)
y = 2 * x + 6
plt.title("triangle_scatter chart")
plt.xlabel("x axis")
plt.ylabel("y axis")

# 设置图形样式和颜色
plt.plot(x, y, "^c")
plt.show()

显示结果如下:

技术图片

3、正余弦波形图

正弦波形图

正弦波形图的绘制需要用到 Numpy 的数学函数 sin() 和 cos(),详细的数学函数使用请参考 NumPy 系列文章:第 84 天:NumPy 数学函数

import numpy as np
import matplotlib.pyplot as plt

# 计算正弦曲线上点的 x 和 y 坐标
print(np.pi)

# 绘制 x 轴,从 0 开始,
x = np.arange(0, 3 * np.pi,  0.1)
y = np.sin(x)

# 设置标题
plt.title("sine wave form")

# 绘制图形点
plt.plot(x, y, ‘y‘)
plt.show()

显示结果:

技术图片

余弦波形图

import numpy as np
import matplotlib.pyplot as plt

# 计算正弦曲线上点的 x 和 y 坐标
print(np.pi)

# 绘制 x 轴,从 0 开始,
x = np.arange(0, 4 * np.pi,  0.1)
y = np.cos(x)

# 设置标题
plt.title("cosine wave form")

# 绘制图形点
plt.plot(x, y, ‘m‘)
plt.show()

技术图片

正余弦波形图

在一张图中显示出正弦函数和余弦函数,这里需要使用 subplot 来建立网格图,一幅图中使用两个网格,两个网格中分别展示正弦函数和余弦函数;subplot 函数使用说明如下:

matplotlib 中, 一个 Figure 对象可以包含多个子图(Axes), 可以使用 subplot() 快速绘制, 调用形式如下 :

subplot(numRows, numCols, plotNum)

参数说明:

  • 图表的整个绘图区域被分成 numRows 行和 numCols 列
  • 然后按照从左到右,从上到下的顺序对每个子区域进行编号,左上的子区域的编号为1,左下子区域编号为3,右上子区域编号为2,右下子区域编号为 4,当然具体的还要看指定网格的行数和列数而定。
  • plotNum 参数指定创建的 Axes 对象所在的区域

网格编号图如下:

技术图片

假如 numRows = 2, numCols = 3, 那整个绘制图表样式为 2X3 的图片区域, 用坐标表示为

(1, 1), (1, 2), (1, 3)
(2, 1), (2, 2), (2, 3)

再当 plotNum = 3 时, 表示的坐标为(1, 3), 即第一行第三列的子图
如果 numRows, numCols 和 plotNum 这三个数都小于 10 的话, 可以把它们缩写为一个整数, 例如 subplot(323) 和 subplot(3,2,3) 是相同的。

subplot 在 plotNum 指定的区域中创建一个轴对象, 如果新创建的轴和之前创建的轴重叠的话,之前的轴将被删除。

例1:上述网格编号图代码如下

import matplotlib.pyplot as plt

plt.subplot(2,2,1)
plt.xticks([]), plt.yticks([])
plt.text(0.5,0.5, ‘subplot(2,2,1)‘,ha=‘center‘,va=‘center‘,size=20,alpha=.5)

plt.subplot(2,2,2)
plt.xticks([]),plt.yticks([])
plt.text(0.5,0.5, ‘subplot(2,2,2)‘,ha=‘center‘,va=‘center‘,size=20,alpha=.5)

plt.subplot(2,2,3)
plt.xticks([]), plt.yticks([])
plt.text(0.5,0.5, ‘subplot(2,2,3)‘,ha=‘center‘,va=‘center‘,size=20,alpha=.5)

plt.subplot(2,2,4)
plt.xticks([]), plt.yticks([])
plt.text(0.5,0.5, ‘subplot(2,2,4)‘,ha=‘center‘,va=‘center‘,size=20,alpha=.5)

plt.show()

例4:

import matplotlib.pyplot as plt

plt.subplot(211) # 第一行的左图
plt.subplot(212) # 第一行的右图

plt.show()

还可以表示为:

import matplotlib.pyplot as plt

plt.subplot(2,1,1)
#设置 x 和 y 轴上的值
plt.xticks([]), plt.yticks([]) # 表示无显示值
plt.text(0.5,0.5, ‘subplot(2,1,1)‘,ha=‘center‘,va=‘center‘,size=24,alpha=.5)

plt.subplot(2,1,2)
plt.xticks([]), plt.yticks([])
plt.text(0.5,0.5, ‘subplot(2,1,2)‘,ha=‘center‘,va=‘center‘,size=24,alpha=.5)

plt.show()

结果显示:

网格图1:
技术图片

网格图2:

技术图片

所以正余弦函数波形图可以表示为:


# 计算正弦和余弦曲线上的点的 x 和 y 坐标
x = np.arange(0,  3  * np.pi,  0.1)
y_sin = np.sin(x)
y_cos = np.cos(x)

# 建立 subplot 网格,高为 2,宽为 1
# 激活第一个 subplot
plt.subplot(2,  1,  1)
# 绘制第一个图像
plt.plot(x, y_sin)
plt.title(‘Sine‘)

# 将第二个 subplot 激活,并绘制第二个图像
plt.subplot(2,  1,  2)
plt.plot(x, y_cos)
plt.title(‘Cosine‘)

# 展示图像
plt.show()

最后图形展示:

技术图片

4、直方图

直方图也称条形图,pyplot 子模块提供 bar() 函数来生成条形图,下面的实例是一个使用 bar() 函数生成的一个简单的柱状图.
实例如下:

import matplotlib.pyplot as plt

# 设置 x 的 x 轴和 y 轴数值
x = [5,8,10]
y = [12,16,6]

# 设置 x2 的 x 轴和 y 轴数值
x2 = [6,9,11]
y2 = [6,15,7]

# 使用 bar() 函数设置条形图的颜色和对齐方式
plt.bar(x, y,color=‘y‘, align=‘center‘)
plt.bar(x2, y2, color=‘c‘, align=‘center‘)

# 设置标题
plt.title(‘Bar chart‘)
# 设置 x 轴和 y 轴的属性名
plt.ylabel(‘Y axis‘)
plt.xlabel(‘X axis‘)

# 展示图形
plt.show()

程序运行结果为:

技术图片

Matplotlib 结合 NumPy 使用:

这时候需要用到 NumPy 中的直方统计函图:histogram

histogram(a,bins=10,range=None,weights=None,density=False);

参数说明:

  • a 是待统计数据的数组;
  • bins指定统计的区间个数;
  • range是一个长度为2的元组,表示统计范围的最小值和最大值,默认值 None,表示范围由数据的范围决定
  • weights为数组的每个元素指定了权值,histogram()会对区间中数组所对应的权值进行求和
  • densityTrue 时,返回每个区间的概率密度;为 False,返回每个区间中元素的个数

函数说明:

  • numpy.histogram() 函数是数据的频率分布的图形表示。 水平尺寸相等的矩形对应于类间隔,称为 bin,变量 height 对应于频率。
  • numpy.histogram() 函数将输入数组和 bin 作为两个参数。 bin 数组中的连续元素用作每个 bin 的边界。

例如:

import numpy as np

# 赋值数组 a
a = np.array([22, 87, 5, 43, 56, 73, 55, 54, 11, 20, 51, 5, 79, 31, 27])

# 调用函数
np.histogram(a, bins=[0, 20, 40, 60, 80, 100])
hist, bins = np.histogram(a, bins=[0, 20, 40, 60, 80, 100])

# 输出值
print(hist)
print(bins)

输出结果为:

[3 4 5 2 1]
[  0  20  40  60  80 100]

plt()函数使用:

Matplotlib 可以将直方图的数字表示转换为图形。 pyplot 子模块的 plt() 函数将包含数据和 bin 数组的数组作为参数,并转换为直方图,例如:

import numpy as np
import matplotlib.pyplot as plt

# 赋值数组 a
a = np.array([22, 87, 43, 56, 73, 55, 11, 20, 51, 5, 79, 27,100])

# plt() 函数将数据变为直方图
plt.hist(a, bins=[0,20,40,60,80,100])
plt.title("histogram")
# 显示图形
plt.show()

显示结果:

技术图片

5、曲线图

例1:一个简单的曲线图

画出一个简单的曲线图,如下所示:

import matplotlib.pyplot as plt
import numpy as np

n = 256
X = np.linspace(-np.pi,np.pi,n,endpoint=True)
Y = np.sin(2*X)

plt.plot (X, Y+1, color=‘blue‘, alpha=1.00)
plt.plot (X, Y-1, color=‘blue‘, alpha=1.00)

plt.title(‘curve_chart1‘)
plt.show()

结果展示为:

技术图片

例2:升级版的曲线图

import numpy as np
import matplotlib.pyplot as plt

n = 256
X = np.linspace(-np.pi,np.pi,n,endpoint=True)
Y = np.sin(2*X)

plt.plot (X, Y+1, color=‘blue‘, alpha=1.00)
plt.fill_between(X, 1, Y+1, color=‘blue‘, alpha=.25)

plt.plot (X, Y-1, color=‘blue‘, alpha=1.00)

# 设置线条颜色和填充颜色区域
plt.fill_between(X, -1, Y-1, (Y-1) > -1, color=‘blue‘, alpha=.25)
plt.fill_between(X, -1, Y-1, (Y-1) < -1, color=‘red‘,  alpha=.25)

plt.title(‘curve_chart2‘)
plt.show()

结果展示为:

技术图片

总结

本章节是 Matplotlib 结合 NumPy 使用的画图方法,主要介绍了折线图、正余弦波形图、方形图、曲线图的基本画法,同时也详细讲述了子图 subplot的基本使用方法,希望以上知识点能对学习这一模块的伙伴们提供更好支撑,若有任何问题欢迎在交流群中进行交流 ??

参考

https://www.runoob.com/numpy/numpy-matplotlib.html
https://www.runoob.com/w3cnote/matplotlib-tutorial.html
https://matplotlib.org/tutorials/introductory/usage.html#sphx-glr-tutorials-introductory-usage-py

文中示例代码:python-100-days

关注公众号:python技术,回复"python"一起学习交流
技术图片







以上是关于第92天:Python Matplotlib 进阶操作的主要内容,如果未能解决你的问题,请参考以下文章

第91天:Python matplotlib introduction

第91天:Python matplotlib introduction

30天Python入门到进阶——第5天:流程控制

100天精通Python(数据分析篇)——第51天:numpy函数进阶

30天Python入门到进阶——第7天:函数

30天Python入门到进阶——第4天:数据类型(Ⅲ)