Python库-Matplotlib

Posted 傅余生

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库-Matplotlib相关的知识,希望对你有一定的参考价值。

Matplotlib官网https://matplotlib.org,Matplotlib是一个Python的2D绘图库。

可视化是整个数据分析的关键辅助工具,可以清晰的理解数据。

 

折线图(用于显示数据(数值型)的变化趋势,反应事物的变化情况)

简单实现

import matplotlib.pyplot as plt #导入模块
plt.plot([1,0,9],[4,5,6]) #.plot(x,y)绘制折线图的方法
plt.show() #显示图形

 

 

 

修改折线外观

from matplotlib import pyplot as plt
x = range(1,8)
y = [17,17,18,15,11,11,13]
plt.plot(x,y,color = \'red\',alpha = 0.5,linestyle = \'--\',linewidth = 3,marker = \'*\') 
#.plot()方法绘制折线图 color修改颜色 alpha参数修改透明度(0,1) linewidth 改变线宽 linestyle 线的样式 marker改变折点样式
plt.show()

 

 

 

 

设置图片大小和保存图片(.figure()方法设置图片大小及分辨率,.savefig()方法保存图片)

from matplotlib import pyplot as plt
import random

x = range(2,26,2)
y = [random.randint(15,30) for i in x]

#.figure()方法设置图片大小和分辨率
plt.figure(figsize = (20,8),dpi = 80)#figsize代表图片大小 单位英寸 dpi代表每一英寸上的像素点
plt.plot(x,y)
#绘制完成之后进行保存
plt.savefig(\'保存的路径\')
plt.show() #show方法位于.savefig方法后

 

绘制x y轴刻度(通过.xticks(参数1,参数2)及.yticks(参数1,参数2)方法绘制xy轴刻度,参数1代表范围,参数2代表刻度格式)

from matplotlib import pyplot as plt
import random

x = range(2,26,1)
y = [random.randint(15,30) for i in x]
plt.figure(figsize = (20,8),dpi = 80)

#设置x y 值刻度
xticks_lable = ["{}:00".format(i) for i in range(24)]
plt.xticks(x,xticks_lable,rotation = 45) 
#x代表有多少刻度值 xticks_lable代表每个刻度上的值 rotation倾斜度数
yticks_lable = ["{}C".format(i) for i in range(min(y),max(y)+1)]
plt.yticks(range(min(y),max(y)+1),yticks_lable)

\'\'\'
plt.xticks(x)
plt.yticks(y)
\'\'\'
plt.plot(x,y)
plt.show()

 

 

一图多线及中文显示

x = range(0,120)
y1 = [random.randint(10,30) for i in x]
y2 = [random.randint(10,30) for i in x]

plt.figure(figsize = (20,8),dpi = 80)
plt.plot(x,y1,linewidth = 3,label = \'自己\')
plt.plot(x,y2,linewidth = 3,linestyle = \'--\',label = \'朋友\')
#解决中文显示
from matplotlib import font_manager
my_font = font_manager.FontProperties(fname = \'/System/Library/Fonts/PingFang.ttc\',size = 18)

plt.xlabel(\'时间\',fontproperties = my_font)#.xlabel()添加x轴说明
plt.xlabel(\'次数\',fontproperties = my_font)
plt.title(\'每分钟变化数\',fontproperties = my_font,color = \'red\') #图片名称

plt.grid(alpha = 0.4) #添加网格
plt.legend(prop = my_font,loc = \'lower left\') #添加图例
plt.show()

 设置坐标轴范围

import matplotlib.pyplot as plt
import numpy as np

x = np.arange(-10,11,1)
y = x ** 2

plt.plot(x,y)
plt.xlim([-5,5])#调节x轴左右的显示范围
#plt.xlim(xmin = -4)#调节x轴左边最小值
#plt.xlim(xmax = 5)#调节x轴右边最大值
#plt.ylim(ymin = 0)#调节y轴最小值
plt.show()

 

 

改变坐标轴的显示方式

import matplotlib.pyplot as plt
import numpy as np

y = range(0,14,2)
x = [-3,-2,-1,0,1,2,3]

ax = plt.gca()
#设置上下左右四个框线的颜色
ax.spines[\'right\'].set_color(\'none\')
ax.spines[\'top\'].set_color(\'none\')
ax.spines[\'left\'].set_color(\'red\')
ax.spines[\'bottom\'].set_color(\'blue\')
#设置框线位置
ax.spines[\'bottom\'].set_position((\'data\',0))
ax.spines[\'left\'].set_position((\'data\',0))


plt.plot(x,y)
plt.show()

 

 

 

散点图(显示分布规律,判读变量之间是否存在关联趋势)

from matplotlib import pyplot as plt

from matplotlib import font_manager

y = [11,17,16,11,12,11,12,6,6,7,8,9,12,15,14,17,18,21,16,17,20,14,15,15,15,19,21,22,22,22,23]

x = range(1,32)


# 设置图形大小

plt.figure(figsize=(20,8),dpi=80)

# 使用scatter绘制散点图

plt.scatter(x,y,label= \'3月份\')

# 调整x轴的刻度

my_font = font_manager.FontProperties(fname=\'/System/Library/Fonts/PingFang.ttc\',size=10)
_xticks_labels = [\'3月{}日\'.format(i) for i in x] plt.xticks(x[::3],_xticks_labels[::3],fontproperties=my_font,rotation=45) #修改刻度 plt.xlabel(\'日期\',fontproperties=my_font) plt.ylabel(\'温度\',fontproperties=my_font) # 图例 plt.legend(prop=my_font) plt.show()

 

 

 

条形图(绘制离散的数据,比较数据(类别数据)之间差别)

纵向条形图

from matplotlib import pyplot as plt

from matplotlib import font_manager

a = [\'流浪地球\',\'疯狂的外星人\',\'飞驰人生\',\'大黄蜂\',\'熊出没·原始时代\',\'新喜剧之王\']

b = [\'38.13\',\'19.85\',\'14.89\',\'11.36\',\'6.47\',\'5.93\']

# b =[38.13,19.85,14.89,11.36,6.47,5.93]

my_font = font_manager.FontProperties(fname=\'/System/Library/Fonts/PingFang.ttc\',size=10)
 
plt.figure(figsize=(20,8),dpi=80)

# 绘制条形图.bar

rects = plt.bar(range(len(a)),[float(i) for i in b],width=0.3,color= \'red\') #返回包含每个条形的可跌代对象 width设置条形的宽度

plt.xticks(range(len(a)),a,fontproperties=my_font) #设置x轴刻度格式

plt.yticks(range(0,41,5),range(0,41,5))
 
# 在条形图上加标注(水平居中)

for rect in rects:
    height = rect.get_height() #获取条形的高度
    plt.text(rect.get_x() + rect.get_width() / 2, height+0.3, str(height),ha="center")

plt.show()

 

 

并列及罗列条形图

import matplotlib.pyplot as plt
import numpy as np
index = np.arange(4) BJ = [50,55,53,60] Sh = [44,66,55,41] # 并列 plt.bar(index,BJ,width=0.3) plt.bar(index+0.3,Sh,width=0.3,color=\'green\') plt.xticks(index+0.3/2,index) # 罗列 # plt.bar(index,Sh,bottom=BJ,width=0.3,color=\'green\') plt.show()

 

 

 

 

 

直方图(与条形图相似,绘制连续性的数据展示和数据的分布情况)

# 绘制直方图

# 设置组距

distance = 2

# 计算组数

group_num = int((max(time) - min(time)) / distance)

# 绘制直方图

plt.hist(time, bins=group_num) #.hist方法绘制直方图,参数1为数据,参数2为组数

 

饼状图(不同分类的占比情况)

import matplotlib.pyplot as plt
import matplotlib
from matplotlib import font_manager
my_font = font_manager.FontProperties(fname=\'/System/Library/Fonts/PingFang.ttc\',size=10)

label_list = ["第一部分", "第二部分", "第三部分"] # 各部分标签
size = [55, 35, 10] # 各部分大小
color = ["red", "green", "blue"] # 各部分颜色
explode = [0, 0.05, 0] # 各部分突出值
"""
绘制饼图
explode:设置各部分突出
label:设置各部分标签
labeldistance:设置标签文本距圆心位置,1.1表示1.1倍半径
autopct:设置圆里面文本
shadow:设置是否有阴影
startangle:起始角度,默认从0开始逆时针转
pctdistance:设置圆内文本距圆心距离
返回值
l_text:圆内部文本,matplotlib.text.Text object
p_text:圆外部文本
"""

#.pie绘制饼状图,返回一个元组对象 patches, l_text, p_text = plt.pie(size, explode=explode, colors=color, labels=label_list, labeldistance=1.1, autopct="%1.1f%%", shadow=False, startangle=90, pctdistance=0.6) for t in l_text: t.set_fontproperties(my_font) plt.legend(prop=my_font) plt.legend() plt.show()

 

2020-03-22 16:58

 

以上是关于Python库-Matplotlib的主要内容,如果未能解决你的问题,请参考以下文章

一个Python函数解决散点图绘制——Matplotlib库示例

一个Python函数解决散点图绘制——Matplotlib库示例

一个Python函数解决各样式折线图绘制——Matplotlib库示例

一个Python函数解决各样式折线图绘制——Matplotlib库示例

Python数据可视化库-Matplotlib

Python可视化库matplotlib(超详细)