Matplotlib基础使用

Posted 2021-03-25 zyyhxbs

matplotlib

一、Matplotlib基础知识

Matplotlib中的基本图表包括的元素

• x轴和y轴 axis
  水平和垂直的轴线

• x轴和y轴刻度 tick
  刻度标示坐标轴的分隔，包括最小刻度和最大刻度

• x轴和y轴刻度标签 tick label
  表示特定坐标轴的值

• 绘图区域（坐标系） axes
  实际绘图的区域

• 坐标系标题 title
  实际绘图的区域

• 轴标签 xlabel ylabel
  实际绘图的区域

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
from pandas import Series,DataFrame

%matplotlib inline   # 魔法指令

包含单条曲线的图

• 注意：y,x轴的值必须为数字

x=[1,2,3,4,5]
y=[2,4,6,8,10]

plt.plot(x,y)

[<matplotlib.lines.Line2D at 0x2f5e4d8f160>]

• 绘制抛物线

x = np.linspace(-np.pi,np.pi,num=10)
y = x**2

plt.plot(x,y)

[<matplotlib.lines.Line2D at 0x2f5e4e35748>]

• 绘制正弦曲线图

x = x
y = np.sin(x)
plt.plot(x,y)

[<matplotlib.lines.Line2D at 0x2f5e4e9ab38>]

包含多个曲线的图

1、连续调用多次plot函数

plt.plot(x,y)
plt.plot(x-1,y+2)

[<matplotlib.lines.Line2D at 0x2f5e4eb78d0>]

plt.plot(x,y,x+1,y-1)

[<matplotlib.lines.Line2D at 0x2f5e51832e8>,
 <matplotlib.lines.Line2D at 0x2f5e51834a8>]

2、也可以在一个plot函数中传入多对X,Y值，在一个图中绘制多个曲线

将多个曲线图绘制在一个table区域中：对象形式创建表图

• a=plt.subplot（row,col,loc） 创建曲线图
• a.plot(x,y) 绘制曲线图

ax1 = plt.subplot(2,2,1)
ax1.plot(x,y)

ax2 = plt.subplot(222)
ax2.plot(x+1,y-2)

ax3 = plt.subplot(223)
ax3.plot(x+3,y-1)

ax4 = plt.subplot(224)
ax4.plot(x**2,y-2)

[<matplotlib.lines.Line2D at 0x2f5e6462208>]

坐标轴界限

axis方法:设置x，y轴刻度值的范围

• plt.axis([xmin,xmax,ymin,ymax])

plt.plot(x,y)
plt.axis([-6,6,-2,2])

[-6, 6, -2, 2]

plt.axis(‘off‘)

• 关闭坐标轴

plt.plot(x,y)
plt.axis('off')

(-3.4557519189487724,
 3.4557519189487724,
 -1.0832885283134288,
 1.083288528313429)

设置画布比例：plt.figure(figsize=(a,b)) a:x刻度比例 b：y刻度比例 （2:1）表示x刻度显示为y刻度显示的2倍

plt.figure(figsize=(16,8))
plt.plot(x,y)

[<matplotlib.lines.Line2D at 0x2f5e63b6400>]

坐标轴标签

• s 标签内容
• color 标签颜色
• fontsize 字体大小

• rotation 旋转角度

• plt的xlabel方法和ylabel方法 title方法

plt.plot(x,y)
plt.xlabel('X')
plt.ylabel('Y')
plt.title('Title')

Text(0.5,1,'Title')

图例

legend方法

两种传参方法：

• 分别在plot函数中增加label参数,再调用plt.legend()方法显示
• 直接在legend方法中传入字符串列表
  

plt.plot(x,y,label='xian_1')
plt.plot(x-1,y+3,label='xian_2')
plt.legend()

<matplotlib.legend.Legend at 0x2f5e66057b8>

legend的参数

• loc参数
• loc参数用于设置图例标签的位置，一般在legend函数内
• matplotlib已经预定义好几种数字表示的位置

plt.plot(x,y,label='xian_1')
plt.plot(x-1,y+3,label='xian_2')
plt.legend(loc=3)

<matplotlib.legend.Legend at 0x2f5e68f6c88>

字符串	数值	字符串	数值
best	0	center left	6
upper right	1	center right	7
upper left	2	lower center	8
lower left	3	upper center	9
lower right	4	center	10
right	5

• ncol参数: ncol控制图例中有几列,在legend中设置ncol

plt.plot(x,y,label='xian_1')
plt.plot(x-1,y+3,label='xian_2')
plt.legend(loc=3,ncol=2)

<matplotlib.legend.Legend at 0x2f5e6ab4a90>

保存图片

使用figure对象的savefig函数来保存图片

fig = plt.figure()---必须放置在绘图操作之前

figure.savefig的参数选项

• filename
  含有文件路径的字符串或Python的文件型对象。图像格式由文件扩展名推断得出，例如，.pdf推断出PDF，.png推断出PNG
  （“png”、“pdf”、“svg”、“ps”、“eps”……）
• dpi
  图像分辨率（每英寸点数），默认为100
• facecolor ，打开保存图片查看
  图像的背景色，默认为“w”（白色）

fig = plt.figure()

plt.plot(x,y,label='temp')
plt.plot(x-1,y+3,label='dist')
plt.legend(loc=3,ncol=2)

fig.savefig('./123.png',dpi=300)

设置plot的风格和样式

plot语句中支持除X,Y以外的参数，以字符串形式存在，来控制颜色、线型、点型等要素，语法形式为：
plt.plot(X, Y, ‘format‘, ...)

颜色

参数color或c

plt.plot(x,y,c='red',alpha=0.5,ls='steps',lw=3)

[<matplotlib.lines.Line2D at 0x2f5e6a4c668>]

颜色值的方式

• 别名
  • color=‘r‘

• 合法的html颜色名

  • color = ‘red‘

颜色	别名	HTML颜色名	颜色	别名	HTML颜色名
蓝色	b	blue	绿色	g	green
红色	r	red	黄色	y	yellow
青色	c	cyan	黑色	k	black
洋红色	m	magenta	白色	w	white

• HTML十六进制字符串
  • color = ‘#eeefff‘
• 归一化到[0, 1]的RGB元组
  • color = (0.3, 0.3, 0.4)

透明度

alpha参数

线型

参数linestyle或ls

线条风格	描述	线条风格	描述
‘-‘	实线	‘:‘	虚线
‘--‘	破折线	‘steps‘	阶梯线
‘-.‘	点划线	‘None‘ / ‘，‘	什么都不画

线宽

linewidth或lw参数

点型

• marker 设置点形
• markersize 设置点形大小

标记	描述	标记	描述
‘s‘	正方形	‘p‘	五边形
‘h‘	六边形1	‘H‘	六边形2
‘8‘	八边形

标记	描述	标记	描述
‘.‘	点	‘x‘	X
‘*‘	星号	‘+‘	加号
‘,‘	像素

标记	描述	标记	描述
‘o‘	圆圈	‘D‘	菱形
‘d‘	小菱形	‘‘,‘None‘,‘ ‘,None	无

标记	描述	标记	描述
‘1‘	一角朝下的三脚架	‘3‘	一角朝左的三脚架
‘2‘	一角朝上的三脚架	‘4‘	一角朝右的三脚架

plt.plot(x,y,marker='s')

[<matplotlib.lines.Line2D at 0x2f5e6b87dd8>]

# 绘制线      plt.plot(x1,y1,x2,y2)
# 网格线      plt.grid(True)  axes.grid(color,ls,lw,alpha)
# 获取坐标系  plt.subplot(n1,n2,n3)
# 坐标轴标签  plt.xlabel() plt.ylabel()
# 坐标系标题  plt.title()
# 图例        plt.legend([names],ncol=2,loc=1)  plt.plot(label='name')
# 线风格      --  -. : None  step
# 图片保存    figure.savefig()
# 点的设置    marker markersize markerfacecolor markeredgecolorwidth
# 坐标轴刻度  plt.xticks(刻度列表，刻度标签列表) plt.yticks()
#             axes.set_xticks(刻度列表) axes.set_xticklabels(刻度标签列表)

二、2D图形

直方图

• 是一个特殊的柱状图，又叫做密度图。

【直方图的参数只有一个x！！！不像条形图需要传入x,y】

plt.hist()的参数

• bins
  直方图的柱数，可选项，默认为10
• color
  指定直方图的颜色。可以是单一颜色值或颜色的序列。如果指定了多个数据集合,例如DataFrame对象，颜色序列将会设置为相同的顺序。如果未指定，将会使用一个默认的线条颜色
• orientation
  通过设置orientation为horizontal创建水平直方图。默认值为vertical

data = [1,2,3,3,4,2,5]
plt.hist(data,bins=10)

(array([1., 0., 2., 0., 0., 2., 0., 1., 0., 1.]),
 array([1. , 1.4, 1.8, 2.2, 2.6, 3. , 3.4, 3.8, 4.2, 4.6, 5. ]),
 <a list of 10 Patch objects>)

返回值 ：

1: 直方图向量，是否归一化由参数normed设定

2: 返回各个bin的区间范围

3: 返回每个bin里面包含的数据，是一个list

条形图：plt.bar()

• 参数：第一个参数是索引。第二个参数是数据值。第三个参数是条形的宽度

-【条形图有两个参数x,y】

• width 纵向设置条形宽度
• height 横向设置条形高度

bar()、barh()

x = [1,2,3,4,5]
y = [2,4,6,8,10]
plt.bar(x,y)

<Container object of 5 artists>

plt.barh(x,y)

<Container object of 5 artists>

饼图

【饼图也只有一个参数x】

pie()
饼图适合展示各部分占总体的比例，条形图适合比较各部分的大小

普通各部分占满饼图

plt.pie([1,3,5])

([<matplotlib.patches.Wedge at 0x2f5e6d46198>,
  <matplotlib.patches.Wedge at 0x2f5e6d46668>,
  <matplotlib.patches.Wedge at 0x2f5e6d46ba8>],
 [Text(1.03366,0.376222,''),
  Text(-0.191013,1.08329,''),
  Text(-0.191013,-1.08329,'')])

普通未占满饼图：小数/比例

plt.pie([0.2,0.3,0.4])

([<matplotlib.patches.Wedge at 0x2f5e6d8d6d8>,
  <matplotlib.patches.Wedge at 0x2f5e6d8dba8>,
  <matplotlib.patches.Wedge at 0x2f5e6d95128>],
 [Text(0.889919,0.646564,''),
  Text(-0.646564,0.889919,''),
  Text(-0.339919,-1.04616,'')])

饼图阴影、分裂等属性设置

labels参数设置每一块的标签；

labeldistance参数设置标签距离圆心的距离（比例值）

autopct参数设置比例值小数保留位(%.3f%%)；

pctdistance参数设置比例值文字距离圆心的距离

explode参数设置每一块顶点距圆心的长度（比例值,列表）；

colors参数设置每一块的颜色（列表）；

shadow参数为布尔值，设置是否绘制阴影

startangle参数设置饼图起始角度

arr=[11,22,31,15]
plt.pie(arr,labels=['a','b','c','d'])

([<matplotlib.patches.Wedge at 0x2f5e7da2f28>,
  <matplotlib.patches.Wedge at 0x2f5e7daa438>,
  <matplotlib.patches.Wedge at 0x2f5e7daa978>,
  <matplotlib.patches.Wedge at 0x2f5e7daaeb8>],
 [Text(0.996424,0.465981,'a'),
  Text(-0.195798,1.08243,'b'),
  Text(-0.830021,-0.721848,'c'),
  Text(0.910034,-0.61793,'d')])

# labeldistance参数设置标签距离圆心的距离（比例值）
arr=[11,22,31,15]
plt.pie(arr,labels=['a','b','c','d'],labeldistance=0.3)

([<matplotlib.patches.Wedge at 0x2f5e7dedb38>,
  <matplotlib.patches.Wedge at 0x2f5e7dedf98>,
  <matplotlib.patches.Wedge at 0x2f5e7df7518>,
  <matplotlib.patches.Wedge at 0x2f5e7df7a58>],
 [Text(0.271752,0.127086,'a'),
  Text(-0.0533994,0.295209,'b'),
  Text(-0.226369,-0.196868,'c'),
  Text(0.248191,-0.168526,'d')])

# autopct参数设置比例值小数保留位(%.3f%%)；
arr=[11,22,31,15]
plt.pie(arr,labels=['a','b','c','d'],labeldistance=0.3,autopct='%.5f%%')

([<matplotlib.patches.Wedge at 0x2f5e7e3f668>,
  <matplotlib.patches.Wedge at 0x2f5e7e3fd68>,
  <matplotlib.patches.Wedge at 0x2f5e7e47518>,
  <matplotlib.patches.Wedge at 0x2f5e7e47c88>],
 [Text(0.271752,0.127086,'a'),
  Text(-0.0533994,0.295209,'b'),
  Text(-0.226369,-0.196868,'c'),
  Text(0.248191,-0.168526,'d')],
 [Text(0.543504,0.254171,'13.92405%'),
  Text(-0.106799,0.590419,'27.84810%'),
  Text(-0.452739,-0.393735,'39.24051%'),
  Text(0.496382,-0.337053,'18.98734%')])

# explode参数设置每一块顶点距圆心的长度（比例值,列表）；
arr=[11,22,31,15]
plt.pie(arr,labels=['a','b','c','d'],labeldistance=0.3,shadow=True,explode=[0.2,0.3,0.2,0.4])

([<matplotlib.patches.Wedge at 0x2f5e7e8ca90>,
  <matplotlib.patches.Wedge at 0x2f5e7e95240>,
  <matplotlib.patches.Wedge at 0x2f5e7e95a58>,
  <matplotlib.patches.Wedge at 0x2f5e7e9d2b0>],
 [Text(0.45292,0.21181,'a'),
  Text(-0.106799,0.590419,'b'),
  Text(-0.377282,-0.328113,'c'),
  Text(0.579113,-0.393228,'d')])

%m.nf
m 占位
n 小数点后保留几位
f 是以float格式输出

散点图：因变量随自变量而变化的大致趋势

【散点图需要两个参数x,y，但此时x不是表示x轴的刻度，而是每个点的横坐标！】

scatter()

plt.scatter(x,y)

<matplotlib.collections.PathCollection at 0x2f5e7edbe10>

plt.scatter(x,y,marker=‘d‘,c="rbgy") 设置不同的散点颜色

x = np.random.random(size=(30,))
y = np.random.random(size=(30,))
plt.scatter(x,y)

<matplotlib.collections.PathCollection at 0x2f5e7f519e8>