Python學習筆記：Matplotlib（數據可視化）

時間 2019-12-14

標籤 python 學習筆記 matplotlib 數據可視化欄目 Python 简体版

原文原文鏈接

Matplotlib是一個能夠將數據繪製爲圖形表示的Python三方庫，包括線性圖（折線圖，函數圖）、柱形圖、餅圖等基礎而直觀的圖形，在日常的開發當中須要繪圖時就很是有用了。html

安裝：pip install matplotlib或者下載安裝https://pypi.org/project/matplotlib/#files數組

demo效果圖：https://matplotlib.org/gallery.html，這裏有許多效果圖，點擊對應的圖片就能看到源碼和生成的圖形，畫圖時能夠看看這裏有沒有本身想要的效果圖。dom

API文檔：Matplotlib的代碼是子文檔的，能夠直接在源代碼中查看相關接口的文檔說明，或者使用Python的help()來進行查看。函數

Matplotlib教程：https://liam.page/2014/09/11/matplotlib-tutorial-zh-cn/，這篇筆記也是根據這個教程整理的，裏面介紹的更加詳細，也有效果圖和對應代碼。字體

繪圖接口spa

import matplotlib：普通的繪圖使用from matplotlib import pyplot就好了，繪圖接口都在pyplot中，numpy也在pyplot中，使用from matplotlib.pyplot import np就好了（np就是numpy的別名，查看源碼能夠看到：import numpy as np）。3d

import pylab：這個接口的語法和繪圖命令和Matlab相近，熟悉Matlab的能夠選擇使用這個接口，numpy也能夠直接從pylab中導入：from pylab import np（np就是numpy的別名，查看源碼能夠看到：import numpy as np）。code

numpy：這是一個用於數組運算的Python三方庫，安裝Matplotlib時會默認安裝這個庫，不會使用這個庫也不要緊，繪圖時直接使用Python的列表代替就好了，只是說使用numpy在某些狀況下會方便些，好比繪製函數圖時。orm

線性圖htm

線性圖其實就是根據一系列X軸的點（列表數據）和對應的Y軸的點（列表數據），在圖上繪製出對應的點，每一個點之間用線（實線、虛線等，默認是實線）鏈接起來，就造成了線性圖，因此不管是折線圖或者函數圖使用的接口都是同樣的。

簡單示例：

# -*- coding:utf-8 -*-
import numpy as np
from matplotlib import pyplot as plt

# 第一條線：一條普通的折線圖
x1 = np.array([1, 2, 3])
y1 = np.array([1, 2, 3])
# linewidth設置線寬，單位爲像素，linestyle默認爲實線，「--」表示虛線
plt.plot(x1, y1, color='red', linewidth=3, linestyle='--')

# 第二條線：一條自定義的函數圖
x2 = np.array([1, 2, 3])
# y2其實就是x2的數組中每一個元素進行運算（+0.5）後返回的新數組
y2 = x2 + 0.5
plt.plot(x2, y2)

# 第三條線：一條sin函數圖
# linspace返回0到pi之間等間隔的200值組成的數組
x3 = np.linspace(0, np.pi, 200)
# 返回x3中每一個元素的sin值組成的數組
y3 = np.sin(x3)
plt.plot(x3, y3)

# 繪製並展現圖形
plt.show()

條形圖

條形圖與線性圖相似，也是根據x軸的點和y軸的點來進行繪製的，這時候y軸的點就表明了條形圖的高度了。

簡單示例：

# -*- coding:utf-8 -*-
import numpy as np
from matplotlib import pyplot as plt

# arange和Python的range用法相同
x = np.arange(5)
# uniform返回0到5之間（不包含5）的5個隨機數
y = np.random.uniform(0, 5, 5)

# 繪製條形圖，facecolor設置背景色，edgecolor設置邊框顏色
plt.bar(x, y, facecolor='#9999ff', edgecolor='grey')

# 將每一個對應的y值顯示在條形圖上方
for x_, y_ in zip(x, y):
    plt.text(x_, y_, '{:.2f}'.format(y_), ha='center', va='bottom')

# 繪製和顯示圖形
plt.show()

餅狀圖

餅圖的繪製須要給出一個數字的數組，若是數組中的數字的和小於1，那麼餅圖中的每一個區域就會以數組中的元素的數值大小來進行繪圖，不足1的那部分就會留做空白；若是數組中的數字的和大於等於1，那麼就以每一個元素的在數組和的佔比來進行繪圖。

簡單示例：

# -*- coding:utf-8 -*-
import numpy as np
from matplotlib import pyplot as plt

# 若是數組的和小於1，則以元素自身大小做爲餅圖佔比，剩下的部分留做空白不繪製
# 若是數組的和大於等於1，則以元素在數組和的佔比做爲餅圖佔比
areas = np.array([0.1, 0.4, 0.2, 0.1, 0.2])
# 每一個區域距離相鄰區域的距離
explode = np.array([0, 0.1, 0, 0, 0])
# 在每一個區域邊上的文本
labels = np.array(['one', 'two', 'three', 'four', 'five'])
# autopct是在區域中顯示的各自百分比的格式
# startangle表示開始繪製的旋轉角度，90表示逆時針旋轉90度
plt.pie(areas, explode=explode, labels=labels, autopct='%1.1f%%', startangle=90)

plt.show()

設置X軸和Y軸範圍

通常而言，X軸和Y軸的範圍會自動判斷和生成，可是由於X軸和Y軸的交點默認是各自的下限，並非從0開始的，最後的繪製結果可能並不知足本身的需求，因此能夠自行設置，使之更加的符合本身的需求。

簡單示例：

# -*- coding:utf-8 -*-
import numpy as np
from matplotlib import pyplot as plt

# 一條普通的折線圖
x = np.array([1, 2, 3])
y = np.array([1, 2, 0.5])
# linewidth設置線寬，單位爲像素，linestyle默認爲實線，「--」表示虛線
plt.plot(x, y, color='red', linewidth=1, linestyle='--')

# 設置X軸的範圍，上限和下限
plt.xlim(0, 5)
# 設置Y中的範圍，上限和下限
plt.ylim(-1, 5)

# 繪製並展現圖形
plt.show()

設置座標軸記號和標籤

座標軸默認的刻度記號顯示不少時候並不符合咱們本身的需求，甚至有時候咱們須要在指定的刻度記號處顯示特定的文本，可是若是自定義了顯示刻度記號，那圖上就只會顯示指定的記號，其餘的默認刻度記號就不會再顯示了。

簡單示例：

# -*- coding:utf-8 -*-
import numpy as np
from matplotlib import pyplot as plt

# 一條普通的折線圖
x = np.array([1, 2, 3])
y = np.array([1, 2, 0.5])
# linewidth設置線寬，單位爲像素，linestyle默認爲實線，「--」表示虛線
plt.plot(x, y, color='red', linewidth=1, linestyle='--')

# 設置X軸的範圍，上限和下限
plt.xlim(0, 5)
# 設置Y中的範圍，上限和下限
plt.ylim(-1, 5)

# 能夠只設置記號，即只傳入第一個列表，且第一個列表的元素須要是在對應座標軸的範圍內的值
# 若是傳入第二個列表，則第二個列表的元素內容（標籤）會替換第一個列表對應位置的記號
# 設置X軸的記號和標籤
plt.xticks([1, 3, 4, 5],
           [r'$x1$', r'$x3$', r'$x4$', r'$x5$'])
# 設置Y軸的記號和標籤
plt.yticks([1, 2, 3, 5],
           [r'$y1$', r'$y2$', r'$y3$', r'$y5$'])

# 繪製並展現圖形
plt.show()

添加第二個Y軸

有時候在繪製多個圖形時，不一樣的圖形使用的Y軸刻度不一樣，或者使用兩種不一樣的刻度顯示會更加直觀，這時候就能夠左邊的Y軸使用一種刻度，右邊也添加一條Y軸，用於顯示另外一種刻度，但注意的是它們共享X軸的刻度。

簡單示例：

# -*- coding:utf-8 -*-
import numpy as np
from matplotlib import pyplot as plt

# 第一條線：一條普通的折線圖
x1 = np.array([1, 2, 3])
y1 = np.array([1, 2, 3])
# linewidth設置線寬，單位爲像素，linestyle默認爲實線，「--」表示虛線
plt.plot(x1, y1, color='red', linewidth=3, linestyle='--')

# 建立另外一個座標軸，此座標軸與以前的座標軸共用X軸，並將Y軸置於右邊
plt.twinx()

# 第二條線：一條sin函數圖
# linspace返回0到pi之間等間隔的200值組成的數組
x2 = np.linspace(0, np.pi, 200)
# 返回x2中每一個元素的sin值組成的數組
y2 = np.sin(x2)
plt.plot(x2, y2)

# 繪製並展現圖形
plt.show()

移動座標軸

橫縱座標軸的交點位置默認在左下角，而且起點都是在各自的下限，可是有些時候咱們但願交點位置在橫縱座標的0點位置，也就是原點，這時候就能夠移動座標軸到咱們想要的位置了。

簡單示例：

# -*- coding:utf-8 -*-
import numpy as np
from matplotlib import pyplot as plt

# 一條普通的折線圖
x = np.array([1, 2, 3])
y = np.array([1, 2, 0.5])
# linewidth設置線寬，單位爲像素，linestyle默認爲實線，「--」表示虛線
plt.plot(x, y, color='red', linewidth=1, linestyle='--')

# 設置X軸的範圍，上限和下限
plt.xlim(-2, 5)
# 設置Y中的範圍，上限和下限
plt.ylim(-2, 5)

# 獲取當前的座標軸對象
ax = plt.gca()
# 設置右邊框和上邊框爲無色
ax.spines['right'].set_color('none')
ax.spines['top'].set_color('none')
# 設置X軸的位置爲下邊框的位置
ax.xaxis.set_ticks_position('bottom')
# 設置下邊框的位置在Y軸0的位置，data表示Y軸數據，0爲Y軸上的數據值
ax.spines['bottom'].set_position(('data', 0))
# 設置Y軸的位置爲左邊框的位置
ax.yaxis.set_ticks_position('left')
# 設置左邊框的位置在X軸0的位置，data表示X軸數據，0爲X軸上的數據值
ax.spines['left'].set_position(('data', 0))

# 繪製並展現圖形
plt.show()

添加圖例

通常畫圖時，都須要爲對應的圖形設置圖例，標明對應圖形的含義，否則圖形就不夠清晰明瞭了。

簡單示例：

# -*- coding:utf-8 -*-
import numpy as np
from matplotlib import pyplot as plt

# 第一條線：一條普通的折線圖
x1 = np.array([1, 2, 3])
y1 = np.array([1, 2, 3])
# linewidth設置線寬，單位爲像素，linestyle默認爲實線，「--」表示虛線
plt.plot(x1, y1, label='first line', color='red', linewidth=3, linestyle='--')

# 第二條線：一條自定義的函數圖
x2 = np.array([1, 2, 3])
# y2其實就是x2的數組中每一個元素進行運算（+0.5）後返回的新數組
y2 = x2 + 0.5
plt.plot(x2, y2, label='second line')

# 第三條線：一條sin函數圖
# linspace返回0到pi之間等間隔的200值組成的數組
x3 = np.linspace(0, np.pi, 200)
# 返回x3中每一個元素的sin值組成的數組
y3 = np.sin(x3)
plt.plot(x3, y3, label='third line')


# 設置圖例，upper left表示左上角，loc參數的選項有：
# best
# upper right
# upper left
# lower left
# lower right
# right
# center left
# center right
# lower center
# upper center
# center
# 若是畫圖時沒有設置label參數或者不想使用label參數，能夠給圖例從新設置label
# 從新設置時，legend第一個參數傳入圖形列表，二個參數傳入對應的label列表，第三個參數就是loc了
plt.legend(loc='upper left')


# 繪製並展現圖形
plt.show()

設置註釋

繪圖時，可能會須要給某些特殊的點註明一些說明性的註釋，以便更好的理解和分析圖形。

簡單示例：

# -*- coding:utf-8 -*-
import numpy as np
from matplotlib import pyplot as plt

# 一條自定義的函數圖
x = np.array([1, 2, 3])
# y2其實就是x2的數組中每一個元素進行運算（+0.5）後返回的新數組
y = x + 0.5
plt.plot(x, y, label='first line')

# 在指定位置顯示一個點
x_point = 2
y_point = x_point + 0.5
# scatter用於繪製散點圖，第一個參數和第二個參數列表中只有一個元素時天然就只畫一個點了
# 第三個參數用於指定繪製「點」的半徑
plt.scatter([x_point, ], [y_point, ], 10, color='red')
# 給指定的點設置註釋
plt.annotate(r'2.5=2+0.5',  # 註釋文本
             xy=(x_point, y_point),  # 點的位置
             xycoords='data',
             xytext=(90, -50),  # 以要註釋的點爲原點，註釋文本的座標位置（單位爲像素）
             textcoords='offset points',
             arrowprops=dict(arrowstyle='->', connectionstyle='arc3, rad=.5'))  # arc爲直線，arc3爲圓形，rad爲半徑

# 繪製並展現圖形
plt.show()

繪製子圖

有時候咱們可能須要在一張圖（figure）上同時繪製幾個或幾張圖形（subplot），以便更好的觀察和分析。

若是繪製圖形時沒有手動建立figure和子圖，Matplotlib自動建立一個figure和一個子圖，全部繪製出來的圖形直觀效果就是多個圖形都在同一個「圖片」上，且共用一個座標軸。

多個figure，簡單示例：

# -*- coding:utf-8 -*-
import numpy as np
from matplotlib import pyplot as plt

# 第一個figure
# num用於指定此figure的ID（int類型）或者指定此figure的標題
# figsize用於指定此figure的尺寸大小
plt.figure(num='My Figure Line', figsize=(6, 6))

# 一條普通的折線圖
x1 = np.array([1, 2, 3])
y1 = np.array([1, 2, 3])
# linewidth設置線寬，單位爲像素，linestyle默認爲實線，「--」表示虛線
plt.plot(x1, y1, label='first line', color='red', linewidth=3, linestyle='--')

# 第二個figure
# num用於指定此figure的ID（int類型）或者指定此figure的標題
# figsize用於指定此figure的尺寸大小
plt.figure(num=2, figsize=(5, 5))

# 一條sin函數圖
# linspace返回0到pi之間等間隔的200值組成的數組
x2 = np.linspace(0, np.pi, 200)
# 返回x2中每一個元素的sin值組成的數組
y2 = np.sin(x2)
plt.plot(x2, y2, label='first line')

plt.show()

同一個figure中繪製多個子圖，簡單示例：

# -*- coding:utf-8 -*-
import numpy as np
from matplotlib import pyplot as plt

# 建立一個figure，且建立一個2行1列的子圖網格，返回figure對象和子圖數組
# 網格默認爲一行一列，此時返回子圖自己，若是網格只有一行或者一列，那就返回一個一維子圖數組，若是有多行多列，就返回對應的二維子圖數組
# subplots中傳入的參數能夠是figure的參數
fig, axes = plt.subplots(2, 1, num='My Figure Demo')

# 在第一個子圖中繪製一條普通的折線圖
x1 = np.array([1, 2, 3])
y1 = np.array([1, 2, 3])
# linewidth設置線寬，單位爲像素，linestyle默認爲實線，「--」表示虛線
axes[0].plot(x1, y1, label='first line', color='red', linewidth=3, linestyle='--')

# 顯示圖例
axes[0].legend()

# 在第二個子圖中繪製一條sin函數圖
# linspace返回0到pi之間等間隔的200值組成的數組
x2 = np.linspace(0, np.pi, 200)
# 返回x2中每一個元素的sin值組成的數組
y2 = np.sin(x2)
axes[1].plot(x2, y2, label='second line')
# 顯示圖例
axes[1].legend()

# 繪製並顯示
plt.show()

跨行或跨列繪製子圖，簡單示例：

# -*- coding:utf-8 -*-
import numpy as np
from matplotlib import pyplot as plt
from matplotlib import gridspec

fig = plt.figure('My Figure Demo')
grid = gridspec.GridSpec(2, 2, figure=fig)

# 在第一行繪製一條普通的折線圖，佔據一行的空間
axe1 = plt.subplot(grid[0, :])
x1 = np.array([1, 2, 3])
y1 = np.array([1, 2, 3])
# linewidth設置線寬，單位爲像素，linestyle默認爲實線，「--」表示虛線
axe1.plot(x1, y1, label='first line', color='red', linewidth=3, linestyle='--')

# 顯示圖例
axe1.legend()

# 在第二行第一個子圖中繪製一條sin函數圖，在這裏，如下三種表達都是相同的效果
# axe2 = plt.subplot(grid[1, :1])
# axe2 = plt.subplot(grid[1, :-1])
axe2 = plt.subplot(grid[1, 0])
# linspace返回0到pi之間等間隔的200值組成的數組
x2 = np.linspace(0, np.pi, 200)
# 返回x2中每一個元素的sin值組成的數組
y2 = np.sin(x2)
axe2.plot(x2, y2, label='second line')

# 顯示圖例
axe2.legend()

# 繪製並顯示
plt.show()

顯示中文

Matplotlib默認是不僅支持中文的，可是可使用自帶的中文字體。

簡單示例：

# -*- coding:utf-8 -*-
import numpy as np
from matplotlib import pyplot as plt

# 打印自帶的字體，能夠從裏面選一種中文字體
# from matplotlib import font_manager
# for f in font_manager.fontManager.ttflist:
#     print(f.name)

# 設置字體爲SimHei（黑體）
plt.rcParams['font.family'] = ['SimHei']


# 一條普通的折線圖
x1 = np.array([1, 2, 3])
y1 = np.array([1, 2, 3])
# linewidth設置線寬，單位爲像素，linestyle默認爲實線，「--」表示虛線
plt.plot(x1, y1, label='一條普通的折線圖', color='red', linewidth=3, linestyle='--')

# 顯示圖例
plt.legend(loc='upper left')

# 繪製並顯示
plt.show()