python可視化_matplotlib

時間 2019-11-06

原文原文鏈接

對於Python數據可視化庫，matplotlib 已經成爲事實上的數據可視化方面最主要的庫，此外還有不少其餘庫，例如vispy，bokeh， seaborn，pyga，folium 和 networkx，這些庫有些是構建在 matplotlib 之上，還有些有其餘一些功能。 html

目錄 python

matplotlib
基本函數
中文亂碼
plot：線性圖
bar：柱狀圖
barh：水平柱狀圖
pie：餅圖
scatter：散點圖
hist：直方圖
stackplot：面積圖
subplot：子圖佈局
GridSpec：網格佈局

matplotlibide

matplotlib 是一個基於 Python 的 2D 繪圖庫，其能夠在跨平臺的在各類硬拷貝格式和交互式環境中繪製出高圖形。Matplotlib 可以建立多數類型的圖表，如條形圖，散點圖，條形圖，餅圖，堆疊圖，3D 圖和地圖圖表。函數

％matplotlib 命令能夠在當前的 Notebook 中啓用繪圖。Matlibplot 提供了多種繪圖 UI ，可進行以下分類：佈局

彈出窗口和交互界面：％matplotlib qt 和％matplot tk
非交互式內聯繪圖：％matplotlib inline
交互式內聯繪圖：％matplotlib notebook－－＞別用這個，它會讓開關變得困難。

安裝Matplotlib命令：pip install matplotlib字體

基本函數編碼

legend：增長圖例（線的標題），格式：plt.legend(handles=(line1, line2, line3),labels=('label1', 'label2', 'label3'),loc='upper right'), 見以下示例代碼spa

1 ln1, = plt.plot(x_data, y_data, color = 'red', linewidth = 2.0, linestyle = '--') 2 ln2, = plt.plot(x_data, y_data2, color = 'blue', linewidth = 3.0, linestyle = '-.') 3 plt.legend(handles=[ln2, ln1], labels=['Android基礎', 'Java基礎'],  loc='lower right')

loc參數值：.net

'best'：自動選擇最佳位置
'upper right'：將圖例放在右上角。
'upper left'：將圖例放在左上角。
'lower left'：將圖例放在左下角。
'lower right'：將圖例放在右下角。
'right'：將圖例放在右邊。
'center left'：將圖例放在左邊居中的位置。
'center right'：將圖例放在右邊居中的位置。
'lower center'：將圖例放在底部居中的位置。
'upper center'：將圖例放在頂部居中的位置。
'center'：將圖例放在中心。

figure：新建一個畫布，格式：figure(num=None, figsize=None, dpi=None, facecolor=None, edgecolor=None, frameon=True)3d

num：圖像編號或名稱，數字爲編號，字符串爲名稱
figsize：指定figure的寬和高，單位爲英寸；
dpi：指定繪圖對象的分辨率，即每英寸多少個像素，缺省值爲80；1英寸等於2.5cm,A4紙是 21*30cm的紙張
frameon：是否顯示邊框

spines：在matplotlib的圖中，默認有四個軸，兩個橫軸和兩個豎軸，能夠經過ax = plt.gca()方法獲取，gca是‘get current axes’的縮寫，獲取圖像的軸，總共有四個軸 top、bottom、left、right

axis指定要用的軸：因爲axes會獲取到四個軸，而咱們只須要兩個軸，因此咱們須要把另外兩個軸隱藏，把頂部和右邊軸的顏色設置爲none, 如：plt.gca().spines['top'].set_color('none')
移動軸到指定位置：ax.spines[‘bottom’]獲取底部的軸，經過 set_position 方法，設置底部軸的位置，例如：ax.spines[‘bottom’].set_position((‘data’,0)) 表示設置底部軸移動到豎軸的0座標位置，設置軸設置的方法相同

示例代碼：

1 import matplotlib.pyplot as plt 2 
3 fig = plt.figure(figsize=(4, 3), frameon=True, facecolor='r') 4 ax = fig.add_subplot(1, 1, 1) 5 ax.spines['top'].set_color = 'none'
6 ax.spines['right'].set_color = 'none'
7 ax.spines['left'].set_position(('data', 0)) 8 ax.spines['bottom'].set_position(('data', 0)) 9 plt.show()

View Code

效果圖：

中文亂碼

問題描述：matplotlib繪製圖像在顯示中文時候，中文會變成小方格子。其實plotlib是支持中文編碼的，形成這個現象的緣由是，matplotlib庫的配置信息裏面沒有中文字體的相關信息
解決方案：在python腳本中動態設置 matplotlibrc，這樣就避免了更改配置文件的麻煩，方便靈活，更改了字體致使顯示不出負號，將配署文件中 axes.unicode minus :True 修改成 Falsest 就能夠了，代碼以下：

1 from pylab import mpl 2 
3 mpl.rcParams['font.sans-serif'] = 'FangSong' # 指定默認字體
4 mpl.rcParams['axes.unicode_minus'] = False  # 解決保存圖像是負號'-'顯示爲方塊的問題

Windows的字體對應名稱以下

黑體：SimHei
微軟雅黑：Microsoft YaHei
微軟正黑體：Microsoft JhengHei
新宋體：NSimSun
新細明體：PMingLiU
標楷體：DFKai-SB
仿宋：FangSong
楷體：KaiTi
仿宋_GB2312： FangSong_GB2312
楷體_GB2312： KaiTi_GB2312

plot：線性圖

格式：plt.plot(x,y,format_string,**kwargs)

x軸數據，y軸數據，format_string控制曲線的格式字串
format_string：由顏色字符，風格字符，和標記字符。具體形式 fmt = '[color][marker][line]' ，fmt接收的是每一個屬性的單個字母縮寫，見以下代碼：
1. plot(x,y2,color='green', marker='o', linestyle='dashed', linewidth=1, markersize=6)
2. plot(x,y3,color='#900302',marker='+',linestyle='-')
3. 還可包含有其它的屬性，如：markerfacecolor：標記顏色、markersize：標記大小等等

示例：

 1 import matplotlib.pyplot as plt  2 from pylab import mpl  3 
 4 mpl.rcParams['font.sans-serif'] = 'FangSong' # 指定默認字體
 5 mpl.rcParams['axes.unicode_minus'] = False  # 解決保存圖像是負號'-'顯示爲方塊的問題
 6 
 7 year = ['1950', '1960', '1970', '1980', '1990', '2000', '2010']  8 gdp = [300.2, 543.3, 1075.9, 2862.5, 5979.6, 10298.7, 14958.3]  9 y_data = [100, 200, 300, 400, 500, 600, 700] 10 
11 
12 def draw_plot(): 13     # plt.plot(year, gdp, 'go-', year, y_data, 'rp:')
14     plt.plot(year, gdp, 'go-', label='gdp') 15     plt.plot(year, y_data, 'rp:', label='second line') 16     plt.title("plot 線圖demo") 17     plt.xlabel('年度') 18     plt.ylabel('gdp') 19     plt.legend()  #生成默認圖例
20     plt.show()

View Code

效果圖：

bar：柱狀圖

格式：bar(left, height, width, alpha=1, width=0.8, color=, edgecolor=, label=, lw=3)

left：x軸的位置序列，通常採用arange函數產生一個序列；
height：y軸的數值序列，也就是柱形圖的高度，通常就是咱們須要展現的數據；
width：柱形圖的寬度，通常這是爲1便可；
alpha：透明度
width：爲柱形圖的寬度，通常這是爲0.8便可；
color或facecolor：柱形圖填充的顏色；
edgecolor：圖形邊緣顏色
label：解釋每一個圖像表明的含義
linewidth or linewidths or lw：邊緣or線的寬度

示例

 1 def draw_bar():  2     plt.bar(x=year, height=gdp, width=0.4, label='gdp', color='green')  3     plt.bar(x=year, height=y_data, width=0.4, label='secend', color='red')  4     # 在柱狀圖上顯示具體數值, ha參數控制水平對齊方式, va控制垂直對齊方式
 5     for x, y in enumerate(y_data):  6         plt.text(x, y - 400, '%s' % y, ha='center', va='bottom')  7     for x, y in enumerate(gdp):  8         plt.text(x, y + 400, '%s' % y, ha='center', va='top')  9 
10     plt.title("bar 條形圖") 11     plt.xlabel('年度') 12     plt.ylabel('gdp') 13  plt.legend() 14     plt.show()

View Code

效果圖：

使用 bar() 函數繪製柱狀圖時，默認不會在柱狀圖上顯示具體的數值。爲了能在柱狀圖上顯示具體的數值，程序能夠調用 text() 函數在數據圖上輸出文字，增長以下代碼：1for x, y in enumerate(y_data):

1     for x, y in enumerate(y_data): 2         plt.text(x, y - 400, '%s' % y, ha='center', va='bottom') 3     for x, y in enumerate(gdp): 4         plt.text(x, y + 400, '%s' % y, ha='center', va='top')

在使用 text() 函數輸出文字時，該函數的前兩個參數控制輸出文字的 X、Y 座標，第三個參數則控制輸出的內容。其中 va 參數控制文字的垂直對齊方式，ha 參數控制文字的水平對齊方式。
對於上面的代碼，因爲 X 軸數據是一個字符串列表，所以 X 軸其實是以列表元素的索引做爲刻度值的。所以，當程序指定輸出文字的 X 座標爲 0 時，代表將該文字輸出到第一個條柱處；對於 Y 座標而言，條柱的數值正好在條柱高度所在處，若是指定 Y 座標爲條柱的數值 +400，就是控制將文字輸出到條柱略上一點的位置。

效果圖：

如上圖所示的顯示效果來看柱狀圖重疊，爲了實現條柱井列顯示的效果，首先分析條柱重疊在一塊兒的緣由。使用 Matplotlib 繪製柱狀圖時一樣也須要 X 軸數據，本程序的 X 軸數據是元素爲字符串的 list 列表，所以程序實際上使用各字符串的索引做爲 X 軸數據。好比 '1950' 字符串位於列表的第一個位置，所以表明該條柱的數據就被繪製在 X 軸的刻度值1處（因爲兩個柱狀圖使用了相同的 X 軸數據，所以它們的條柱徹底重合在一塊兒）。爲了將多個柱狀圖的條柱並列顯示，程序須要爲這些柱狀圖從新計算不一樣的 X 軸數據。爲了精確控制條柱的寬度，程序能夠在調用 bar() 函數時傳入 width 參數，這樣能夠更好地計算條柱的並列方式。

示例：

 1 def draw_bar2():  2     barwidth=0.4
 3     plt.bar(x=range(len(year)), height=gdp, width=0.4, label='gdp', color='green')  4     plt.bar(x=np.arange(len(year)) + barwidth, height=y_data, width=0.4, label='secend', color='red')  5     # 在柱狀圖上顯示具體數值, ha參數控制水平對齊方式, va控制垂直對齊方式
 6     for x, y in enumerate(gdp):  7         plt.text(x, y + 400, '%s' % y, ha='center', va='top')  8     for x, y in enumerate(y_data):  9         plt.text(x + barwidth, y + 400, '%s' % y, ha='center', va='top') 10 
11     plt.title("bar 條形圖") 12     plt.xlabel('年度') 13     plt.ylabel('gdp') 14  plt.legend() 15     plt.show()

View Code

效果圖：

運行上面程序，將會發現該柱狀圖的 X 軸的刻度值變成 0、一、2 等值，再也不顯示年份。爲了讓柱狀圖的 X 軸的刻度值顯示年份，程序能夠調用 xticks() 函數從新設置 X 軸的刻度值，以下：

plt.xticks(np.arange(len(year)) + barwidth/2, year)
bar_width/2：這些刻度值將被剛好添加在兩個條柱之間

但願兩個條柱之間有一點縫隙，那麼程序只要對第二個條柱的 X 軸數據略作修改便可，完整代碼以下：

 1 def draw_bar2():  2     barwidth=0.4
 3     plt.bar(x=range(len(year)), height=gdp, width=barwidth, label='gdp', color='green')  4     plt.bar(x=np.arange(len(year)) + barwidth + 0.01, height=y_data, width=barwidth, label='secend', color='red')  5     # 在柱狀圖上顯示具體數值, ha參數控制水平對齊方式, va控制垂直對齊方式
 6     for x, y in enumerate(gdp):  7         plt.text(x, y + 400, '%s' % y, ha='center', va='top')  8     for x, y in enumerate(y_data):  9         plt.text(x + barwidth + 0.01, y + 400, '%s' % y, ha='center', va='top') 10 
11     #X軸添加刻度
12     plt.xticks(np.arange(len(year)) + barwidth/2 + 0.01, year) 13     plt.title("bar 條形圖") 14     plt.xlabel('年度') 15     plt.ylabel('gdp') 16  plt.legend() 17     plt.show()

View Code

效果圖：

barh：水平柱狀圖

barh() 函數的用法與 bar() 函數的用法基本同樣，只是在調用 barh() 函數時使用 y參數傳入 Y 軸數據，使用 width 參數傳入表明條柱寬度的數據。

示例:

 1 def draw_barh():  2     barwidth = 0.4
 3     plt.barh(y=range(len(year)), width=gdp, height=barwidth, label='gdp', color='green')  4     plt.barh(y=np.arange(len(year)) + barwidth + 0.01, width=y_data, height=barwidth, label='secend', color='red')  5     # 在柱狀圖上顯示具體數值, ha參數控制水平對齊方式, va控制垂直對齊方式
 6     for y, x in enumerate(gdp):  7         plt.text(x + 1000, y + barwidth/2, '%s' % x, ha='center', va='bottom')  8     for y, x in enumerate(y_data):  9         plt.text(x + 1400, y + barwidth/2 - 0.01, '%s' % x, ha='center', va='top') 10 
11     # y軸添加刻度
12     plt.yticks(np.arange(len(year)) + barwidth / 2 + 0.01, year) 13     plt.title("barh 水平柱狀圖") 14     plt.xlabel('gdp') 15     plt.ylabel('年度') 16  plt.legend() 17     plt.show()

View Code

效果圖：

pie：餅圖

格式：pie(x, explode=None, labels=None, colors=('b', 'g', 'r', 'c', 'm', 'y', 'k', 'w'), autopct=None, pctdistance=0.6, shadow=False, labeldistance=1.1, startangle=None, radius=None, counterclock=True, wedgeprops=None, textprops=None, center = (0, 0), frame = False )

建立餅圖最重要的兩個參數就是 x 和 labels，其中 x 指定餅圖各部分的數值，labels 則指定各部分對應的標籤
一般，餅圖用於顯示部分對於總體的狀況，一般以％爲單位。幸運的是，Matplotlib 會處理切片大小以及一切事情，咱們只須要提供數值。
x：繪圖數據
explode：突出顯示，如將第4個數據顯示：explode = [0, 0, 0, 0.3, 0, 0, 0, 0, 0, 0, 0]
labels：顯示標籤
autopct：設置百分比的格式，如保留3位小數：autopct='%.3f%%'
pctdistance：置百分比標籤與圓心的距離，如：pctdistance=0.8
labeldistance：設置標籤與圓心的距離，如：startangle = 180
startangle：設置餅圖的初始角度，如：startangle = 180
center ：設置餅圖的圓心（至關於X軸和Y軸的範圍）,如：center = (4, 4)
radius ：設置餅圖的半徑（至關於X軸和Y軸的範圍），如：radius = 3.8
counterclock ：是否逆時針，如這裏設置爲順時針方向：counterclock = False,
wedgeprops：設置餅圖內外邊界的屬性值，如：wedgeprops = {'linewidth': 1, 'edgecolor':'green'}
textprops：設置文本標籤的屬性值，如：textprops = {'fontsize':12, 'color':'black'}
frame ：是否顯示餅圖的圓圈，如此處設爲顯示：frame = 1

示例

1 def draw_pie(): 2     plt.pie(x=gdp, 3             labels=year, 4             autopct='%.3f%%', 5             explode=[0, 0, 0, 0.03, 0, 0, 0]) 6 
7     plt.title("pie 圖") 8     plt.show()

View Code

效果：

scatter：散點圖

格式：scatter(x, y, s=None, c=None, marker=None, cmap=None, norm=None, vmin=None, vmax=None, alpha=None, linewidths=None, verts=None, edgecolors=None, hold=None, data=None, **kwargs)

x, y：指 x 軸、y軸數據
s：指定散點的大小（設置點半徑），如：s=50
c：指定散點的顏色。如：c='red'
alpha：指定散點的透明度。如：alpha = 0.5
marker：指定散點的圖形樣式，見最上面標記字符圖，如：marker='p'

示例：

1 def draw_catter(): 2     plt.scatter(x=year, y=gdp, c='red', marker='*', s=100) 3 
4     plt.title("catter 散點圖") 5     plt.show()

View Code

效果：

hist：直方圖

柱狀圖與直方圖：

柱狀圖是用條形的長度表示各種別頻數的多少，其寬度（表示類別）則是固定的；
直方圖是用面積表示各組頻數的多少，矩形的高度表示每一組的頻數或頻率，寬度則表示各組的組距，所以其高度與寬度均有意義。
因爲分組數據具備連續性，柱狀圖的各矩形一般是連續排列，而條形圖則是分開排列。
柱狀圖主要用於展現分類數據，而直方圖則主要用於展現數據型數據

格式：pyplot.hist(x, bins=None, range=None, normed=False, weights=None, cumulative=False, bottom=None, histtype=’bar’, align=’mid’, orientation=’vertical’, rwidth=None, log=False, color=None, label=None, stacked=False, hold=None, data=None, **kwargs)

x：指定每一個bin(箱子)分佈的數據,對應x軸
bins : 這個參數指定bin(箱子)的個數,也就是總共有幾條條狀圖
normed : 是否將獲得的直方圖向量歸一化
histtype : {‘bar’, ‘barstacked’, ‘step’, ‘stepfilled’}

函數返回值：

n : array or list of arrays(箱子的值)
bins : array(箱子的邊界)
patches : list or list of lists

stackplot：面積圖

格式：stackplot(x, *args, labels=(), colors=None, baseline='zero', data=None, **kwargs)

示例：

1  plt.stackplot(year, gdp, y_data, colors=['r', 'g']) 2     plt.title("stackplot 面積圖") 3     plt.show()

效果：

從圖上看不出顏色表明的含義，增長圖例，完整代碼以下：

1 def draw_stackplot(): 2     plt.plot([], [], color='r', label='gdp', linewidth=5) 3     plt.plot([], [], color='g', label='y_data', linewidth=5) 4     plt.stackplot(year, gdp, y_data, colors=['r', 'g']) 5     plt.title("stackplot 面積圖") 6  plt.legend() 7     plt.show()

View Code

效果圖：

subplot：子圖佈局

subplot 在一張數據圖上包含多個子圖，格式：subplot(nrows, ncols, index, **kwargs)

nrows：指定將數據圖區域分紅多少行；
ncols：指定將數據圖區域分紅多少列；
index：指定獲取第幾個區域

subplot() 函數也支持直接傳入一個三位數的參數，其中第一位數將做爲 nrows 參數；第二位數將做爲 ncols 參數；第三位數將做爲 index 參數。

示例：

 1 def draw_subplot():  2     plt.figure(figsize=(4, 3))  3 
 4     x_data = np.linspace(-np.pi, np.pi, 64, endpoint=True)  5     plt.subplot(2, 1, 1)  6  plt.plot(x_data, np.sin(x_data))  7     plt.gca().spines['top'].set_color('none')  8     plt.gca().spines['right'].set_color('none')  9     plt.gca().spines['left'].set_position(('data', 0)) 10     plt.gca().spines['bottom'].set_position(('data', 0)) 11     plt.title('sin') 12 
13     plt.subplot(2, 2, 3) 14  plt.plot(x_data, np.cos(x_data)) 15     plt.gca().spines['top'].set_color('none') 16     plt.gca().spines['right'].set_color('none') 17     plt.gca().spines['left'].set_position(('data', 0)) 18     plt.gca().spines['bottom'].set_position(('data', 0)) 19     plt.title('cos') 20 
21     plt.subplot(2, 2, 4) 22  plt.plot(x_data, np.tan(x_data)) 23     plt.gca().spines['top'].set_color('none') 24     plt.gca().spines['right'].set_color('none') 25     plt.gca().spines['left'].set_position(('data', 0)) 26     plt.gca().spines['bottom'].set_position(('data', 0)) 27     plt.title('tan') 28 
29     plt.show()

View Code

效果：

GridSpec：網格佈局

指定在給定GridSpec中的子圖位置

示例：

 1 def draw_gridspace():  2     plt.figure(figsize=(4, 3))  3 
 4     x_data = np.linspace(-np.pi, np.pi, 64, endpoint=True)  5     gs = gridspace.GridSpec(2, 2)  6     ax1 = plt.subplot(gs[0, :])  7     ax2 = plt.subplot(gs[1, 0])  8     ax3 = plt.subplot(gs[1, 1])  9 
10  ax1.plot(x_data, np.sin(x_data)) 11     ax1.spines['top'].set_color('none') 12     ax1.spines['right'].set_color('none') 13     ax1.spines['left'].set_position(('data', 0)) 14     ax1.spines['bottom'].set_position(('data', 0)) 15     ax1.set_title('sin') 16 
17  ax2.plot(x_data, np.cos(x_data)) 18     ax2.spines['top'].set_color('none') 19     ax2.spines['right'].set_color('none') 20     ax2.spines['left'].set_position(('data', 0)) 21     ax2.spines['bottom'].set_position(('data', 0)) 22     ax2.set_title('cos') 23 
24  ax3.plot(x_data, np.tan(x_data)) 25     ax3.spines['top'].set_color('none') 26     ax3.spines['right'].set_color('none') 27     ax3.spines['left'].set_position(('data', 0)) 28     ax3.spines['bottom'].set_position(('data', 0)) 29     ax3.set_title('tan') 30 
31     plt.show()