Matplotlib 庫 : 繪圖和可視化

 1、Matplotlib基礎知識

1.1Matplotlib中的基本圖表包括的元素dom

  • x軸和y軸 axis
    水平和垂直的軸線
  • x軸和y軸刻度 tick
    刻度標示座標軸的分隔,包括最小刻度和最大刻度
  • x軸和y軸刻度標籤 tick label
    表示特定座標軸的值
  • 繪圖區域(座標系) axes
    實際繪圖的區域
  • 座標系標題 title
    實際繪圖的區域
  • 軸標籤 xlabel ylabel
    實際繪圖的區域

1.2 導包ide

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

1.3 繪製簡單圖形svg

  • 單條曲線
x=[1,2,3,4,5]
y=[2,4,6,8,10]
plt.plot(x,y)

  • 拋物線
x = np.arange(-np.pi,np.pi,0.2)
y = x**2
plt.plot(x,y)

  • 繪製正弦曲線圖
x = np.arange(-np.pi,np.pi,0.2)

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

1.4 繪製多個曲線的圖函數

x = np.arange(-np.pi,np.pi,0.2)
y = np.cos(x)

#方式一
plt.plot(x,y)
plt.plot(x+3,y+3)
#方式二
plt.plot(x,y,x+3,y+3)

 

1.5 將多個曲線圖繪製在一個table區域中:對象形式建立表圖post

  • a=plt.subplot(row,col,loc) 建立曲線圖
  • a.plot(x,y) 繪製曲線圖
ax1=plt.subplot(2,2,1)
ax1.plot(x,y,'r')
ax2=plt.subplot(2,2,2)
ax2.plot(x,y,'b')
ax3=plt.subplot(2,1,2)
ax3.plot(x,y,'black')

ax1=plt.subplot(2,2,1)
ax1.plot(x,y,'r')
ax2=plt.subplot(2,2,3)
ax2.plot(x,y,'b')
ax3=plt.subplot(1,2,2)
ax3.plot(x,y,'black')

 

1.6 網格線 plt.gride(XXX)字體

參數:spa

- axis - color:支持十六進制顏色 - linestyle: -- -. : - alpha:透明度0-1
  • 通常網格的添加
plt.grid(axis='both') #x-y都加網格
plt.plot(x,y)

  • 使用對象形式設置網格
#ax1,ax2,ax3都是對象
plt.grid(axis='both')
ax1=plt.subplot(2,2,1)
ax1.grid()
ax1.plot(x,y,'r')
ax2=plt.subplot(2,2,2)
ax2.plot(x,y,'b')
ax2.grid()
ax3=plt.subplot(2,1,2)
ax3.grid()
ax3.plot(x,y,'black')

 

1.7 座標軸界限3d

axis方法:設置x,y軸刻度值的範圍code

plt.axis([xmin,xmax,ymin,ymax])orm

plt.axis([-6,6,-2,2])
plt.plot(x,y)
#plt.axis('off') 關閉座標系顯示

1.8 關閉座標軸顯示 

plt.axis('off')

1.9 設置畫布比例

設置畫布比例:plt.figure(figsize=(a,b)) a:x刻度比例 b:y刻度比例 (2:1)表示x刻度顯示爲y刻度顯示的2倍

plt.figure(figsize=(2,3))
plt.plot(x,y)

 

1.10 座標軸標籤

  • s 標籤內容
  • color 標籤顏色
  • fontsize 字體大小
  • rotation 旋轉角度

(1) plt的xlabel方法和ylabel方法 title方法

plt.xlabel('x')
plt.ylabel('sin(x)')
plt.title('y= sin(x)')
plt.plot(x,y)

 

1.11 圖例---legend方法

(1)兩種傳參方法:

  • 分別在plot函數中增長label參數,再調用plt.legend()方法顯示
  • 直接在legend方法中傳入字符串列表
#方式一
plt.plot(x,y,label='aaa')
plt.plot(x+3,y+3,label='bbb')
plt.legend()

#方式二
plt.plot(x,y,x+3,y+3)
plt.legend(['aaa','bbb'])

 

(2)legend參數

- loc參數
  • loc參數用於設置圖例標籤的位置,通常在legend函數內
  • matplotlib已經預約義好幾種數字表示的位置
- ncol參數
  • ncol控制圖例中有幾列,在legend中設置ncol

plt.plot(x,y,x+3,y+3)
plt.legend(['aaa','bbb'],loc=3,ncol=2)

 

 

1.12 保存圖片

使用figure對象的savefig函數來保存圖片

fig = plt.figure()---必須放置在繪圖操做以前(******)

figure.savefig的參數選項

  • filename
    含有文件路徑的字符串或Python的文件型對象。圖像格式由文件擴展名推斷得出,例如,.pdf推斷出PDF,.png推斷出PNG (「png」、「pdf」、「svg」、「ps」、「eps」……)
  • dpi
    圖像分辨率(每英寸點數),默認爲100
  • facecolor ,打開保存圖片查看 圖像的背景色,默認爲「w」(白色)
fig = plt.figure()

plt.plot(x,y,x+3,y+3)
plt.legend(['aaa','bbb'],loc=3,ncol=2)

fig.savefig('./img.png',dpi=500) #dip表示像素分辨率

 

1.13 設置plot的風格樣式

plot語句中支持除X,Y之外的參數,以字符串形式存在,來控制顏色、線型、點型等要素,語法形式爲:
plt.plot(X, Y, 'format', ...)

  • 顏色 --參數color或c

  顏色的方式 

  • 別名
    • color = 'r'
  •   合法的HTML顏色名
    • color = 'red'  
  • HTML 十六進制字符串
    • color = '#eeefff'  
  • 歸一化到 [0,1] 的RGB元組透明度  -- alpha參數(0-1)
    • color = (0.3,0.3,0.4)  
  • 線型 -- 參數linestyle或ls

 

  • 線寬 -- linewidth或lw參數
  • 點型 
    • marker 設置點形
    • markersize 設置點形大小

plt.plot(x,y,c='y',alpha=0.8,lw=3,marker='8',markersize=10,markerfacecolor='b')
plt.grid(color='r')

 

總結:

繪製線      plt.plot(x1,y1,x2,y2)
網格線      plt.grid(True)  axes.grid(color,ls,lw,alpha)
獲取座標系  plt.subplot(n1,n2,n3)
座標軸標籤  plt.xlabel() plt.ylabel()
座標系標題  plt.title()
圖例        plt.legend([names],ncol=2,loc=1)  plt.plot(label='name')
線風格      --  -. : None  step
圖片保存    figure.savefig()
點的設置    marker markersize markerfacecolor markeredgecolor\width
座標軸刻度  plt.xticks(刻度列表,刻度標籤列表) plt.yticks()
            axes.set_xticks(刻度列表) axes.set_xticklabels(刻度標籤列表)

 

 二 2D圖形

2.1 直方圖

  • 是一個特殊的柱狀圖,又叫作密度圖。

  【直方圖的參數只有一個x!!!不像條形圖須要傳入x,y】

  • plt.hist()的參數
    • bins
      直方圖的柱數,可選項,默認爲10
    • color
      指定直方圖的顏色。能夠是單一顏色值或顏色的序列。若是指定了多個數據集合,例如DataFrame對象,顏色序列將會設置爲相同的順序。若是未指定,將會使用一個默認的線條顏色
    • orientation
      經過設置orientation爲horizontal建立水平直方圖。默認值爲vertical
data = [1,2,3,3,4,2,5]
plt.hist(data,bins=10)

圖像中返回值 :

1: 直方圖向量,是否歸一化由參數normed設定

2: 返回各個bin的區間範圍

3: 返回每一個bin裏面包含的數據,是一個list

 

2.2條形圖:plt.bar()

  • 參數:第一個參數是索引。第二個參數是數據值。第三個參數是條形的寬度

-【條形圖有兩個參數x,y】

  • width 縱向設置條形寬度
  • height 橫向設置條形高度

bar() : 垂直的條形圖

barh():水平條形圖

x=[1,2,3,4,5]
y=[3,5,4,2,1]
plt.bar(x,y,width=0.6,color='r')

plt.barh(x,y) #水平條形圖

 

2.3 餅圖

【餅圖也只有一個參數x】

pie()
餅圖適合展現各部分佔整體的比例,條形圖適合比較各部分的大小.

  • 普通各部分佔滿餅圖
plt.pie([11,22,33])

  • 普通未佔滿餅圖:小數/比例
plt.pie([0.2,0.3,0.1])

  • 餅圖參數屬性設置
labels參數設置每一塊的標籤;
labeldistance參數設置標籤距離圓心的距離(比例值)
autopct參數設置比例值小數保留位(%.3f%%);
pctdistance參數設置比例值文字距離圓心的距離
explode參數設置每一塊頂點距圓心的長度(比例值,列表);
colors參數設置每一塊的顏色(列表);
shadow參數爲布爾值,設置是否繪製陰影
startangle參數設置餅圖起始角度

 

##explode參數設置每一塊頂點距圓心的長度(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])

 

2.4 散點圖 : 因變量隨自變量而變化的大體趨勢

【散點圖須要兩個參數x,y,但此時x不是表示x軸的刻度,而是每一個點的橫座標!】

scatter()

#plt.scatter(x,y,marker='d',c="rbgy") 設置不一樣的散點顏色
x = np.random.random(size=(100,))
y = np.random.random(size=(100,))
plt.scatter(x,y,c='rgby')

相關文章
相關標籤/搜索