python数据可视化系列教程——matplotlib绘图全解
来源:互联网 发布:淘宝 刷单 没有权重 编辑:程序博客网 时间:2024/06/08 01:20
全栈工程师开发手册 (作者:栾鹏)
python教程全解
matplotlib是受MATLAB的启发构建的。MATLAB是数据绘图领域广泛使用的语言和工具。MATLAB语言是面向过程的。利用函数的调用,MATLAB中可以轻松的利用一行命令来绘制直线,然后再用一系列的函数调整结果。
matplotlib有一套完全仿照MATLAB的函数形式的绘图接口,在matplotlib.pyplot模块中。这套函数接口方便MATLAB用户过度到matplotlib包
import matplotlib.pyplot as plt
在绘图结构中,figure创建窗口,subplot创建子图。所有的绘画只能在子图上进行。plt表示当前子图,若没有就创建一个子图。所有你会看到一些教程中使用plt进行设置,一些教程使用子图属性进行设置。他们往往存在对应功能函数。
配置参数:
axex: 设置坐标轴边界和表面的颜色、坐标刻度值大小和网格的显示
figure: 控制dpi、边界颜色、图形大小、和子区( subplot)设置
font: 字体集(font family)、字体大小和样式设置
grid: 设置网格颜色和线性
legend: 设置图例和其中的文本的显示
line: 设置线条(颜色、线型、宽度等)和标记
patch: 是填充2D空间的图形对象,如多边形和圆。控制线宽、颜色和抗锯齿设置等。
savefig: 可以对保存的图形进行单独设置。例如,设置渲染的文件的背景为白色。
verbose: 设置matplotlib在执行期间信息输出,如silent、helpful、debug和debug-annoying。
xticks和yticks: 为x,y轴的主刻度和次刻度设置颜色、大小、方向,以及标签大小。
线条相关属性标记设置
线条风格linestyle或ls 描述‘-‘ 实线 ‘:’ 虚线 ‘–’ 破折线 ‘None’,’ ‘,’’ 什么都不画 ‘-.’ 点划线
线条标记
标记maker 描述‘o’ 圆圈 ‘.’ 点‘D’ 菱形 ‘s’ 正方形‘h’ 六边形1 ‘*’ 星号‘H’ 六边形2 ‘d’ 小菱形‘_’ 水平线 ‘v’ 一角朝下的三角形‘8’ 八边形 ‘<’ 一角朝左的三角形‘p’ 五边形 ‘>’ 一角朝右的三角形‘,’ 像素 ‘^’ 一角朝上的三角形‘+’ 加号 ‘\ ‘ 竖线‘None’,’’,’ ‘ 无 ‘x’ X
颜色
别名 颜色 b 蓝色 g 绿色r 红色 y 黄色c 青色k 黑色 m 洋红色 w 白色
如果这两种颜色不够用,还可以通过两种其他方式来定义颜色值:
1、使用HTML十六进制字符串 color=’#123456’ 使用合法的HTML颜色名字(’red’,’chartreuse’等)。
2、也可以传入一个归一化到[0,1]的RGB元祖。 color=(0.3,0.3,0.4)
背景色
通过向如matplotlib.pyplot.axes()或者matplotlib.pyplot.subplot()这样的方法提供一个axisbg参数,可以指定坐标这的背景色。
subplot(111,axisbg=(0.1843,0.3098,0.3098))
以下示例需要引入的库包括
import numpy as npimport pandas as pdimport matplotlib.pyplot as pltfrom matplotlib.ticker import MultipleLocator
绘图操作步骤(以点图、线图为例)
#使用numpy产生数据x=np.arange(-5,5,0.1)y=x*3#创建窗口、子图#方法1:先创建窗口,再创建子图。(一定绘制)fig = plt.figure(num=1, figsize=(15, 8),dpi=80) #开启一个窗口,同时设置大小,分辨率ax1 = fig.add_subplot(2,1,1) #通过fig添加子图,参数:行数,列数,第几个。ax2 = fig.add_subplot(2,1,2) #通过fig添加子图,参数:行数,列数,第几个。print(fig,ax1,ax2)#方法2:一次性创建窗口和多个子图。(空白不绘制)fig,axarr = plt.subplots(4,1) #开一个新窗口,并添加4个子图,返回子图数组ax1 = axarr[0] #通过子图数组获取一个子图print(fig,ax1)#方法3:一次性创建窗口和一个子图。(空白不绘制)ax1 = plt.subplot(1,1,1,facecolor='white') #开一个新窗口,创建1个子图。facecolor设置背景颜色print(ax1)#获取对窗口的引用,适用于上面三种方法# fig = plt.gcf() #获得当前figure# fig=ax1.figure #获得指定子图所属窗口# fig.subplots_adjust(left=0) #设置窗口左内边距为0,即左边留白为0。#设置子图的基本元素ax1.set_title('python-drawing') #设置图体,plt.titleax1.set_xlabel('x-name') #设置x轴名称,plt.xlabelax1.set_ylabel('y-name') #设置y轴名称,plt.ylabelplt.axis([-6,6,-10,10]) #设置横纵坐标轴范围,这个在子图中被分解为下面两个函数ax1.set_xlim(-5,5) #设置横轴范围,会覆盖上面的横坐标,plt.xlimax1.set_ylim(-10,10) #设置纵轴范围,会覆盖上面的纵坐标,plt.ylimxmajorLocator = MultipleLocator(2) #定义横向主刻度标签的刻度差为2的倍数。就是隔几个刻度才显示一个标签文本ymajorLocator = MultipleLocator(3) #定义纵向主刻度标签的刻度差为3的倍数。就是隔几个刻度才显示一个标签文本ax1.xaxis.set_major_locator(xmajorLocator) #x轴 应用定义的横向主刻度格式。如果不应用将采用默认刻度格式ax1.yaxis.set_major_locator(ymajorLocator) #y轴 应用定义的纵向主刻度格式。如果不应用将采用默认刻度格式ax1.xaxis.grid(True, which='major') #x坐标轴的网格使用定义的主刻度格式ax1.yaxis.grid(True, which='major') #x坐标轴的网格使用定义的主刻度格式ax1.set_xticks([]) #去除坐标轴刻度ax1.set_xticks((-5,-3,-1,1,3,5)) #设置坐标轴刻度ax1.set_xticklabels(labels=['x1','x2','x3','x4','x5'],rotation=-30,fontsize='small') #设置刻度的显示文本,rotation旋转角度,fontsize字体大小plot1=ax1.plot(x,y,marker='o',color='g',label='legend1') #点图:marker图标plot2=ax1.plot(x,y,linestyle='--',alpha=0.5,color='r',label='legend2') #线图:linestyle线性,alpha透明度,color颜色,label图例文本ax1.legend(loc='upper left') #显示图例,plt.legend()ax1.text(2.8, 7, r'y=3*x') #指定位置显示文字,plt.text()ax1.annotate('important point', xy=(2, 6), xytext=(3, 1.5), #添加标注,参数:注释文本、指向点、文字位置、箭头属性 arrowprops=dict(facecolor='black', shrink=0.05), )#显示网格。which参数的值为major(只绘制大刻度)、minor(只绘制小刻度)、both,默认值为major。axis为'x','y','both'ax1.grid(b=True,which='major',axis='both',alpha= 0.5,color='skyblue',linestyle='--',linewidth=2)axes1 = plt.axes([.2, .3, .1, .1], facecolor='y') #在当前窗口添加一个子图,rect=[左, 下, 宽, 高],是使用的绝对布局,不和以存在窗口挤占空间axes1.plot(x,y) #在子图上画图plt.savefig('aa.jpg',dpi=400,bbox_inches='tight') #savefig保存图片,dpi分辨率,bbox_inches子图周边白色空间的大小plt.show() #打开窗口,对于方法1创建在窗口一定绘制,对于方法2方法3创建的窗口,若坐标系全部空白,则不绘制
plot时可以设置的属性包括如下:
属性 值类型alpha 浮点值animated [True / False]antialiased or aa [True / False]clip_box matplotlib.transform.Bbox 实例clip_on [True / False]clip_path Path 实例, Transform,以及Patch实例color or c 任何 matplotlib 颜色contains 命中测试函数dash_capstyle ['butt' / 'round' / 'projecting']dash_joinstyle ['miter' / 'round' / 'bevel']dashes 以点为单位的连接/断开墨水序列data (np.array xdata, np.array ydata)figure matplotlib.figure.Figure 实例label 任何字符串linestyle or ls [ '-' / '--' / '-.' / ':' / 'steps' / ...]linewidth or lw 以点为单位的浮点值lod [True / False]marker [ '+' / ',' / '.' / '1' / '2' / '3' / '4' ]markeredgecolor or mec 任何 matplotlib 颜色markeredgewidth or mew 以点为单位的浮点值markerfacecolor or mfc 任何 matplotlib 颜色markersize or ms 浮点值markevery [ None / 整数值 / (startind, stride) ]picker 用于交互式线条选择pickradius 线条的拾取选择半径solid_capstyle ['butt' / 'round' / 'projecting']solid_joinstyle ['miter' / 'round' / 'bevel']transform matplotlib.transforms.Transform 实例visible [True / False]xdata np.arrayydata np.arrayzorder 任何数值
一个窗口多个图
#一个窗口,多个图,多条数据sub1=plt.subplot(211,facecolor=(0.1843,0.3098,0.3098)) #将窗口分成2行1列,在第1个作图,并设置背景色sub2=plt.subplot(212) #将窗口分成2行1列,在第2个作图sub1.plot(x,y) #绘制子图sub2.plot(x,y) #绘制子图axes1 = plt.axes([.2, .3, .1, .1], facecolor='y') #添加一个子坐标系,rect=[左, 下, 宽, 高]plt.plot(x,y) #绘制子坐标系,axes2 = plt.axes([0.7, .2, .1, .1], facecolor='y') #添加一个子坐标系,rect=[左, 下, 宽, 高]plt.plot(x,y)plt.show()
极坐标
属性设置同点图、线图中。
fig = plt.figure(2) #新开一个窗口ax1 = fig.add_subplot(1,2,1,polar=True) #启动一个极坐标子图theta=np.arange(0,2*np.pi,0.02) #角度数列值ax1.plot(theta,2*np.ones_like(theta),lw=2) #画图,参数:角度,半径,lw线宽ax1.plot(theta,theta/6,linestyle='--',lw=2) #画图,参数:角度,半径,linestyle样式,lw线宽ax2 = fig.add_subplot(1,2,2,polar=True) #启动一个极坐标子图ax2.plot(theta,np.cos(5*theta),linestyle='--',lw=2)ax2.plot(theta,2*np.cos(4*theta),lw=2)ax2.set_rgrids(np.arange(0.2,2,0.2),angle=45) #距离网格轴,轴线刻度和显示位置ax2.set_thetagrids([0,45,90]) #角度网格轴,范围0-360度plt.show()
柱形图
属性设置同点图、线图中。
plt.figure(3)x_index = np.arange(5) #柱的索引x_data = ('A', 'B', 'C', 'D', 'E')y1_data = (20, 35, 30, 35, 27)y2_data = (25, 32, 34, 20, 25)bar_width = 0.35 #定义一个数字代表每个独立柱的宽度rects1 = plt.bar(x_index, y1_data, width=bar_width,alpha=0.4, color='b',label='legend1') #参数:左偏移、高度、柱宽、透明度、颜色、图例rects2 = plt.bar(x_index + bar_width, y2_data, width=bar_width,alpha=0.5,color='r',label='legend2') #参数:左偏移、高度、柱宽、透明度、颜色、图例#关于左偏移,不用关心每根柱的中心不中心,因为只要把刻度线设置在柱的中间就可以了plt.xticks(x_index + bar_width/2, x_data) #x轴刻度线plt.legend() #显示图例plt.tight_layout() #自动控制图像外部边缘,此方法不能够很好的控制图像间的间隔plt.show()
直方图
fig,(ax0,ax1) = plt.subplots(nrows=2,figsize=(9,6)) #在窗口上添加2个子图sigma = 1 #标准差mean = 0 #均值x=mean+sigma*np.random.randn(10000) #正态分布随机数ax0.hist(x,bins=40,normed=False,histtype='bar',facecolor='yellowgreen',alpha=0.75) #normed是否归一化,histtype直方图类型,facecolor颜色,alpha透明度ax1.hist(x,bins=20,normed=1,histtype='bar',facecolor='pink',alpha=0.75,cumulative=True,rwidth=0.8) #bins柱子的个数,cumulative是否计算累加分布,rwidth柱子宽度plt.show() #所有窗口运行
散点图
fig = plt.figure(4) #添加一个窗口ax =fig.add_subplot(1,1,1) #在窗口上添加一个子图x=np.random.random(100) #产生随机数组y=np.random.random(100) #产生随机数组ax.scatter(x,y,s=x*1000,c='y',marker=(5,1),alpha=0.5,lw=2,facecolors='none') #x横坐标,y纵坐标,s图像大小,c颜色,marker图片,lw图像边框宽度plt.show() #所有窗口运行
三维图
fig = plt.figure(5)ax=fig.add_subplot(1,1,1,projection='3d') #绘制三维图x,y=np.mgrid[-2:2:20j,-2:2:20j] #获取x轴数据,y轴数据z=x*np.exp(-x**2-y**2) #获取z轴数据ax.plot_surface(x,y,z,rstride=2,cstride=1,cmap=plt.cm.coolwarm,alpha=0.8) #绘制三维图表面ax.set_xlabel('x-name') #x轴名称ax.set_ylabel('y-name') #y轴名称ax.set_zlabel('z-name') #z轴名称plt.show()
画矩形、多边形、圆形和椭圆
fig = plt.figure(6) #创建一个窗口ax=fig.add_subplot(1,1,1) #添加一个子图rect1 = plt.Rectangle((0.1,0.2),0.2,0.3,color='r') #创建一个矩形,参数:(x,y),width,heightcirc1 = plt.Circle((0.7,0.2),0.15,color='r',alpha=0.3) #创建一个椭圆,参数:中心点,半径,默认这个圆形会跟随窗口大小进行长宽压缩pgon1 = plt.Polygon([[0.45,0.45],[0.65,0.6],[0.2,0.6]]) #创建一个多边形,参数:每个顶点坐标ax.add_patch(rect1) #将形状添加到子图上ax.add_patch(circ1) #将形状添加到子图上ax.add_patch(pgon1) #将形状添加到子图上fig.canvas.draw() #子图绘制plt.show()
- python数据可视化系列教程——matplotlib绘图全解
- python—matplotlib数据可视化实例注解系列-----之横条图
- python—matplotlib数据可视化实例注解系列-----之箱状图
- python—matplotlib数据可视化实例注解系列-----之柱状图
- python—matplotlib数据可视化实例注解系列-----设置标注字体样式(matplotlib颜色库)
- python数据可视化——安装matplotlib
- Python数据可视化—matplotlib笔记
- Python数据可视化—matplotlib笔记
- python数据分析(十四)-matplotlib 绘图与可视化
- Python进阶(四十)-数据可视化の使用matplotlib进行绘图
- python—matplotlib数据可视化实例注解系列-----之函数填充
- python—matplotlib数据可视化实例注解系列-----之plot图线型设置
- python—matplotlib数据可视化实例注解系列-----之函数图
- python数据分析系列教程——NumPy全解
- python数据分析系列教程——Pandas全解
- python——数据可视化:matplotlib,seaborn,pandas
- python科学计算——数据可视化(Matplotlib)
- Python--matplotlib绘图可视化知识点整理
- NOIP2017 爆炸记
- 微信小程序开发-网络请求
- 在python3的matplotlib下实现不同颜色散点图
- 大数据预科20(补充之网络编程)
- ajax,json学习笔记(二)XMLHttpRequest对象
- python数据可视化系列教程——matplotlib绘图全解
- 洛谷P1060 开心的金明
- DateBase-事务
- java的equlas()方法与==运算符浅析
- 第三次作业P141
- 初识c++类(笔记)
- 私有云落地解决方案之网络篇-关键技术-DHCP地址-1
- Python 余弦相似性应用
- BroadcastReceiver