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
轴标签 axisLabel 水平和垂直的轴标签
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
画布 figure 呈现所有的坐标系

数据分析库之matplotlib

figure>axes(坐标系)>axis(坐标轴)+tick+label+title
最外面是画布对象（里面可以有子画布也可以没有）
画布里面有坐标系

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

只含单一曲线的图

x = np.arange(-np.pi,np.pi,0.1)
y = np.sin(x)
plt.plot(x,y)  # 绘图函数 默认绘制折线图

数据分析库之matplotlib

包含多个曲线的图

1、可以使用多个plot函数（推荐），在一个图中绘制多个曲线

x1 = np.arange(-np.pi,0,0.1)
plt.plot(x1,np.sin(x1))
x2 = np.arange(0,np.pi,0.1)
plt.plot(x2,np.sin(x2))

数据分析库之matplotlib

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

x1 = np.arange(-np.pi,0,0.1)
x2 = np.arange(0,np.pi,0.1)
plt.plot(x1,np.sin(x1),x2,np.sin(x2))  # 也可以在一个plot函数中将多个 x和y的对应关系 连着写

得到的结果与上图一致

子画布

axes = plt.subplot()

x = np.arange(-np.pi,np.pi,0.1)

axes1 = plt.subplot(2,2,1)# 参数1指的是把画布纵向分成几份 参数2指的是把画布横向分成几份 参数3指的是占用第几个（从1开始）
axes2 = plt.subplot(2,2,3)
axes3 = plt.subplot(2,2,3)
axes4 = plt.subplot(2,2,4)
axes1.plot(x,np.sin(x))  # 坐标系axes对象的plot方法 使用起来和之前的画布fig的plot方法一样
axes2.plot(x,np.cos(x))
axes3.plot(x,np.tan(x))
axes4.plot(x,np.sin(x)/np.cos(x))
# 如果subplot中指定的 坐标系 有重叠
# 如果完全重叠 就花到同一个坐标系里面
# 如果没有完全重叠 并且 位置上有冲突 后面的会把签名的覆盖

数据分析库之matplotlib

网格线

使用plt.grid方法可以开启网格线，使用plt面向对象的方法，创建多个子图显示不同网格线

axis显示轴向
color代表颜色
alpha表示线的明暗程度
lw代表linewidth，线的粗细

plt.plot()
plt.grid()  # 网格线

axes1 = plt.subplot(4,4,1)
axes2 = plt.subplot(4,4,6)
axes3 = plt.subplot(4,4,11)
axes4 = plt.subplot(4,4,16)
# 给子画布中的图 添加网格线
# plt.grid()  # 使用plt调用grid只会给最后一个子画布 添加网格线 (应该是让axes对象去调用)
axes1.grid(axis='x')  # axis='both'指的是 x和y都会引出网格线
axes2.grid(axis='y')
axes3.grid(color='red',alpha=0.3,linewidth=5)
# axes.grid()

数据分析库之matplotlib

坐标轴的轴线

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

# axes 坐标系
# axis 轴线
x = np.linspace(-1,1,100)
y = (1-x**2)**0.5
plt.plot(x,y)
plt.plot(x,-y)
# plt.axis([-5,2,-2,10])  # [xmin, xmax, ymin, ymax] 可以控制x和y的显示范围
plt.axis([-1,1,-1,1])

数据分析库之matplotlib

plt.axis('xxx') 'off'、'equal'……

设置坐标轴类型
关闭坐标轴

x = np.linspace(-1,1,100)
y = (1-x**2)**0.5
plt.plot(x,y)
plt.plot(x,-y)
# plt.axis([-5,2,-2,10])  # [xmin, xmax, ymin, ymax] 可以控制x和y的显示范围
plt.axis('equal')  # 让x和y的间距相等
plt.axis('off')  # 去掉坐标轴线

数据分析库之matplotlib

xlim方法和ylim方法

除了plt.axis方法，还可以通过xlim，ylim方法设置坐标轴范围

x = np.linspace(-1,1,100)
y = (1-x**2)**0.5
plt.figure(figsize=(5,5)) # 设置画布的大小
plt.plot(x,y)
plt.plot(x,-y)
# plt.xlim((-2,2))  # x轴的取值范围
# plt.ylim((-2,2))  # y轴的取值范围
plt.axis([-5,5,-5,5])

坐标轴的标签

plt.xlabel( )方法和 plt.ylabel( )方法
例如 plt.ylabel('y = x^2 + 5',rotation = 60)

color 标签颜色
fontsize 字体大小
rotation 旋转角度

x = np.arange(10)
y = x**2+5
plt.plot(x,y)
# plt.xlabel('x_label')  # s string 字符串 必须传 x的标题
# plt.ylabel('y=x^2+5')
# plt.ylabel('y=x^2+5',color='r',fontsize=20,rotation=45)  # color颜色 fontsize字号 rotation旋转
plt.xlabel('x_label',color='r',fontsize=20,rotation=45)
plt.ylabel('y=x^2+5',color='r',fontsize=20,rotation=90,alpha=0.5)  # y默认就是90度

数据分析库之matplotlib

画布的标题

plt.title()方法

loc 标题位置{left,center,right}
color 标题颜色
fontsize 字体大小
rotation 旋转角度

x = np.arange(10)
plt.plot(x,x)
# plt.title('title')
plt.title('标题',fontproperties='KaiTi',fontsize=20,color='red',alpha=0.3,rotation=45,loc='right')  # 建议平时就使用英文 很多地方对中文支持都不好

数据分析库之matplotlib

图例

legend方法

两种传参方法：

分别在plt.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如：plt.legend(['normal','fast','slow'])

x = np.arange(10)
plt.plot(x,x)
plt.plot(x,2*x)
plt.plot(x,x/2)
plt.legend(['normal','fast','slow'])  # 列表中的顺序 要和上面画线的顺序一样

数据分析库之matplotlib

plt.plot(x,x,label='normal')
plt.plot(x,2*x,label='fast')
plt.plot(x,x/2,label='slow')
plt.legend()

数据分析库之matplotlib

loc参数

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

数据分析库之matplotlib

loc参数还可以是2元素的列表，表示图例左下角的坐标

[0,0] 左下
[0,1] 左上
[1,0] 右下
[1,1] 右上

图例也可以超过图的界限loc = (-0.1,0.9)

data = np.random.randint(0,100,size=(10,3))
df = DataFrame(data,columns=list('ABC'))
df
plt.plot(df['A'])
plt.plot(df['B'])
plt.plot(df['C'])
# plt.legend(['A','B','C'],loc=10)  # 如果不设置 loc参数 默认 loc=0 best 寻找空间最大的最佳位置
# loc的值 除了 可以使用 预定义的0-10 之外 开可以以座标的形式 设置位置
# plt.legend(['A','B','C'],loc=[0,0])
# plt.legend(['A','B','C'],loc=[1,1])
# plt.legend(['A','B','C'],loc=[-0.5,1.5])

ncol参数

ncol控制图例中有几列,在legend中设置ncol,需要设置loc

data = np.random.randint(0,100,size=(10,3))
df = DataFrame(data,columns=list('ABC'))
df
plt.plot(df['A'])
plt.plot(df['B'])
plt.plot(df['C'])
plt.legend(['A','B','C'],ncol=3)   # ncol 用来指定有几列

二、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', ...)

点和线的样式

颜色

参数color或c
颜色值的方式
- 合法的HTML颜色名
  - color = 'red'
- 别名
  - color='r'
- 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)

数据分析库之matplotlib

x = np.linspace(-np.pi,np.pi,100)
y = np.sinh(x)
# plt.plot(x,y,color='red')  # color属性 设置线的颜色 后面的值是字符串 可以跟 
# plt.plot(x,y,c='red')  # 参数名可以简写成c
# plt.plot(x,y,c='b')  # 参数值也可以简写  rgb光源的三原色（加光模式） cmy(减光模式)k(黑色) w白色
# plt.plot(x,y,c='#abcdef')
plt.plot(x,y,c=(0.5,0.4,0.1))

数据分析库之matplotlib

透明度

plt.plot() 中的 alpha参数

plt.plot(x,y,c=(0.5,0.4,0.1),alpha=0.2)

线型和线宽

参数linestyle或ls
linewidth或lw参数

数据分析库之matplotlib

x = np.linspace(0,10,11)
x
y = x
plt.plot(x,y,c='orange',ls='steps',dashes=[2,4,6,8],alpha=0.8)

点型

marker 设置点形
markersize 设置点形大小

数据分析库之matplotlib

同时设置多个曲线样式

多个曲线同一设置

plt.plot(x1, y1, x2, y2,...,样式参数)

plt.plot(x,x,x,2*x,x,x/2,color='r',ls=':',marker='.')  # x1 y1  x2 y2  x3 y3
# 多对曲线 样式一样 可以 在最后 统一设置

数据分析库之matplotlib

多个曲线不同设置

多个都进行设置时，多参数连用

plt.plot(x1, y1, fmt1, x2, y2, fmt2, ...) fmt format 格式化字符串

fmt = '[color][marker][line]'

plt.plot(x,x,'ro-',x,2*x,'b*:',x,x/2,'yd--') # fmt format 格式化字符串
# fmt = '[color][marker][line]'

数据分析库之matplotlib

文档 https://matplotlib.org/api/_as_gen/matplotlib.pyplot.plot.html#matplotlib.pyplot.plot

曲线样式的三种设置方式

向方法传入关键字参数

plt.plot(...)

就是之前我们一直用的调用plt.plot()绘图的时候往里面传参数的方式
优点：简洁方便

缺点：容易乱没提示可读性差

对实例使用一系列的setter方法

plt.plot()方法返回一个包含所有线的列表，设置每一个线需要获取该线对象
- eg: lines = plt.plot(); line = lines[0]
- line.set_linewidth()
- line.set_linestyle()
- line.set_color()

lines = plt.plot(x,x,x,2*x,x,x/2)
lines[0].set_linestyle('--')
lines[1].set_linewidth(5)
lines[2].set_color('cyan')

数据分析库之matplotlib

对坐标系使用一系列的setter方法

axes = plt.subplot()获取坐标系
axes.plot(...)

axes = plt.subplot()
lines = axes.plot(x,x,x,2*x,x,x/2)
lines[0].set_linestyle('--')
lines[1].set_linewidth(5)
lines[2].set_color('cyan')

axes对象文档 https://matplotlib.org/api/axes_api.html

lines对象文档 https://matplotlib.org/api/_as_gen/matplotlib.lines.Line2D.html#matplotlib.lines.Line2D

X、Y轴坐标刻度

plt.xticks()和plt.yticks()方法

需指定刻度值和刻度名称 plt.xticks([刻度列表],[名称列表])
支持fontsize、rotation、color等参数设置

x = np.linspace(-np.pi,np.pi,100)
x
y = np.sin(x)
plt.plot(x,y)
# plt.xticks([-3,0,3])  # 以列表的形式传入要显示的刻度
# plt.xticks([-np.pi,-np.pi/2,0,np.pi/2,np.pi],['-$\pi$','-$\pi$/2',0,'$\pi$/2','$\pi$'])  # 第二个列表 可以传 要显示的名字
plt.xticks([-np.pi,-np.pi/2,0,np.pi/2,np.pi],['-$\pi$','-$\pi$/2',0,'$\pi$/2','$\pi$'],fontsize=20,color='r',rotation=45)
plt.yticks([1,0.5,0,-0.5,-1],['max',0.5,0,-0.5,'min'])
plt.grid()

数据分析库之matplotlib

axes = plt.subplot(111)
axes.plot(x,y)
# axes.set_xticks([-3,0,3],['min',0,'max'])  # set_xticks只能设置显示哪些刻度 不能设置自定义名称
axes.set_xticks([-3,0,3])
axes.set_xticklabels(['min',0,'max'])  # 用这个可以设置 自定义名称

数据分析库之matplotlib

# 保存图片
fig = plt.figure()
x = np.linspace(0,99,100)
x
plt.plot(x)
plt.plot(x.cumsum())
# fname filename 文件名 用来指定要保存在哪里 不指定后缀默认是png图片 还可以是pdf svg
# dpi dot per inch 清晰度
# facecolor图片的背景颜色
fig.savefig('demo.png',dpi=100,facecolor='c')  # 保存图像

秒客网

数据分析库之matplotlib

一、Matplotlib基础知识

只含单一曲线的图

包含多个曲线的图

子画布

网格线

坐标轴的轴线

坐标轴的标签

画布的标题

图例

legend方法

loc参数

ncol参数

二、设置plot的风格和样式

点和线的样式

颜色

透明度

线型和线宽

点型

更多点和线的设置

同时设置多个曲线样式

多个曲线同一设置

多个曲线不同设置

曲线样式的三种设置方式

向方法传入关键字参数

对实例使用一系列的setter方法

对坐标系使用一系列的setter方法

X、Y轴坐标刻度

相关文章