matplotlib
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
- 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
- 坐标系标题 title
实际绘图的区域
- 轴标签 xlabel ylabel
实际绘图的区域
包含单条曲线的图
- 注意:y,x轴的值必须为数字
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
from pandas import Series,DataFrame
## 在jupyter 环境使用
%matplotlib inline
x=[1,2,3,4,5]
y=[2,4,6,8,10]
# 绘制直线图
plt.plot(x,y)
# 绘制抛物线
# linspace再 正π~负π生成10个数
x = np.linspace(-np.pi,np.pi,num=10)
y = x**2
plt.plot(x,y)
# 绘制正弦曲线图
x = x
# 使用sin函数
y = np.sin(x)
plt.plot(x,y)
包含多个曲线的图
# 连续调用多次plot函数
plt.plot(x,y)
plt.plot(x-1,y+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
plt.plot(x,y,x+1,y-1)
将多个曲线图绘制在一个table区域中:对象形式创建表图
# - a=plt.subplot(row,col,loc) 创建曲线图
# - a.plot(x,y) 绘制曲线图
# subplot(x y z)可以绘制多个子图 : xy表示多大平面图,z表示哪个位置
ax1 = plt.subplot(2,2,1)
ax1.plot(x,y)
ax2 = plt.subplot(222)
ax2.plot(x+1,y-2)
ax3 = plt.subplot(223)
ax3.plot(x+3,y-1)
ax4 = plt.subplot(224)
ax4.plot(x**2,y-2)
坐标轴界限
#### axis方法:设置x,y轴刻度值的范围
# plt.axis([xmin,xmax,ymin,ymax])
plt.plot(x,y)
plt.axis([-6,6,-2,2])
# plt.axis('off')
# 关闭坐标轴 如下图:
plt.plot(x,y)
plt.axis('off')
# 设置画布比例:plt.figure(figsize=(a,b))
# a:x刻度比例
# b:y刻度比例 (2:1)表示x刻度显示为y刻度显示的2倍
plt.figure(figsize=(16,8))
plt.plot(x,y)
坐标轴标签
# - s 标签内容
# - color 标签颜色
# - fontsize 字体大小
# - rotation 旋转角度
# - plt的xlabel方法和ylabel方法 title方法
plt.plot(x,y)
plt.xlabel('haha')
plt.ylabel('hehe')
plt.title('heihei')
图例
#### legend方法
# 两种传参方法:
- 分别在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
plt.plot(x,y,label='temp')
plt.plot(x-1,y+3,label='dist')
plt.legend()
legend的参数
### - loc参数
# - loc参数用于设置图例标签的位置,一般在legend函数内
# - matplotlib已经预定义好几种数字表示的位置
plt.plot(x,y,label='temp')
plt.plot(x-1,y+3,label='dist')
plt.legend(loc=3)
字符串 | 数值 | 字符串 | 数值 |
---|---|---|---|
best | 0 | center left | 6 |
upper right | 1 | center right | 7 |
upper left | 2 | lower center | 8 |
lower left | 3 | upper center | 9 |
lower right | 4 | center | 10 |
right | 5 |
- ncol参数
ncol控制图例中有几列,在legend中设置ncol
plt.plot(x,y,label='temp')
plt.plot(x-1,y+3,label='dist')
plt.legend(loc=3,ncol=2)
保存图片
### 使用figure对象的savefig函数来保存图片
fig = plt.figure()---必须放置在绘图操作之前
figure.savefig的参数选项
- filename
含有文件路径的字符串或Python的文件型对象。图像格式由文件扩展名推断得出,例如,.pdf推断出PDF,.png推断出PNG
(“png”、“pdf”、“svg”、“ps”、“eps”……)
- dpi
图像分辨率(每英寸点数),默认为100
- facecolor ,打开保存图片查看
图像的背景色,默认为“w”(白色)
fig = plt.figure()
plt.plot(x,y,label='temp')
plt.plot(x-1,y+3,label='dist')
plt.legend(loc=3,ncol=2)
fig.savefig('./123.png',dpi=300)
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', ...)
### 颜色
参数color或c
plt.plot(x,y,c='red',alpha=0.5,ls='steps',lw=3)
##### 颜色值的方式
# - 别名
- color='r'
# - 合法的HTML颜色名
- color = 'red'
颜色 | 别名 | HTML颜色名 | 颜色 | 别名 | HTML颜色名 |
---|---|---|---|---|---|
蓝色 | b | blue | 绿色 | g | green |
红色 | r | red | 黄色 | y | yellow |
青色 | c | cyan | 黑色 | k | black |
洋红色 | m | magenta | 白色 | w | white |
-
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)
透明度
alpha参数
线型
参数linestyle或ls
线条风格 | 描述 | 线条风格 | 描述 |
---|---|---|---|
'-' | 实线 | ':' | 虚线 |
'--' | 破折线 | 'steps' | 阶梯线 |
'-.' | 点划线 | 'None' / ',' | 什么都不画 |
线宽
linewidth或lw参数
点型
- marker 设置点形
- markersize 设置点形大小
标记 | 描述 | 标记 | 描述 |
---|---|---|---|
's' | 正方形 | 'p' | 五边形 |
'h' | 六边形1 | 'H' | 六边形2 |
'8' | 八边形 |
标记 | 描述 | 标记 | 描述 |
---|---|---|---|
'.' | 点 | 'x' | X |
'*' | 星号 | '+' | 加号 |
',' | 像素 |
标记 | 描述 | 标记 | 描述 |
---|---|---|---|
'o' | 圆圈 | 'D' | 菱形 |
'd' | 小菱形 | '','None',' ',None | 无 |
标记 | 描述 | 标记 | 描述 |
---|---|---|---|
'1' | 一角朝下的三脚架 | '3' | 一角朝左的三脚架 |
'2' | 一角朝上的三脚架 | '4' | 一角朝右的三脚架 |
plt.plot(x,y,marker='2')
# 绘制线 plt.plot(x1,y1,x2,y2)
# 网格线 plt.grid(True) axes.grid(color,ls,lw,alpha)
# 获取坐标系 plt.subplot(n1,n2,n3)
# 坐标轴标签 plt.xlabel() plt.ylabel()
# 坐标系标题 plt.title()
# 图例 plt.legend([names],ncol=2,loc=1) plt.plot(label='name')
# 线风格 -- -. : None step
# 图片保存 figure.savefig()
# 点的设置 marker markersize markerfacecolor markeredgecolor\width
# 坐标轴刻度 plt.xticks(刻度列表,刻度标签列表) plt.yticks()
# axes.set_xticks(刻度列表) axes.set_xticklabels(刻度标签列表)
二、2D图形
直方图
### - 是一个特殊的柱状图,又叫做密度图。
【直方图的参数只有一个x!!!不像条形图需要传入x,y】
# plt.hist()的参数
- bins
直方图的柱数,可选项,默认为10
- color
指定直方图的颜色。可以是单一颜色值或颜色的序列。如果指定了多个数据集合,例如DataFrame对象,颜色序列将会设置为相同的顺序。如果未指定,将会使用一个默认的线条颜色
- orientation
通过设置orientation为horizontal创建水平直方图。默认值为vertical
data = [1,2,3,3,4,2,5]
plt.hist(data,bins=10)
### 返回值 :
1: 直方图向量,是否归一化由参数normed设定
2: 返回各个bin的区间范围
3: 返回每个bin里面包含的数据,是一个list
条形图:plt.bar()
## 参数:第一个参数是索引。第二个参数是数据值。第三个参数是条形的宽度
#【条形图有两个参数x,y】
- width 纵向设置条形宽度
- height 横向设置条形高度
# 使用到的函数
bar()、barh()
x = [1,2,3,4,5]
y = [2,4,6,8,10]
# 竖向柱状图
plt.bar(x,y)
# 横向柱状图
plt.barh(x,y)
饼图
【饼图也只有一个参数x】
# pie()
饼图适合展示各部分占总体的比例,条形图适合比较各部分的大小
普通各部分占满饼图
plt.pie([1,3,5])
# 普通未占满饼图:小数/比例
plt.pie([0.2,0.3,0.4])
饼图阴影、分裂等属性设置
## labels参数设置每一块的标签;
- labeldistance参数设置标签距离圆心的距离(比例值)
- autopct参数设置比例值小数保留位(%.3f%%);
- pctdistance参数设置比例值文字距离圆心的距离
- explode参数设置每一块顶点距圆心的长度(比例值,列表);
- colors参数设置每一块的颜色(列表);
- shadow参数为布尔值,设置是否绘制阴影
- startangle参数设置饼图起始角度
arr=[11,22,31,15]
plt.pie(arr,labels=['a','b','c','d']) # labels外层展示参数
#labeldistance参数设置标签距离圆心的距离(比例值)
arr=[11,22,31,15]
plt.pie(arr,labels=['a','b','c','d'],labeldistance=0.3)
#autopct参数设置比例值小数保留位(%.3f%%);
arr=[11,22,31,15]
plt.pie(arr,labels=['a','b','c','d'],labeldistance=0.3,autopct='%.5f%%')
##explode参数设置每一块顶点距圆心的长度(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])
%m.nf
m 占位
n 小数点后保留几位
f 是以float格式输出
散点图scatter() :因变量随自变量而变化的大致趋势
# 【散点图需要两个参数x,y,但此时x不是表示x轴的刻度,而是每个点的横坐标!】
plt.scatter(x,y)
# plt.scatter(x,y,marker='d',c="rbgy") 设置不同的散点颜色
x = np.random.random(size=(30,))
y = np.random.random(size=(30,))
plt.scatter(x,y)