python 机器学习三剑客 之 Matplotlib

时间:2024-08-24 23:36:32

Matplotlib介绍:

    Matplotlib 是一个 Python 的 2D绘图库,它以各种硬拷贝格式和跨平台的交互式环境生成出版质量级别的图形 。

    通过 Matplotlib,开发者可以仅需要几行代码,便可以生成绘图,直方图,功率谱,条形图,错误图,散点图等。

Matplotlib基础知识:   
     Matplotlib中的基本图表包括的元素
     x轴和y轴
     水平和垂直的轴线
     x轴和y轴刻度
     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
     表示特定坐标轴的值
     绘图区域
     实际绘图的区域

Matplotlib形状代码:
首选是折线图: 
# 导包
import matplotlib.pyplot as plt
# 导入字体库
from matplotlib.font_manager import FontProperties font = FontProperties(fname="C:/Windows/Fonts/simkai.ttf",size=15)
# 填充数据
# plt.plot(['3-1','3-2','3-3'],[1,10,9]) # 绘制方法
# plt.show() # 定制数据
x1 = ['3-1','3-2','3-3','3-4','3-5']
y1 = [2,6,4,9,7] x2 = ['3-1','3-2','3-3','3-4','3-5']
y2 = [13,18,11,12,5] plt.plot(x1,y1,label='temperature')
plt.plot(x2,y2,label='water') # 设置标题
plt.title('温湿度显示图',FontProperties=font) plt.legend() plt.show() 树状图: # 导包
import matplotlib.pyplot as plt
# 导入字体库
from matplotlib.font_manager import FontProperties font = FontProperties(fname="C:/Windows/Fonts/simhei.ttf",size=15) # 设置数据
salary = [9000,10000,12000,5000,4000]
group = ['beijing','qinhuangdao','xingtai','handan','shijiazhuang'] plt.bar(group,salary) plt.title('全国各市工资水平',FontProperties=font) plt.show() 散点图: # 导包
import matplotlib.pyplot as plt
# 导入字体库
from matplotlib.font_manager import FontProperties import numpy as np font = FontProperties(fname="C:/Windows/Fonts/simhei.ttf",size=15) # 设置数据
# plt.scatter(2,4) # 定义x轴数据 x = list(range(0,101))
y = [xvalue * np.random.rand() for xvalue in x] # 填充数据
# s 代表点的大小,和粗细
# c 点表点的颜色 plt.scatter(x,y,s=20,c='skyblue') # 绘制
plt.show() 还可以运用面向对象来吧 图形封装成类,以下是封装成面向对象的图形代码。
# 导包
import matplotlib.pyplot as plt # 定义一个绘图类
class TestPlot(object): # 初始化赋值
def __init__(self,plt):
self.plt = plt #定义内部属性
#解决中文乱码问题(第二种,第一种在d6中)
# 'font.sans-serif' 是matplotlib的内置key
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['font.family']='sans-serif'
#指定编码
plt.rcParams['axes.unicode_minus'] = False # 定义横向条形图
def my_barh(self):
my_plt = self.plt
# 定义价格
price = [40.7,55,66,42.3]
# 将数据传入
my_plt.barh(range(4),price,align='center',color='skyblue',alpha=0.5) # 设置标签
my_plt.xlabel('价格') # 将数据传入y轴
my_plt.yticks(range(4),['红楼梦','三国演义','西游记','水浒传']) # 设置上下限制 my_plt.xlim([10,80]) my_plt.title('四大名著') my_plt.show() # 定义柱状图
def my_bar(self): my_plt =self.plt # 定义数据
GDP = [11313.3,14131.3,14553.5,23452.6] # 传入数据
my_plt.bar(['唐山','邢台','石家庄','邯郸'],GDP,align='center',color ='steelblue',alpha = 0.8) my_plt.ylabel('生产总值') my_plt.title('河北省GDP大比拼')
# 刻度范围
my_plt.ylim([5000,25000])
my_plt.show() def my_pie(self): my_plt = self.plt # 定义数据
xingtai = [44,22,16,18]
# 定义标签
label = ['2-3年','3-4年','5-6年','6年以上'] color = ['red','skyblue','yellow','pink'] indic = [] # 使用enumerate方法来添加索引 for index,item in enumerate(xingtai):
if item == max(xingtai):
indic.append(0.5) elif index == 1:
indic.append(0.3)
else:
indic.append(0) # if item == max(xingtai):
# indic.append(0.1)
# else:
# indic.append(0) my_plt.pie(
# 数据
xingtai,
# 标签
labels=label,
# 颜色
colors=color,
# 角度
startangle=90,
# 阴影
shadow=True,
# 突出显示
explode=tuple(indic),
# 格式化数字
autopct='%1.1f%%',
) # 设置标题
my_plt.title('饼图示例-统计邢台工龄占比')
my_plt.show() # 定义面积图方法
def my_area(self):
# 定义日期区间
date = ['2019.3.1','2019.3.2','2019.3.3','2019.3.4','2019.3.5','2019.3.6'] # 定义数据
# 收入
earn = [313,344,222,111,414,212] # 支出
pay = [[15,44,33,56,33,77],[33,22,11,13,42,19]] self.plt.stackplot(date,earn,pay,colors=['skyblue','yellow','red']) # 生成图例
self.plt.plot([],[],color='skyblue',label='收入')
self.plt.plot([],[],color='yellow',label='午餐')
self.plt.plot([],[],color='red',label='晚餐') # 设置标题
self.plt.title('面积图例,统一六天收入')
self.plt.legend()
self.plt.show() if __name__ == "__main__": # 实例化一个对象
testplot =TestPlot(plt)
testplot.my_area()
# testplot.my_bar()
# testplot.my_pie()
# testplot.my_barh() 以上全都是内置图形 ,还可以有扩展别的图形,例如小提琴图形。
首选要下载一个 seaborn 包
下载方式:pip install seaborn
下载之后利用此代码,就可以生成小提琴形状的比例了。
# 导包
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns if __name__ == "__main__": # 读取数据集
df = pd.read_excel('test.xlsx','sheet1')
print(df)
# 绘制小提琴图
sns.violinplot(df['Age'],df['Gender'])
# 初始化数据
sns.despine()
# 绘制
plt.show()