数据科学包——Matplotlib

Matplotlib
- 包：imoprt matplotlib.pyplot as plt
- 散点图
  - 作用：显示两变量相关性
    - 正相关
    - 负相关
    - 不相关
  - plt.scatter(x,y)
  - 参数
    - 点的大小：s=面积大小
    - 颜色：c=‘r’
    - 点的形状：marker=’<’
    - 透明度：alpha=
- 折线图
  - 作用：观察数据随时间变化的趋势
  - plt.plot(x,y)
  - plt.plot_date(x,y,’-’)
  - 参数
    - 线的形状：linestyle=’–’
    - 颜色：color=‘red’
    - 点的形状：marker=’<’
- 条形图
  - 作用：比较多个类的数据大小
  - 有利于较小数据集的分析
  - plot.bar(left=x, height=y)
  - 参数
    - 颜色：color = ‘blue’
    - 宽度：width=
    - 变为水平条形图:orientation:‘horizontal’
    - 层叠图：bottom=上一层的变量x
  - 直接画水平条形图：plot.barh()
- 直方图
  - 作用：表示数据分布的情况
  - 一维直方图：plt.hist(x,bins=均分为几块,color=,normed=是否标准化)
  - 二维直方图：plot.hist2d(x,y,bins=)
- 饼状图
  - 作用：数据各项大小占总和的比例
  - plt.pie(x=数据，labels=标签)
  - 参数
    - 显示具体比例值：autopct=’%.0f%%’
    - 每一部分距圆心的距离：explode=距离列表
    - 阴影：shadow=True
  - 为了让饼状图为正圆，需要将x，y的比例为1：1
    - plt.axes(aspect=1)
- 箱型图
  - 作用：显示数据分散情况
  - 解释
    - 直线分隔
      - 上边缘
      - 上四分位数
      - 中位数
      - 下四分位数
      - 下边缘
    - 点
      - 异常值
  - plot.boxplot(x)
  - 多个箱型图：plot.boxplot(xs,labels=)
  - 参数
    - 调整异常点形状：sym=‘0’
    - 边界同最近四分位数之间的距离：whis=
- 颜色和样式
  - 颜色
    - 内建颜色
      - b:blue
      - g:green
      - r:red
      - c:cyan
      - m:magenta
      - y:yellow
      - k:black
      - w:white
    - 灰度
      - ‘0.5’
    - 十六进制
      - ‘#FF00FF’
    - RBG元组
      - (0.2,0.4,0.2)
  - plot()有marker参数画线，没有画点
  - 点和线的样式
    - 具体查文档
- 画布
  - fig = plt.figure()
    - 可以添加Axes实例
  - 子图
    - ax = fig.add_subplot(111)
      - 返回Axes实例
      - 参数1：子图总行数
      - 参数2：子图总列数
      - 参数3：子图位置
      - 在figure上添加axes的常用方法
  - 多图
    - 创建多个figure对象
  - 网格
    - 显示网格
      - plt.grid(True)
      - 参数
        
        color=
        
        linewidth=
        
        linestyle=
- 图例
  - plt.legend(可选标签列表)
    - 也可以在plot里定义label 参数
  - 参数
    - 位置：loc=索引值
      - 具体见文档
      - 自适应为0
    - 扁平化：ncol=分的列数
- 坐标轴范围
  - plt.axis([xmin，xmax，ymin，ymax])
  - x轴
    - plt.xlim([min,max])
  - y轴
    - plt.ylim([min,max])
  - 只调整一边：参数xmin/xmax =
- 坐标轴刻度
  - plot对象.locator_param(‘x/y’,nbins=)
    - 刻度分为多少格
  - 获取当前对象坐标轴：plt.gca()
  - 面向对象
    - ax.xaxis.et_majot_formatter
    - 自适应：fig.autpfmt_xdata()
- 添加坐标轴
  - plt.twinx()
  - plt.twiny()
注释
- plt.annotate(‘注释内容’, xy=注释位置元组, xytext=注释文本的起始坐标元组, arrowprops=dict(facecolor=‘r’, frac=箭头所占比例, headwidth=箭头宽度, width=箭身宽度) )
添加文本
- plt.text(起始x，起始y，‘文字内容’)
- 参数
  - 字体：family
  - 字号：size
  - 字体颜色:color
  - 样式
    - ‘normal’
    - 斜体：‘italic’
  - 字体粗细：weight
  - 外框：bbox=dict(color=, alpha=)
Tex公式
- r’\(latex公式内容\)’
区域填充
- 填充曲线
  - pl.fill(x,y, color,alpha=)
  - 不需要再画线
- 在两曲线间填充
  - plt.gca.fill_between(x,y1,y2, facecolor=)
  - 参数
    - where=y1>y2#条件表达式
    - interpolate=True # 填充离散值造成的缝隙
形状
- 包：import matplotlib.patches as mpatches
- 圆形
  - mpatches.Circle()
- 矩形
  - mpatches.Rectangle()
- 多边形
  - mpatches.RegularPolygon()
- 椭圆
  - mpatches.Ellipes()
- 将形状加到画布上
  - ax.add_patch(对象)
样式
- plt.style.use()

数据科学包——Matplotlib

猜你喜欢