python模块专题——4.matplotlib

matplotlib用于数据可视化，熟悉matlab的朋友对他应该不会陌生。

1.简介

数据的处理、分析和可视化已经成为Python近年来最为重要的应用领域之一，其中数据的可视化指的是将数据呈现为漂亮的统计图表，然后进一步发现数据中包含的规律以及隐藏的信息。
在这里插入图片描述

2.安装与使用

安装：使用pip命令进行安装：pip install matplotlib

使用

from matplotlib import pyplot as plt

x=[x for x in range(1,10)]
y=[i**2 for i in x]
plt.plot(x,y)
plt.show()

在这里插入图片描述

3.参数详解

图片大小（绘图函数前设置）：fig=plt.figure(figsize=(20,8),dpi=80)
图片保存（绘图函数后设置）：plt.savefig("路径")
标题：plt.title("")
坐标轴标记

plt.xlabel("")

plt.ylabel("")
坐标轴刻度

plt.xticks(x)

plt.yticks(y)
字符串刻度：

xtick=["{}".format(i) for i in range(x)]

plt.xticks(x,xtick)

注：若刻度不需要全部显示，在设置xticks时，可以通过将列表切片xtick[::h]设定步长实现部分显示，此时需要将x做同样的切片

x为指定刻度，xtick指定刻度上的文字

plt.xticks(x[::h],xtick[::h])
坐标轴刻度旋转：plt.xticks(rotation=45)

坐标刻度显示中文
在这里插入图片描述

from matplotlib import font_manager
my_font=font_manager.FontProperties(fname="C:/Windows/Fonts/msyh.ttc")
在需要显示中文的方法(xlabel,xticks,title...)中添加缺省参数：fontproperties=my_font
在图例中（legend）添加缺省参数：prop=myfont

注意：图例的中文字体属性用prop，其余均用fontproperties

网格：plt.grid(alpha=0.5)alpha为缺省参数
图例

plot(x,y,label="")

plt.legend([prop=myfont,loc="upper left"])

同一个图中画多条曲线，直接多次plot即可，同时在plot中的label参数指定图例信息

图例中文字体属性prop，其他中文属性fontproperties

图例位置loc：upper/lower left/right/center

绘图函数的缺省参数

abel=""图例信息

color="r"线条颜色

linestyle=’–'线形

linewidth=5线条粗细

alpha=0.5透明度

颜色字符		线型字符
r红色	c青色	-实线
g绿色	m洋红色	–虚线、破折线
b蓝色	y黄色	-.点划线
w白色	k黑色	：虚线、点虚线
		''留空或空格，无线条

# coding=utf-8
from matplotlib import pyplot as plt
from matplotlib import  font_manager

x=[x for x in range(1,12)]
y=[i**2 for i in x]
y2=[100/i for i in x]

# 中文字体
myfont=font_manager.FontProperties(fname="C:/Windows/Fonts/msyh.ttc")

plt.figure(dpi=80,figsize=(10,8))
# plt.title("fig1.1")
plt.title("这是一个中文标题",fontproperties=myfont)
plt.xlabel('x')
xtick=["{}m".format(i) for i in x]
plt.xticks(x[::2],xtick[::2])
plt.xticks(rotation=45)
plt.ylabel('y')
plt.grid(alpha=0.5)

plt.plot(x,y,label='x^2的图像',color='r',linestyle='--',linewidth=5,alpha=0.6)
plt.plot(x,y2,label='100/x的图像')
plt.legend(prop=myfont,loc="upper center")
# plt.savefig("plt.jpg")
plt.show()

在这里插入图片描述

4.常用统计图

参数调整同plot

import matplotlib.pyplot as plt

x=[i for i in range(10)]
y=[j**2 for j in x]

plt.fun(x,y)
plt.show()

折线图
- plot
散点图
- scatter

纵向条形图

离散数据
plt.bar(x,y,width=0.4)
绘制多个条形图通过多次bar即可，但是需要将偏移width，xtick和x都需要调整

m*n列的数据适合绘制条形图，类内和类间均可对比

import matplotlib.pyplot as plt

x=[i for i in range(1,6)]
label=["G{}".format(i) for i in x]
width=0.2
men_x=[i-width for i in x]
women_x=x
other_x=[i+width for i in x]
men_means = [20, 34, 30, 35, 27]
women_means = [25, 32, 34, 20, 25]
other_means=[23, 22, 44, 40, 35]

plt.bar(men_x,men_means,width=width,label="men")
plt.bar(women_x,women_means,width=width,label="women")
plt.bar(other_x,other_means,width=width,label="other")
plt.xticks(x,label)
plt.legend()

plt.show()

在这里插入图片描述

横向条形图

离散数据，统计数据

plt.barh(x,y,height=0.3)

import matplotlib.pyplot as plt
height=0.2
x=[i for i in range(3)]
year=[i for i in range(2017,2020)]
print(year)
beijing=[57768,59868,59906]
shanghai=[50017,49446,50420]
guangzhou=[22205,22188,22055]

plt.barh([i-height for i in x],beijing,height=height,label="beijing")
plt.barh(x,shanghai,height=height,label="shanghai")
plt.barh([i+height for i in x],guangzhou,height=height,label="guangzhou")
plt.yticks(range(len(year)),year)
plt.legend()
plt.grid(alpha=0.5)

plt.show()

在这里插入图片描述

直方图

连续数据，原始数据
频数直方图：plt.hist(data,n)

频率直方图：plt.hist(data,n，normed=True)

# coding=utf-8

'''
Author:Regent Wan
Email:[email protected]
微信公众号：学术创客
Github:https://github.com/RegentWan

Date:2019/8/29 11:19
Desc:
'''

import matplotlib.pyplot as plt

# 直方图
time=[131,98,125,131,124,139,131,117,128,108,135,138,131,102,107,114,119,128,121,142,127,130,124,101,116,117,110,128,128,115,99,136,126,134,95,138,117,111,78,132,124,113,150,110,117,86,95,144,105,126,130,126,130,126,116,123,106,112,138,123,86,101,99,136,123,117,119,105,137,123,128,125,104,109,134,125,127,105,120,107,129,116,108,132,103,136,118,102,120,114,105,115,132,145,119,121,112,139,125,138,109,132,134,156,106,117,127,144,139,139,119,140,83,110,102,123,107,143,115,136,118,139,123,112,118,125,109,119,133,112,114,122,109,106,123,116,131,127,115,118,112,135,115,146,137,116,103,144,83,123,111,110,111,100,154,136,100,118,119,133,134,106,129,126,110,111,109,141,120,117,106,149,122,122,110,118,127,121,114,125,126,114,140,103,130,141,117,106,114,121,114,133,137,92,121,112,146,97,137,105,98,117,112,81,97,139,113,134,106,144,110,137,137,111,104,117,100,111,101,110,105,129,137,112,120,113,133,112,83,94,146,133,101,131,116,111,84,137,115,122,106,144,109,123,116,111,111,133,150]
binWidth=3
binNum=int((max(time)-min(time))/binWidth)
plt.hist(time,binNum)
plt.xticks((range(min(time),max(time)+binWidth))[::binWidth],rotation=30)
plt.grid(linestyle="-.",alpha=0.5)

plt.show()

在这里插入图片描述

饼图

pie(size,explode=,labels=,startangle=)

参数：各部分比例、explode突出部分、label各部分标记、startangle起始角度

import matplotlib.pyplot as plt

labels = 'Frogs', 'Hogs', 'Dogs', 'Logs'
sizes = [15, 30, 45, 10]
explode = (0, 0.1, 0, 0)
plt.pie(sizes, explode=explode, labels=labels, autopct='%1.1f%%', shadow=True, startangle=90)

plt.show()

在这里插入图片描述

子图

用plt.subplot(row, col, num)来指定子图位置

各子图样式分别设置

import matplotlib.pyplot as plt

data=[57768,59868,59906]
plt.subplot(1,2,1)
plt.plot(range(len(data)),data)

plt.subplot(1,2,2)
plt.bar(range(len(data)),data)

plt.show()

在这里插入图片描述

等高线图
更多图形参考https://matplotlib.org/gallery/index.html

Notice

应博友的要求，创建了一个QQ群，方便大家学习交流，群内也会经常分享一下学习资源。有兴趣的小伙伴可以加群哦！
在这里插入图片描述