Matplotlib基础

Matplotlib库介绍

Matplotlib是Python的绘图库，是和交互式的进行制图，而且可以方便的将它作为绘图软件，嵌入GUI应用程序中
Matplotlib库由各种可视化类构成，内部结构复杂
Matplotlib.pyplot是绘制各类可视化图形的命令字库，相当于快捷方式
Matplotlib文档完备，并且gallery页面中有上百幅缩略图，打开之后有源代码。如果需要绘制某种类型的图，只需要在这个页面上浏览、复制、粘贴一下，大多都能够通过修改数据和设置搞定

快速绘图

Matplotlib中的快速绘图的函数库可以通过import语句导入
调用figure创建一个绘图对象，并且使它成为当前的绘图对象
通过figure参数可以指定绘图对象的宽度和高度，单位为英寸；dpi参数指定绘图对象的分辨率，即每英寸可以多少个像素，缺省值为80
也可以不创建绘图对象直接调用plot函数直接绘图，Matplotlib会自动创建一个绘图对象
如果需要同时绘制多幅图标的话，可以给figure传递一个整数参数指定图标的序号，如果所指定序号的绘图对象已经存在的话，将不创建新的对象，而只是让它成为当前绘图对象
plot函数的调用方式很灵活，使用关键字参数指定各种属性（label：给所绘制的曲线一个名字，此名字在图示（legend）中显示。color：指定曲线的颜色。linewidth：指定曲线的宽度。参数"b--":指定曲线的颜色和线型）
plt.xlabel/ylabel:设置X轴/Y轴的文字
plt.title：设置图标的标题
plt.ylim：设置Y轴的范围
plt.legend：图例图示
plt.show():显示出创建的所有绘图对象
plt.savefig()将当前的figure对象保存成图像文件，图像格式由图像文件的扩展名决定

import numpy as np
import matplotlib.pyplot as plt

x=np.linspace(0,10,100)
y=np.sin(x)
z=np.cos(x**2)

plt.plot(x,y,"r-",label="$sin(x)$",linewidth=2)
plt.plot(x,y,"b--",label="$cos(x^2)$")

plt.xlabel("Times(s)")
plt.ylabel("Volt")
plt.title("PyPlot First Example")
plt.legend()

plt.show()

折线图

折线图：通常用来表示数据随时间或有序类别变化的趋势

简单折线图

import matplotlib.pyplot as plt
data=[1,2,3,4,5,6,7,8,9,1,2,4,5,7,9]
#随意创建的数据
plt.plot(data)
#引用Matplotlib库中的pyplot模块绘图
plt.show()

plot（）函数的第一个参数表示横坐标数据
第二个表示纵坐标数据
第三个表示颜色、线型和标记样式
颜色常用的值有（r/g/b/c/m/y/k/w）
线型常用的值（-/--/:/-.）
标记样式常用的值有（./,/o/v/^/s/*/D/d/x/</>/h/H/1/2/3/4/_/|）

import matplotlib.pyplot as plt
import matplotlib.font_manager as fm

yy=[1,2,3,4,5,3,1,2,7,8]#随便创建的数据
xx=[3,5,4,1,9,3,2,5,6,3]
zz=[2,2,4,7,4,8,2,4,5,6]
plt.plot(yy,color='r',linewidth=5,linestyle=':',label='Data 1')
plt.plot(xx,color='g',linewidth=2,linestyle='--',label='Data 2')
plt.plot(zz,color='b',linewidth=0.5,linestyle='-',label='Data 3')
plt.legend(loc=2)
plt.xlabel('X轴名称',fontproperties='simhei')
plt.ylabel('y轴名称',fontproperties='simhei')
plt.title('折线图美化实例',fontproperties='simhei')
plt.ylim(0,10)
plt.show()

散点图

在Matplotlib中使用函数Matplotlib.pyplot.scatter绘制散点图
plt.scatter各参数详解

10个位置随机散点图

#10个点位置随机散点图
import matplotlib.pyplot as plt
import numpy as np

N=10
x=np.random.rand(N)
y=np.random.rand(N)
plt.scatter(x,y)
plt.show()

10个点随机大小

#10个点随机大小
import matplotlib.pyplot as plt
import numpy as np

N=10
x=np.random.rand(N)
y=np.random.rand(N)
size=(30*np.random.rand(N))**2
plt.scatter(x,y,s=size)
plt.show()

更改散点颜色、透明度

#更改散点颜色、透明度：颜色随机，透明度为0.5
import matplotlib.pyplot as plt
import numpy as np

N=10
x=np.random.rand(N)
y=np.random.rand(N)
size=(30*np.random.rand(N))**2
color=np.random.rand(N)
plt.scatter(x,y,s=size,c=color,alpha=0.5)
plt.show()

更改散点形状

#更改散点形状，点形状改为上三角
import matplotlib.pyplot as plt
import numpy as np

N=10
x=np.random.rand(N)
y=np.random.rand(N)
size=(30*np.random.rand(N))**2
color=np.random.rand(N)
plt.scatter(x,y,s=size,c=color,alpha=0.5,marker="^")
plt.show()

一张图绘制两组数据

#一张图绘制两组数据
import matplotlib.pyplot as plt
import numpy as np

N=10
x1=np.random.rand(N)
y1=np.random.rand(N)

x2=np.random.rand(N)
y2=np.random.rand(N)

plt.scatter(x1,y1,alpha=0.5,marker="^")
plt.scatter(x2,y2,alpha=0.5,marker="s")
plt.show()

为散点图增加图例

#为散点图增加图例
import matplotlib.pyplot as plt
import numpy as np

N=10
x1=np.random.rand(N)
y1=np.random.rand(N)

x2=np.random.rand(N)
y2=np.random.rand(N)

plt.scatter(x1,y1,alpha=0.5,marker="^",label='triangle')
plt.scatter(x2,y2,alpha=0.5,marker="s",label="circle")
plt.legend(loc="best")#自己选择图例在合适的位置
plt.show()

柱状图

使用Matplotlib提供的bar()函数来绘制柱状图
与plot()函数类似，程序每次调用bar()函数时都会生成一组柱状图，如果希望生成多组柱状图，则可通过多次调用bar()函数来实现

bar(x,height,width=0.8,*,align='center',**kwargs)

x:包含所有柱子的下标的列表
height：y轴的数值序列，也是柱状图的高度，一般就是我们需要展示的数据
width：为柱状图的宽度，一般为0.8即可
align：柱子对齐方式，center和edge。center表示每根柱子是根据下标来对齐，edge则表示每根柱子全部以下标为起点，然后显示到下标的右边。如果不指定该参数，默认值是center。
color：每根柱子呈现的颜色，可指定一个固定的颜色或者一个列表
edgecolor：每根柱子边框的颜色
linewidth：每根柱子的边框宽度。如果没有设置该参数，默认无边框
tick_label:每根柱子上显示的标签，默认无标签
xerr：每根柱子顶部在横轴方向的线段长度
yerr：每根柱子顶端在纵轴方向的线段长度
ecolor：设置xerr和yerr的线段的颜色，可以指定一个固定值或者一个列表

简单柱状图

#简单柱状图
import matplotlib.pyplot as plt
num_list=[1.5,0.6,7.8,6]
plt.bar(range(len(num_list)),num_list)
plt.show()

设置柱子颜色

#设置柱子的颜色
import matplotlib.pyplot as plt
num_list=[1.5,0.6,7.8,6]
plt.bar(range(len(num_list)),num_list,color='crgb')
plt.show()

设置标签

#设置标签
import matplotlib.pyplot as plt
name_list=['Monday','Tuesday','Wednesday','Thursday']
num_list=[1.5,0.6,7.8,6]
plt.bar(range(len(num_list)),num_list,color='crgb',tick_label=name_list)
plt.show()

堆叠柱状图

#堆叠柱状图
import matplotlib.pyplot as plt
name_list = ['Monday','Tuesday','Wednesday','Thursday']
num_list = [1.5,0.6,7.8,6]
num_list2 = [1,2,1,2]
plt.bar(range(len(num_list)),num_list,color='c',tick_label=name_list,label='boys')
plt.bar(range(len(num_list)),num_list2,color='m',tick_label=name_list,bottom=num_list,label='girls')
#bottom在第一个柱状图的基础
plt.legend()
plt.show()

横向柱状图

#横向柱状图
import matplotlib.pyplot as plt
name_list = ['Monday','Tuesday','Wednesday','Thursday']
num_list = [1.5,0.6,7.8,6]
num_list2 = [1,2,1,2]
plt.barh(range(len(num_list)),num_list,color='c',tick_label=name_list,label='boys')
plt.barh(range(len(num_list)),num_list2,color='m',tick_label=name_list,label='girls')
#bottom在第一个柱状图的基础
plt.legend()
plt.show()

并列柱状图

#并列柱状图
import matplotlib.pyplot as plt
name_list = ['Monday','Tuesday','Wednesday','Thursday']
num_list = [1.5,0.6,7.8,6]
num_list2 = [1,2,1,2]
x=list(range(len(num_list)))
total_width=0.8
n=2
width=total_width/2
plt.bar(x,num_list,color='c',tick_label=name_list,width=width,label='boys')
for i in range(len(x)):
    x[i]=x[i]+width
plt.bar(x,num_list2,color='m',tick_label=name_list,width=width,label='girls')
#bottom在第一个柱状图的基础
plt.legend(loc='best')
plt.show()

饼状图

饼状图显示一个系列中各项的大小与各项总和的比例
饼状图可自动根据数据的百分比画饼

绘制饼状图的基本语法：

创建数组x的饼图，每个楔形的面积由x/sum(x)决定；
若sum(x)<1,则x数组不会被标准化，x值即为楔形区域面积占比。注意，该种情况会出现1-sum(x)的空楔形
若sum(x)>1,则由x[i]/sum(x)算出每个楔形占比，饼图360°区域均被填充
pie函数精讲

def pie(x, explode=None, labels=None, colors=None, autopct=None,
        pctdistance=0.6, shadow=False, labeldistance=1.1, startangle=None,
        radius=None, counterclock=True, wedgeprops=None, textprops=None,
        center=(0, 0), frame=False, rotatelabels=False, hold=None, data=None)

x：（创建饼状图的数据，每一块）的比例，如果sum(x)>1会使用sum(x)归一化；
explode：（每一块）离开中心距离，一个list或数组
labels：list、optional、default：none；为每个楔形添加标签
color：array-like,optional,default:none;若无，则用currently active cycle中的颜色添加
autopct:控制饼图内百分比设置，可以使用format字符串或者format function：可以是整数（'%d%%'）、浮点数（'%1.3f%%'）、字符串（'%s%%'）、函数。
label distance:float,optional,default:1.1;label标记的绘图位置，相对于半径的比例，默认值为1.1，如<1则绘制饼图内侧
pctdistance：float，optional，default：0.6；类似于labeldistance，指定autopct的位置刻度，默认值为0.6
shadow：bool、optional、default：False；为饼图图画阴影（True）
startangle：float，optional，default：none；起始绘制角度，默认图是从x轴正方向逆时针画起，如设定=90则从y轴正方向画起
radius：float，optional，default：none；饼图的半径，若为none时，则默认为1
counterclock：bool、optional、default：True；指定分数方向，逆时针True或顺时针
wedgeprops：dict，optional，default：none；描述楔形边界线宽度值，参数形式“wedgeprops={‘linewidth’：3}”楔形边界线宽度为3
textprops：dict、optional，default：none；传递给文本对象的字典参数
center：list of float，optional，default：（0,0）；图标的中心为，默认（0,0），也可以是两个标量的序列（sequence of 2 scalars）

import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif']=['SimHei']
labels='A','B','C','D'
sizes=[10,10,10,10]
plt.pie(sizes,labels=labels)
plt.title('简单饼状图')
plt.show()

一块饼图到中心的距离

#explode参数：一块饼图到中心的距离，默认位0
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif']=['SimHei']
labels='A','B','C','D'
sizes=[10,10,10,10]
#explode参数：一块饼图到中心的距离
explode=(0,0,0.1,0)

plt.pie(sizes,labels=labels,explode=explode)
plt.title('简单饼状图')
plt.show()

标注每块饼图的颜色

#colos：数组，可选参数，默认为none；用来标注每块饼图的Matplotlib颜色参数序列
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif']=['SimHei']
labels='A','B','C','D'
sizes=[10,10,10,10]
color=['r','k','g','m']
#explode参数：一块饼图到中心的距离
explode=(0,0,0.1,0)

plt.pie(sizes,labels=labels,explode=explode,colors=color)
plt.title('简单饼状图')
plt.show()

控制饼图内百分比设置

#autopct:控制饼图内百分比设置，可以使用format字符串或者format function
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif']=['SimHei']
labels='A','B','C','D'
sizes=[10,10,10,10]
color=['r','c','g','m']
explode=(0,0,0.1,0)

plt.pie(sizes,labels=labels,explode=explode,colors=color,autopct='%1.1f%%')
plt.title('简单饼状图')
plt.show()

#x:每一块饼图的比例，为必填项，如果sum(x)>1,会将多余的部分进行均分
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif']=['SimHei']
labels='A','B','C','D'
sizes=[0.1,0.2,0.3,0.2]
color=['r','c','g','m']
explode=(0,0,0.1,0)

plt.pie(sizes,labels=labels,explode=explode,colors=color,autopct='%1.1f%%')
plt.title('简单饼状图')
plt.show()

添加图例

#添加图例，ply.legend()
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif']=['SimHei']
labels='A','B','C','D'
sizes=[0.1,0.2,0.3,0.2]
color=['r','c','g','m']
explode=(0,0,0.1,0)

plt.pie(sizes,labels=labels,explode=explode,colors=color,autopct='%1.2f%%')
plt.title('简单饼状图')
plt.legend(loc="upper right",fontsize=8,borderaxespad = 0.3)
plt.show()

雷达图

雷达图（Rader Chart），又可称为戴布拉图、蜘蛛网图（Spider Chart），可以很好的刻画出某些指标的横向或纵向的对比关系
雷达图常用于对比项指标的全面分析
Python中用Matplotlib模块绘制雷达图需要用到极坐标系

polar函数

import numpy as np
import matplotlib.pyplot as plt
plt.polar(0.25*np.pi,20,'ro',lw=2)
plt.ylim(0,50)
plt.show()
#0.25*np.pi:极角
#20：极径
#‘ro’:绘极坐标形状为红色圆点
#lw=2：极坐标图形宽度为2

如果绘制多个极角和极轴

import numpy as np
import matplotlib.pyplot as plt
theta=np.array([0.25,0.5,0.75,1,1.25,1.5,1.75,2])
r=[75,60,50,70,50,85,45,70]
plt.polar(theta*np.pi,r,'cs',lw=2)
plt.ylim(0,100)
#设置y轴的范围
plt.show()
#0.25*np.pi:极角
#20：极径
#‘ro’:绘极坐标形状为红色圆点
#lw=2：极坐标图形宽度为2

闭合曲线

#闭合曲线：多构造一个极坐标点，和第一个点重叠
import numpy as np
import matplotlib.pyplot as plt
theta=np.array([0.25,0.5,0.75,1,1.25,1.5,1.75,2,0.25])
r=[75,60,50,70,50,85,45,70,75]
#最后一个极坐标与第一个参数相同
plt.polar(theta*np.pi,r,'cs--',lw=2)
plt.ylim(0,100)
#设置y轴的范围
plt.show()
#0.25*np.pi:极角
#20：极径
#‘ro’:绘极坐标形状为红色圆点
#lw=2：极坐标图形宽度为2

Fill()函数填充雷达图

#fill()函数填充雷达图
import numpy as np
import matplotlib.pyplot as plt
theta=np.array([0.25,0.5,0.75,1,1.25,1.5,1.75,2,0.25])
r=[75,60,50,70,50,85,45,70,75]
#最后一个极坐标与第一个参数相同
plt.polar(theta*np.pi,r,'cs--',lw=2)
plt.fill(theta*np.pi,r,facecolor='r',alpha=0.25)
#填充
plt.ylim(0,100)
#设置y轴的范围
plt.show()
#0.25*np.pi:极角
#20：极径
#‘ro’:绘极坐标形状为红色圆点
#lw=2：极坐标图形宽度为2

学生成绩清单雷达图

#导入库
import numpy as np
import matplotlib.pyplot as plt
#数据准备
courses=['Python','Java','C++',
         'C','PHP','R',]
scores=[10,20,30,40,50,60]
datalength=len(scores)
#等分圆，曲线闭合
angles=np.linspace(0,2*np.pi,datalength,endpoint=False)
scores.append(scores[0])
angles=np.append(angles,angles[0])
#绘图
plt.polar(angles,scores,'rv--',lw=2)
#设置标签
plt.thetagrids(angles*180/np.pi,courses,fontproperties='simhei')
#填充雷达图
plt.fill(angles,scores,facecolor='c',alpha=0.3)

plt.show()

三维图

Matplotlib支持一些基础的三维图表绘制，需要使用mpl_toolkits模块
在绘制三维图形时，至少需要指定x、y、z三个坐标轴的数据，然后再根据不同的图形类型指定额外的参数设置图形的属性

plot_surface(X,Y,Z,*args,**kwargs)

常用参数：
rstride和cstride分别控制x和y两个方向的步长，这决定了曲面上每个面片的大小
color指定面片的颜色
cmap指定面片的颜色映射表

三维散点图

p3d.Axes3D.scatter( xs, ys, zs=0, zdir=’z’, s=20, c=None, depthshade=True, 
                   *args, **kwargs )

p3d.Axes3D.scatter3D( xs, ys, zs=0, zdir=’z’, s=20, c=None, depthshade=True,
                   *args, **kwargs)

xs、ys、zs分别用来指定散点符号的x、y、z坐标，如果同时为标量则制定一个三点符号的坐标，如果同时为等长数组则指定一系列散点符号的坐标
s用来指定散点符号的大小，可以是标量或与xs等长的数组

三维柱状图

bar3d(self, x, y, z, dx, dy, dz, color=None, zsort='average', shade=True, lightsource=None, \*args, \*\*kwargs)[source]

x、y、z分别用来表示每个柱底面的坐标，如果这三个参数都是标量则指定一个柱的底面坐标、如果是三个等长的数组则指定多个柱的底面坐标
dx、dy、dz分别用来指定柱在三个坐标轴上的跨度，即x方向的宽度、y方向的厚度和z方向的高度
color用来指定柱的表面颜色

import numpy as np
import matplotlib as mpl
import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D

fig=plt.figure()
ax=fig.gca(projection='3d')

#测试数据
theta=np.linspace(-4*np.pi,4*np.pi,100)
z=np.linspace(-4,4,100)*0.3
r=z**4+1
x=r*np.sin(theta)
y=r*np.cos(theta)

ax.plot(x,y,z,'b^-',label='3D Picture Test')
mpl.rcParams['legend.fontsize']=20
ax.legend(loc='best')
plt.show()

Matplotlib库-Python数据可视化

Matplotlib基础

Matplotlib库介绍

快速绘图

折线图

散点图

10个位置随机散点图

10个点随机大小

更改散点颜色、透明度

更改散点形状

一张图绘制两组数据

为散点图增加图例

柱状图

简单柱状图

设置柱子颜色

设置标签

堆叠柱状图

横向柱状图

并列柱状图

饼状图

一块饼图到中心的距离

标注每块饼图的颜色

控制饼图内百分比设置

添加图例

雷达图

polar函数

如果绘制多个极角和极轴

闭合曲线

Fill()函数填充雷达图

学生成绩清单雷达图

三维图

三维散点图

三维柱状图

猜你喜欢