python3 Matplotlib 数据分析、画图实践
Matplotlib是python内置的一个非常强大的数据分析工具，可用来绘图。下面是我对Matplotlib使用的一系列练习，包括利用数据绘线、设置图例、设置标签、修改坐标轴、添加标注、绘制散点图、柱形图、等高线图，每个示例代码都配有详细的注释。下来一起来看看吧
1.基本用法：利用numpy库生成数据，使用Matplotlib下的pyplot子库绘制图形
# 导库
import matplotlib.pyplot as plt
import numpy as np
# 利用 numpy 生成数据
x = np.linspace(-3,3,50)
y1 = 2 * x + 1
y2 = x**2
# 绘图
# 设置图形窗口
plt.figure()
# 以x为横坐标，y1为纵坐标绘图
plt.plot(x, y1)
# 设置图形窗口
plt.figure(num=3)
# 以x为横坐标，y2、y1为纵坐标，即绘制两条线
plt.plot(x, y2)
# 设置绘制的线为红色、虚线，线的宽度为1
plt.plot(x, y1 ,color='red' ,linestyle = '--', linewidth = 1.0)
# 将绘制的图形显示出来
plt.show()
以上的代码运行的效果如下：
2.坐标轴修改：包括图例、坐标轴的标签、位置、范围、刻度等
# 导库
import matplotlib.pyplot as plt
import numpy as np
# 利用numpy生成数据
x = np.linspace(-3,3,50)
y1 = 2*x+1
y2 = x**2
# 在一张图中绘制两条直线
# plt.figure(figsize=(8,8))
plt.plot(x,y1,color = 'red', linestyle = '--')
plt.plot(x,y2)
# 设置x,y轴的范围。lim的含义为limit
plt.xlim((-1,6))
plt.ylim(-2,10)
# 设置x,y轴的标签
plt.xlabel('time')
plt.ylabel('altitude')
# 设置x,y轴的刻度，并在某刻度点上设置文字描述
new_ticks = np.linspace(-1,2,5) # ticks可以理解成刻度
print(new_ticks)
plt.xticks(new_ticks)
# 设置-2点为really bad，0点为normal，5点为good，10点为really good
plt.yticks([-2,0,5,10],
[r'$really\ bad$',r'$normal$',r'$ good$',r'$really\ good$'])# $ $为LATEX公式表达式，中间可写公式
plt.show()
运行效果如下：
plt.plot(x,y1,color = 'red', linestyle = '--',label= 'linear')
plt.plot(x,y2 , label = 'nonlinear')
# 设置图例
plt.legend(loc = 'best',labels = ['a','b'])
# x,y轴的范围
plt.xlim((-1,6))
plt.ylim(-2,10)
# 设置x,y轴的标签
plt.xlabel('time')
plt.ylabel('altitude')
# 设置x,y轴的刻度，并在某刻度点上设置文字描述
new_ticks = np.linspace(-1,2,5)
print(new_ticks)
plt.xticks(new_ticks)
plt.yticks([-2,0,5,10],
[r'$really\ bad$',r'$normal$',r'$ good$',r'$really\ good$'])# $ $为LATEX公式表达式，中间可写公式
# 修改坐标轴的位置
# gca='get current axis'
ax = plt.gca()
ax.spines['right'].set_color('none')
ax.spines['top'].set_color('none')
# 设置xy坐标轴
ax.xaxis.set_ticks_position('bottom')
ax.yaxis.set_ticks_position('left')
# 移动坐标轴
ax.spines['bottom'].set_position(('data',0)) #将X轴移动到y=0的位置
ax.spines['left'].set_position(('data',0)) #将y轴移动到x=0的位置
plt.show()
运行效果如下：
3.添加注解
# 倒库
import matplotlib.pyplot as plt
import numpy as np
# 使用numpy生成数据
x = np.linspace(-4,4,20)
y = 2*x+1
# 绘线，由于要避免坐标轴的标签被图形掩盖，这是设置图形的图层即zorder为0
plt.plot(x,y,linewidth=10,zorder = 0)
# 移动坐标轴的位置
ax = plt.gca()
# 将图形的窗口的上方的线和右方的线设置为none
ax.spines['right'].set_color('none')
ax.spines['top'].set_color('none')
# 设置xy轴，方便后续移动
ax.xaxis.set_ticks_position('bottom')
ax.yaxis.set_ticks_position('left')
# 移动，x,y轴的移动是互相以对方作为参考的
ax.spines['bottom'].set_position(('data',0))
ax.spines['left'].set_position(('data',0))
# 注解
x0 = 1
y0 = 2*x0+1
# 在图中绘出一个点
plt.scatter(x0,y0)
# 画直线
#(x0,x0),(y0,0)的含义是两个连线点的横坐标放在一块，纵坐标放在一块
plt.plot((x0,x0),(y0,0),linestyle = '--',color='r')
plt.annotate(r'$2x+1=%s$' %y0,xy=(x0,y0),xycoords='data',xytext=(+30,-30),textcoords='offset points',
fontsize=16,arrowprops=dict(arrowstyle='->',connectionstyle='arc3,rad=.2')) #xytext为注释的坐标点的位置
# 注释的方法二
plt.text(-4.7,3,r'$This\ is\ content.\ \alpha_i $',fontdict={
'size':16,'color':'r'})
# 有时候数据太多或线条太多遮挡住xy轴的标签时，可降低tick(刻度)的透明度
for label in ax.get_xticklabels()+ax.get_yticklabels():
label.set_fontsize(12)
label.set_bbox(dict(alpha=0.3,facecolor='white',edgecolor='None',zorder = 2)) #zorder为层级，层级越大越优先被显示
plt.show()
运行效果如下：
4.绘制散点图
import matplotlib.pyplot as plt
import numpy as np
n = 1024
X = np.random.normal(0,1,n) #N(0,1)的正态分布，随机产生n个点
Y = np.random.normal(0,1,n)
T = np.arctan2(Y,X) #color value
# 画出散点图，其中s为大小size，c为颜色
plt.scatter(X, Y, s=75, c=T,alpha=0.5)
# 对XY轴的范围做限制
plt.xlim((-1.5,1.5))
plt.ylim((-1.5,1.5))
# 去掉XY的刻度
plt.xticks(())
plt.yticks(())
plt.show
运行效果如下：
5.绘制柱形图
import matplotlib.pyplot as plt
import numpy as np
n = 12
X = np.arange(n)
Y1 = (1-X/float(n))*np.random.uniform(0.5,1,n)
Y2 = (1-X/float(n))*np.random.uniform(0.5,1,n)
plt.bar(X,+Y1,facecolor='#9aa4ff',edgecolor='white')
plt.bar(X,-Y2,facecolor='#ffa59c',edgecolor='white')
# 添加数字
for x,y in zip(X,Y1): # zip的含义为将X，Y1合并成一个元组，分别传值给x,y
# ha=horizontal alignment
plt.text(x,y+0.05,'%.2f'%y,ha='center',va='bottom')
for x,y in zip(X,Y2):
# ha=horizontal alignment
plt.text(x,-y-0.05,'-%.2f'%y,ha='center',va='top')
plt.xlim(-1,n)
plt.xticks(())
plt.ylim(-1.25,1.25)
plt.yticks(())
plt.show()
运行效果如下：
6.绘制等高线图
# Contours 等高线图
import matplotlib.pyplot as plt
import numpy as np
# hight function
def f(x,y):
return (1-x/2+x**5+y**3)*np.exp(-x**2-y**2)
# 生成数据
n = 256
x = np.linspace(-3,3,n)
y = np.linspace(-3,3,n)
X,Y = np.meshgrid(x,y) #使用x,y生成网格矩阵
# 画图
# use plt.contourf to filling contours,前三个参数代表X，Y，Z三个值
# X,Y and value for(X,Y) point
plt.contourf(X,Y,f(X,Y),8,alpha=0.7,cmap=plt.cm.hot)
# 画等高线
C=plt.contour(X,Y,f(X,Y),8,colors='black',linewidth=.5)
# 写高度值
plt.clabel(C,inline=True,fontsize=10)
plt.xticks(())
plt.yticks(())
plt.show()
运行效果如下：
