版权声明：本文为博主原创文章，未经博主允许不得转载。 https://blog.csdn.net/weixin_39532362/article/details/86895248
绘图和可视化
matplotlib入门
主要由Figure及AxesSubplot对象处理可视化
plt.figure()方法
import matplotlib.pyplot as plt
import numpy as np
from numpy.random import randn
# 创建图像及子图
fig=plt.figure()
ax1=fig.add_subplot(2,2,1)
ax2=fig.add_subplot(2,2,2)
ax3=fig.add_subplot(2,2,3)
# 绘制子图
plt.plot(randn(50).cumsum(),'k--') #默认在最后创建的子图上绘制，没有则自动创建
_=ax1.hist(randn(100),bins=20,color='k',alpha=0.3) #返回元组表示值列表,标记列表,数据类型
ax2.scatter(np.arange(30),np.arange(30)+3*randn(30)) #返回数据类型
plt.show()
plt.subplots()方法
fig,axes=plt.subplots(2,3,sharex=True,sharey=True)
axes[0,0].plot(randn(50).cumsum(),'k--')
plt.subplots_adjust(wspace=0,hspace=0) #还有left,right,bottom,top
plt.show()
pyplot.subplot的选项
| 参数 | 说明 |
|---|---|
| nrows | subplot的行数 |
| ncols | subplot的列数 |
| sharex | 所用subplot应该使用相同的x轴刻度（调整xlim影响所有subplot） |
| sharey | 所用subplot应该使用相同的y轴刻度（调整xlim影响所有subplot） |
| subplot_kw | 用于创建个subplot的关键字字典 |
| **fig_kw | 创建figure的其他关键字 |
颜色，标记和线型
data=randn(50).cumsum()
plt.plot(data,'ko--')
plt.plot(data,color='k',linestyle='dashed',marker='o') #RGB形式color'#CECECE';'dashed'等价于'--'
# 插值方式
plt.plot(data,'k--',label='Default') #默认是线性
plt.plot(data,'k-',drawstyle='steps-post',label='steps=post')
plt.legend(loc='best') #把label显示出来
plt.show()
刻度，标签和图例
fig=plt.figure()
ax=fig.add_subplot(1,1,1)
ax.plot(randn(1000).cumsum())
ax.set_xticks([0,250,500,750,1000]) #设置x轴标记点
ax.set_xticklabels(['one','two','three','four','five'],rotation=30,fontsize='small') #设置x轴标记名称
ax.set_title('matplotlib plot') #设置图标名称
ax.set_xlabel('Stages') #设置x轴名称
# 添加图例
ax.plot(randn(1000).cumsum(),'k.',label='two')
ax.legend(loc='best') #显示图例，也可以用plt.legend()
# 放大到指定区域
ax.set_xlim([100,200])
ax.set_ylim([-1,1])
plt.show()
注解以及在subplot上绘图
- 可以通过text，arrow，annotate函数进行添加注解
ax.text(x,y,'hello',family='monospace',fontsize=10)
ax.annotate(text,
xy=(),
xytext=(),
arrowprops=dict(facecolor='black'),
horizontalalignment='left',#水平对齐
verticalalignment='top') #垂直对齐
- add_path函数进行绘图
fig=plt.figure()
ax=fig.add_subplot(1,1,1)
rect=plt.Rectangle('位置'=(x,y),'长','宽',color='k',alpha=0.3)
circ=plt.Circle('位置'=(x,y),'半径',color='b',alpha=0.3)
pgon=plt.Polygon('三点位置'=[(),(),()],color='g',alpha=0.5)
ax.add_patch(rect)
ax.add_patch(circ)
ax.add_patch(pgon)
plt.show()
保存图片
plt.savefig('aa.png',dpi=400,bbox_inches='tight')
Figure.savefig的选项
| 参数 | 说明 |
|---|---|
| fname | 文件名 |
| dpi | 分辨率，默认100 |
| facecolor,edgecolor | 图像背景颜色，默认‘w’ |
| format | 文件格式，如‘png’ |
| bbox_inches | 设置为‘tight’时，尽量裁剪周围空白 |
matplotlib配置
- 查看配置选项路径：Python\Python36-32\Lib\site-packages\matplotlib\mpl-data\matplotlibrc
font_options={'family':'monospace',
'weight':'bold',
'size':'small'}
plt.rc('font',**font_options)
pandas中的绘图函数
Series.plot方法的参数
| 参数 | 说明 |
|---|---|
| label | 用于图例的标签 |
| ax | 指定要绘制subplot对象，没有设定使用当前或新建 |
| style | 风格，如‘ko–’ |
| alpha | 不透明度 |
| kind | 可以试试’line’,‘bar’-水平柱状,‘barh’-垂直柱状,‘kde’-密度图,‘hist’-直方图 |
| logy | 在y轴上使用的对数标尺 |
| use_index | 将对象的索引用作刻度标签 |
| rot | 旋转刻度标签0-360 |
| xticks | 用作x轴的刻度值列表 |
| yticks | 用作y轴的刻度值列表 |
| xlim | x轴的界限 |
| ylim | y轴的界限 |
| grid | 显示轴网络格 |
DataFrame.plot方法的参数
| 参数 | 说明 |
|---|---|
| subplots | 将各列绘制到单独的subplot |
| sharex | 用同一个x轴，包括刻度和界限 |
| sharey | 用同一个y轴，包括刻度和界限 |
| figsize | 表示图像大小的元组 |
| title | 图像标题 |
| legend | 添加一个subplot图例，默认为True |
| sort_columns | 以字母顺序绘制各列,默认使用当前顺序 |
| stacked | 堆叠柱状图 |
#直方图
ser=hist(bin=50,normed=True)
#散布图
plt.scatter(ser1,ser2)
#散布图矩阵
pd.scatter_matrix(df,digonal='kde',color='k',alpha=0.3)
其他图形化工具
- Chaco
- mayavi
- 其他（PyQwt,Veusz,gnuplot-py,biggles等）