python数据分析三剑客之: matplotlib绘图模块

matplotlib

一、Matplotlib基础知识

Matplotlib中的基本图表包括的元素

- x轴和y轴  axis   
  水平和垂直的轴线

- x轴和y轴刻度  tick  
  刻度标示坐标轴的分隔，包括最小刻度和最大刻度

- x轴和y轴刻度标签  tick label  
  表示特定坐标轴的值

- 绘图区域（坐标系） axes  
  实际绘图的区域

- 坐标系标题 title  
  实际绘图的区域

- 轴标签 xlabel ylabel  
  实际绘图的区域

包含单条曲线的图

• 注意：y,x轴的值必须为数字

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
from pandas import Series,DataFrame

## 在jupyter 环境使用
%matplotlib inline

x=[1,2,3,4,5]
y=[2,4,6,8,10]

# 绘制直线图 
plt.plot(x,y)

# 绘制抛物线
# linspace再 正π~负π生成10个数
x = np.linspace(-np.pi,np.pi,num=10)
y = x**2

plt.plot(x,y)

# 绘制正弦曲线图
x = x
# 使用sin函数
y = np.sin(x)
plt.plot(x,y)

包含多个曲线的图

# 连续调用多次plot函数
plt.plot(x,y)
plt.plot(x-1,y+2)

# 也可以在一个plot函数中传入多对X,Y值，在一个图中绘制多个曲线
plt.plot(x,y,x+1,y-1)

将多个曲线图绘制在一个table区域中：对象形式创建表图

# - a=plt.subplot（row,col,loc） 创建曲线图
# - a.plot(x,y) 绘制曲线图

# subplot(x y z)可以绘制多个子图 : xy表示多大平面图,z表示哪个位置
ax1 = plt.subplot(2,2,1)
ax1.plot(x,y)

ax2 = plt.subplot(222)
ax2.plot(x+1,y-2)

ax3 = plt.subplot(223)
ax3.plot(x+3,y-1)

ax4 = plt.subplot(224)
ax4.plot(x**2,y-2)

坐标轴界限

#### axis方法:设置x，y轴刻度值的范围
    # plt.axis([xmin,xmax,ymin,ymax])
plt.plot(x,y)
plt.axis([-6,6,-2,2])

# plt.axis('off') 
# 关闭坐标轴 如下图:
plt.plot(x,y)
plt.axis('off')

# 设置画布比例：plt.figure(figsize=(a,b))
        # a:x刻度比例   
        # b：y刻度比例  （2:1）表示x刻度显示为y刻度显示的2倍
plt.figure(figsize=(16,8))
plt.plot(x,y)

坐标轴标签

# - s 标签内容
# - color 标签颜色
# - fontsize 字体大小
# - rotation 旋转角度
# - plt的xlabel方法和ylabel方法  title方法
plt.plot(x,y)
plt.xlabel('haha')
plt.ylabel('hehe')
plt.title('heihei')

图例

#### legend方法
    # 两种传参方法：
        - 分别在plot函数中增加label参数,再调用plt.legend()方法显示
        - 直接在legend方法中传入字符串列表

plt.plot(x,y,label='temp')
plt.plot(x-1,y+3,label='dist')
plt.legend()

legend的参数

### - loc参数
    # - loc参数用于设置图例标签的位置，一般在legend函数内
    # - matplotlib已经预定义好几种数字表示的位置

plt.plot(x,y,label='temp')
plt.plot(x-1,y+3,label='dist')
plt.legend(loc=3)

字符串	数值	字符串	数值
best	0	center left	6
upper right	1	center right	7
upper left	2	lower center	8
lower left	3	upper center	9
lower right	4	center	10
right	5

- ncol参数

ncol控制图例中有几列,在legend中设置ncol

plt.plot(x,y,label='temp')
plt.plot(x-1,y+3,label='dist')
plt.legend(loc=3,ncol=2)

保存图片

### 使用figure对象的savefig函数来保存图片

fig = plt.figure()---必须放置在绘图操作之前

    figure.savefig的参数选项
        - filename  
          含有文件路径的字符串或Python的文件型对象。图像格式由文件扩展名推断得出，例如，.pdf推断出PDF，.png推断出PNG
          （“png”、“pdf”、“svg”、“ps”、“eps”……）
        - dpi  
          图像分辨率（每英寸点数），默认为100
        - facecolor ，打开保存图片查看 
          图像的背景色，默认为“w”（白色）

fig = plt.figure()

plt.plot(x,y,label='temp')
plt.plot(x-1,y+3,label='dist')
plt.legend(loc=3,ncol=2)

fig.savefig('./123.png',dpi=300)

设置plot的风格和样式

### plot语句中支持除X,Y以外的参数，以字符串形式存在，来控制颜色、线型、点型等要素，语法形式为：  
    plt.plot(X, Y, 'format', ...) 

### 颜色
    参数color或c

plt.plot(x,y,c='red',alpha=0.5,ls='steps',lw=3)

##### 颜色值的方式
    # - 别名
      - color='r'


    # - 合法的HTML颜色名
      - color = 'red'

颜色	别名	HTML颜色名	颜色	别名	HTML颜色名
蓝色	b	blue	绿色	g	green
红色	r	red	黄色	y	yellow
青色	c	cyan	黑色	k	black
洋红色	m	magenta	白色	w	white

• HTML十六进制字符串

  color = '#eeefff'

• 归一化到[0, 1]的RGB元组

  color = (0.3, 0.3, 0.4)

透明度

​ alpha参数

线型

​ 参数linestyle或ls

线条风格	描述	线条风格	描述
'-'	实线	':'	虚线
'--'	破折线	'steps'	阶梯线
'-.'	点划线	'None' / '，'	什么都不画

线宽

linewidth或lw参数

点型

• marker 设置点形
• markersize 设置点形大小

标记	描述	标记	描述
's'	正方形	'p'	五边形
'h'	六边形1	'H'	六边形2
'8'	八边形

标记	描述	标记	描述
'.'	点	'x'	X
'*'	星号	'+'	加号
','	像素

标记	描述	标记	描述
'o'	圆圈	'D'	菱形
'd'	小菱形	'','None',' ',None	无

标记	描述	标记	描述
'1'	一角朝下的三脚架	'3'	一角朝左的三脚架
'2'	一角朝上的三脚架	'4'	一角朝右的三脚架

plt.plot(x,y,marker='2')

# 绘制线      plt.plot(x1,y1,x2,y2)
# 网格线      plt.grid(True)  axes.grid(color,ls,lw,alpha)
# 获取坐标系  plt.subplot(n1,n2,n3)
# 坐标轴标签  plt.xlabel() plt.ylabel()
# 坐标系标题  plt.title()
# 图例        plt.legend([names],ncol=2,loc=1)  plt.plot(label='name')
# 线风格      --  -. : None  step
# 图片保存    figure.savefig()
# 点的设置    marker markersize markerfacecolor markeredgecolor\width
# 坐标轴刻度  plt.xticks(刻度列表，刻度标签列表) plt.yticks()
#             axes.set_xticks(刻度列表) axes.set_xticklabels(刻度标签列表)

二、2D图形

直方图

### - 是一个特殊的柱状图，又叫做密度图。
【直方图的参数只有一个x！！！不像条形图需要传入x,y】

# plt.hist()的参数

    - bins  
      直方图的柱数，可选项，默认为10
      
    - color  
      指定直方图的颜色。可以是单一颜色值或颜色的序列。如果指定了多个数据集合,例如DataFrame对象，颜色序列将会设置为相同的顺序。如果未指定，将会使用一个默认的线条颜色
      
    - orientation  
      通过设置orientation为horizontal创建水平直方图。默认值为vertical

data = [1,2,3,3,4,2,5]
plt.hist(data,bins=10)

### 返回值 ：

    1: 直方图向量，是否归一化由参数normed设定

    2: 返回各个bin的区间范围

    3: 返回每个bin里面包含的数据，是一个list

条形图：plt.bar()

## 参数：第一个参数是索引。第二个参数是数据值。第三个参数是条形的宽度

#【条形图有两个参数x,y】

    - width 纵向设置条形宽度
    - height 横向设置条形高度

# 使用到的函数
bar()、barh()

x = [1,2,3,4,5]
y = [2,4,6,8,10]
# 竖向柱状图
plt.bar(x,y)

# 横向柱状图
plt.barh(x,y)

饼图

【饼图也只有一个参数x】
# pie()  
        饼图适合展示各部分占总体的比例，条形图适合比较各部分的大小

        普通各部分占满饼图

plt.pie([1,3,5])

# 普通未占满饼图：小数/比例
plt.pie([0.2,0.3,0.4])

饼图阴影、分裂等属性设置

## labels参数设置每一块的标签；

    - labeldistance参数设置标签距离圆心的距离（比例值）
    - autopct参数设置比例值小数保留位(%.3f%%)；
    - pctdistance参数设置比例值文字距离圆心的距离
    - explode参数设置每一块顶点距圆心的长度（比例值,列表）；
    - colors参数设置每一块的颜色（列表）；
    - shadow参数为布尔值，设置是否绘制阴影
    - startangle参数设置饼图起始角度

arr=[11,22,31,15]  
plt.pie(arr,labels=['a','b','c','d']) #  labels外层展示参数

#labeldistance参数设置标签距离圆心的距离（比例值）
arr=[11,22,31,15]
plt.pie(arr,labels=['a','b','c','d'],labeldistance=0.3)

#autopct参数设置比例值小数保留位(%.3f%%)；
arr=[11,22,31,15]
plt.pie(arr,labels=['a','b','c','d'],labeldistance=0.3,autopct='%.5f%%')

##explode参数设置每一块顶点距圆心的长度（比例值,列表）；
arr=[11,22,31,15]
plt.pie(arr,labels=['a','b','c','d'],labeldistance=0.3,shadow=True,explode=[0.2,0.3,0.2,0.4])

%m.nf
m 占位
n 小数点后保留几位
f 是以float格式输出

散点图scatter() ：因变量随自变量而变化的大致趋势

# 【散点图需要两个参数x,y，但此时x不是表示x轴的刻度，而是每个点的横坐标！】

plt.scatter(x,y)

# plt.scatter(x,y,marker='d',c="rbgy") 设置不同的散点颜色
    x = np.random.random(size=(30,))
    y = np.random.random(size=(30,))
    plt.scatter(x,y)