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
导入模块
import matplotlib.pyplot as plt

包含单条曲线的图

注意:y,x轴的值必须为数字

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

plt.plot(x,y)

绘制抛物线

x = np.linspace(-np.pi,np.pi,num=10)  # 使用np.pi
y = x**2
plt.plot(x,y)

绘制正弦曲线图

x = x
y = np.sin(x)
plt.plot(x,y)

包含多个曲线的图

1、连续调用多次plot函数

# 可以只调多次plot
plt.plot(x,y)
plt.plot(x+2,y-1)

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-3,y+5)  # 也可以只调一次plot,传入多值

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
# 前两个参数表示绘制2*2的表格, 第三个参数表示图的位置(第几个)
plt.subplot(221)
plt.plot(x,y)

plt.subplot(2,2,2)
plt.plot(x+1,y-3)

plt.subplot(2,2,3)
plt.plot(x+5,y+2)

plt.subplot(2,2,4)
plt.plot(x-1,y-5)

参数:

- axis
- color:支持十六进制颜色
- linestyle: --  -.  :
- alpha

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])

# 传入想要修改刻度的范围,值不会变
plt.plot(x,y)
plt.axis([-6,6,-2,2])
plt.axis('off')

关闭坐标轴

# plt.axis('off')  # 不显示刻度

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=(10,5))
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
# 指定x、y和坐标系的标识
plt.plot(x,y)
plt.xlabel('xxx')
plt.ylabel('yyy')
plt.title('ttt')

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
# 调用legend方法使label生效
plt.plot(x,y,label='AAA')
plt.plot(x+3,y-4,label='BBB')
plt.legend(ncol=1,loc=3)  # ncol表示图例显示列数, loc表示位置

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
 
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

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)
# 第1步实例化对象
fig = plt.figure()

# 第2步绘图
plt.plot(x,y,label='AAA')
plt.plot(x+3,y-4,label='BBB')
plt.legend(ncol=1,loc=3)

# 第3步使用savefig保存图片,dpi为图片分辨率
fig.savefig('./123.png',dpi=500)

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)  # alpha为透明度
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
plt.plot(x,y,c='red',alpha=0.5,ls='steps')
线宽

linewidth或lw参数

plt.plot(x,y,c='red',alpha=0.5,ls='steps',lw=5)

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
'.' '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
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,c='red',alpha=0.5,lw=5,marker='h',markersize=10)

# 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 markeredgecolorwidth
# 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
salary = np.array([12345,10000,15000,18000,20000,15555,10050,19999,12000,12500])
# qu = [10000,12000,15000,18000,20000]  # 表示区间
plt.hist(salary)
# 可以传入qu设置柱子数量,还可以加上参数bins=5表示5根柱和rwidth设置柱宽,有的柱子没有柱高就不显示

lst = [1,1,4,5,6,7,8,8,5,5]
plt.hist(lst)
# 返回第一组numpy数组为密度值10个,第二numpy数组表示11个范围(例1.7-2.4表示一个密度值范围)

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

  • bar() 纵向显示

  • barh() 横向显示
x = [1,2,3,4,5]
y = [6,7,8,9,10]

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

 

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 = [0.2,0.3,0.1,0.2]
plt.pie(arr,labels=['a','b','c','d'])

arr=[11,22,31,15]
plt.pie(arr,labels=['a','b','c','d'])

# 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='%.6f%%')

# explode参数设置每一块顶点距圆心的长度(比例值,列表), shadow表示阴影;
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])

# startangle参数设置饼图起始角度
arr=[11,22,31,15]
plt.pie(arr,labels=['a','b','c','d'],startangle=50)

%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: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!】

scatter()

# 通过散点图可以找出这两组数据之前存在的规律
x = [33,35,34,31,36]
y = [100,200,150,166,177]

plt.scatter(x,y)

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

x = np.linspace(10,20,num=30)
y = np.random.randint(10,20,size=(30,))

plt.scatter(x,y,c='r')  # 使用c参数设置颜色

 

内容来源于网络如有侵权请私信删除

文章来源: 博客园

原文链接: https://www.cnblogs.com/aitree/p/14326917.html

你还没有登录,请先登录注册
  • 还没有人评论,欢迎说说您的想法!