Matplotlib 库 : 绘图和可视化

一、Matplotlib基础知识

1.1Matplotlib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

1.2 导包

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

1.3 绘制简单图形

  • 单条曲线
x=[1,2,3,4,5]
y=[2,4,6,8,10]
plt.plot(x,y)

  • 抛物线
x = np.arange(-np.pi,np.pi,0.2)
y = x**2
plt.plot(x,y)

  • 绘制正弦曲线图
x = np.arange(-np.pi,np.pi,0.2)

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

1.4 绘制多个曲线的图

x = np.arange(-np.pi,np.pi,0.2)
y = np.cos(x)

#方式一
plt.plot(x,y)
plt.plot(x+3,y+3)
#方式二
plt.plot(x,y,x+3,y+3)

1.5 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
ax1=plt.subplot(2,2,1)
ax1.plot(x,y,‘r‘)
ax2=plt.subplot(2,2,2)
ax2.plot(x,y,‘b‘)
ax3=plt.subplot(2,1,2)
ax3.plot(x,y,‘black‘)

ax1=plt.subplot(2,2,1)
ax1.plot(x,y,‘r‘)
ax2=plt.subplot(2,2,3)
ax2.plot(x,y,‘b‘)
ax3=plt.subplot(1,2,2)
ax3.plot(x,y,‘black‘)

1.6 网格线 plt.gride(XXX)

参数:

- axis
- color:支持十六进制颜色
- linestyle: --  -.  :
- alpha:透明度0-1
  • 一般网格的添加
plt.grid(axis=‘both‘) #x-y都加网格
plt.plot(x,y)

  • 使用对象形式设置网格
#ax1,ax2,ax3都是对象
plt.grid(axis=‘both‘)
ax1=plt.subplot(2,2,1)
ax1.grid()
ax1.plot(x,y,‘r‘)
ax2=plt.subplot(2,2,2)
ax2.plot(x,y,‘b‘)
ax2.grid()
ax3=plt.subplot(2,1,2)
ax3.grid()
ax3.plot(x,y,‘black‘)

1.7 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.axis([-6,6,-2,2])
plt.plot(x,y)
#plt.axis(‘off‘) 关闭坐标系显示

1.8 关闭坐标轴显示

plt.axis(‘off‘)

1.9 设置画布比例

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=(2,3))
plt.plot(x,y)

1.10 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

(1) plt的xlabel方法和ylabel方法 title方法

plt.xlabel(‘x‘)
plt.ylabel(‘sin(x)‘)
plt.title(‘y= sin(x)‘)
plt.plot(x,y)

1.11 图例---legend方法

(1)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
#方式一
plt.plot(x,y,label=‘aaa‘)
plt.plot(x+3,y+3,label=‘bbb‘)
plt.legend()

#方式二
plt.plot(x,y,x+3,y+3)
plt.legend([‘aaa‘,‘bbb‘])

(2)legend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
- ncol参数
  • ncol控制图例中有几列,在legend中设置ncol

plt.plot(x,y,x+3,y+3)
plt.legend([‘aaa‘,‘bbb‘],loc=3,ncol=2)

1.12 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,x+3,y+3)
plt.legend([‘aaa‘,‘bbb‘],loc=3,ncol=2)

fig.savefig(‘./img.png‘,dpi=500) #dip表示像素分辨率

1.13 设置plot的风格样式

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

  颜色的方式 

  • 别名

    • color = ‘r‘
  •   合法的HTML颜色名
    • color = ‘red‘  
  • HTML 十六进制字符串

    • color = ‘#eeefff‘  
  • 归一化到 [0,1] 的RGB元组透明度  -- alpha参数(0-1)
    • color = (0.3,0.3,0.4)  
  • 线型 -- 参数linestyle或ls

  • 线宽 -- linewidth或lw参数
  • 点型
    • marker 设置点形
    • markersize 设置点形大小

plt.plot(x,y,c=‘y‘,alpha=0.8,lw=3,marker=‘8‘,markersize=10,markerfacecolor=‘b‘)
plt.grid(color=‘r‘)

总结:

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

2.1 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)

图像中返回值 :

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

2.2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() : 垂直的条形图

barh():水平条形图

x=[1,2,3,4,5]
y=[3,5,4,2,1]
plt.bar(x,y,width=0.6,color=‘r‘)

plt.barh(x,y) #水平条形图

2.3 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([11,22,33])

  • 普通未占满饼图:小数/比例
plt.pie([0.2,0.3,0.1])

  • 饼图参数属性设置
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
##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])

2.4 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()

#plt.scatter(x,y,marker=‘d‘,c="rbgy") 设置不同的散点颜色
x = np.random.random(size=(100,))
y = np.random.random(size=(100,))
plt.scatter(x,y,c=‘rgby‘)

原文地址:https://www.cnblogs.com/zmc940317/p/10503492.html

时间: 2024-11-05 23:26:31

Matplotlib 库 : 绘图和可视化的相关文章

Matplotlib:绘图和可视化

Matplotlib:绘图和可视化 简介 简单绘制线形图 plot函数 支持图类型 保存图表 一 .简介 Matplotlib是一个强大的Python绘图和数据可视化的工具包.数据可视化也是我们数据分析的最重要的工作之一,可以帮助我们完成很多操作,例如:找出异常值.必要的一些数据转换等.完成数据分析的最终结果也许就是做一个可交互的数据可视化. 安装方式: pip install matplotlib 引用方法: import matplotlib.pyplot as plt 二 .简单绘制线形图

Python进阶(三十九)-数据可视化の使用matplotlib进行绘图分析数据

Python进阶(三十九)-数据可视化の使用matplotlib进行绘图分析数据 ??matplotlib 是python最著名的绘图库,它提供了一整套和matlab相似的命令API,十分适合交互式地进行制图.而且也可以方便地将它作为绘图控件,嵌入GUI应用程序中. ??它的文档相当完备,并且 Gallery页面 中有上百幅缩略图,打开之后都有源程序.因此如果你需要绘制某种类型的图,只需要在这个页面中浏览/复制/粘贴一下,基本上都能搞定. ??在Linux下比较著名的数据图工具还有gnuplot

使用python中的matplotlib进行绘图分析数据

http://blog.csdn.net/pipisorry/article/details/37742423 matplotlib 是python最著名的绘图库,它提供了一整套和matlab相似的命令API,十分适合交互式地进行制图.而且也可以方便地将它作为绘图控件,嵌入GUI应用程序中. 它的文档相当完备,并且 Gallery页面 中有上百幅缩略图,打开之后都有源程序.因此如果你需要绘制某种类型的图,只需要在这个页面中浏览/复制/粘贴一下,基本上都能搞定. 在Linux下比较著名的数据图工具

数据分析与展示——Matplotlib库入门

Matplotlib库入门 Matplotlib库介绍 Matliotlib库是Python优秀的数据可视化第三方库. Matliotlib库的效果见:http://matplotlib.org/gallery.html Matplotlib库由各种可视化类构成,内部结构复杂,受Matlab启发. matplotlib.pyplot是绘制各类可视化图形的命令字库,相当于快捷方式.导入方式如下: import matplotlib.pyplot as plt 范例:使用Matplotlib库绘图

Python基础——matplotlib库的使用与绘图可视化

1.matplotlib库简介: Matplotlib 是一个 Python 的 2D绘图库,开发者可以便捷地生成绘图,直方图,功率谱,条形图,散点图等. 2.Matplotlib 库使用: 注:由于深度学习实践中常常会使用绘图,主要包括生成绘图.散点图,实践中也主要关注此点. 运行环境:Python3 (1)生成绘图 import numpy as np # 导入NumPy库 import matplotlib.pyplot as plt # 导入绘图库 import matplotlib i

Python进阶(四十)-数据可视化の使用matplotlib进行绘图

Python进阶(四十)-数据可视化の使用matplotlib进行绘图 前言 ??matplotlib是基于Python语言的开源项目,旨在为Python提供一个数据绘图包.我将在这篇文章中介绍matplotlib API的核心对象,并介绍如何使用这些对象来实现绘图.实际上,matplotlib的对象体系严谨而有趣,为使用者提供了巨大的发挥空间.用户在熟悉了核心对象之后,可以轻易的定制图像.matplotlib的对象体系也是计算机图形学的一个优秀范例.即使你不是Python程序员,你也可以从文中

Matplotlib模块:绘图和可视化

Matplotlib模块:绘图和可视化 原文地址:https://www.cnblogs.com/xiao-xue-di/p/9736408.html

Python 数据分析(一) 本实验将学习 pandas 基础,数据加载、存储与文件格式,数据规整化,绘图和可视化的知识

第1节 pandas 回顾 第2节 读写文本格式的数据 第3节 使用 HTML 和 Web API 第4节 使用数据库 第5节 合并数据集 第6节 重塑和轴向旋转 第7节 数据转换 第8节 字符串操作 第9节 绘图和可视化 pandas 回顾 一.实验简介 学习数据分析的课程,需要同学们掌握好 Python 的语言基础,和对 Numpy 与 Matplotlib 等基本库有一些了解.同学们可以参考学习实验楼的 Python 语言基础教程与 Python 科学计算的课程. pandas 是后面我们

Python绘图与可视化

Python有很多可视化工具,本篇只介绍Matplotlib. Matplotlib是一种2D的绘图库,它可以支持硬拷贝和跨系统的交互,它可以在Python脚本.IPython的交互环境下.Web应用程序中使用.该项目是由John Hunter于2002年启动的,其目的是为Python构建一个MATLAB式的绘图接口.如果结合使用一种GUI工具包(如IPython),Matplotlib还具有诸如缩放和平移等交互功能.它不仅支持各种操作系统上许多不同的GUI后端,而且还能将图片导出为各种常见的食