Matplotlib绘图知识小结--Python数据分析学习

一、Pyplot子库绘制2D图表

1、Matplotlib Pyplot

Pyplot 是 Matplotlib 的子库，提供了和 MATLAB 类似的绘图 API。
Pyplot 是常用的绘图模块，能很方便让用户绘制 2D 图表。
Pyplot 包含一系列绘图函数的相关函数，每个函数会对当前的图像进行一些修改，例如：给图像加上标记，生新的图像，在图像中产生新的绘图区域等等。

使用的时候，我们可以使用 import 导入 pyplot 库，并设置一个别名 plt：

import matplotlib.pyplot as plt

就可以使用 plt 来引用 Pyplot 包的方法。

以下实例，我们通过两个坐标 (0,0) 到 (6,100) 来绘制一条线:

import matplotlib.pyplot as plt
import numpy as np
# 使用 numpy 构造数组作为数据
x=np.array([0,6]) # x轴的数据
y=np.array([0,100]) # y轴的数据
plt.plot(x, y)
plt.show() # 让图形得到显示

plot() 用于画图它可以绘制点和线，语法格式如下：

# 画单条线
plot([x], y, [fmt], *, data=None, **kwargs)
# 画多条线
plot([x], y, [fmt], [x2], y2, [fmt2], ..., **kwargs)

• x, y：点或线的节点，x 为 x 轴数据，y 为 y 轴数据，数据可以列表或数组。
• fmt：可选，定义基本格式（如颜色、标记和线条样式）。
• **kwargs：可选，用在二维平面图上，设置指定属性，如标签，线的宽度等。

颜色字符：‘b’ 蓝色，‘m’ 洋红色，‘g’ 绿色，‘y’ 黄色，‘r’ 红色，‘k’ 黑色，‘w’ 白色，‘c’ 青绿色，‘#008000’ RGB 颜色符串。多条曲线不指定颜色时，会自动选择不同颜色。

线型参数：‘‐’ 实线，‘‐‐’ 破折线，‘‐.’ 点划线，‘:’ 虚线。

标记字符：‘.’ 点标记，‘,’ 像素标记(极小点)，‘o’ 实心圈标记，‘v’ 倒三角标记，‘^’ 上三角标记，‘>’ 右三角标记，‘<’ 左三角标记…等等。

2、实例：绘制sin、cos函数，并指定线型和颜色

import matplotlib.pyplot as plt
import numpy as np
x=np.arange(0,4*np.pi,0.1) # 0-4pi 每隔0.1取一个数
# 直接调用numpy里面的三角函数
y=np.sin(x)
z=np.cos(x)
plt.plot(x,y,'r-.',x,z,'b:')# 第一条线的参数、样式，第二条线的参数、样式
plt.show()

3、绘制散点图

import matplotlib.pyplot as plt
import numpy as np
x=np.array([1,2,3,4,5,6])
y=np.array([1,2,3,4,5,6])
plt.plot(x,y,'o')#实心点，绘制散点图
plt.show()

以上只是简单的使用了pyplot库。

二、Matplotlib 绘图标记

绘图过程如果我们想要给坐标自定义一些不一样的标记，就可以使用 plot() 方法的 marker 参数来定义。
fmt 参数
fmt 参数定义了基本格式，如标记、线条样式和颜色。

fmt = '[marker][line][color]'

marker 可以定义的符号如下：



标记大小与颜色
我们可以自定义标记的大小与颜色，使用的参数分别是：

• markersize，简写为 ms：定义标记的大小。
• markerfacecolor，简写为 mfc：定义标记内部的颜色。
• markeredgecolor，简写为 mec：定义标记边框的颜色。

线的宽度
线的宽度可以使用 linewidth 参数来定义，简写为 lw，值可以是浮点数，如：1、2.0、5.67 等。

1、综合案例

（1）拐点带样式的散点图

y = np.array([1,5,3,54,6,3,67,4,23])
plt.plot(y,marker='o') # x轴参数不指定，则按0-n对应y轴参数

plt.show()   

（2）多参数

import matplotlib.pyplot as plt
import numpy as np
y=np.array([3,5,1,8,4])
plt.plot(y,'o-.b',ms=15,mfc='r',mec='g')# 线条的样式、标记的大小、标记内部填充的颜色、标记的边框颜色
plt.show()

三、Matplotlib 轴标签和标题

设置轴标签和标题时，如果使用中文，可能会出现乱码情况，可以使用以下两行代码解决

plt.rcParams['font.sans-serif'] = [u'SimHei'] # SimHei就是中文字体
# 因为设置了中文后，负号就乱码了，所以还要设置负号的编码
plt.rcParams['axes.unicode_minus'] = False # 修改坐标轴中符号的编码

1、轴标签

可以使用 xlabel() 和 ylabel() 方法来设置 x 轴和 y 轴的标签。

2、标题

我们可以使用 title() 方法来设置标题。

案例：

import matplotlib.pyplot as plt
import numpy as np
x=np.array([1,2,3,4,5])
y=np.array([1,4,9,16,25])
plt.plot(x,y,'.-.',linewidth=1)
plt.title('matplotlib')
plt.xlabel('x')
plt.ylabel('y')
plt.show()

3、标题与标签的定位

• title() 方法提供了 loc 参数来设置标题显示的位置，可以设置为: ‘left’, ‘right’, 和 ‘center’， 默认值为 ‘center’。

• xlabel() 方法提供了 loc 参数来设置 x 轴显示的位置，可以设置为: ‘left’, ‘right’, 和 ‘center’， 默认值为 ‘center’。

• ylabel() 方法提供了 loc 参数来设置 y 轴显示的位置，可以设置为: ‘bottom’, ‘top’, 和 ‘center’， 默认值为 ‘center’。

4、使用中文字体

方法有很多种，这里使用系统的字体。
查看字体种类：

from matplotlib import pyplot as plt
import matplotlib
a=sorted([f.name for f in matplotlib.font_manager.fontManager.ttflist])

for i in a:
    print(i)

绘图中添加字体：

plt.rcParams['font.family']=['STFangsong']

实例：

import matplotlib.pyplot as plt

import numpy as np
plt.rcParams['font.family']=['FangSong']

x=np.array([1,2,3,4,5])
y=np.array([1,4,9,16,25])
plt.plot(x,y,'.-.',linewidth=1)
plt.title('绘图',fontsize=25)
plt.xlabel('x轴',loc='right',fontsize=18)
plt.ylabel('y轴',loc='top',fontsize=18)
plt.show()

四、Matplotlib 网格线

我们可以使用 pyplot 中的 grid() 方法来设置图表中的网格线。

grid() 方法语法格式如下：

matplotlib.pyplot.grid(b=None, which='major', axis='both', )

• b：可选，默认为 None，可以设置布尔值，true 为显示网格线，false 为不显示，如果设置 **kwargs 参数，则值为 true。
• which：可选，可选值有 ‘major’、‘minor’ 和 ‘both’，默认为 ‘major’，表示应用更改的网格线。
• axis：可选，设置显示哪个方向的网格线，可以是取 ‘both’（默认），‘x’ 或 ‘y’，分别表示两个方向，x 轴方向或 y 轴方向。
• **kwargs：可选，设置网格样式，可以是 color=‘r’, linestyle=‘-’ 和 linewidth=2，分别表示网格线的颜色，样式和宽度。

实例：

1、使用默认值

import numpy as np
from matplotlib import pyplot as plt

plt.rcParams['font.sans-serif'] = [u'SimHei'] # SimHei就是中文字体
# 因为设置了中文后，负号就乱码了，所以还要设置负号的编码
plt.rcParams['axes.unicode_minus'] = False # 修改坐标轴中符号的编码

x=np.array([1,2,3,4,5])
y=np.array([1,4,9,16,25])
plt.plot(x,y,'.-.',linewidth=1)
plt.title('绘图',fontsize=25)
plt.xlabel('x轴',loc='right',fontsize=18)
plt.ylabel('y轴',loc='top',fontsize=18)

plt.grid() # 使用默认值

plt.show()  

2、自定义网格线

import matplotlib.pyplot as plt

import numpy as np
plt.rcParams['font.family']=['FangSong']

x=np.array([1,2,3,4,5])
y=np.array([1,4,9,16,25])
plt.plot(x,y,'.-',linewidth=1)
plt.title('绘图',fontsize=25)
plt.xlabel('x轴',loc='right')
plt.ylabel('y轴',loc='top')
# 只有平行于x轴方向有网格线
plt.grid(axis='y',color='r',linestyle='--',linewidth=0.5)
plt.show()

参数说明：

• color：‘b’ 蓝色，‘m’ 洋红色，‘g’ 绿色，‘y’ 黄色，‘r’ 红色，‘k’ 黑色，‘w’ 白色，‘c’
  青绿色，‘#008000’ RGB 颜色符串。
• linestyle：‘‐’ 实线，‘‐‐’ 破折线，‘‐.’ 点划线，‘:’ 虚线。
• linewidth：设置线的宽度，可以设置一个数字。

五、Matplotlib 绘制多图

我们可以使用 pyplot 中的 subplot() 和 subplots() 方法来绘制多个子图。
subplot() 方法在绘图时需要指定位置，subplots() 方法可以一次生成多个，在调用时只需要调用生成对象的 ax 即可。

1、subplot

subplot(nrows, ncols, index, **kwargs)
subplot(pos, **kwargs)
subplot(**kwargs)
subplot(ax)

以上函数将整个绘图区域分成 nrows 行和 ncols 列，然后从左到右，从上到下的顺序对每个子区域进行编号 1…N ，左上的子区域的编号为 1、右下的区域编号为 N，编号可以通过参数 index 来设置。

设置 numRows ＝ 1，numCols ＝ 2，就是将图表绘制成 1x2 的图片区域, 对应的坐标为：(1, 1), (1, 2)
plotNum ＝ 1, 表示的坐标为(1, 1), 即第一行第一列的子图。
plotNum ＝ 2, 表示的坐标为(1, 2), 即第一行第二列的子图。

可以使用 suptitle函数设置公共的标题 注意是sup（超级），也就是父级标题

import matplotlib.pyplot as plt

import numpy as np

#plot1
x1=np.array([1,2,3,4,5])
y1=np.array([1,4,9,16,25])
plt.subplot(1,2,1)
plt.plot(x1,y1)
plt.title('plot1')

#plot2
x2=np.array([1,4,9,16,25])
y2=np.array([1,2,3,4,5])
plt.subplot(1,2,2)
plt.plot(x2,y2)
plt.title('plot2')

plt.suptitle('subplot')#总标题suptitle
plt.show()#最后调用show方法

2、subplots()

subplots() 方法语法格式如下：

matplotlib.pyplot.subplots(nrows=1, ncols=1, *, 
sharex=False, sharey=False, squeeze=True, 
subplot_kw=None, gridspec_kw=None, **fig_kw)

• nrows：默认为 1，设置图表的行数。
• ncols：默认为 1，设置图表的列数。
• sharex、sharey：设置 x、y 轴是否共享属性，默认为 false，可设置为 ‘none’、‘all’、‘row’ 或 ‘col’。 False 或 none 每个子图的 x 轴或 y 轴都是独立的，True 或 ‘all’：所有子图共享 x 轴或 y 轴，‘row’ 设置每个子图行共享一个 x 轴或 y 轴，‘col’：设置每个子图列共享一个 x 轴或 y 轴。
• squeeze：布尔值，默认为 True，表示额外的维度从返回的 Axes(轴)对象中挤出，对于 N1 或 1N 个子图，返回一个 1 维数组，对于 N*M，N>1 和 M>1 返回一个 2 维数组。如果设置为 False，则不进行挤压操作，返回一个元素为 Axes 实例的2维数组，即使它最终是1x1。
• subplot_kw：可选，字典类型。把字典的关键字传递给 add_subplot() 来创建每个子图。
• gridspec_kw：可选，字典类型。把字典的关键字传递给 GridSpec 构造函数创建子图放在网格里(grid)。
• **fig_kw：把详细的关键字参数传给 figure() 函数。

import matplotlib.pyplot as plt
import numpy as np

# 创建一些测试数据 -- 图1
x = np.linspace(0, 2*np.pi, 400)
y = np.sin(x**2)

# 创建一个画像和子图 -- 图2
fig, ax = plt.subplots()
ax.plot(x, y)
ax.set_title('Simple plot')

# 创建两个子图 -- 图3
f, (ax1, ax2) = plt.subplots(1, 2, sharey=True)
ax1.plot(x, y)
ax1.set_title('Sharing Y axis')
ax2.scatter(x, y)

# 创建四个子图 -- 图4
fig, axs = plt.subplots(2, 2, subplot_kw=dict(projection="polar"))
axs[0, 0].plot(x, y)
axs[1, 1].scatter(x, y)

# 共享 x 轴
plt.subplots(2, 2, sharex='col')

# 共享 y 轴
plt.subplots(2, 2, sharey='row')

# 共享 x 轴和 y 轴
plt.subplots(2, 2, sharex='all', sharey='all')

# 这个也是共享 x 轴和 y 轴
plt.subplots(2, 2, sharex=True, sharey=True)

# 创建10 张图，已经存在的则删除
fig, ax = plt.subplots(num=10, clear=True)

plt.show()

六、散点图、柱形图、饼图

1、Matplotlib 散点图

我们可以使用 pyplot 中的 scatter() 方法来绘制散点图。

scatter() 方法语法格式如下：

matplotlib.pyplot.scatter(x, y, s=None, c=None, marker=None, cmap=None,
 norm=None, vmin=None, vmax=None, alpha=None, linewidths=None, *, 
 edgecolors=None, plotnonfinite=False, data=None, **kwargs)

x，y：长度相同的数组，也就是我们即将绘制散点图的数据点，输入数据。

s：点的大小，默认 20，也可以是个数组，数组每个参数为对应点的大小。

c：点的颜色，默认蓝色 'b'，也可以是个 RGB 或 RGBA 二维行数组。

marker：点的样式，默认小圆圈 'o'。

cmap：Colormap，默认 None，标量或者是一个 colormap 的名字，只有 c 是一个浮点数数组的时才使用。如果没有申明就是 image.cmap。

norm：Normalize，默认 None，数据亮度在 0-1 之间，只有 c 是一个浮点数的数组的时才使用。

vmin，vmax：：亮度设置，在 norm 参数存在时会忽略。

alpha：：透明度设置，0-1 之间，默认 None，即不透明。

linewidths：：标记点的长度。

edgecolors：：颜色或颜色序列，默认为 'face'，可选值有 'face', 'none', None。

plotnonfinite：：布尔值，设置是否使用非限定的 c ( inf, -inf 或 nan) 绘制点。

**kwargs：：其他参数。

import matplotlib.pyplot as plt
import numpy as np

x=np.array([1,2,3,4,5])
y=np.array([1,2,3,4,5])
plt.scatter(x, y, s=25,c='r',alpha=0.6)# 大小为25像素、颜色为红色、透明度为0.6

两组数据

x1 = np.array([1,4,3,7,34])
y1 = np.array([78,23,19,16,25])
plt.scatter(x1, y1, c='r', s=25)

x2 = np.array([22,15,34,51,21,4,12,45,1,47,5,78,34])
y2 = np.array([1,3,4,5,6,8,2,6,2,90,8,2,23])
plt.scatter(x2, y2, c='g', s=95)

plt.show()  

2、Matplotlib 柱形图

我们可以使用 pyplot 中的 bar() 方法来绘制柱形图。

bar() 方法语法格式如下：

matplotlib.pyplot.bar(x, height, width=0.8, 
bottom=None, *, align='center', data=None, **kwargs)

x：浮点型数组，柱形图的 x 轴数据。

height：浮点型数组，柱形图的高度。

width：浮点型数组，柱形图的宽度。

bottom：浮点型数组，底座的 y 坐标，默认 0。

align：柱形图与 x 坐标的对齐方式，'center' 以 x 位置为中心，这是默认值。
 'edge'：将柱形图的左边缘与 x 位置对齐。
 要对齐右边缘的条形，可以传递负数的宽度值及 align='edge'。

**kwargs：：其他参数。

例子：

import matplotlib.pyplot as plt
import numpy as np

x=np.array(['google','baidu','jingdong','alibaba','taobao'])
y=np.array([11,32,34,24,15])
plt.bar(x,y)
plt.show()

垂直方向的柱形图可以使用 barh() 方法来设置：

import matplotlib.pyplot as plt
import numpy as np

x=np.array(['google','baidu','jingdong','alibaba','taobao'])
y=np.array([11,32,34,24,15])
plt.barh(x,y)
plt.show()

设置柱形图宽度，bar() 方法使用 width 设置，barh() 方法使用 height 设置 height：

import matplotlib.pyplot as plt
import numpy as np

x=np.array(['google','baidu','jingdong','alibaba','taobao'])
y=np.array([11,32,34,24,15])
plt.bar(x,y,width=0.2)
plt.show()

x = ['一月','二月','三月','四月','五月']
y = [20,56,23,12,33]
plt.barh(x,y, height=0.2)
plt.show()  

还可以使用color属性自定义每个柱形的颜色

x = ['一月','二月','三月','四月','五月']
y = [20,56,23,12,33]
plt.barh(x,y, height=0.2, color = ["#4CAF50","red","hotpink","#556B2F"])
plt.show()  

3、Matplotlib 饼图

我们可以使用 pyplot 中的 pie() 方法来绘制饼图。

注意：默认情况下，第一个扇形的绘制是从 x 轴开始并逆时针移动：

pie() 方法语法格式如下：

matplotlib.pyplot.pie(x, explode=None, labels=None, colors=None, autopct=None, 
pctdistance=0.6, shadow=False, labeldistance=1.1, startangle=0, radius=1, 
counterclock=True, wedgeprops=None, textprops=None, center=0, 0, frame=False, 
rotatelabels=False, *, normalize=None, data=None)[source]

x：浮点型数组，表示每个扇形的面积。

explode：数组，表示各个扇形之间的间隔，默认值为0。

labels：列表，各个扇形的标签，默认值为 None。

colors：数组，表示各个扇形的颜色，默认值为 None。

autopct：设置饼图内各个扇形百分比显示格式，%d%% 整数百分比，%0.1f 一位小数， %0.1f%% 一位小数百分比， %0.2f%% 两位小数百分比。

labeldistance：标签标记的绘制位置，相对于半径的比例，默认值为 1.1，如 <1则绘制在饼图内侧。

pctdistance：：类似于 labeldistance，指定 autopct 的位置刻度，默认值为 0.6。

shadow：：布尔值 True 或 False，设置饼图的阴影，默认为 False，不设置阴影。

radius：：设置饼图的半径，默认为 1。

startangle：：起始绘制饼图的角度，默认为从 x 轴正方向逆时针画起，如设定 =90 则从 y 轴正方向画起。

counterclock：布尔值，设置指针方向，默认为 True，即逆时针，False 为顺时针。

wedgeprops ：字典类型，默认值 None。参数字典传递给 wedge 对象用来画一个饼图。例如：wedgeprops={'linewidth':5} 设置 wedge 线宽为5。

textprops ：字典类型，默认值为：None。传递给 text 对象的字典参数，用于设置标签（labels）和比例文字的格式。

center ：浮点类型的列表，默认值：(0,0)。用于设置图标中心位置。

frame ：布尔类型，默认值：False。如果是 True，绘制带有表的轴框架。

rotatelabels ：布尔类型，默认为 False。如果为 True，旋转每个 label 到指定的角度。

import matplotlib.pyplot as plt
import numpy as np

y=np.array([15,35,25,5,20]) # 每块所占的大小
label=['A','B','C','D','E']#设置饼图标签
color=['r','b','g','y','g']#设置饼图颜色
plt.pie(y,labels=label,colors=color)
plt.show()

突出显示第二个扇形，并格式化输出百分比：

import matplotlib.pyplot as plt
import numpy as np

y=np.array([15,35,25,5,20])
label=['A','B','C','D','E']#设置饼图标签
color=['r','b','g','y','g']#设置饼图颜色
explodes=[0,0.2,0,0,0]# 第二部分突出显示，值越大，距离中心越远
plt.pie(y,labels=label,colors=color,explode=explodes,autopct='%.2f%%')#格式化输出百分比
plt.show()

七、设置坐标轴的刻度

以设置x轴的刻度为例

xticks(ticks, [labels], **kwargs)

参数说明：
ticks：数组类型，用于设置X轴刻度间隔
[labels]：数组类型，用于设置每个间隔的显示标签
**kwargs：用于设置标签字体倾斜度rotation和颜色color等外观属性。

不设置刻度时的样式

x = np.arange(1, 13)
y = np.arange(1, 13)

plt.plot(x, y)
plt.show()

可以发现，本来x和y都是1-12，但是刻度却只显示偶数，这是Matplotlib默认的样式。

我们可以自己定义刻度

x = np.arange(1, 13)
y = np.arange(1, 13)

# 第一个参数是x轴刻度间隔，x是包含1-12的数组
# calendar.month_name[1:13] 获取1-12月份对应的英文名 即 1 - January
# rotation 设置label的旋转角度
# color设置label字体颜色
plt.xticks(x,calendar.month_name[1:13],rotation=45,color='b',fontsize=14)
plt.yticks(y)
plt.plot(x, y)
plt.show()

另一种情况就是当x轴每个label太长时，需要增大刻度，减少label

x = ['2021/3/4','2021/2/14','2021/9/4','2021/5/24','2021/3/14','2021/7/4','2021/8/14','2021/1/14']
y = [100,200,300,400,500,600,700,800]
plt.plot(x, y)
plt.show()

x轴太密集，不方便观看

x = ['2021/3/4','2021/2/14','2021/9/4','2021/5/24','2021/3/14','2021/7/4','2021/8/14','2021/1/14']
y = [100,200,300,400,500,600,700,800]
plt.xticks(range(1,len(x),2), ['日期%s'%i for i in x[1:len(x):2]], rotation=45)
plt.plot(x, y)
plt.show()

这样x轴的刻度减少了一半文章来源地址https://www.toymoban.com/news/detail-652785.html

到了这里，关于Matplotlib绘图知识小结--Python数据分析学习的文章就介绍完了。如果您还想了解更多内容，请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章，希望大家以后多多支持TOY模板网！