Python可视化之Matplotlib

提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档

前言

1、解决坐标轴刻度负号乱码

plt.rcParams['axes.unicode_minus']=False

2、解决中文乱码问题

# 以下方式二选一
plt.rcParams['font.sans-serif']=['Simhei']
plt.rcParams['font.sans-serif'] = ['Microsoft YaHei'] 

3、图形展现形式

在jupyter notebook中有2种图形展现形式
%matplotlib notebook:运行这句命令会在notebook中启动交互式图形
%matplotlib inline:运行这句命令会在notebook中启动静态图形
如果没有运行该命令，默认展示静态图形

%matplotlib notebook
%matplotlib inline

一、图形绘制

1.折线图plot

• 展现变量的趋势变化
• 调用方式：plt.plot(x,y,ls=‘-’,lw=w,label=‘plot figure’)
• 参数：
  x：x轴的数值
  y：y轴的数值
  ls：折现图的线条风格（linestyle）
  lw：折现图的线条宽度（lineweight）
  label：标记图形内容的标签文本
  color：图形颜色

x=np.linspace(0.05,20,200)
y=np.sin(x)

fig = plt.figure()#创建一个图形（画板）
plt.plot(x,y,ls='--',lw=2,label='sin(x)',color='r')#调用画图函数画图（类似于在画板上贴画纸进行绘画）
plt.legend()  #legend将标签显示出来
plt.show()
fig.savefig('test.png')

2.散点图plot&scatter

• plt.plot()

x=np.linspace(0,10,30)
y=np.sin(x)

plt.plot(x,y,marker='o',color='c')
plt.show()

• plt.scatter()比plt.plot()更加灵活，比如可以单独空值每个散点与数据匹配，也可以让每个散点具有不同的属性
  函数功能：寻找变量之间关系
  调用方式plt.scatter(x,y,c=‘b’,label=‘scatter,figure’)
  x：x轴数值
  y：y轴数值
  c：散点标记颜色
  label：标签文本

x=np.random.randn(100)
y=np.random.randn(100)
plt.scatter(x,y,c='c',label='散点图')
plt.show()

x=np.random.randn(100)
y=np.random.randn(100)
colors=np.random.randn(100)
size=np.random.randint(20,500,100)
plt.scatter(x,y,c=colors,s=size,alpha=0.3,cmap='hsv')
plt.colorbar()  #显示颜色条
plt.show()

3.柱状图plt.bar&条形图plt.barh

函数功能：在x轴上绘制定性数据的分布特征，调用方式：plt.bar(x,y)，与之相对应的是条形图
参数

• x：在X轴上的定性数据类别
• y：每种定性数据类别数量
• align：柱体对齐方式
• color：柱体颜色
• tick_label：刻度标签值
• alpha：柱体透明度
• hatch：柱体填充样式

x=[i for i in range(6)]
y=np.random.randint(45,100,6)
z=('a','b','c','d','e','f')
plt.ylabel('数据')
plt.bar(x,y,align='center',color='c',tick_label=z,hatch='///')
plt.show()

4.直方图plt.hist&堆积直方图

函数功能：在X轴绘制定量数据的分布特征
参数说明
x：在X轴上绘制箱体的定量数据输入值
bins：用于确定柱体的个数或柱体边缘范围，除了最后一个柱体作用都为闭区间，其他柱体为左闭右开区间
color：柱体颜色
histype：柱体类型

• bar：传统的条形直方图，如果是多个数据给出并排排列的条形图
• step：生成默认的线图填补
• stepfilled：生成默认的线图填充
  label：图例内容
  rwidth：柱体宽度

x=np.random.normal(loc=10000,scale=3000,size=1000)
bins=range(0,20000,500)

plt.hist(x,bins=bins,histtype='bar',color='c',alpha=0.6)
plt.xlabel('test')
plt.ylabel('数据')
plt.show()

堆积直方图和直方图相比，多添加2个参数
x：参数X需要对应两个数据对象，可以用列表装载
stacked：true即两个直方图堆积，false表示两个直方图并列
label：因为展示两类数据，所有标签需额外设置

x0=np.random.normal(loc=10000,scale=3000,size=1000)
x1=np.random.normal(loc=7000,scale=3000,size=1000)
bins=range(0,20000,500)
x=(x0,x1)
plt.hist(x,bins=bins,histtype='bar',label=['x0','x1'],stacked=True,alpha=0.6)
plt.xlabel('test')
plt.ylabel('数据')
plt.legend(loc='upper right')
plt.show()

当stacked=False时：

5.饼图plt.pie

主要参数
x：定性数据的不同类别的百分比
explode：饼片边缘偏离半径的百分比（如果制作分裂式饼图，添加该参数即可）
labels：标记每份饼片的文本标签内容
autopct：饼片文本标签内容对应的数值百分比样式
startangle：从X轴起始位置开始，第一个饼片逆时针旋转的角度
shadow：是否绘制饼片的阴影
colors：饼片的颜色
其他参数：
pctdistance：每个饼片中心与开始之间的比率，默认值为0.6
labeldistance：绘制饼图标签的径向问题距离，默认1.1

percent='0.1','0.15','0.3','0.2','0.2','0.05'
explode=0.1,0.1,0.1,0.1,0.1,0.5  #如果突出某部分，可把对应值修改
autopacts="%.2f%%"
startangle=45
types='优','良','中','一般','次','差'
colors=['r','g','b','c','y','y']
plt.pie(x=percent,explode=explode,labels=types,autopct=autopacts,startangle=startangle,colors=colors)
plt.show()

不传explode参数时

6.单个、多个箱线图boxplot

箱体由第一四分位、中位数（第二四分位）和第三四分位数组成，箱须末端之外为离群值
参数：
x：输入数据
whis：四分位距的倍数，用来确定箱须，包括数据范围大小
widths：设置箱体宽度
sym：离群值的标记样式
labels：绘制每一个数据集的刻度标签
patch_artist：是否给箱体添加颜色
notch：如果为True，则箱体由凹痕

• 单个箱线图

x=np.random.randn(1000)
plt.boxplot(x=x,whis=1.5,widths=0.3,sym='o',labels=['箱体图'],notch=False)
plt.grid(axis='y',ls=':',lw=1,color='grey',alpha=0.4)
plt.show()

• 多个箱线图
  数据集参数X需传入多个数据集对象
  标签参数labels列表要包含多个标签字符串
  

二、绘图风格设置

1.图片保存及查看

x=np.linspace(0.05,20,200)
y=np.sin(x)

fig = plt.figure()#创建一个图形（画板）
plt.plot(x,y,ls='--',lw=2,label='sin(x)',color='r')#调用画图函数画图（类似于在画板上贴画纸进行绘画）
plt.legend()  #legend将标签显示出来
plt.show()
fig.savefig('test.png')

from IPython.display import Image
Image('test.png')

2.设置坐标轴上下限

plt.xlim：设置X轴范围
plt.ylim：设置y轴范围

x=np.linspace(0.05,20,200)
y=np.sin(x)

fig = plt.figure()#创建一个图形（画板）
plt.plot(x,y,ls='--',lw=2,label='sin(x)',color='r')#调用画图函数画图（类似于在画板上贴画纸进行绘画）
plt.legend()  #legend将标签显示出来
plt.xlim(0.1,20)
plt.ylim(-2,2)
plt.show()

3.axis获取或设置某些轴的便捷方法

• 使用方法一：plt.axis(xmin,xmax,ymin,ymax)
  xmin：x轴最小取值范围
  xmax：x轴最大取值范围
  ymin：y轴最小取值范围
  ymax：y轴最大取值范围
  
  

• 使用方法二：plt.axis(str)
  ‘on’：打开轴线和标签
  ‘off’：关闭轴线和标签。等于设置相等的缩放比例，改变轴限制
  ‘scaled’：设置相等的缩放比例，改变绘图狂尺寸
  ‘tight’：设置限制大小足以显示所有数据
  ‘auto’：自动缩放（带数据的填充框）
  

4.轴标签xlabel()，ylabel()

xlabel()函数功能：设置X轴标签文本
调用方式：plt.xlabel(string)
string：标签文本内容
fontsize：字体大小
平移性：上面的函数功能，调用签名和参数说明同样可以平移到函数ylabel上

5.文本标签图例legend()

函数功能：标识不同图形的文本标签图例
调用方式：plt.legend(loc=‘lower left’)
主要参数：

• loc：图例在图中的地理位置
  upper right（右上角）、upper left（左上角）、upper center（中间靠上）
  lower left（左下角）、lower right（右下角）、lower center（中间靠下）
  center（中间）、center right（中间靠右）、center left（中间靠左）
• title：图例标签内容标题参数
• shadow：线框阴影，True或False
• fancybox：线框圆角处理参数，True或False
  

6.设置轴刻度和刻度标签

通过plt.xticks()和plt.yticks()函数给x轴和y轴设定刻度，同时通过这2给函数中的label参数来给这些刻度贴上标签

7.网格线设置grid()

函数功能：绘制刻度线的网格线
调用方式：plt.grid(linestyle=‘:’,color=‘’)

8.参考线axhline()

函数功能：绘制平行于x轴的水平参考线，与之对应的方法为plt.axvline()
调用方式：plt.axhline(y=0,c=‘r’,ls=‘:’,lw=‘’)
y：水平参考线的出发点
c：参考线的线调颜色
ls：参考线的线条风格
lw：参考线的线条宽度

9.参考区域axvspan()

函数功能：绘制垂直于x轴的参考区域，与之相应的函数为axhspan()
调用方式：plt.axvspan(xmin=1.0,xmax=2,facecolor=‘y’,alpha=0.3)
xmin：参考区域起始位置
xmax：参考区域终止位置
facecolor：参考区域填充颜色
alpha：参考区域填充颜色的透明度

10.指向性注释annotate()

函数功能：添加图形内容细节的指向型注释文本
调用方式：plt.annotate(string,xy=(,),xytext=(,),color=‘b’,arrowprops=dict(arrowstyle=‘->’,color=‘b’)
string：图形内容的注释文本
xy:被注释图形内容的位置坐标
xytext：注释文本的位置坐标
color：注释文本的字体颜色
arrowprops：指示被注释内容的箭头的字典属性：

• arrowstyle：‘-’,‘->’,‘-[’,‘|-|’,‘-|’,‘<-’,‘<->’,‘<|-’,‘<|-|>’,fancy,simple,wedge(注释文本字体粗细)
• color：颜色

plt.annotate('测试说明',xy=(np.pi/2,1),xytext=(2.5,1),weight='bold',
             color='r',arrowprops=dict(arrowstyle='->',color='c'))

11.text()图形内容细节的无指向注释文本

调用方式：plt.text(x,y,string,weight=‘bold’,color=‘b’)
x：注释文本位置横坐标
y：注释文本位置纵坐标
string：文本内容
weight：字体大小
color：字体颜色

plt.text(2,0.8,'sin(x)曲线',fontsize='12',color='c')

12.title()添加图形内容标题

调用方式plt.title(string)
string：标题文本
loc：center/left/right
fontdict：可以用字典存储，包含以下参数：

• family：字体类别
• size：字体大小
• color：字体颜色
• style：字体风格

plt.title('y=sin(x)',color='r',loc='center',fontsize=13)

三、绘图进阶

1.子图plt.subplot

subplot(C,R,P)：划分C行P列，从最左上角向右数起，序号P依次增加，直到换一行，序号页是从左向右增加

x=np.linspace(-2*np.pi,2*np.pi,200)
y1=np.sin(x)
y2=np.cos(x)
y3=x
y4=x**2

plt.subplot(221)
plt.plot(x,y1,label='sin(x)')

plt.subplot(222)
plt.plot(x,y2,label='cos(x)')

plt.subplot(223)
plt.plot(x,y3,label='x')

plt.subplot(224)
plt.plot(x,y4,label='x**2')

plt.show()

2.子图plt.subplots

plt.subplots()其实会返回两个对象，一个是figure画布实例，一个是坐标轴实例axes

• figure：可以看作一个图形实例，用来包括坐标轴，图形，文字标签等
• axes：表示一个坐标轴实例，是一个带有刻度和标签的矩阵
• 先有了figure、axes，就可以使用ax.plot进行绘图了
  因为ax[0]表示第一个子图的实例，ax[1]表示第二个子图实例，所有可以通过ax[0]回到第一个子图绘图
  

fig,ax=plt.subplots(2,1) # 把fig想象成一块画板，ax想象成两张画纸
x=np.linspace(-2*np.pi,2*np.pi,200)
y_01=np.sin(x)
y_02=x**2
ax[0].plot(x,y_01,label="sin(x)") 
ax[0].legend()
ax[0].set_title("图一")
ax[1].plot(x,y_02,label="x**2")
ax[1].legend()
ax[1].set_title("图二")
#如果在画完两幅子图之后，在这个时候想再往图一添加折线图y=x，可以直接通过实例ax[0].plot()来画：
ax[0].plot(x,x,color="r",ls="--",alpha=0.3)
plt.show()

3.plt.figure

语法：plt.figure(num, figsize, dpi, facecolor, edgecolor, frameon）
参数

• num：整数或字符串，可选，默认值：无
  如果未提供，将创建新图形和图形编号。图形对象将此数字保存在“数字”中
  如果提供了num，将在该编号的图形中绘图；如果num是一个字符串，该字符串作为图标题。
• figsize：整数元组，可选，默认值：无；[宽度，高度]（英寸）；如果未提供，则默认为[6.4,4.8]
• dpi：整数，可选，默认值：无；这个数字的分辨率。如果未提供，则默认为100
• facecolor：背景颜色。如果未提供，则默认为"w"。
• edgecolor：边框颜色。如果未提供，则默认为"w"。
• frameon：布尔型，可选，默认值：True。如果为False，则禁止绘制图框。

fig_01=plt.figure(1,figsize=[3,3]) #建立“画布1”
ax_01=plt.axes() 
fig_02=plt.figure(2,figsize=[2,2]) #建立“画布2”
ax_02=plt.axes() 
plt.show()

4.plt.axes

plt.axes用来创建一个新的全窗口轴:
语法：plt.axes([left, bottom, width, height]…)
以左下角为原点，右上角为1，设置轴域的[左坐标，底坐标，宽度，高度]

• 上面的轴域取值范围是左下角（原点）为0，右上角为1。
• 左坐标和底坐标两个参数对应的就是——该坐标轴的原点位置，为该图形宽度和高度比例。
• 宽度和高度的参数就是——该坐标轴原点往外扩展，宽度和高度为图形的比例长度。

x=np.linspace(-2*np.pi,2*np.pi,200)
y=np.sin(x)

fig=plt.figure(1,facecolor="gray") #建立“画布1”，设为灰色
ax_1=plt.axes([0,0,0.4,0.4],facecolor="w") #轴域（画纸）颜色设置成白色
ax_1.plot(x,y,ls="-.",color="r")
ax_2=plt.axes([0.4,0.4,0.6,0.6],facecolor="b") #轴域（画纸）颜色设成绿色
ax_2.plot(x,y,ls="-",color="c")
plt.show()

5.其他建立figure、axes方法

1）通过plt.subplots

x=np.linspace(0,10,1000)
y=np.sin(x)
fig,((ax_01,ax_02),(ax_03,ax_04))=plt.subplots(2,2) # 通过plt.subplots()返回“画板”和“画纸”
ax_01.plot(x,y)
plt.show()

2）通过plt.add_subplot

fig = plt.figure() # 先创建“画板”
ax_01 = fig.add_subplot(221) # 通过“画板”来调用“画纸”
ax_01.plot(x,y)
ax_02 = fig.add_subplot(222)
ax_03 = fig.add_subplot(223) 
ax_04 = fig.add_subplot(224)

plt.show()

6.面向对象绘图

1）折线图ax.plot

x=np.linspace(-2*np.pi,2*np.pi,200)
y=np.sin(x)
fig = plt.figure()
ax = plt.axes()
ax.plot(x,y,ls='--',color='c',label='test')
ax.legend()
plt.show()

2）散点图ax.scatter

fig = plt.figure()
ax = plt.axes()

x=np.linspace(0.05,20,500)
y=np.random.randint(1,100,500) 
# ax.scatter(x,y,label="scatter figure")
# ax.legend()
plt.scatter(x,y,label="scatter figure")
plt.legend()
plt.show()

3）柱状图ax.bar

fig = plt.figure()
ax = plt.axes()

x=[i for i in range(1,6)] 
y= np.random.randint(45,100,5) 
z=("a","b","c","d","e") 
ax.set_ylabel("text") 
ax.grid(linestyle="-.",color="r",axis="y",alpha=0.15) 
ax.bar(x,y,align="center",color="c",tick_label=z,hatch="|")
plt.show()

4）plt和ax部分区别

1、绝大多数plt函数都可以直接转换成ax方法，比如plt.plot()–>ax.plot()、plt.legend()–>ax.legend()等。
2、在设置坐标轴上下限、坐标轴标题和图形标题方面，会稍有不同：文章来源地址https://www.toymoban.com/news/detail-846727.html

• 设置坐标轴标题：
  plt.xlabel()–>ax.set_xlabel()
  plt.ylabel()–>ax.set_ylabel()
• 设置坐标轴上下限：
  plt.xlim()–>ax.set_xlim()
  plt.ylim()–>ax.set_ylim()
• 设置图形标题：
  plt.title()–>ax.set_title()
  3、使用面向对象的方式绘制气泡图,不能设置colorbar,不加colorbar()就不会报错

到了这里，关于Python可视化之Matplotlib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！