Matplotlib常用方法

发表于 更新于 分类于
采集自中国慕课的视频教程，数据处理的第二章，第一章是Numpy

Matplotlib常用方法

课程地址：Python数据分析与展示

官方文档：Thumbnail gallery — Matplotlib 2.0.2 documentation

扩展部分

seaborn官方：API reference — seaborn 0.11.0 documentation (pydata.org)

pyecharts官方：pyecharts - A Python Echarts Plotting Library built with love.中文

Basemap官方：Basemap tutorial — Basemap tutorial 0.1 documentation

Seaborn是在matplotlib的基础上进行了更高级的API封装，从而使得作图更加容易，在大多数情况下使用seaborn能做出很具有吸引力的图，而使用matplotlib就能制作具有更多特色的图。同时它能高度兼容numpy与pandas数据结构以及scipy与statsmodels等统计模式。

pyecharts的ECharts是一个纯Javascript的图表库，可以流畅的运行在PC和移动设备上，兼容当前绝大部分浏览器。如想生成图片格式，需要另导入make_snapshot，国人造的，功能很强大，同时手册也很方便。

Basemap，画地图的。

可参考

pyecharts官方案例：中文简介 - Document (pyecharts.org)

seaborn 0.9中文：https://seaborn.apachecn.org/#/

前言

Matplotlib库是做python可视化的常见库，由各种可视化类构成，内部结构复杂，受Matlab启发。

安装Matplotlib

1
pip install matplotlib

matplotlib.pyplot是绘制各类可视化图形的命令子库，相当于快捷方式。

1
import matplotlib.pyplot as plt

一个案例

example.py

1
2
3
4
5
6
>>> import matplotlib.pyplot as plt
>>> plt.plot([3,1,4,2])
[<matplotlib.lines.Line2D object at 0x0EC4F770>]
>>> plt.ylabel("grade")
Text(0, 0.5, 'grade')
>>> plt.show()

图片存入文件

plt.savefi()将输出图形存储为文件，默认PNG格式，可以通过dpi修改输出质量。

1
2
3
4
5
6
>>> plt.plot([3,1,4,5,2])
[<matplotlib.lines.Line2D object at 0x0EB116F0>]
>>> plt.ylabel("grade")
Text(0, 0.5, 'grade')
>>> plt.savefig("test",dpi=600) # dpi修改输出质量
>>> plt.show()

设置轴尺度

plt.plot(x_array,y_array)当有两个以上参数时，按照X轴和Y轴顺序绘制数据点。

plt.axis([x1,x2,y1,y2])设置xy轴尺度

1
2
3
4
5
6
7
>>> plt.plot([0,2,4,6,8],[3,1,4,5,2])
[<matplotlib.lines.Line2D object at 0x01475D10>]
>>> plt.ylabel("grade")
Text(0, 0.5, 'grade')
>>> plt.axis([-1,10,0,6]) # x轴-1~10，y轴0~6
(-1.0, 10.0, 0.0, 6.0)
>>> plt.show()

设置曲线风格

1
2
import matplotlib. pyplot as plt
import numpy as np

绘制多条曲线

plt. plot(x1,y1,x2,y2...)

1
2
3
a = np. arange(10)
plt. plot(a, a*1.5, a, a*2.5, a, a*3.5, a, a*4.5)
plt. show()

修改曲线特征

plt. plot(x1,y1,"color+style+mark",x2,y2,"color+style+mark"...)

由颜色字符、风格字符和标记字符组成

案例：

1
2
3
a=np.arange(10)
plt.plot(a, a*1.5, 'g-o', a, a*2.5, 'r--x', a, a*3.5, 'c-.>', a, a*4.5, 'y:d')
plt.show()

其他参数

文本显示

设置中文

pyplot开不默认支持中文显示，需要matplotlib.rcParams修改字体实现。

1
2
3
4
5
matplotlib.rcParams['font.family'] = 'simHei' # 黑体
plt.plot([3,1,4,5,2])
plt.ylabel("纵轴（语言：zh_ch 中文）")
plt.xlabel("横轴（语言：zh_ch 中文）")
plt.show()

选择字体

直接matplotlib.rcParams['font.family'] = 'simHei'将全局改变字体，如想改变局部字体可以：

1
2
3
4
plt.plot([3,1,4,5,2])
plt.ylabel("纵轴（语言：zh_ch 中文）",fontproperties='Kaiti',fontsize=20)
plt.xlabel("横轴（语言：zh_ch 中文）",fontproperties='FangSong', fontsize=20)
plt.show()

文本显示

plt.annotate(s,xy=arrow_crd,xytext=text_crd,arrowprops=dict)设置箭头

其中arrowprops=dict(facecolor='black',width=2,shrink=0.1)

facecolor表示颜色；width表示宽度；shrink表示从起始到结束按照0.1比例缩进，即箭头尖尖不会直接接触xy

案例：

1
2
3
4
5
6
7
8
9
10
a = np.arange(0.0,5.0,0.02)
plt.plot(a,np.cos(2*np.pi*a),'r--')
plt.xlabel("横轴：时间",fontproperties="SimHei",fontsize=15,color='green')
plt.ylabel("纵袖：抵幅",fontproperties="SimHei",fontsize=15)
plt.title(r"正弦波实例$y=cos(2\pi x)$",fontproperties='SimHei',fontsize=25)
plt.text(0, 1.5, r'我直接一个箭头：', fontproperties='SimHei', fontsize=15)
plt.annotate(r'$\mu=100$',xy=(2,1),xytext=(3,1.5),arrowprops=dict(facecolor='black',width=2,shrink=0.1))
plt.axis([-1,6,- 2,2])
plt.grid(True) # 显示网格
plt.show()

绘制多个图形

简单分隔

matplotlib.pyplot.subplot(nrows,ncols,plot_number)

分割绘图区域

1
2
3
4
import numpy as np
import matplotlib.pyplot as plt
plt.subplot(3,2,4)
plt.subplot(324) # 同样的写法

测试案例：

1
2
3
4
5
6
7
8
9
10
11
12
import numpy as np
import matplotlib.pyplot as plt

def f(t):
    return np. exp(-t) * np. cos(2 * np. pi*t)

a = np. arange(0.0, 5.0, 0.02)
plt. subplot(211)
plt. plot(a, f(a))
plt. subplot(2, 1, 2)
plt. plot(a, np. cos(2*np.pi*a), 'r--')
plt. show()

复杂分隔1

matplotlib.pyplot.subplot2grid(GridSpec,CurSpec,colpan,rowspan)

GridSpec : (nrows,ncols)，将区域分隔成什么形状

CurSpec : (row,col)，当前选定的位置

colspan : rows，列的方向上延伸的长度

rowspan : cols，行的方向上延伸的长度

设定网格，选中网格，确定选中行列区域数量，编号从0开始。

测试案例：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
import numpy as np
import matplotlib.pyplot as plt
a = np. arange(0.0, 5.0, 0.02) # x轴
def f(t): # y轴
    return np. exp(-t) * np. cos(2 * np. pi*t)

plt.subplot2grid((3,3),(0,0),colspan=3)
plt.text(0,0,"((3,3),(0,0),colspan=3)",fontsize=10)
plt. plot(a, f(a),"0.9")

plt.subplot2grid((3, 3), (1, 0), colspan=2)
plt.text(0,0,"((3,3),(1,0),colspan=2)", fontsize=10)
plt. plot(a, f(a), "0.9")

plt.subplot2grid((3, 3), (1, 2), rowspan=2)
plt.text(0,0,"((3,3),(1,2),rowspan=2)", fontsize=10)
plt. plot(a, f(a), "0.9")

plt.subplot2grid((3, 3), (2, 0))
plt.text(0,0,"((3,3),(2,0)", fontsize=10)
plt. plot(a, f(a), "0.9")

plt.subplot2grid((3, 3), (2, 1))
plt.text(0,0,"((3,3),(2,1))", fontsize=10)
plt. plot(a, f(a), "0.9")

plt. show()

复杂分隔2

gs=matplotlib.gridspec.GridSpec(nrows,ncols)

matplotlib.pyplot.subplot(gs[rows,cols])

测试案例：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
import numpy as np
import matplotlib.pyplot as plt
import matplotlib.gridspec as gridspec
a = np. arange(0.0, 5.0, 0.02)  # x轴
def f(t):  # y轴
    return np. exp(-t) * np. cos(2 * np. pi*t)

gs=gridspec.GridSpec(3,3)

plt.subplot(gs[0,:])
plt.text(0, 0, "gs[0,:]", fontsize=10)
plt.plot(a, f(a), "0.9")

plt.subplot(gs[1,:-1])
plt.text(0, 0, "gs[1,:-1]", fontsize=10)
plt. plot(a, f(a), "0.9")

plt.subplot(gs[1:, -1])
plt.text(0, 0, "gs[1:, -1]", fontsize=10)
plt. plot(a, f(a), "0.9")

plt.subplot(gs[2, 0])
plt.text(0, 0, "gs[2, 0]", fontsize=10)
plt. plot(a, f(a), "0.9")

plt.subplot(gs[2, 1])
plt.text(0, 0, "gs[2,1]", fontsize=10)
plt. plot(a, f(a), "0.9")

plt.show()

基础图标函数

函数 说明
plt.plot(x,y,fml,...) 绘制坐标图
plt.boxplot(data,notch,position) 绘制箱型图
plt.bar(left,height,width,bottom) 绘制条形图
plt.barh(width,botton,left,height) 绘制横向条型图
plt.polar(theta,r) 绘制级坐标图
plt.pie(data,explode) 绘制饼图
plt.psd(x,NDDT=256,pad_to,Fs) 绘制功率谱密度图
plt.specgram(x,NFFT=256,pad_to,F) 绘制X-Y相关性函数
plt.scatter(x,y) 绘制散点图，x和y长度相同
plt.step(x,y,where) 绘制步阶图
plt.hist(x,bins,normed) 绘制直方图
plt.contour(x,y,linefmt,markerfmt) 绘制等值图
plt.vlines() 绘制垂直图
plt.stem(x,y,linefmt,markerfmt) 绘制柴火图
plt.plot_date() 绘制数据日期

饼图

plt.pie(sizes,exblode,labels,autopct,shadow,startangle)

根据百分比展示功能

sizes : 饼图各块尺寸 exblode : 应该突出的部分 labels : 每一块的标签

autopct : 显示百分数的方式 shadow : 带有阴影 startangle : 视角角度 

1
2
3
4
5
6
7
import matplotlib.pyplot as plt
labels = "Frogs", "Hogs", "Dogs", "Logs"
sizes = [15, 30, 45, 10]
explode = (0, 0.1, 0, 0)
plt.pie(sizes, explode=explode, labels=labels,autopct='%1.1f%%', shadow=False, startangle=120)
plt.axis("equal") # 坐标横纵相等
plt.show()

直方图

plt.hist(array,bin)

基础参数

array : 绘制的数据 bin : 横轴柱体的个数，bin越大，柱体越多，每个柱体跨度越小

视图参数

histtype : 绘制类型 facecolor : 颜色 alpha : 尺寸比例

1
2
3
4
5
6
7
8
import numpy as np
import matplotlib.pyplot as plt
np.random.seed(0)
mu,sigma=100,20 # 均值和标准差
a=np.random.normal(mu,sigma,size=100)
plt.hist(a,20,histtype='stepfilled',facecolor='g',alpha=0.75)
plt.title('histogram')
plt.show()

极坐标图

plt.subplot(111,projection='polar') 一个区域，极点模式

其他参数看例题：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
import numpy as np
import matplotlib.pyplot as plt

N = 10  # 表示数据的个数，色块个体的个数
# (0,2pi)分出N个不同的角度 相当于left
theta = np.linspace(0.0, 2*np.pi, N, endpoint=False)
# 圆的半径 相当于height
radii = 10*np.random.rand(N)
# 扇形开合角度 如果为2pi，则成同心圆
width = np.pi/4*np.random.rand(N)  
# 划分极点区域
ax = plt.subplot(111, projection='polar')
bars = ax.bar(theta, radii, width=width, bottom=0.0)
# 进行奇妙的色彩转换
for r, bar in zip(radii, bars):
    bar.set_facecolor(plt.cm.viridis(r/10.))
    bar.set_alpha(0.5)
plt.show()

散点图

plt.subplots()参数为空时，表示111，返回图和一个绘制区域ax

返回(<Figure size 640x480 with 1 Axes>, AxesSubplot:)

1
2
3
4
5
6
7
import numpy as np
import matplotlib.pyplot as plt
fig,ax=plt.subplots() 
# 'o'型标点方式，x轴100个点，y轴100个点，乘以10为了点扩散
ax.plot(10*np.random.randn(100),10*np.random.randn(100),'o') 
ax.set_title("Simple Scatter")
plt.show()