码迷,mamicode.com
首页 > 其他好文 > 详细

Matplotlib 库 : 绘图和可视化

时间:2019-03-10 00:10:20      阅读:256      评论:0      收藏:0      [点我收藏+]

标签:span   方法   别名   one   透明度   基础   markers   eps   正弦   

 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)

技术图片

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

技术图片

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

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

技术图片

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)

技术图片

 

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)

技术图片

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)

技术图片

 

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)

技术图片

  • 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)

技术图片

 

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

技术图片

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)

技术图片

 

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)

技术图片

 

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])

技术图片

 

(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

技术图片

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

 技术图片

 

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

技术图片

  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

技术图片

 

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

技术图片

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

技术图片

 

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)

技术图片

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)

技术图片

plt.barh(x,y) #水平条形图

技术图片

 

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])

技术图片

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

技术图片

  • 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])

技术图片

 

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)

技术图片

 

Matplotlib 库 : 绘图和可视化

标签:span   方法   别名   one   透明度   基础   markers   eps   正弦   

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

(0)
(0)
   
举报
评论 一句话评论(0
登录后才能评论!
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码!