码迷,mamicode.com
首页 > 编程语言 > 详细

python可视化_matplotlib

时间:2019-08-24 10:20:48      阅读:350      评论:0      收藏:0      [点我收藏+]

标签:fill   一点   散点图   新建   半径   plot   标签   port   patch   

对于Python数据可视化库,matplotlib 已经成为事实上的数据可视化方面最主要的库,此外还有很多其他库,例如vispy,bokeh, seaborn,pyga,folium 和 networkx,这些库有些是构建在 matplotlib 之上,还有些有其他一些功能。 

目录 


  •  matplotlib
  • 基本函数
  • 中文乱码
  • plot:线性图
  • bar:柱状图
  • barh:水平柱状图
  • pie:饼图
  • scatter:散点图
  • hist:直方图
  • stackplot:面积图
  • subplot:子图布局
  • GridSpec:网格布局

matplotlib


  matplotlib 是一个基于 Python 的 2D 绘图库,其可以在跨平台的在各种硬拷贝格式和交互式环境中绘制出高图形。Matplotlib 能够创建多数类型的图表,如条形图,散点图,条形图,饼图,堆叠图,3D 图和地图图表。

  %matplotlib 命令可以在当前的 Notebook 中启用绘图。Matlibplot 提供了多种绘图 UI ,可进行如下分类 :

  • 弹出窗口和交互界面: %matplotlib qt 和 %matplot tk
  • 非交互式内联绘图:  %matplotlib inline
  • 交互式内联绘图:   %matplotlib notebook-->别用这个,它会让开关变得困难。

  安装Matplotlib命令:pip install matplotlib

基本函数


 legend:增加图例(线的标题) ,格式:plt.legend(handles=(line1, line2, line3),labels=(‘label1‘, ‘label2‘, ‘label3‘),loc=‘upper right‘), 见如下示例代码

1 ln1, = plt.plot(x_data, y_data, color = red, linewidth = 2.0, linestyle = --)
2 ln2, = plt.plot(x_data, y_data2, color = blue, linewidth = 3.0, linestyle = -.)
3 plt.legend(handles=[ln2, ln1], labels=[Android基础, Java基础],  loc=lower right)

 loc参数值:

  • ‘best‘:自动选择最佳位置
  • ‘upper right‘:将图例放在右上角。
  • ‘upper left‘:将图例放在左上角。
  • ‘lower left‘:将图例放在左下角。
  • ‘lower right‘:将图例放在右下角。
  • ‘right‘:将图例放在右边。
  • ‘center left‘:将图例放在左边居中的位置。
  • ‘center right‘:将图例放在右边居中的位置。
  • ‘lower center‘:将图例放在底部居中的位置。
  • ‘upper center‘:将图例放在顶部居中的位置。
  • ‘center‘:将图例放在中心。

figure:新建一个画布,格式:figure(num=None, figsize=None, dpi=None, facecolor=None, edgecolor=None, frameon=True)

  • num:图像编号或名称,数字为编号 ,字符串为名称
  • figsize:指定figure的宽和高,单位为英寸;
  • dpi:指定绘图对象的分辨率,即每英寸多少个像素,缺省值为80;1英寸等于2.5cm,A4纸是 21*30cm的纸张
  • frameon:是否显示边框

spines:在matplotlib的图中,默认有四个轴,两个横轴和两个竖轴,可以通过ax = plt.gca()方法获取,gca是‘get current axes’的缩写,获取图像的轴,总共有四个轴 top、bottom、left、right

  • axis指定要用的轴:由于axes会获取到四个轴,而我们只需要两个轴,所以我们需要把另外两个轴隐藏,把顶部和右边轴的颜色设置为none, 如:plt.gca().spines[‘top‘].set_color(‘none‘)
  • 移动轴到指定位置:ax.spines[‘bottom’]获取底部的轴,通过 set_position 方法,设置底部轴的位置,例如:ax.spines[‘bottom’].set_position((‘data’,0)) 表示设置底部轴移动到竖轴的0坐标位置,设置轴设置的方法相同

示例代码:

技术图片
1 import matplotlib.pyplot as plt
2 
3 fig = plt.figure(figsize=(4, 3), frameon=True, facecolor=r)
4 ax = fig.add_subplot(1, 1, 1)
5 ax.spines[top].set_color = none
6 ax.spines[right].set_color = none
7 ax.spines[left].set_position((data, 0))
8 ax.spines[bottom].set_position((data, 0))
9 plt.show()
View Code

效果图:

  • 技术图片

中文乱码


  • 问题描述:matplotlib绘制图像在显示中文时候,中文会变成小方格子。其实plotlib是支持中文编码的,造成这个现象的原因是,matplotlib库的配置信息里面没有中文字体的相关信息
  • 解决方案:在python脚本中动态设置 matplotlibrc,这样就避免了更改配置文件的麻烦,方便灵活,更改了字体导致显示不出负号,将配署文件中 axes.unicode minus :True 修改为 Falsest 就可以了,代码如下: 
1 from pylab import mpl
2 
3 mpl.rcParams[font.sans-serif] = FangSong # 指定默认字体
4 mpl.rcParams[axes.unicode_minus] = False  # 解决保存图像是负号‘-‘显示为方块的问题

 Windows的字体对应名称如下

  • 黑体:SimHei
  • 微软雅黑:Microsoft YaHei
  • 微软正黑体:Microsoft JhengHei
  • 新宋体:NSimSun
  • 新细明体:PMingLiU
  • 标楷体:DFKai-SB
  • 仿宋:FangSong
  • 楷体:KaiTi
  • 仿宋_GB2312: FangSong_GB2312
  • 楷体_GB2312: KaiTi_GB2312 

plot:线性图


格式:plt.plot(x,y,format_string,**kwargs) 

  • x轴数据,y轴数据,format_string控制曲线的格式字串
  • format_string:由颜色字符,风格字符,和标记字符。具体形式  fmt = ‘[color][marker][line]‘ ,fmt接收的是每个属性的单个字母缩写,见如下代码:
    1. plot(x,y2,color=‘green‘, marker=‘o‘, linestyle=‘dashed‘, linewidth=1, markersize=6)
    2. plot(x,y3,color=‘#900302‘,marker=‘+‘,linestyle=‘-‘)
    3. 还可包含有其它的属性,如:markerfacecolor:标记颜色 、markersize: 标记大小 等等
  • 技术图片
  • 技术图片
  • 技术图片

示例:  

技术图片
 1 import matplotlib.pyplot as plt
 2 from pylab import mpl
 3 
 4 mpl.rcParams[font.sans-serif] = FangSong # 指定默认字体
 5 mpl.rcParams[axes.unicode_minus] = False  # 解决保存图像是负号‘-‘显示为方块的问题
 6 
 7 year = [1950, 1960, 1970, 1980, 1990, 2000, 2010]
 8 gdp = [300.2, 543.3, 1075.9, 2862.5, 5979.6, 10298.7, 14958.3]
 9 y_data = [100, 200, 300, 400, 500, 600, 700]
10 
11 
12 def draw_plot():
13     # plt.plot(year, gdp, ‘go-‘, year, y_data, ‘rp:‘)
14     plt.plot(year, gdp, go-, label=gdp)
15     plt.plot(year, y_data, rp:, label=second line)
16     plt.title("plot 线图demo")
17     plt.xlabel(年度)
18     plt.ylabel(gdp)
19     plt.legend()  #生成默认图例
20     plt.show()
View Code

 效果图:

  • 技术图片

bar:柱状图


格式:bar(left, height, width, alpha=1, width=0.8, color=, edgecolor=, label=, lw=3)

  • left:x轴的位置序列,一般采用arange函数产生一个序列;
  • height:y轴的数值序列,也就是柱形图的高度,一般就是我们需要展示的数据; 
  • width:柱形图的宽度,一般这是为1即可;
  • alpha:透明度 
  • width:为柱形图的宽度,一般这是为0.8即可;
  • color或facecolor:柱形图填充的颜色; 
  • edgecolor:图形边缘颜色 
  • label:解释每个图像代表的含义 
  • linewidth or linewidths or lw:边缘or线的宽度

示例

技术图片
 1 def draw_bar():
 2     plt.bar(x=year, height=gdp, width=0.4, label=gdp, color=green)
 3     plt.bar(x=year, height=y_data, width=0.4, label=secend, color=red)
 4     # 在柱状图上显示具体数值, ha参数控制水平对齐方式, va控制垂直对齐方式
 5     for x, y in enumerate(y_data):
 6         plt.text(x, y - 400, %s % y, ha=center, va=bottom)
 7     for x, y in enumerate(gdp):
 8         plt.text(x, y + 400, %s % y, ha=center, va=top)
 9 
10     plt.title("bar 条形图")
11     plt.xlabel(年度)
12     plt.ylabel(gdp)
13     plt.legend()
14     plt.show()
View Code

效果图:

  • 技术图片 

 使用 bar() 函数绘制柱状图时,默认不会在柱状图上显示具体的数值。为了能在柱状图上显示具体的数值,程序可以调用 text() 函数在数据图上输出文字,增加如下代码:1for x, y in enumerate(y_data): 

1     for x, y in enumerate(y_data):
2         plt.text(x, y - 400, %s % y, ha=center, va=bottom)
3     for x, y in enumerate(gdp):
4         plt.text(x, y + 400, %s % y, ha=center, va=top)
  • 在使用 text() 函数输出文字时,该函数的前两个参数控制输出文字的 X、Y 坐标,第三个参数则控制输出的内容。其中 va 参数控制文字的垂直对齐方式,ha 参数控制文字的水平对齐方式。
  • 对于上面的代码,由于 X 轴数据是一个字符串列表,因此 X 轴实际上是以列表元素的索引作为刻度值的。因此,当程序指定输出文字的 X 坐标为 0 时,表明将该文字输出到第一个条柱处;对于 Y 坐标而言,条柱的数值正好在条柱高度所在处,如果指定 Y 坐标为条柱的数值 +400,就是控制将文字输出到条柱略上一点的位置。

效果图:

  • 技术图片

如上图 所示的显示效果来看柱状图重叠,为了实现条柱井列显示的效果,首先分析条柱重叠在一起的原因。使用 Matplotlib 绘制柱状图时同样也需要 X 轴数据,本程序的 X 轴数据是元素为字符串的 list 列表,因此程序实际上使用各字符串的索引作为 X 轴数据。比如 ‘1950‘ 字符串位于列表的第一个位置,因此代表该条柱的数据就被绘制在 X 轴的刻度值1处(由于两个柱状图使用了相同的 X 轴数据,因此它们的条柱完全重合在一起)。为了将多个柱状图的条柱并列显示,程序需要为这些柱状图重新计算不同的 X 轴数据。为了精确控制条柱的宽度,程序可以在调用 bar() 函数时传入 width 参数,这样可以更好地计算条柱的并列方式。

示例 :

技术图片
 1 def draw_bar2():
 2     barwidth=0.4
 3     plt.bar(x=range(len(year)), height=gdp, width=0.4, label=gdp, color=green)
 4     plt.bar(x=np.arange(len(year)) + barwidth, height=y_data, width=0.4, label=secend, color=red)
 5     # 在柱状图上显示具体数值, ha参数控制水平对齐方式, va控制垂直对齐方式
 6     for x, y in enumerate(gdp):
 7         plt.text(x, y + 400, %s % y, ha=center, va=top)
 8     for x, y in enumerate(y_data):
 9         plt.text(x + barwidth, y + 400, %s % y, ha=center, va=top)
10 
11     plt.title("bar 条形图")
12     plt.xlabel(年度)
13     plt.ylabel(gdp)
14     plt.legend()
15     plt.show()
View Code

 效果图:

  • 技术图片

 运行上面程序,将会发现该柱状图的 X 轴的刻度值变成 0、1、2 等值,不再显示年份。为了让柱状图的 X 轴的刻度值显示年份,程序可以调用 xticks() 函数重新设置 X 轴的刻度值,如下:

  • plt.xticks(np.arange(len(year)) + barwidth/2, year)
  • bar_width/2: 这些刻度值将被恰好添加在两个条柱之间

希望两个条柱之间有一点缝隙,那么程序只要对第二个条柱的 X 轴数据略做修改即可,完整代码如下:

技术图片
 1 def draw_bar2():
 2     barwidth=0.4
 3     plt.bar(x=range(len(year)), height=gdp, width=barwidth, label=gdp, color=green)
 4     plt.bar(x=np.arange(len(year)) + barwidth + 0.01, height=y_data, width=barwidth, label=secend, color=red)
 5     # 在柱状图上显示具体数值, ha参数控制水平对齐方式, va控制垂直对齐方式
 6     for x, y in enumerate(gdp):
 7         plt.text(x, y + 400, %s % y, ha=center, va=top)
 8     for x, y in enumerate(y_data):
 9         plt.text(x + barwidth + 0.01, y + 400, %s % y, ha=center, va=top)
10 
11     #X轴添加刻度
12     plt.xticks(np.arange(len(year)) + barwidth/2 + 0.01, year)
13     plt.title("bar 条形图")
14     plt.xlabel(年度)
15     plt.ylabel(gdp)
16     plt.legend()
17     plt.show()
View Code

 效果图:

  • 技术图片

barh:水平柱状图


barh() 函数的用法与 bar() 函数的用法基本一样,只是在调用 barh() 函数时使用 y参数传入 Y 轴数据,使用 width 参数传入代表条柱宽度的数据。

示例:

技术图片
 1 def draw_barh():
 2     barwidth = 0.4
 3     plt.barh(y=range(len(year)), width=gdp, height=barwidth, label=gdp, color=green)
 4     plt.barh(y=np.arange(len(year)) + barwidth + 0.01, width=y_data, height=barwidth, label=secend, color=red)
 5     # 在柱状图上显示具体数值, ha参数控制水平对齐方式, va控制垂直对齐方式
 6     for y, x in enumerate(gdp):
 7         plt.text(x + 1000, y + barwidth/2, %s % x, ha=center, va=bottom)
 8     for y, x in enumerate(y_data):
 9         plt.text(x + 1400, y + barwidth/2 - 0.01, %s % x, ha=center, va=top)
10 
11     # y轴添加刻度
12     plt.yticks(np.arange(len(year)) + barwidth / 2 + 0.01, year)
13     plt.title("barh 水平柱状图")
14     plt.xlabel(gdp)
15     plt.ylabel(年度)
16     plt.legend()
17     plt.show()
View Code

 效果图:

  • 技术图片

pie:饼图


格式:pie(x, explode=None, labels=None, colors=(‘b‘, ‘g‘, ‘r‘, ‘c‘, ‘m‘, ‘y‘, ‘k‘, ‘w‘), autopct=None, pctdistance=0.6, shadow=False, labeldistance=1.1, startangle=None, radius=None, counterclock=True, wedgeprops=None, textprops=None, center = (0, 0), frame = False )

  • 创建饼图最重要的两个参数就是 x 和 labels,其中 x 指定饼图各部分的数值,labels 则指定各部分对应的标签
  • 通常,饼图用于显示部分对于整体的情况,通常以%为单位。 幸运的是,Matplotlib 会处理切片大小以及一切事情,我们只需要提供数值。
  • x:绘图数据
  • explode:突出显示,如将第4个数据显示:explode = [0, 0, 0, 0.3, 0, 0, 0, 0, 0, 0, 0]
  • labels:显示标签
  • autopct:设置百分比的格式,如保留3位小数:autopct=‘%.3f%%‘
  • pctdistance:置百分比标签与圆心的距离,如:pctdistance=0.8
  • labeldistance:设置标签与圆心的距离,如:startangle = 180
  • startangle:设置饼图的初始角度, 如:startangle = 180
  • center : 设置饼图的圆心(相当于X轴和Y轴的范围),如:center = (4, 4)
  • radius :设置饼图的半径(相当于X轴和Y轴的范围),如:radius = 3.8
  • counterclock :是否逆时针,如这里设置为顺时针方向:counterclock = False,
  • wedgeprops:设置饼图内外边界的属性值,如:wedgeprops = {‘linewidth‘: 1, ‘edgecolor‘:‘green‘}
  • textprops:设置文本标签的属性值,如:textprops = {‘fontsize‘:12, ‘color‘:‘black‘}
  • frame :是否显示饼图的圆圈,如此处设为显示:frame = 1 

示例 

技术图片
1 def draw_pie():
2     plt.pie(x=gdp,
3             labels=year,
4             autopct=%.3f%%,
5             explode=[0, 0, 0, 0.03, 0, 0, 0])
6 
7     plt.title("pie 图")
8     plt.show()
View Code

 效果:

  • 技术图片

scatter:散点图


格式:scatter(x, y, s=None, c=None, marker=None, cmap=None, norm=None, vmin=None, vmax=None, alpha=None, linewidths=None, verts=None, edgecolors=None, hold=None, data=None, **kwargs)

  • x, y:指 x 轴、y轴数据
  • s:指定散点的大小(设置点半径),如:s=50
  • c:指定散点的颜色。如:c=‘red‘
  • alpha:指定散点的透明度。如:alpha = 0.5
  • marker:指定散点的图形样式,见最上面标记字符图,如:marker=‘p‘

 示例:

技术图片
1 def draw_catter():
2     plt.scatter(x=year, y=gdp, c=red, marker=*, s=100)
3 
4     plt.title("catter 散点图")
5     plt.show()
View Code

 效果:

  • 技术图片

hist:直方图


柱状图与直方图:

  • 柱状图是用条形的长度表示各类别频数的多少,其宽度(表示类别)则是固定的;
  • 直方图是用面积表示各组频数的多少,矩形的高度表示每一组的频数或频率,宽度则表示各组的组距,因此其高度与宽度均有意义。
  • 由于分组数据具有连续性,柱状图的各矩形通常是连续排列,而条形图则是分开排列。
  • 柱状图主要用于展示分类数据,而直方图则主要用于展示数据型数据

格式:pyplot.hist(x, bins=None, range=None, normed=False, weights=None, cumulative=False, bottom=None, histtype=’bar’, align=’mid’, orientation=’vertical’, rwidth=None, log=False, color=None, label=None, stacked=False, hold=None, data=None, **kwargs)

  • x:指定每个bin(箱子)分布的数据,对应x轴
  • bins : 这个参数指定bin(箱子)的个数,也就是总共有几条条状图
  • normed : 是否将得到的直方图向量归一化
  • histtype : {‘bar’, ‘barstacked’, ‘step’, ‘stepfilled’} 

函数返回值:

  • n : array or list of arrays(箱子的值)
  • bins : array(箱子的边界)
  • patches : list or list of lists

stackplot:面积图


格式:stackplot(x, *args, labels=(), colors=None, baseline=‘zero‘, data=None, **kwargs)

示例 :

1  plt.stackplot(year, gdp, y_data, colors=[r, g])  
2     plt.title("stackplot 面积图")
3     plt.show()

 效果:

  • 技术图片

 从图上看不出颜色代表的含义,增加图例,完整代码如下:

技术图片
1 def draw_stackplot():
2     plt.plot([], [], color=r, label=gdp, linewidth=5)
3     plt.plot([], [], color=g, label=y_data, linewidth=5)
4     plt.stackplot(year, gdp, y_data, colors=[r, g])
5     plt.title("stackplot 面积图")
6     plt.legend()
7     plt.show()
View Code

 效果图:

  • 技术图片

subplot:子图布局


 subplot 在一张数据图上包含多个子图,格式:subplot(nrows, ncols, index, **kwargs)

  • nrows:指定将数据图区域分成多少行;
  • ncols:指定将数据图区域分成多少列;
  • index:指定获取第几个区域

subplot() 函数也支持直接传入一个三位数的参数,其中第一位数将作为 nrows 参数;第二位数将作为 ncols 参数;第三位数将作为 index 参数。

示例:

技术图片
 1 def draw_subplot():
 2     plt.figure(figsize=(4, 3))
 3 
 4     x_data = np.linspace(-np.pi, np.pi, 64, endpoint=True)
 5     plt.subplot(2, 1, 1)
 6     plt.plot(x_data, np.sin(x_data))
 7     plt.gca().spines[top].set_color(none)
 8     plt.gca().spines[right].set_color(none)
 9     plt.gca().spines[left].set_position((data, 0))
10     plt.gca().spines[bottom].set_position((data, 0))
11     plt.title(sin)
12 
13     plt.subplot(2, 2, 3)
14     plt.plot(x_data, np.cos(x_data))
15     plt.gca().spines[top].set_color(none)
16     plt.gca().spines[right].set_color(none)
17     plt.gca().spines[left].set_position((data, 0))
18     plt.gca().spines[bottom].set_position((data, 0))
19     plt.title(cos)
20 
21     plt.subplot(2, 2, 4)
22     plt.plot(x_data, np.tan(x_data))
23     plt.gca().spines[top].set_color(none)
24     plt.gca().spines[right].set_color(none)
25     plt.gca().spines[left].set_position((data, 0))
26     plt.gca().spines[bottom].set_position((data, 0))
27     plt.title(tan)
28 
29     plt.show()
View Code

 

效果:

  • 技术图片

GridSpec:网格布局


指定在给定GridSpec中的子图位置

示例:

技术图片
 1 def draw_gridspace():
 2     plt.figure(figsize=(4, 3))
 3 
 4     x_data = np.linspace(-np.pi, np.pi, 64, endpoint=True)
 5     gs = gridspace.GridSpec(2, 2)
 6     ax1 = plt.subplot(gs[0, :])
 7     ax2 = plt.subplot(gs[1, 0])
 8     ax3 = plt.subplot(gs[1, 1])
 9 
10     ax1.plot(x_data, np.sin(x_data))
11     ax1.spines[top].set_color(none)
12     ax1.spines[right].set_color(none)
13     ax1.spines[left].set_position((data, 0))
14     ax1.spines[bottom].set_position((data, 0))
15     ax1.set_title(sin)
16 
17     ax2.plot(x_data, np.cos(x_data))
18     ax2.spines[top].set_color(none)
19     ax2.spines[right].set_color(none)
20     ax2.spines[left].set_position((data, 0))
21     ax2.spines[bottom].set_position((data, 0))
22     ax2.set_title(cos)
23 
24     ax3.plot(x_data, np.tan(x_data))
25     ax3.spines[top].set_color(none)
26     ax3.spines[right].set_color(none)
27     ax3.spines[left].set_position((data, 0))
28     ax3.spines[bottom].set_position((data, 0))
29     ax3.set_title(tan)
30 
31     plt.show()
View Code

效果与上节 subplot 一致

 

参考资料


 

python可视化_matplotlib

标签:fill   一点   散点图   新建   半径   plot   标签   port   patch   

原文地址:https://www.cnblogs.com/tgzhu/p/11393590.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!