第八次训练（一）：Matplotlib初步¶

在了解了Numpy和Pandas之后，我们基本具有了一些数据处理和计算的能力，下一步是了解一些数据可视化的方法

在进行数据可视化时，我们最常使用的库是Matplotlib，通过Matplotlib我们可以将Numpy或者Pandas中的数据通过画图的方式更加直观的展示出来，方便我们分析。

在使用之前同样确保已经安装了Matplotlib库，使用conda或者pip来安装。

conda install matplotlib
# or
pip install matplotlib

In [3]:

import numpy as np # 生成数据使用
import matplotlib.pyplot as plt # 导入包

import numpy as np # 生成数据使用 import matplotlib.pyplot as plt # 导入包

Matplotlib具有丰富的功能，能够根据我们的需求画出各种可视化的效果，并且提供了丰富的自定义选项和可配置项，以下展示一些简单直观的应用方法

1.1 常用图表类型¶

1.1.1 绘制折线图¶

In [5]:

# 折线图
plt.plot([1,2,3,4,5],[1,2,3,4,5]) # 画出一条经过(1,1),(2,2,),(3,3,)....(5,5)的直线
plt.xlabel('xlabel',fontsize = 16) # 在x轴上标注内容
plt.ylabel('ylabel',fontsize = 16) # 在y轴上标注内容
plt.grid(True) # 显示网格

# 折线图 plt.plot([1,2,3,4,5],[1,2,3,4,5]) # 画出一条经过(1,1),(2,2,),(3,3,)....(5,5)的直线 plt.xlabel('xlabel',fontsize = 16) # 在x轴上标注内容 plt.ylabel('ylabel',fontsize = 16) # 在y轴上标注内容 plt.grid(True) # 显示网格

1.1.2 绘制散点图¶

In [7]:

# 散点图
plt.scatter([1,2,3,4,5],[1,2,3,4,5]) 
plt.xlabel('xlabel') # 在x轴上标注内容
plt.ylabel('ylabel') # 在y轴上标注内容

# 散点图 plt.scatter([1,2,3,4,5],[1,2,3,4,5]) plt.xlabel('xlabel') # 在x轴上标注内容 plt.ylabel('ylabel') # 在y轴上标注内容

Out[7]:

Text(0, 0.5, 'ylabel')

1.1.3 绘制柱状图¶

In [9]:

# 柱状图
x = np.linspace(1,11,10)
y = np.random.rand(10)
plt.bar(x,y)

# 柱状图 x = np.linspace(1,11,10) y = np.random.rand(10) plt.bar(x,y)

Out[9]:

<BarContainer object of 10 artists>

In [11]:

# 横置柱状图
x = np.linspace(1, 11, 10)
y = np.random.rand(10)
plt.barh(x,y)

# 横置柱状图 x = np.linspace(1, 11, 10) y = np.random.rand(10) plt.barh(x,y)

Out[11]:

<BarContainer object of 10 artists>

1.1.4 绘制直方图¶

In [13]:

# 直方图
x = np.random.randn(1000) # 生成1000个服从正态分布的数据
plt.hist(x,bins=30) # 画直方图，bin参数指定分成的组数
plt.show()

# 直方图 x = np.random.randn(1000) # 生成1000个服从正态分布的数据 plt.hist(x,bins=30) # 画直方图，bin参数指定分成的组数 plt.show()

1.1.5 绘制饼图¶

In [15]:

# 饼图
plt.pie([1,1,1],labels=["a","b","c"])
plt.show()

# 饼图 plt.pie([1,1,1],labels=["a","b","c"]) plt.show()

1.1.6 绘制箱形图¶

Matplotlib可以方便地绘制箱型来观察数据的分布信息

箱形图提供了一种只用5个点对数据集做简单总结的方式。这5个点包括中点、Q1、Q3、分部状态的高位(max)和低位(min)。箱形图很形象的分为中心、延伸以及分布状态的全部范围。

In [17]:

# 箱型图
x = np.random.randint(100,size=20)
print(x)
plt.boxplot(x) # 绘制箱型图
plt.show()

# 箱型图 x = np.random.randint(100,size=20) print(x) plt.boxplot(x) # 绘制箱型图 plt.show()

[92  5 33  4 77  9 44 77 85 90  0 39 65 52 51 90 91  5 98 76]

1.2 绘图设置¶

1.2.1 自定义样式¶

Matplotlib可以更改所画出的线条和点的颜色以及样式，线条对应的参数参考下表

字符	类型	字符	类型
'-'	实线	'--'	虚线
'-.'	虚点线	':'	点线
'.'	点	','	像素点
'o'	圆点	'v'	下三角点
'^'	上三角点	'<'	左三角点
'>'	右三角点	'1'	下三叉点
'2'	上三叉点	'3'	左三叉点
'4'	右三叉点	's'	正方点
'p'	五角点	'*'	星形点
'h'	六边形点1	'H'	六边形点2
'+'	加号点	'x'	乘号点
'D'	实心菱形点	'd'	瘦菱形点
'_'	横线点

In [19]:

plt.plot([1,2,3,4,5],[1,2,3,4,5],"-.") # 画出一条经过(1,1),(2,2,),(3,3,)....(5,5)的虚点折线
plt.xlabel('xlabel',fontsize = 16) # 在x轴上标注内容
plt.ylabel('ylabel',fontsize = 16) # 在y轴上标注内容
plt.title("matplolib") # 在图上显示标题
plt.grid(True) # 显示网格

plt.plot([1,2,3,4,5],[1,2,3,4,5],"-.") # 画出一条经过(1,1),(2,2,),(3,3,)....(5,5)的虚点折线 plt.xlabel('xlabel',fontsize = 16) # 在x轴上标注内容 plt.ylabel('ylabel',fontsize = 16) # 在y轴上标注内容 plt.title("matplolib") # 在图上显示标题 plt.grid(True) # 显示网格

同样可以控制颜色，不同颜色对应的参数如下表所示:

字符	颜色
‘b’	蓝色，blue
‘g’	绿色，green
‘r’	红色，red
‘c’	青色，cyan
‘m’	品红，magenta
‘y’	黄色，yellow
‘k’	黑色，black
‘w’	白色，white

In [21]:

this_x = np.linspace(-9,9)
this_y = np.cos(this_x)
plt.plot(this_x,this_y,":",color='c') # 同时更改线条的样式和颜色

this_x = np.linspace(-9,9) this_y = np.cos(this_x) plt.plot(this_x,this_y,":",color='c') # 同时更改线条的样式和颜色

Out[21]:

[<matplotlib.lines.Line2D at 0x220703caf00>]

线条的宽度和透明度也可以修改

In [23]:

this_x = np.linspace(-9,9)
this_y = np.cos(this_x)
# linewidth 参数设置线条宽度，alpha 参数设置线条透明度
plt.plot(this_x, this_y, linewidth=3.0, alpha=0.4)

this_x = np.linspace(-9,9) this_y = np.cos(this_x) # linewidth 参数设置线条宽度，alpha 参数设置线条透明度 plt.plot(this_x, this_y, linewidth=3.0, alpha=0.4)

Out[23]:

[<matplotlib.lines.Line2D at 0x220704599a0>]

1.2.2 绘制子图¶

Matplotlib除了可以画单个图像，也可以将多个图像画在同一个图中

In [25]:

plt.plot([1,2,3,4],label="a")
plt.plot([4,3,2,1],label="b")
plt.legend(loc='best') # 显示图例

plt.plot([1,2,3,4],label="a") plt.plot([4,3,2,1],label="b") plt.legend(loc='best') # 显示图例

Out[25]:

<matplotlib.legend.Legend at 0x22070421280>

Matplotlib中还有一个子图的概念，可以达到下面的效果

In [27]:

plt.subplot(211) # 当前画图是在一个2行1列的图中，目前画子图中的第一个图
plt.plot([1,2,3,4])
plt.plot([4,3,2,1])

plt.subplot(212) # 当前是在2行1列的图中，目前画子图中的第二个图
x = np.arange(10) 
plt.plot(x,x**3)

plt.subplot(211) # 当前画图是在一个2行1列的图中，目前画子图中的第一个图 plt.plot([1,2,3,4]) plt.plot([4,3,2,1]) plt.subplot(212) # 当前是在2行1列的图中，目前画子图中的第二个图 x = np.arange(10) plt.plot(x,x**3)

Out[27]:

[<matplotlib.lines.Line2D at 0x220715a9130>]

1.2.3 坐标轴设置¶

Matplotlib 中还可以设置图像坐标轴的刻度单位

In [29]:

plt.subplot(211)
this_x = np.linspace(-9,9)
this_y = np.cos(this_x)
plt.plot(this_x, this_y)
plt.subplot(212)
plt.xticks(np.arange(-9,9,1))
plt.yticks(np.arange(-1,1.1,0.4))
plt.plot(this_x,this_y)

plt.subplot(211) this_x = np.linspace(-9,9) this_y = np.cos(this_x) plt.plot(this_x, this_y) plt.subplot(212) plt.xticks(np.arange(-9,9,1)) plt.yticks(np.arange(-1,1.1,0.4)) plt.plot(this_x,this_y)

Out[29]:

[<matplotlib.lines.Line2D at 0x220716ae330>]

也可以设置坐标轴的显示范围，来实现显示某一指定区间内的图像

In [31]:

plt.subplot(211)
this_x = np.linspace(-9,9)
this_y = np.cos(this_x)
plt.plot(this_x, this_y)
plt.subplot(212)
plt.xlim((-5, 5))
plt.ylim((-1.5, 1.5))
plt.plot(this_x,this_y)

plt.subplot(211) this_x = np.linspace(-9,9) this_y = np.cos(this_x) plt.plot(this_x, this_y) plt.subplot(212) plt.xlim((-5, 5)) plt.ylim((-1.5, 1.5)) plt.plot(this_x,this_y)

Out[31]:

[<matplotlib.lines.Line2D at 0x2207173e300>]

1.2.4 图像大小¶

Matplotlib 中也可以设置整个图像大小

In [33]:

this_x = np.linspace(-9,9)
this_y = np.cos(this_x)
plt.figure(figsize=(3.5, 3.5)) # 设置图像大小为 3.5 英寸乘以 3.5 英寸
plt.plot(this_x, this_y)

this_x = np.linspace(-9,9) this_y = np.cos(this_x) plt.figure(figsize=(3.5, 3.5)) # 设置图像大小为 3.5 英寸乘以 3.5 英寸 plt.plot(this_x, this_y)

Out[33]:

[<matplotlib.lines.Line2D at 0x220718ec050>]

In [35]:

plt.figure(figsize=(7.5, 7.5)) # 设置图像大小为 7.5 英寸乘以 7.5 英寸
plt.plot(this_x,this_y)

plt.figure(figsize=(7.5, 7.5)) # 设置图像大小为 7.5 英寸乘以 7.5 英寸 plt.plot(this_x,this_y)

Out[35]:

[<matplotlib.lines.Line2D at 0x2207195c050>]

In [ ]: