目录
数据可视化Matplotlib安装和导入库安装Matplotlib库导入Matplotlib库中的`pyplot`子库一、Matplotlib基础知识1. Figure对象1.1 定义1.2 划分子图1.3 设置中文字体1.4 添加标题1.5 调整子图二、散点图引入scatter()函数二、折线图plot()函数三、柱状图1. 普通柱形图2. 并列柱形图3. 堆叠条形图4. 柱线混合图四、水平条形图五、饼图五、直方图)
数据可视化
数据分析阶段:理解和洞察数据之间的关系算法调试阶段:发现问题,优化算法项目总结阶段:展示项目成果Matplotlib
Matplotlib 是Python中类似 MATLAB 的绘图工具,可以快速方便地生成高质量的图标
安装和导入库
安装Matplotlib库
Anaconda:安装了anaconda之后,Matplotlib就已经安装好了pippip install matplotlib
导入Matplotlib库中的pyplot
子库
import matplotlib.pyplot as plt
matplotlib.pyplot是一个有命令风格的函数集合,它看起来和MATLAB很相似。每一个pyplot函数都使一副图像做出些许改变,例如创建一幅图,在图中创建一个绘图区域,在绘图区域中添加一条线等等。在matplotlib.pyplot中,各种状态通过函数调用保存起来,以便于可以随时跟踪像当前图像和绘图区域这样的东西。绘图函数是直接作用于当前axes(matplotlib中的专有名词,图形中组成部分,不是数学中的坐标系。)
一、Matplotlib基础知识
Matplotlib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
坐标系标题 title
轴标签 xlabel ylabel
1. Figure对象
1.1 定义
在任何绘图之前,我们需要一个Figure对象,可以理解成我们需要一张画板才能开始绘图。
import matplotlib.pyplot as pltfig = plt.figure(num, figsize, dpi, facecolor, edgecolor, frameon)
例子:
plt.figure(figsize=(3, 2), facecolor="green")plt.plot()plt.show()
可选参数
1.2 划分子图
在matlib中,两条坐标轴连接的区域叫做轴域。
语法:
plt.subplot(nrows, ncols, index)
例子:
fig = plt.figure()plt.subplot(2, 2, 1)plt.subplot(2, 2, 2)plt.subplot(2, 2, 3)plt.subplot(2, 2, 4)plt.show()
每个subplot函数只创建一个子图,前两个参数只是说明将画布划分为2*2的区域,可以创建四个子图,但是并没有同时创建四个子图。要创建四个子图就需要执行四条语句,分别创建每个子图。
当subplot函数中的行数,列数和子图序号都小于10时,可以省略各个参数间的逗号,用一个三位数来代替,如下。
plt.subplot(221)plt.subplot(222)plt.subplot(223)plt.subplot(224)
1.3 设置中文字体
设置中文字体由于Matplotlib的默认字体是英文,因此在向图表中添加中文的时候,常常无法显示,这时只要将默认字体改为中文就可以了。
语法
plt.rcParams["font.sans-serif"] = "SimHei"
其他常用中文字体的名称
恢复标准默认配置
rc参数被修改后还可以恢复标准默认配置
plt.rcdefaults()
1.4 添加标题
添加全局标题subtitle("global_title")
添加子标题
title("title")
suptitle()函数的主要参数:
title()函数的主要参数:
例子,比如绘制下图:
import matplotlib.pyplot as plt#%%plt.rcParams["font.family"] = "SimHei"fig = plt.figure(facecolor="lightgrey")plt.subplot(2, 2, 1)plt.title("子标题1")plt.subplot(2, 2, 2)plt.title("子标题2", loc="left", color="b")plt.subplot(2, 2, 3)myfontdict = {"fontsize": 12, "color": "g", "rotation": 30}plt.title("子标题3", fontdict=myfontdict)plt.subplot(2, 2, 4)plt.title("子标题4", color="w", backgroundcolor="black")plt.suptitle("全局标题", fontsize=20, color="red", backgroundcolor="yellow")plt.show()
小技巧:
代码分段运行
代码分段
使用 #%% 将代码分段(应该自版pycharm就可以这样了)
注意:仅在科学模式Scientific Mode下有效分段运行
法一:Ctrl + Enter 逐端运行
法二:点击代码段左边的绿色三角形
如果得到下列结果,则需要对画布进行调整
这里主标题挡住了子标题,上下两个子图的间距也过小了
1.5 调整子图
tight_layout()函数
检查坐标轴标签、刻度标签和子图标题,自动调整子图,使之填充整个绘图区域,并消除子图之间的重叠。
在上述代码中增加
import matplotlib.pyplot as plt#%%# 设置默认字体为中文plt.rcParams["font.family"] = "SimHei"# 创建一个绘图对象,并将它的前景色绘制为浅灰色fig = plt.figure(facecolor="lightgrey")# 创建了四个子图plt.subplot(2, 2, 1)# 创建默认子标题plt.title("子标题1")plt.subplot(2, 2, 2)# 子标题 左对齐,字体颜色是蓝色plt.title("子标题2", loc="left", color="b")plt.subplot(2, 2, 3)# 将参数放在字典中,所有关键字都是字符串myfontdict = {"fontsize": 12, "color": "g", "rotation": 30}plt.title("子标题3", fontdict=myfontdict)plt.subplot(2, 2, 4)# 标题字体为白色,背景色为黑色plt.title("子标题4", color="w", backgroundcolor="black")plt.suptitle("全局标题", fontsize=20, color="red", backgroundcolor="yellow")plt.tight_layout()plt.show()
可以看到,子图之间的间距已经被自动调整了。标题和坐标轴之间不再重叠。但是,全局标题和子图区域还是有重叠。这是因为tight_layout()函数使子图区域充满了整个画布。我们现在希望能在画布上面留出一点位置来放置全局标题。这时候,只需要修改tight_layout()函数中的rect参数就可以了。
tight_layout(rect=(left, bottom, right, top))
这是子图区域的左下角坐标和右上角坐标,坐标必须为标准化图形坐标, 默认是(0,0,1,1)
# 设置默认字体为中文plt.rcParams["font.family"] = "SimHei"# 创建一个绘图对象,并将它的前景色绘制为浅灰色fig = plt.figure(facecolor="lightgrey")# 创建了四个子图plt.subplot(2, 2, 1)# 创建默认子标题plt.title("子标题1")plt.subplot(2, 2, 2)# 子标题 左对齐,字体颜色是蓝色plt.title("子标题2", loc="left", color="b")plt.subplot(2, 2, 3)# 将参数放在字典中,所有关键字都是字符串myfontdict = {"fontsize": 12, "color": "g", "rotation": 30}plt.title("子标题3", fontdict=myfontdict)plt.subplot(2, 2, 4)# 标题字体为白色,背景色为黑色plt.title("子标题4", color="w", backgroundcolor="black")plt.suptitle("全局标题", fontsize=20, color="red", backgroundcolor="yellow")plt.tight_layout(rect=(0, 0, 1, 1))plt.show()
二、散点图
引入
散点图(Scatter):是数据点在直角坐标系中的分布图
原始数据分布的规律
射击手向靶子多次射击后留下的记录。射击的成绩呈正太分布数据变化的趋势
房屋大小和房价呈线性关系数据分组
横坐标是花瓣长度,纵坐标是花瓣宽度
scatter()函数
scatter(x, y, scale, color, marker, label)
参数说明如下
这是其他数据点样式
例子:
来绘制这个图
# 设置默认字体为中文plt.rcParams["font.family"] = "SimSun"# 标准正态分布n = 1024x = np.random.normal(0, 1, n)y = np.random.normal(0, 1, n)# 绘制散点图plt.scatter(x, y, color="blue", marker="*")# 设置标题plt.title("标准正态分布", fontsize=20)plt.show()
我们还需要添加适当的文字描述
text(x, y, s, fontsize, color)
这里我们看到由于设置了中文字体,负号不能正常显示,因此我们需要设置坐标轴
plt.rcParams["axes.unicode_minus"] = False
绘图时,pyplot会根据数据的分布区间,自动加上坐标轴。如果要改变x轴,y轴的坐标范围,设置坐标轴的刻度样式或者给坐标轴加上标签,那么可以使用这几个函数
# 设置默认字体为中文plt.rcParams["font.family"] = "SimHei"# 标准正态分布n = 1024x = np.random.normal(0, 1, n)y = np.random.normal(0, 1, n)# 绘制散点图plt.scatter(x, y, color="blue", marker="*")# 设置标题plt.title("标准正态分布", fontsize=20)# 解决负号显示不出来的问题plt.rcParams["axes.unicode_minus"] = False# 设置文本plt.text(2.5, 2.5, "均值:0\n标准差:1")# 设置坐标轴范围plt.xlim(-4, 4)plt.ylim(-4, 4)# 设置轴标签文本plt.xlabel('横坐标x', fontsize=14)plt.ylabel('纵坐标y', fontsize=14)plt.show()
增加均匀分布的点
# 设置默认字体为中文plt.rcParams["font.family"] = "SimHei"# 标准正态分布n = 1024x1 = np.random.normal(0, 1, n)y1 = np.random.normal(0, 1, n)# 均匀分布x2 = np.random.uniform(-4, 4, (1, n))y2 = np.random.uniform(-4, 4, (1, n))# 绘制散点图plt.scatter(x1, y1, color="blue", marker="*")plt.scatter(x2, y2, color="yellow", marker="o")# 设置标题plt.title("标准正态分布", fontsize=20)# 解决负号显示不出来的问题plt.rcParams["axes.unicode_minus"] = False# 设置文本plt.text(2.5, 2.5, "均值:0\n标准差:1")# 设置坐标轴范围plt.xlim(-4, 4)plt.ylim(-4, 4)# 设置轴标签文本plt.xlabel('横坐标x', fontsize=14)plt.ylabel('纵坐标y', fontsize=14)plt.show()
增加图例
scatter(x, y, scale, color, marker, label) # label是图例参数legend(loc, fontsize)
loc参数的取值
# 设置默认字体为中文plt.rcParams["font.family"] = "SimHei"# 标准正态分布n = 1024x1 = np.random.normal(0, 1, n)y1 = np.random.normal(0, 1, n)# 均匀分布x2 = np.random.uniform(-4, 4, (1, n))y2 = np.random.uniform(-4, 4, (1, n))# 绘制散点图plt.scatter(x1, y1, color="blue", marker="*", label="正态分布")plt.scatter(x2, y2, color="yellow", marker="o", label="均匀分布")# 默认位置, 使用默认字体plt.legend()# 设置标题plt.title("标准正态分布", fontsize=20)# 解决负号显示不出来的问题plt.rcParams["axes.unicode_minus"] = False# 设置文本plt.text(2.5, 2.5, "均值:0\n标准差:1")# 设置坐标轴范围plt.xlim(-4, 4)plt.ylim(-4, 4)# 设置轴标签文本plt.xlabel('横坐标x', fontsize=14)plt.ylabel('纵坐标y', fontsize=14)plt.show()
二、折线图
折线图:散点图的基础上,将相邻的点用线段想连接
描述变量变化的趋势
plot()函数
plot(x, y, cplor, marker,label, linewidth, markersize)
参数说明如下:
例子:
绘制这样一个折线图,这是一个房间24小时的温度和湿度的监测记录
import matplotlib.pyplot as pltimport numpy as np# 设置默认字体为中文plt.rcParams["font.family"] = "SimHei"# 生成随机数列n = 24y1 = np.random.randint(27, 37, n)y2 = np.random.randint(40, 60, n)# 绘制折线图plt.plot(y1, label="温度")plt.plot(y2, label="湿度")plt.xlim(0, 23)# 多留一点空间好放置图例plt.ylim(20, 70)plt.xlabel("小时", fontsize=12)plt.ylabel("测量值", fontsize=12)plt.title("24小时温度湿度统计", fontsize=16)plt.legend()plt.show()
三、柱状图
1. 普通柱形图
由一系列高度不等的柱形条纹表示数据分布的情况。
语法
bar(x, left, height, width, facecolor, edgecolor, label)
参数说明如下:
例子:
import matplotlib.pyplot as pltimport numpy as np# 设置默认字体为中文plt.rcParams["font.family"] = "SimHei"# 解决负号问题plt.rcParams["axes.unicode_minus"] = False# 条纹高度y1 = [32, 25, 16, 30, 24, 45, 40, 33, 28, 17, 24, 20]y2 = [-23, -35, -26, -35, -45, -43, -35, -32, -23, -17, -22, -28]# 条纹left坐标plt.bar(range(len(y1)), y1, width=0.8, facecolor="green", edgecolor="white", label="统计量1")plt.bar(range(len(y2)), y2, width=0.8, facecolor="red", edgecolor="white", label="统计量2")plt.title("柱状图", fontsize=20)plt.legend()plt.show()
2. 并列柱形图
# 设置中文字体和负号正常显示plt.rcParams['font.sans-serif'] = ['SimHei']plt.rcParams['axes.unicode_minus'] = Falselabel_list = ['', '', '', ''] # 横坐标刻度显示值num_list1 = [20, 30, 15, 35]# 纵坐标值1num_list2 = [15, 30, 40, 20]# 纵坐标值2x = range(len(num_list1))rects1 = plt.bar(x=x, height=num_list1, width=0.4, alpha=0.8, color='red', label="一部门")rects2 = plt.bar(x=[i + 0.4 for i in x], height=num_list2, width=0.4, color='green', label="二部门")plt.ylim(0, 50)# y轴取值范围plt.ylabel("数量")# 设置x轴刻度显示值 参数一:中点坐标 参数二:显示值plt.xticks([index + 0.2 for index in x], label_list)plt.xlabel("年份")plt.title("某某公司")plt.legend()# 设置题注# 编辑文本for rect in rects1:height = rect.get_height()plt.text(rect.get_x() + rect.get_width() / 2, height+1, str(height), ha="center", va="bottom")for rect in rects2:height = rect.get_height()plt.text(rect.get_x() + rect.get_width() / 2, height+1, str(height), ha="center", va="bottom")plt.show()
3. 堆叠条形图
plt.rcParams['font.sans-serif'] = ['SimHei']plt.rcParams['axes.unicode_minus'] = Falselabel_list = ['', '', '', '']num_list1 = [20, 30, 15, 35]num_list2 = [15, 30, 40, 20]x = range(len(num_list1))rects1 = plt.bar(x=x, height=num_list1, width=0.45, alpha=0.8, color='red', label="一部门")rects2 = plt.bar(x=x, height=num_list2, width=0.45, color='green', label="二部门", bottom=num_list1)plt.ylim(0, 80)plt.ylabel("数量")plt.xticks(x, label_list)plt.xlabel("年份")plt.title("某某公司")plt.legend()plt.show()
4. 柱线混合图
plt.rcParams['font.sans-serif'] = ['SimHei'] # 用黑体显示中文# 构建数据x = [2, 4, 6, 8]y = [450, 500, 200, 1000]# 画柱形图plt.bar(x=x, height=y, label='书库大全', color='steelblue', alpha=0.8)# 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for x1, yy in zip(x, y):plt.text(x1, yy + 1, str(yy), ha='center', va='bottom', fontsize=20, rotation=0)# 设置标题plt.title("80小说网活跃度")# 为两条坐标轴设置名称plt.xlabel("发布日期")plt.ylabel("小说数量")# 显示图例plt.legend()# 画折线图plt.plot(x, y, "r", marker='*', ms=10, label="a")plt.xticks(rotation=45)plt.legend(loc="upper left")plt.savefig("a.jpg")plt.show()
四、水平条形图
语法
barh(y, width, height, left, align='center')
参数说明如下:
plt.rcParams['font.sans-serif'] = ['SimHei']plt.rcParams['axes.unicode_minus'] = Falseprice = [39.5, 39.9, 45.4, 38.9, 33.34]plt.barh(range(5), price, height=0.7, color='steelblue', alpha=0.8)# 从下往上画plt.yticks(range(5), ['亚马逊', '当当网', '中国图书网', '京东', '天猫'])plt.xlim(30,47)plt.xlabel("价格")plt.title("不同平台图书价格")for x, y in enumerate(price):plt.text(y + 0.2, x - 0.1, '%s' % y)plt.show()
五、饼图
语法
barh(y, width, height, left, align='center')
参数说明如下:
返回值
patches:List matplotlib.patches.Wedge object 每块饼对象l_text:List 圆内部文本,matplotlib.text.Text objectp_text:List 圆外部文本,matplotlib.text.Text object
例子:
plt.rcParams['font.sans-serif'] = ['SimHei']plt.rcParams['axes.unicode_minus'] = Falselabel_list = ["第一部分", "第二部分", "第三部分"] # 各部分标签size = [55, 35, 10] # 各部分大小color = ["red", "green", "blue"]# 各部分颜色explode = [0.05, 0, 0] # 各部分突出值patches, l_text, p_text = plt.pie(size, explode=explode, colors=color, labels=label_list, labeldistance=1.1, autopct="%1.1f%%", shadow=False, startangle=90, pctdistance=0.6)plt.axis("equal") # 设置横轴和纵轴大小相等,这样饼才是圆的plt.legend()plt.show()
具体函数参数的设置可参考这篇文章
五、直方图
hist 用于绘制直方图
语法
hist(y, width, height, left, align='center')
参数说明如下:
# 设置matplotlib正常显示中文和负号plt.rcParams['font.sans-serif']=['SimHei'] # 用黑体显示中文plt.rcParams['axes.unicode_minus']=False# 正常显示负号# 随机生成(10000,)服从正态分布的数据data = np.random.randn(10000)plt.hist(data, bins=40, facecolor="blue", edgecolor="black", alpha=0.7)# 显示横轴标签plt.xlabel("区间")# 显示纵轴标签plt.ylabel("频数/频率")# 显示图标题plt.title("频数/频率分布直方图")plt.show()
如果觉得《matplotlib绘图:散点图 折线图 柱状图 水平条形图 饼图和直方图》对你有帮助,请点赞、收藏,并留下你的观点哦!