文章目录
1 什么是Matplotlib
\qquad
Matplotlib 是一个 Python 的 2D绘图库。通过 Matplotlib，开发者可以仅需要几行代码，便可以生成绘图，直方图，功率谱，条形图，错误图，散点图等。官网https://matplotlib.org/
\qquad
学习Matplotlib 可让数据可视化，更直观的真实给用户。使数据更加客观、更具有说服力。Matplotlib是Python的库，又是开发中常用的库
1.1 Matplotlib的安装
pip install matplotlib
1.2 Matplotlib的基本使用
\qquad
在使用Matplotlib绘制图形时，其中有两个最为常用的场景。一个是画点，一个是画线。pyplot基本方法的使用如下表。
2 绘制直线
import matplotlib.pyplot as plt
# 将(0,1)点和(2,4)连起来
plt.plot([0,2],[1,4])
plt.show()
3 绘制折线
import matplotlib.pyplot as plt
x =[1,2,3,4,5]
squares =[1,14,39,16,25]
plt.plot(x, squares)
plt.show()
设置标签文字和线条粗细
import matplotlib.pyplot as plt
datas =[1,2,3,4,5]
squares =[1,14,39,16,25]
plt.plot(datas,squares,linewidth=5)#设置线条宽度 #设置图标标题，并在坐标轴上添加标签
plt.title('Numbers',fontsize=24)
plt.xlabel('datas',fontsize=14)
plt.ylabel('squares',fontsize=14)
plt.show()
设置中文标题
Matplotlib 默认情况不支持中文，我们可以使用以下简单的方法来解决：
import matplotlib.pyplot as plt
# 准备数据
datas =[1,2,3,4,5]
squares =[1,14,39,16,25]# 注意x和squares列表中元素个数要相同
plt.plot(datas, squares, linewidth=5)# 设置线条宽度
plt.rcParams['font.sans-serif']=['SimHei']# 用来正常显示中文标签# 添加标题
plt.title('设置标题', fontsize=24)# x轴添加标签
plt.xlabel('X轴', fontsize=14)# y轴添加标签
plt.ylabel('Y轴', fontsize=14)# 显示图形
plt.show()
风格的设置
import matplotlib.pyplot as plt
# 查看matplotlib中有哪些风格# print(plt.style.available)# 设置风格
plt.style.use('ggplot')
plt.plot([1,2],[1,4])
plt.show()
某周最高温度和最低温度变化
import matplotlib.pyplot as plt
# 构造数据
max_temperature =[26,30,31,32,33]
min_temperature =[12,16,16,17,18]
x =range(5)
plt.rcParams['font.family']=['SimHei']
x_ticks =['星期{}'.format(i)for i inrange(1,6)]
plt.title('某年某周第N周的温度')
plt.xlabel('周')
plt.ylabel('温度：单位(℃)')# 设置x轴标签
plt.xticks(x, x_ticks)# 填充数据
plt.plot(x, max_temperature, label='最高温')
plt.plot(x, min_temperature, label='最低温')# 显示图例
plt.legend(loc=2)
plt.show()
4 绘制曲线
绘制曲线y=x^2
Matplotlib有很多函数用于绘制各种图形，其中plot函数用于曲线， 需要将200个点的x坐标和Y坐标分别以序列的形式传入plot函数，然后调用show函数显示绘制的图形。
【示例】一元二次方程的曲线
import matplotlib.pyplot as plt
# 准备数据 x是200个点
x =range(-100,100)# y = x**2
y =[i **2for i in x]# 设置风格
plt.style.use('ggplot')# 调用plot
plt.plot(x, y)# 保存图片
plt.savefig('y=x的平方.jpg')
plt.show()
绘制正弦曲线和余弦曲线
使用plt函数绘制任何曲线的第一步都是生成若干个坐标点（x，y）， 理论上坐标点是越多越好。本例取0到10之间100个等差数作为x的坐标，然后将这100个x坐标值一起传入Numpy的sin和cos函数，就会得到100个y坐标值，最后就可以使用plot函数绘制正弦曲线和余弦曲线。
import matplotlib.pyplot as plt
import numpy as np
# 生成x的坐标(0-10的100个等差数列)
x = np.linspace(0,10,100)
y = np.sin(x)# 绘制正弦曲线
plt.plot(x, y, label="sin")# 绘制余弦曲线
plt.plot(x, np.cos(x), label="cos")# 给图像加图例
plt.legend()
plt.show()
画布分区
【示例】subplot分区
import matplotlib.pyplot as plt
import numpy as np
x = np.linspace(0,10,100)# plt.plot(x, np.sin(x))# plt.plot(x, np.cos(x))# 将画布分为区域，将图画到画布的指定区域 subplot()画布分区# 将画布分为2行2列在第三个区域绘制图形# 两种传递参数都可以
plt.subplot(2,2,1)
plt.plot(x, np.sin(x))
plt.subplot(222)
plt.plot(x, np.cos(x))
plt.subplot(2,2,3)
plt.plot(x, np.cos(x))
plt.subplot(224)
plt.plot(x, np.sin(x))
plt.show()
【示例】subplot分区
#将画布分为2行2列，将图画到画布的1区域
plt.subplot(221)
【示例】subplots分区
import matplotlib.pyplot as plt
import numpy as np
x = np.linspace(0,10,100)# plt.plot(x, np.sin(x))# plt.plot(x, np.cos(x))# 将画布分为区域，将图画到画布的指定区域 subplot()画布分区# 将画布分为2行2列在第三个区域绘制图形# 两种传递参数都可以
plt.subplot(2,2,1)
plt.plot(x, np.sin(x))
plt.subplot(222)
plt.plot(x, np.cos(x))
plt.subplot(2,2,3)
plt.plot(x, np.cos(x))
plt.subplot(224)
plt.plot(x, np.sin(x))# 使用subplots()进行画布分区
fig, ax = plt.subplots(nrows=2, ncols=3)
ax[0][0].plot(x, np.sin(x))
ax[1][2].plot(x, np.cos(x))# ax[行索引, 列索引]
ax[0,2].plot(x, np.sin(x))
ax[1,0].plot(x, np.cos(x))
plt.show()
5 绘制散点图
用两组数据构成多个坐标点，考察坐标点的分布，判断两变量之间是否存在某种关联。
【示例】绘制散点图
import matplotlib.pyplot as plt
import numpy as np
# 画散点图
x = np.linspace(0,10,100)# 生成0到10中100个等差数# plt.scatter(x, np.sin(x))
plt.plot(x, np.sin(x),'o')
plt.show()
【示例】使用scatter绘制不同大小不同颜色的散点图
import matplotlib.pyplot as plt
import numpy as np
# 绘制不同大小不同颜色的散点图
np.random.seed(0)
x = np.random.rand(100)
y = np.random.rand(100)
colors = np.random.rand(100)
size = np.random.rand(100)*1000
plt.scatter(x, y, c=colors, s=size, alpha=0.7)
plt.show()
绘制不同种类不同颜色的线
作为线性图的替代，可以通过向 plot() 函数添加格式字符串来显示离散值。
可以使用以下格式化字符。
以下是颜色的缩写：
【示例】不同种类不同颜色的线
#不同种类不同颜色的线
x=np.linspace(0,10,100)
plt.plot(x,x+0,'-g')#实线 绿色
plt.plot(x,x+1,'--c')#虚线 浅蓝色
plt.plot(x,x+2,'-.k')#点划线 黑色
plt.plot(x,x+3,'-r')#实线 红色
plt.plot(x,x+4,'o')#点 默认是蓝色
plt.plot(x,x+5,'x')#叉叉 默认是蓝色
plt.plot(x,x+6,'d')#砖石 红色
【示例】不同种类不同颜色的线并添加图例
# 不同种类不同颜色的线并添加图例
x = np.linspace(0,10,100)
plt.plot(x, x +0,'-g', label='-g')# 实线 绿色
plt.plot(x, x +1,'--c', label='--c')# 虚线 浅蓝色
plt.plot(x, x +2,'-.k', label='-.k')# 点划线黑色
plt.plot(x, x +3,'-r', label='-r')# 实线 红色
plt.plot(x, x +4,'o', label='o')# 点 默认是蓝色
plt.plot(x, x +5,'x', label='x')# 叉叉 默认是蓝色
plt.plot(x, x +6,'dr', label='dr')# 砖石 红色 # 添加图例右下角lower right 左上角upper left 边框 透明度 阴影 边框宽度
plt.legend(loc='lower right', fancybox=True, framealpha=1, shadow=True, borderpad=1)
import matplotlib.pyplot as plt
import numpy as np
# 准备数据
x = np.linspace(0,10,50)
plt.plot(x, x +0,'--', label='--')
plt.plot(x, x +1,':g', label=':g')
plt.plot(x, x +2,'vb', label='vb')
plt.plot(x, x +3,'sy', label='sy')
plt.plot(x, x +4,'hr', label='hr')# 添加图例# plt.legend(loc='lower right')
plt.legend(loc=4, fancybox=True, framealpha=1, shadow=True, borderpad=1)# 要配合label去使用
plt.show()
6 绘制条形图（柱状）
条形图是用宽度相同的条形的高度或长短来表示数据多少的图形。 条形图可以横置或纵置，纵置时也称为柱形图。
使用bar函数可以绘制条形图。条形图主要用来纵向对比和横向对比的
bar(x,y,color,width) 函数来生成纵向条形图
barh(x,y,color,height) 函数来生成条形图
- x 条装显示位置
- y 显示的值
- color 显示的颜色
【示例】使用bar绘制柱状图，并设置柱的宽度
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif']=['SimHei']# 用来正常显示中文标签# 准备数据
x =[2020,2025,2030,2035]
y =[12000,30000,10000,50000]# 调用bar绘制条形图
plt.bar(x, y, width=2)# 设置xlabel， ylabel
plt.xlabel("年份")
plt.ylabel("销量")# 添加标题
plt.title("4年的销售量")# 调用xticks()
x_ticks =[f'{i}年'for i in x]
plt.xticks(x, x_ticks)
plt.show()
注意事项：bar函数的宽度并不是像素宽度。bar函数会根据二维坐标系的尺寸，以及x坐标值的多少，自动确定每一个柱的宽度，而 width指定的宽度就是这个标准柱宽度的倍数。该参数值可以是浮点数，如0。5，表示柱的宽度是标准宽度的0。5倍。
【示例】barh的使用
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif']=['SimHei']# 用来正常显示中文标签# 准备数据
x =[2020,2025,2030,2035]
y =[12000,30000,10000,50000]# 设置条的高度
plt.barh(x, y, height=2)# xlabel ylabe1
plt.xlabel('销量')
plt.ylabel('年份')
plt.title('4年销量')
y_ticks =[f'{i}年'for i in x]
plt.yticks(x, y_ticks)
plt.show()
【示例】对部分条形图，使用颜色区分
import matplotlib.pyplot as plt
x =range(5)
y =[10,-13,14,-20,43]
v_bar = plt.bar(x, y, color='lightblue')for bar, height inzip(v_bar, y):if height <0:
bar.set(color='lightgreen', linewidth='3')
绘制带方差的条形图
【示例】带方差的条形图
import matplotlib.pyplot as plt
# 准备数据
x =range(3)
x_label =['bar1','bar2','bar3']
y =[1,2,3]# 波动
variance =[0.2,0.4,0.5]# 绘制柱形图
plt.bar(x, y, width=0.5, yerr=variance)
plt.xticks(x, x_label)# 设置y轴坐标的范围 扩大范围
m =max(zip(y, variance))
maxy =(m[0]+ m[1])*1.2
plt.ylim([0, maxy])
plt.show()
【示例】fill_between的使用
import matplotlib.pyplot as plt
import numpy as np
x = np.linspace(0,10,200)
y1 =2* x +1
y2 =3* x +1.5
plt.fill_between(x, y1, y2, color='red')
plt.show()
7 绘制饼状图
pie函数可以绘制饼状图，饼图主要是用来呈现比例的。只要传入比 例数据即可。
【示例】绘制饼状图
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif']=['SimHei']# 用来正常显示中文标签
woman =68187
man =101351# 计算男生女生所占的比
man_perc = man /(man + woman)
woman_perc = woman /(man + woman)
labels =['女','男']
color =['blue','red']# 调用pie绘制饼图 传入一个列表，列表中是比例数据
paches, texts, autotexts = plt.pie([woman_perc, man_perc], autopct="%0.1f%%", labels=labels, explode=(0,0.05))# explode裂开# 设置字体大小和颜色for text in autotexts:
text.set_color("white")
text.set_fontsize(20)for t in texts:
t.set_color("red")
t.set_fontsize(20)
plt.show()
7 绘制直方图
由一系列高度不等的纵向条纹或线段表示数据分布的情况，一般用横轴表示数据范围，纵轴表示分布情况。 特点：绘制连续性的数据，展示一组或多组数据的分布状况并统计
概念： 组距：每组数据的分割区域，例如1-5一组5-10一组。我们可以称数据的组距为5
组数：(最大数据-最小数据)/组距一般会100条数据可分5-12组
hist(data,bins,normed)
- data 所有的数据
- bins 分几组
- normed y轴是否显示成百分比
import matplotlib.pyplot as plt
import numpy as np
# 获取正太分布数据
x = np.random.randn(1000)# 绘制直方图 hist# plt.hist(x)
plt.hist(x, bins=100)# 获取数据
data =[45,49,42,42,36,37,31,38,35,39,43,33,34,36,35,36,34,32,36,32,37,33,32,38,35]max(data)min(data)# 设置组距
bin_width =2# 计算组数
bin_count =int((max(data)-min(data))/ bin_width)
bin_count
# 设置xticks
x_ticks =range(min(data),max(data)+1, bin_width)
plt.xticks(x_ticks)
plt.hist(data, bin_count)
plt.show()
8 绘制盒图
盒图尽管与直方图形态上有很大差异，但含义类似，都是用于表示分布状态，不过盒图还有一个功能，就是能体现数据的中位数Q2、 四分之一位Q1、四分之三位Q3和离群点IQR = Q3 Q1如果Q11.5IQR或者Q3+1.5IQR就是离群点。
import matplotlib.pyplot as plt
import numpy as np
# 准备数据 方差越大越分散 3就是很分散不集中 圈就是离群点
data =[np.random.normal(0, i,100)for i inrange(1,4)]# 调用boxplot()# vert:是竖着画还是横着# notch:切口 更好找到中位数
plt.boxplot(data, vert=True, notch=True)# 默认是True
plt.title("boxplot")
plt.xticks([1,2,3],["box1","box2","box3"])
plt.show()
9 绘制三维图
【示例】绘制三维图
import matplotlib.pyplot as plt
import numpy as np
from mpl_toolkits.mplot3d import Axes3D
# 准备数据
x = np.linspace(-10,10,100)
y = np.linspace(-10,10,100)# 计算x y 的相交点
X, Y = np.meshgrid(x, y)# 计算Z
Z = np.sqrt(X **2+ Y **2)# 绘制三维图# plt.contour(X,Y,Z)
plt.contourf(X, Y, Z)# 三维画布绘制三维图
figure = plt.figure()
ax3d = Axes3D(figure)
ax3d.plot_surface(X, Y, Z)
plt.show()
练习
1. 用matplotlib绘制余切曲线并保存成图片。
2. 用matplotlib绘制生成3行2列的子画布，第1行第1列绘制余弦曲线和第3行第3列绘制正弦曲线。
3. 用matplotlib绘制一个饼状图（数据可以自定指定）。
4. 用matplotlib绘制一个柱状图分析3部电影3天的票房。
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif']=['SimHei']# 用来正常显示中文标签# 准备
real_names =["人在囧途","阿甘正传","熊出没"]
real_num1 =[5453,7548,6543]
real_num2 =[1840,4013,3421]
real_num3 =[1080,1673,2342]# 设置画布大小figure(figsize=(w,h))
plt.figure(figsize=(8,6), dpi=80)# 640 * 480# 调用bar绘制
x =range(len(real_names))
width =0.3
plt.bar(x, real_num1, width=width, color='g', label=real_names[0])
plt.bar([i + width for i in x], real_num2, width=width, color='b', label=real_names[1])
plt.bar([i + width *2for i in x], real_num3, width=width, color='r', label=real_names[2])# 设置xlabel ylabel# plt.xlabel("天")
plt.ylabel("票房")
plt.title('3天3部电影票房')
x_ticks =[f"第{i +1}天"for i in x]
plt.xticks([i + width for i in x], x_ticks)# 添加图例
plt.legend()
plt.show()
import matplotlib.pyplot as plt
data =range(200,225,5)
bar_labels =['a','b','c','d','e']
x =range(len(bar_labels))# 设置画布
plt.figure(figsize=(8,6))
bars = plt.barh(x, data, height=0.6)# 设置yticks
plt.yticks(x, bar_labels, fontsize=24)# 在指定坐标位置设置内容text
text_data =1000000for bar, d inzip(bars, data):
x = bar.get_width()+ bar.get_width()*0.05
y = bar.get_y()+ bar.get_height()/2
text_data = d
plt.text(x, y, text_data, fontsize=20)
本文转载自: https://blog.csdn.net/weixin_46264660/article/details/140914998
版权归原作者 猫天意 所有， 如有侵权，请联系我们删除。
版权归原作者 猫天意 所有， 如有侵权，请联系我们删除。