python数据分析——matplotlib绘图

时间 2019-11-12

标签 python 数据分析 matplotlib 绘图栏目 Python 繁體版

原文原文链接

matplotlib

1、Matplotlib基础知识

Matplotlib中的基本图表包括的元素html

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

In [2]:

import numpy as np import pandas as pd import matplotlib.pyplot as plt from pandas import Series,DataFrame

包含单条曲线的图

注意：y,x轴的值必须为数字

In [3]:

x=[1,2,3,4,5] y=[2,4,6,8,10] plt.plot(x,y)

Out[3]:

[<matplotlib.lines.Line2D at 0x8af9a90>]

绘制抛物线

In [7]:

x = np.linspace(-np.pi,np.pi,num=20) y = x**2 plt.plot(x,y)

Out[7]:

[<matplotlib.lines.Line2D at 0x62941d0>]

绘制正弦曲线图

In [10]:

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

Out[10]:

[<matplotlib.lines.Line2D at 0x6313940>]

包含多个曲线的图

一、连续调用屡次plot函数python

In [12]:

plt.plot(x,y) plt.plot(x+2,y+3)

Out[12]:

[<matplotlib.lines.Line2D at 0x5073668>]

二、也能够在一个plot函数中传入多对X,Y值，在一个图中绘制多个曲线app

In [13]:

plt.plot(x,y,x+1,y-2)

Out[13]:

[<matplotlib.lines.Line2D at 0x50fdc88>,
 <matplotlib.lines.Line2D at 0x50fddd8>]

将多个曲线图绘制在一个table区域中：对象形式建立表图

a=plt.subplot（row,col,loc）建立曲线图
a.plot(x,y) 绘制曲线图

In [15]:

ax1 = plt.subplot(221) ax1.plot(x,y) ax2 = plt.subplot(2,2,2) ax2.plot(x,y) ax3 = plt.subplot(2,2,3) ax3.plot(x,y) ax4 = plt.subplot(2,2,4) ax4.plot(x,y)

Out[15]:

[<matplotlib.lines.Line2D at 0x666cd68>]

网格线 plt.gride(XXX)

参数：dom

- axis
- color:支持十六进制颜色
- linestyle: --  -.  :
- alpha

In [21]:

plt.plot(x,y) plt.grid(axis='both',c='blue')

绘制一个正弦曲线图，并设置网格

In [16]:

plt.plot(x,y,c='red',alpha=0.7)

Out[16]:

[<matplotlib.lines.Line2D at 0x66ff668>]

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])ide

In [25]:

plt.plot(x,y) plt.axis([-6,6,-2,2]) #plt.axis('off')

Out[25]:

[-6, 6, -2, 2]

plt.axis('off')

关闭坐标轴svg

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

In [28]:

plt.figure(figsize=(6,6)) plt.plot(x,y)

Out[28]:

[<matplotlib.lines.Line2D at 0x9da7518>]

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

plt的xlabel方法和ylabel方法 title方法

In [33]:

plt.plot(x,y) plt.xlabel('aaa') plt.ylabel('bbb') plt.title('ccc')

Out[33]:

Text(0.5,1,'ccc')

图例

legend方法

两种传参方法：函数

分别在plot函数中增长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

In [44]:

plt.plot(x,y,label='aaa') plt.plot(x+2,y+3,label='bbb') plt.legend(loc=0,ncol=2)

Out[44]:

<matplotlib.legend.Legend at 0xb28aa90>

legend的参数

- loc参数

loc参数用于设置图例标签的位置，通常在legend函数内
matplotlib已经预约义好几种数字表示的位置

字符串	数值	字符串	数值
best	0	center left	6
upper right	1	center right	7
upper left	2	lower center	8
lower left	3	upper center	9
lower right	4	center	10
right	5

- ncol参数

ncol控制图例中有几列,在legend中设置ncol字体

保存图片

使用figure对象的savefig函数来保存图片

fig = plt.figure()---必须放置在绘图操做以前spa

figure.savefig的参数选项code

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）

In [45]:

fig = plt.figure() plt.plot(x,y,label='aaa') plt.plot(x+2,y+3,label='bbb') plt.legend(loc=0,ncol=2) fig.savefig('./123.png',dpi=500)

设置plot的风格和样式

plot语句中支持除X,Y之外的参数，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

颜色值的方式

别名
- color='r'

合法的HTML颜色名
- color = 'red'

颜色	别名	HTML颜色名	颜色	别名	HTML颜色名
蓝色	b	blue	绿色	g	green
红色	r	red	黄色	y	yellow
青色	c	cyan	黑色	k	black
洋红色	m	magenta	白色	w	white

HTML十六进制字符串
- color = '#eeefff'

归一化到[0, 1]的RGB元组
- color = (0.3, 0.3, 0.4)

透明度

alpha参数

线型

参数linestyle或ls

线条风格	描述	线条风格	描述
'-'	实线	':'	虚线
'--'	破折线	'steps'	阶梯线
'-.'	点划线	'None' / '，'	什么都不画

In [52]:

plt.plot(x,y,ls='steps',lw=10)

Out[52]:

[<matplotlib.lines.Line2D at 0xb5d17b8>]

线宽

linewidth或lw参数

点型

marker 设置点形
markersize 设置点形大小

标记	描述	标记	描述
's'	正方形	'p'	五边形
'h'	六边形1	'H'	六边形2
'8'	八边形

标记	描述	标记	描述
'.'	点	'x'	X
'*'	星号	'+'	加号
','	像素

标记	描述	标记	描述
'o'	圆圈	'D'	菱形
'd'	小菱形	'','None',' ',None	无

标记	描述	标记	描述
'1'	一角朝下的三脚架	'3'	一角朝左的三脚架
'2'	一角朝上的三脚架	'4'	一角朝右的三脚架

In [51]:

plt.plot(x,y,marker='d',markersize=10)

Out[51]:

[<matplotlib.lines.Line2D at 0xb56f320>]

In [85]:

# 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)

3、2D图形

直方图

是一个特殊的柱状图，又叫作密度图。

【直方图的参数只有一个x！！！不像条形图须要传入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。能够是单一颜色值或颜色的序列。若是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。若是未指定，将会使用一个默认的线条颜色
orientation
经过设置orientation为horizontal建立水平直方图。默认值为vertical

In [55]:

data = [1,2,3,3,4,2,5] plt.hist(data,bins=10)

Out[55]:

(array([1., 0., 2., 0., 0., 2., 0., 1., 0., 1.]),
 array([1. , 1.4, 1.8, 2.2, 2.6, 3. , 3.4, 3.8, 4.2, 4.6, 5. ]),
 <a list of 10 Patch objects>)

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: 返回每一个bin里面包含的数据，是一个list

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()、barh()

In [57]:

num = [1,2,3,4,5] count = [2,4,6,8,10] plt.barh(num,count)

Out[57]:

<BarContainer object of 5 artists>

水平条形图

barh()

饼图

【饼图也只有一个参数x】

pie()
饼图适合展现各部分占整体的比例，条形图适合比较各部分的大小

普通各部分占满饼图

普通未占满饼图：小数/比例

饼图阴影、分裂等属性设置

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

In [59]:

plt.pie([0.2,0.5])

Out[59]:

([<matplotlib.patches.Wedge at 0xb890b00>,
  <matplotlib.patches.Wedge at 0xb890f98>],
 [Text(0.889919,0.646564,''), Text(-1.04616,0.339919,'')])

In [58]:

arr=[11,22,31,15] plt.pie(arr,labels=['a','b','c','d'])

Out[58]:

([<matplotlib.patches.Wedge at 0xb8536a0>,
  <matplotlib.patches.Wedge at 0xb853b70>,
  <matplotlib.patches.Wedge at 0xb85e0f0>,
  <matplotlib.patches.Wedge at 0xb85e630>],
 [Text(0.996424,0.465981,'a'),
  Text(-0.195798,1.08243,'b'),
  Text(-0.830021,-0.721848,'c'),
  Text(0.910034,-0.61793,'d')])

In [60]:

#labeldistance参数设置标签距离圆心的距离（比例值）
arr=[11,22,31,15] plt.pie(arr,labels=['a','b','c','d'],labeldistance=0.3)

Out[60]:

([<matplotlib.patches.Wedge at 0xb8ce9b0>,
  <matplotlib.patches.Wedge at 0xb8ceeb8>,
  <matplotlib.patches.Wedge at 0xb8d7438>,
  <matplotlib.patches.Wedge at 0xb8d7978>],
 [Text(0.271752,0.127086,'a'),
  Text(-0.0533994,0.295209,'b'),
  Text(-0.226369,-0.196868,'c'),
  Text(0.248191,-0.168526,'d')])

In [61]:

#autopct参数设置比例值小数保留位(%.3f%%)；
arr=[11,22,31,15] plt.pie(arr,labels=['a','b','c','d'],labeldistance=0.3,autopct='%.6f%%')

Out[61]:

([<matplotlib.patches.Wedge at 0xb914208>,
  <matplotlib.patches.Wedge at 0xb914940>,
  <matplotlib.patches.Wedge at 0xb91f0f0>,
  <matplotlib.patches.Wedge at 0xb91f860>],
 [Text(0.271752,0.127086,'a'),
  Text(-0.0533994,0.295209,'b'),
  Text(-0.226369,-0.196868,'c'),
  Text(0.248191,-0.168526,'d')],
 [Text(0.543504,0.254171,'13.924050%'),
  Text(-0.106799,0.590419,'27.848101%'),
  Text(-0.452739,-0.393735,'39.240506%'),
  Text(0.496382,-0.337053,'18.987341%')])

In [62]:

##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])

Out[62]:

([<matplotlib.patches.Wedge at 0xb958390>,
  <matplotlib.patches.Wedge at 0xb958b38>,
  <matplotlib.patches.Wedge at 0xb960390>,
  <matplotlib.patches.Wedge at 0xb960b38>],
 [Text(0.45292,0.21181,'a'),
  Text(-0.106799,0.590419,'b'),
  Text(-0.377282,-0.328113,'c'),
  Text(0.579113,-0.393228,'d')])

In [63]:

#startangle参数设置饼图起始角度
arr=[11,22,31,15] plt.pie(arr,labels=['a','b','c','d'],startangle=50)

Out[63]:

([<matplotlib.patches.Wedge at 0xb99e438>,
  <matplotlib.patches.Wedge at 0xb99e908>,
  <matplotlib.patches.Wedge at 0xb99ee48>,
  <matplotlib.patches.Wedge at 0xb9a93c8>],
 [Text(0.283527,1.06283,'a'),
  Text(-0.955049,0.545785,'b'),
  Text(0.0194406,-1.09983,'c'),
  Text(1.05832,0.299929,'d')])

%m.nf m 占位 n 小数点后保留几位 f 是以float格式输出

散点图：因变量随自变量而变化的大体趋势

【散点图须要两个参数x,y，但此时x不是表示x轴的刻度，而是每一个点的横坐标！】

scatter()

In [64]:

x = np.random.randint(0,10,size=(20,)) y = np.random.randint(0,10,size=(20,))

plt.scatter(x,y,marker='d',c="rbgy") 设置不一样的散点颜色

In [67]:

plt.scatter(x,y,c='rgyb')

Out[67]:

<matplotlib.collections.PathCollection at 0xca6bba8>

In [68]:

x = [1,2,3,4,5] y = [2,4,6,8,10] plt.scatter(x,y)

Out[68]:

<matplotlib.collections.PathCollection at 0xcacf630>