Matplotlib与Seaborn数据可视化

一、matplotlib的基本用法

matplotlib绘图的基本语法为：
pyplot.图名(x, y, 参数=值)，其中，x和y为列表或Numpy数组。

import matplotlib.pyplot as plt
import numpy as np
import math
%matplotlib inline    ##让绘图显示在Jupyter笔记本中

x01 = np.arange(0,9)  ##创建Numpy数组
y01 = x01**2
x02 = np.linspace(-math.pi*2,math.pi*2,100)  ##创建Numpy数组
y02 = np.sin(x02)*10

plt.figure(figsize=(6, 4))  ##设置图表的大小，能够省略，使用默认大小
plt.scatter(x01,y01,linewidth=1,label='linear')  ##绘制散点图，label为图例
plt.plot(x02,y02,label='scatter')  ##绘制折线图，这里会与折线图显示在同一张图表中
plt.title('Square numbers')  ##设置图表的标题
plt.xlabel('Value',fontsize=14)  ##设置图标x轴的标签
plt.ylabel('Value of numbers',fontsize=14)  ##设置图标y轴的标签
plt.axis([-math.pi*2,math.pi*2,-100,100])  ##设置坐标轴的显示区域
##plt.xlim(-math.pi*2,math.pi*2)  ##设置x轴的显示区域
##plt.ylim(-100,100) ##设置y轴的显示区域

plt.legend()  ##显示图例
plt.show()  ##显示绘图
##plt.savefig('f01.svg',format='svg')  ##保存绘图

二、matplotlib绘制子图

2.1 使用pyplot.subplots()函数

subplots()函数的基本用法是f, ax = plt.subplots(ncols=列数, nrows=行数[, figsize=图片大小, ...])，其中f为所绘制的总图表，ax为所绘制的子图标，能够经过下标调用。

x = np.arange(0.01, 10, 0.01)
y1 = 2*x - 6
y2 = np.log(x)
y3 = np.exp(x)
y4 = np.sin(x)

f, ax = plt.subplots(ncols=2, nrows=2, figsize=(8, 6))

ax[0, 0].plot(x, y1)
ax[0, 0].set_title("Linear")
ax[0, 1].plot(x, y2)
ax[0, 1].set_title("Log")
ax[1, 0].plot(x, y3)
ax[1, 0].set_title("Exp")
ax[1, 1].plot(x, y4)
ax[1, 1].set_title("Sin")

2.2 使用pyplot.subplot()绘制子图

subplot()函数的基本用法为：pyplot.subplot(nrows, ncols, index, 其余参数)，而后再使用plt.plot()函数绘图。

x = np.arange(0.01, 10, 0.01)
y1 = 2*x - 6
y2 = np.log(x)
y3 = np.exp(x)
y4 = np.sin(x)

plt.figure(figsize=(8,6))
plt.subplot(221)  ##也能够写做subplot(2,2,1)
plt.plot(x, y1,label='Linear')

plt.subplot(222)
plt.plot(x, y2, label='Log')

plt.subplot(223)
plt.plot(x, y3, label='Exp')

plt.subplot(224)
plt.plot(x, y4, label='sin')

plt.show()