使用matplotlib进行绘图
环境介绍
- IDE是PyCharm专业版,社区版好像不支持图形可视化(不确定)。
- 库是matplotlib、numpy、pandas。
- 本文参考《利用python进行数据分析》一书,github地址请点这里
基本示例
简单尝试
#导入matplotil库,用于画图
import matplotlib.pyplot as plt
#导入numpy库,用于数据处理
import numpy as np
#画图
data = np.arange(10)
plt.plot(data)
#使图像展示出来
plt.show()
上面的代码展示了最简单的图片绘制。总结起来有一下几个步骤:
- 导入绘图和数据处理需要的库
- 导入需要绘制成图的数据,处理这些数据。比如本例中执行
data = np.arange(10)
生成从0-9的整数。 - 绘图并展示。这里需要说明,如果不执行
plt.show()
,在PyCharm中不会自动弹出绘制出来的图形,需要在PyCharm界面的最右侧点击‘Sciview’按钮进行查看。另在,如果是在Jupyter中绘图,需要加入代码matplotlib notebook
,如果是在Ipython中运行,则需要加入代码matplotlib
。
上述代码的执行效果如下所示。
子图
#导入matplotil库,用于画图
import matplotlib.pyplot as plt
#导入numpy库,用于数据处理
import numpy as np
#画图
data = np.arange(10)
#第一种生成子图的方式
fig = plt.figure() #生成一个图片对象
#将fig划分成2行2列4个子图 ,a1表示第1个子图,对应subplot的三个参数。
a1 = fig.add_subplot(2,2,1)
#在生成两个子图
a2 = fig.add_subplot(2,2,2)
a3 = fig.add_subplot(2,2,3)
#绘图
plt.plot(np.random.randn(50).cumsum(),'k--')
_ = a1.hist(np.random.randn(100),bins=20,color = 'k',alpha=0.3)
a2.scatter(np.arange(30),np.arange(30)+2*np.random.randn(30))
#第二种生成子图的方式。
#生成2行3列的子图,sharex表示所有子图横坐标范围相同
fig,axs = plt.subplots(2,3,sharex=True)
#对在第1行第2列的子图进行绘制
axs[0,1].hist(np.random.randn(100),bins=20,color = 'k',alpha=0.3)
#使图像展示出来
plt.show()
常用的生成子图的方式有两种。
-
对于第一种,先生成一个图片对象,然后在图片对象中添加子图。之后在自图上进行绘制。这里注意,如果直接执行
plt.plot
,默认是在最后生成的一张子图上进行绘制。比如本例中使用plt.plot(np.random.randn(50).cumsum(),'k--')
绘制的图出现在了第子图中。‘k--’线条的一些属性,在下一节具体列出。也可以通过'子图名称.XXX'的方法来具体指定在哪个子图中绘制。如本例中使用a1.hist()
命令在a1中绘制了柱状图。常见的图片类型见下表,更丰富的指令请参见官方文档。地址请点我!关键词 图片种类 angle_spectrum 角度光谱 bar 条形图 barh 水平条图 hist 直方图 hist2d 2D直方图 phase_spectrum 相位频谱 pie 饼图 ploar 极性图 psd 功率光谱密度 scatter 散点图 specgram 光谱图 stackplot 堆叠区域图 step 步骤图 第一种的图片效果如下所示;
-
第二种创建子图的方式与第一种类似。使用subplots创建一组图,其中参数中的2,3表示2行3列,sharex参数表示所有子图共享同样的横坐标范围。subplots还有一些其他的参数,具体请查看官网文档。在绘制子图时,可以使用如本例中
axs[0,1]
的方式进行指定,[0,1]参数表示第一行第二列的子图(行和列的计数从零开始)。效果如下所示。 -
可以使用
plt.subplots_adjust()
函数来调整子图间距。
颜色、标记、线性
#导入matplotil库,用于画图
import matplotlib.pyplot as plt
#导入numpy库,用于数据处理
import numpy as np
from numpy.random import randn
#画图
data = np.random.randn(30).cumsum()
plt.plot(data,color='k', linestyle='dashed', marker='o', label='One')
plt.plot(data,'r-', drawstyle='steps-post', label='Two')
#生成图例
plt.legend(loc='best')
plt.show()
上面的代码中有两个plt.plot,所以可以在同一个图中绘制两条不同的线。
- 在第一句plt.plot的参数中,‘color’表示颜色,在这里k表示黑色,linestyle表示线条的类型,marker表示标记的类型。它们也可以简写成一个参数:‘ko--’,如第二句plt.plot中的参数‘r-’(代表红色实线)就是这种写法。需要注意的是,如果要用这种简写的方式指定标记的类型,该参数需要紧跟在颜色参数之后。比如‘ko--’中,o要紧跟在k之后。
- 如果不指定drawstyle参数,则默认使用线性内插的方式使图像连续,在第二条线中,这个参数被指定为steps-post,意思是折现法内插,label属性相当于给每条线一个名字,便于生成图例。
- plt.legend表示要生成图例,loc参数是指图例出现的位置,best是指自动选择位置。
- 更多关于颜色、线条、标记的属性请参见官网文档。请点这里!
效果如下所示:
刻度,坐标轴,注释
# 导入matplotil库,用于画图
import matplotlib.pyplot as plt
# 导入numpy库,用于数据处理
import numpy as np
from numpy.random import randn
# 画图
fig = plt.figure()
ax = fig.add_subplot(1, 1, 1)
ax.plot(np.random.randn(1000).cumsum())
# 设置x轴上,哪些坐标处需要加刻度
ticks = ax.set_xticks([0, 250, 500, 750, 1000])
# 设置刻度的内容
labels = ax.set_xticklabels(['one', 'two', 'three', 'four', 'five'], rotation=45, fontsize='small')
# 设置横坐标的名称
ax.set_xlabel('Stages')
plt.show()
- ax.set_xticks可以设置在哪些坐标处需要加刻度。
- set_xticklabels可以设置刻度的内容,rotation参数可以用来设置旋转的角度,fontsize可以用来设置刻度的大小。
- set_xlabel可以用来设置x轴的名称。
效果如下所示。
# 导入matplotil库,用于画图
import matplotlib.pyplot as plt
# 导入numpy库,用于数据处理
import numpy as np
from numpy.random import randn
from datetime import datetime
import pandas as pd
fig = plt.figure()
ax = fig.add_subplot(1, 1, 1)
data = pd.read_csv('C:/Users/Nighthink/Downloads/pydata-book/examples/spx.csv', index_col=0, parse_dates=True)
spx = data['SPX']
spx.plot(ax=ax, style='k-')
crisis_data = [
(datetime(2007, 10, 11), 'Peak of bull market'),
(datetime(2008, 3, 12), 'Bear Stearns Fails'),
(datetime(2008, 9, 15), 'Lehman Bankruptcy')
]
for date, label in crisis_data:
ax.annotate(label, xy=(date, spx.asof(date) + 75),
xytext=(date, spx.asof(date) + 225),
arrowprops=dict(facecolor='black', headwidth=4, width=2,
headlength=4),
horizontalalignment='left', verticalalignment='top')
# Zoom in on 2007-2010
ax.set_xlim(['1/1/2007', '1/1/2011'])
ax.set_ylim([600, 1800])
ax.set_title('Important dates in the 2008-2009 financial crisis')
- 可以使用set_xlim函数来设置横坐标的显示范围,同理将x换成y可以设置纵坐标的显示范围。
- set_title函数可以给图片添加一个标题
- 可以使用ax.annotate方法来在指定的x和y坐标上绘制标签。
效果如下所示:
图片的保存
执行代码plt.savegif('fig.png',dpi=400,bbox_inches='tight')
可以将图保存成png格式,文件名是fig,dpi参数表示每英寸点数的分辨率,bbox_inches参数可以用来控制实际图像四周的空白。