Matplotlib的小入门
Matplotlib专门用于开发2D图表(包括3D图表)，在日常数据处理中经常需要运用到它，它的用法非常多样，这里记录一些基础用法，算是一个小入门，后面如果有更复杂的画图要求，再进一步学习。
如果有需要绘制某种类型的表格可以访问-->官网文档,下文也会进一步说一下这个网站~
一、实现一个简单的Matplotlib画图
— 以折线图为例
-
matplotlib.pyplot模块
import matplotlib.pyplot as plt -
图形绘制流程：
-
1.创建画布 -- plt.figure()
plt.figure(figsize=(), dpi=) figsize:指定图的长宽 dpi:图像的清晰度 返回fig对象 -
2.绘制图像 -- plt.plot(x, y)
-
3.显示图像 -- plt.show()
-
-
实例如下：
二、认识Matplotlib图像结构
通过了解Matplotlib的图像结构，有利于进一步理解它的画图流程
- 容器层
- Canvas：画板
- Figure:画布
- 每次使用前，需要实例化，比如plt.figure()
- axex:坐标系
-数据的绘图区域
-辅助显示层
-比如添加一些标题呀，图例呀...
- 图像层
-画的是plot，scatter...
三、基础操作
-
添加x,y轴刻度
plt.xticks() plt.yticks() -
添加网格显示
plt.grid(linestyle="--", alpha=0.5) -
添加描述信息
plt.xlabel() plt.ylabel() plt.title() -
图像保存
plt.savefig("路径") -
画多条线
直接进行plt.plt(x,z)添加 -
显示图例
plt.legend(loc="best") 注意:一定要在plt.plot()里面设置一个label,如果不设置,没法显示 -
多个坐标系显示
plt.subplots(nrows=, ncols=) -
代码实例：
------》
点击查看折叠代码
x = range(60)
y = [random.uniform(15, 18) for i in x]
z = x
#1、创建画布
plt.figure(figsize=(8, 4), dpi=80) #指定画布大小，像素值
#2、绘制图表
plt.plot(x,y,label="SH")
plt.plot(x,z,label="BJ")
#添加x，y轴刻度
x_ticks = ["12:{}".format(i) for i in x]
#plt.xticks(x[::10],x_ticks[::10])
plt.xticks(x[::5]) #第一个参数可以改变刻度大小，这里选择 5 为刻度间隔
#添加一些细节
plt.grid(linestyle='--', alpha=0.5) #网格
plt.xlabel("Time(s)")
plt.ylabel("Volt")
plt.title("Temperature")
plt.legend()
#图像保存
#plt.savefig("test.png")
四、官网文档的妙用
Matplotlib能够绘制折线图、散点图、柱状图、直方图、饼图。官网文档这里面有很多类型的图表还有相应代码，有需要可以复制粘贴，修改一下为我所用
比如：柱状图怎么画
点击查看折叠代码
N = 5
menMeans = (20, 35, 30, 35, -27)
womenMeans = (25, 32, 34, 20, -25)
menStd = (2, 3, 4, 1, 2)
womenStd = (3, 5, 2, 3, 3)
ind = np.arange(N) # x轴刻度
fig, ax = plt.subplots() #多个子图
p1 = ax.bar(ind, menMeans,yerr=menStd, label='Men') #柱状图
p2 = ax.bar(ind, womenMeans,bottom=menMeans, yerr=womenStd, label='Women')
#添加细节信息
ax.axhline(0, color='grey', linewidth=0.8)
ax.set_ylabel('Scores')
ax.set_title('Scores by group and gender')
ax.set_xticks(ind, ['G1', 'G2', 'G3', 'G4', 'G5'])
ax.legend()
plt.show()
这里记录一下常见图图形的API
-
折线图：以折线的上升或下降来表示统计数量的增减变化的统计图
- 特点：能够显示数据的变化趋势，反映事物的变化情况。(变化)
api：plt.plot(x, y)
- 特点：能够显示数据的变化趋势，反映事物的变化情况。(变化)
-
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或总结坐标点的分布模式。
- 特点：判断变量之间是否存在数量关联趋势,展示离群点(分布规律)
api：plt.scatter(x, y)
- 特点：判断变量之间是否存在数量关联趋势,展示离群点(分布规律)
-
柱状图：排列在工作表的列或行中的数据可以绘制到柱状图中。
-
特点：绘制连离散的数据,能够一眼看出各个数据的大小,比较数据之间的差别。(统计/对比）
api：plt.bar(x, width, align='center', **kwargs)Parameters: x : 需要传递的数据 width : 柱状图的宽度 align : 每个柱状图的位置对齐方式 {‘center’, ‘edge’}, optional, default: ‘center’ **kwargs : color:选择柱状图的颜色
-
-
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者多组数据的分布状况(统计)
api：matplotlib.pyplot.hist(x, bins=None)Parameters: x : 需要传递的数据 bins : 组距
-
-
饼图：用于表示不同分类的占比情况，通过弧度大小来对比各种分类。
-
特点：分类数据的占比情况(占比)
api：plt.pie(x, labels=,autopct=,colors)Parameters: x:数量，自动算百分比 labels:每部分名称 autopct:占比显示指定%1.2f%% colors:每部分颜色
-
参考文献
1、Matplotlib简介、结构以及绘制基本图像的代码
2、《Pthon科学计算》-张若愚
