Matplotlib学习笔记

目标

使用Matplotlib的基本功能实现图形显示
使用实现多图显示
使用实现不同画图种类

1.1 认识Matplotlib

架构
- 容器层
  - Canvas--画板：是底层实现，不需要关注
  - Figure--画布：建立在Canvas之上，在使用之前每次都需要进行实例化
  - axes--坐标系：建立在Figure之上，数据的绘图区域
    
    Axis(坐标轴)：坐标系中的一条轴，包含大小限制、刻度和刻度标签
- 辅助显示层
  - 添加坐标描述，标题等内容
- 图像层
  - 设定要画一个什么样的图像：plot、scatter...

1.2 基础绘图功能（折线图plot）

为了更好地理解所有基础绘图功能，我们通过天气温度变化的绘图来融合所有的基础API使用。

matplotlib.pyplot模块

matplotlib.pytplot包含了一系列类似于matlab的画图函数。它的函数作用于当前图形(figure)的当前坐标系(axes)。
```
import matplotlib.pyplot as plt
```

折线图绘制

展现上海一周的天气,比如从星期一到星期日的天气温度如下

# 1.创建画布(容器层)
plt.figure(figsize=(10, 10))

# 2.绘制折线图(图像层)
plt.plot([1, 2, 3, 4, 5, 6 ,7], [17,17,18,15,11,11,13])

# 3.显示图像
plt.show()

设置画布属性与图片保存
```
plt.figure(figsize=(), dpi=)
    figsize:指定图的长宽
    dpi:图像的清晰度
    返回fig对象
plt.savefig(path)
```
注意：plt.show()会释放figure资源，如果在显示图像之后保存图片将只能保存空图片。

添加自定义x,y刻度

plt.xticks(x, **kwargs)		# x：要显示的刻度值

plt.yticks(y, **kwargs) 	# y：要显示的刻度值

中文显示问题

参考链接：https://www.cnblogs.com/hhh5460/p/4323985.html

网格展示

plt.grid(True, linestyle='--', alpha=0.5)	# alpha为透明度

描述信息

添加x轴、y轴描述信息及标题

plt.xlabel("时间")
plt.ylabel("温度")
plt.title("中午11点0分到12点之间的温度变化图示")

汇总以上所有方法，完整代码如下：

import random
from matplotlib import pyplot as plt

# 1.生成数据
x = range(60)
y_beijing = [random.uniform(15, 25) for i in x]
y_shanghai = [random.uniform(20, 35) for i in x]

# 全局设置中文显示
plt.rcParams['font.sans-serif'] = ['SimHei']

# 2.创建画布
plt.figure(figsize=(20, 8), dpi=100)

# 3.绘制图形
    # 1.一个图中绘制多个图，多次plot
plt.plot(x,y_beijing, label='北京')
plt.plot(x,y_shanghai, label='上海')

# 4.添加x，y轴刻度
x_ticks_labels = ['12点{}分'.format(i) for i in x]
y_ticks = range(40)

font = {'family': 'SimHei',
        'weight': 'bold',
        'size': '10'
        }

# 中文显示问题：https://www.cnblogs.com/hhh5460/p/4323985.html
# 注意：第一个参数必须是数字，如果不是数字，需要进行值替换
    # plt.xticks(x_ticks_labels[::5])
plt.xticks(x[::5], x_ticks_labels[::5],fontproperties="SimHei")
plt.yticks(y_ticks[20::5])

# 4.1添加网格
# 属性：
    # alpha:透明度
    # linestyle:绘制网格的方式
plt.grid(True, linestyle='--', alpha=1)

# 4.2添加描述
plt.xlabel('时间', **font)
plt.ylabel('温度', **font)
plt.title('一小时内温度变化', fontproperties="SimHei")

# 4.3显示图例
    # 1.需要在显示之前，声明plot里面的具体值
    # 注意:一定要在plt.plot()里面设置一个label,如果不设置,没法显示
plt.legend(loc=0)

# 4.1图像保存
# plt.savefig('./images/02-plot')

# 5.图像展示
plt.show()

折线图应用
- 应用于观察数据的变化
- 可以画出一些数学函数图像

1.3 常见图形绘制

Matplotlib能够绘制折线图、散点图、柱状图、直方图、饼图。我们需要知道不同的统计图的意义，以此来决定选择哪种统计图来呈现我们的数据。

折线图

api：plt.plot(x, y)

定义：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)
散点图

api：plt.scatter(x, y)

定义：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)
柱状图

api：plt.bar(x, width, align='center', **kwargs)

定义：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)
直方图

api：matplotlib.pyplot.hist(x, bins=None)

定义：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)
饼图

api：plt.pie(x, labels=,autopct=,colors)

定义：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)