Python可视化库matplotlib(基础整理)
https://blog.csdn.net/weixin_39777626/article/details/78598346
绘制基本曲线使用plot函数绘制函数曲线,可以调整plot函数参数配置曲线样式、粗细、颜色、标记等
设置坐标轴(1.)spines移动坐标轴(2.)xlim方法设置坐标轴刻度取值范围(3.)xticks,yticks方法设置x,y轴的刻度标签值(4.)title方法设置标题,xlabel,ylabel方法设置坐标轴描述设置图片上的描述(1.)text方法设置图片上的文字描述和注解(2.)annotate方法对图片上某个点加注解(3.)legend方法设置图像图例可使用如下两种方式: 1: 在 plt.plot 函数中添加 label 参数后,使用 plt.legend(loc=’up right’) 2: 不使用参数 label, 直接使用如下命令:
网格线开关plt.grid(True)图像显示plt.show()图像保存savefig(‘../ / .png’)常用图形(1)曲线图:描绘波动,2个维度matplotlib.pyplot.plot(data) (2)灰度图:直方图,1个维度matplotlib.pyplot.hist(data) (3)散点图:2个维度数据的关联程度matplotlib.pyplot.scatter(data) (4)箱式图:设定上下限,除数据噪声matplotlib.pyplot.boxplot(data) (5)饼状图:各类别占比matplotlib.pyplot.pie(data)
本文下述各个代码片段都是独立运行的,其文章里其余代码片段无关。
一幅数据图基本上包括如下结构: Data: 数据区,包括数据点\描绘形状 Axis: 坐标轴,包括X轴\Y轴及其标签、刻度尺及其标签 Title: 标题,数据图的描述 Legend: 图例,区分图中包含的多种曲线或不同分类的数据 其他的还有图形文本 (Text)\注解 (Annotate)等其他描述
绘制基本曲线使用plot函数绘制函数曲线,可以调整plot函数参数配置曲线样式、粗细、颜色、标记等
%matplotlib inline #图嵌入web窗口jupyter notebook中
import numpy as npimport matplotlib.pyplot as pltfrom pylab import *
#准备数据x=np.arange(0.,10,0.2)y1=np.cos(x)y2=np.sin(x)y3=np.sqrt(x)
plt.rcParams['figure.figsize']=(12,8) #reParams设置图片尺寸plt.plot(x,y1,color='blue',linewidth=1.5,linestyle='-',marker='.',label=r'$y=cos{x}$')plt.plot(x,y2,color='green',linewidth=1.5,linestyle='-',marker='*',label=r'$y=sin{x}$')plt.plot(x,y3,color='m',linewidth=1.5,linestyle='-',marker='x',label=r'$y=\sqrt{x}$')
#color参数设定线颜色#linewidth参数设定虚线、点化虚线、粗虚线、实线#marker参数设定在曲线上标记的特殊符号,以区分不同的线段#label参数和图的legend标号有关12345678910111213141516171819202122
设置坐标轴(1.)spines移动坐标轴%matplotlib inline import numpy as npimport matplotlib.pyplot as pltfrom pylab import *
ax=plt.subplot(111) #设置一个空图ax.spines['right'].set_color('none') #set_color设置右边轴线为透明色ax.spines['top'].set_color('none')
#移动下边边框线,相当于移动x轴ax.xaxis.set_ticks_position('bottom') #设置水平轴上的坐标轴刻度ax.spines['bottom'].set_position(('data',0)) #set_position设置轴位置:'center' -> ('axes',0.5);'zero' -> ('data', 0.0;('data',anyvalue)
ax.yaxis.set_ticks_position('left')ax.spines['left'].set_position(('data',0.1))123456789101112131415
(2.)xlim方法设置坐标轴刻度取值范围%matplotlib inline import numpy as npimport matplotlib.pyplot as pltfrom pylab import *x=np.arange(0.,10,0.2)plt.xlim(x.min()*1.1,x.max()*1.1)plt.ylim(-1.5,4.0)1234567
(3.)xticks,yticks方法设置x,y轴的刻度标签值%matplotlib inline import numpy as npimport matplotlib.pyplot as pltfrom pylab import *x=np.arange(0.,10,0.2)plt.xlim(x.min()*1.1,x.max()*1.1)plt.ylim(-1.5,4.0)plt.xticks([2,4,6,8,10],[r'two',r'four',r'six',r'8',r'10'])plt.yticks([-1.0,0.0,1.0,2.0,3.0,4.0],[r'bottom',r'0.0',r'1.0',r'2.0',r'3.0',r'4.0'])123456789
(4.)title方法设置标题,xlabel,ylabel方法设置坐标轴描述%matplotlib inline import numpy as npimport matplotlib.pyplot as pltfrom pylab import *x=np.arange(0.,10,0.2)plt.xlim(x.min()*1.1,x.max()*1.1)plt.ylim(-1.5,4.0)plt.xticks([2,4,6,8,10],[r'two',r'four',r'six',r'8',r'10'])plt.yticks([-1.0,0.0,1.0,2.0,3.0,4.0],[r'bottom',r'0.0',r'1.0',r'2.0',r'3.0',r'4.0'])plt.title(r'$the \ function \ figure \ of \ cos(), \ sin() \ and \ sqrt()$',fontsize=19) #fontsize参数设置字体大小#'\'号两侧必须各有一个空格字符,否则无法解析plt.xlabel(r'$the \ input \ value \ of \ x$',fontsize=18,labelpad=18.8) #labelpad参数设置描述距离轴远近plt.ylabel(r'$y=f(x)$',fontsize=18,labelpad=12.5)12345678910111213
设置图片上的描述(1.)text方法设置图片上的文字描述和注解%matplotlib inline import numpy as npimport matplotlib.pyplot as pltfrom pylab import *x=np.arange(0.,1,0.02)plt.xlim(x.min()*1.1,x.max()*1.1)plt.ylim(-1.5,4.0)plt.text(0.8,2.9,r'$x \in [0.0, \ 10.0]$',color='k',fontsize=10)plt.text(0.8,0.8,r'$y \in [-1.0, \ 4.0]$',color='k',fontsize=10)123456789
(2.)annotate方法对图片上某个点加注解%matplotlib inline import numpy as npimport matplotlib.pyplot as pltfrom pylab import *x=np.arange(0.,10,0.2)plt.xlim(x.min()*1.1,x.max()*1.1)plt.ylim(-1.5,4.0)plt.scatter([8,],[np.sqrt(8),],50,color='m') #使用散点图放大当前点plt.annotate(r'$2\sqrt{2}$',xy=(8,np.sqrt(8)),xytext=(8.5,2.2),fontsize=16,color='#090909',\ arrowprops=dict(arrowstyle='->',connectionstyle='arc3,rad=0.1',color='#090909'))#xy参数设置'被注解点'的坐标,xytext参数设置'注解文字'的位置,arrowprops参数设置注解文字与被注解点的连接方式1234567891011
(3.)legend方法设置图像图例可使用如下两种方式: 1: 在 plt.plot 函数中添加 label 参数后,使用 plt.legend(loc=’up right’)
%matplotlib inline import numpy as npimport matplotlib.pyplot as pltfrom pylab import *x=np.arange(0.,10,0.2)y1=np.cos(x)y2=np.sin(x)y3=np.sqrt(x)plt.rcParams['figure.figsize']=(10,6) #reParams设置图片尺寸plt.plot(x,y1,color='blue',linewidth=1.5,linestyle='-',marker='.',label=r'$y=cos{x}$')plt.plot(x,y2,color='green',linewidth=1.5,linestyle='-',marker='*',label=r'$y=sin{x}$')plt.plot(x,y3,color='m',linewidth=1.5,linestyle='-',marker='x',label=r'$y=\sqrt{x}$')plt.legend(loc='upper right') #loc参数设置图例在图片中的位置12345678910111213
2: 不使用参数 label, 直接使用如下命令:
%matplotlib inline import numpy as npimport matplotlib.pyplot as pltfrom pylab import *x=np.arange(0.,10,0.2)y1=np.cos(x)y2=np.sin(x)y3=np.sqrt(x)plt.rcParams['figure.figsize']=(10,6) #reParams设置图片尺寸plt.plot(x,y1,color='blue',linewidth=1.5,linestyle='-',marker='.')plt.plot(x,y2,color='green',linewidth=1.5,linestyle='-',marker='*')plt.plot(x,y3,color='m',linewidth=1.5,linestyle='-',marker='x')plt.legend(['cos(x)','sin(x)','sqrt(x)'],loc='upper right') #对好顺序12345678910111213
网格线开关plt.grid(True)plt.grid(True)1图像显示plt.show()plt.show()1图像保存savefig(‘../ / .png’)savefig('../imagetest/picname.png',dpi=48)1常用图形(1)曲线图:描绘波动,2个维度matplotlib.pyplot.plot(data)
%matplotlib inline import numpy as npimport matplotlib.pyplot as pltfrom pylab import *x=np.arange(-5,5,0.1)y=x**2plt.plot(x,y)plt.grid(True)plt.show()123456789
(2)灰度图:直方图,1个维度matplotlib.pyplot.hist(data)
%matplotlib inline import numpy as npimport matplotlib.pyplot as pltfrom pylab import *x=np.random.normal(size=1000)plt.hist(x,bins=10) #bins参数设置分桶数目123456
(3)散点图:2个维度数据的关联程度matplotlib.pyplot.scatter(data)
%matplotlib inline import numpy as npimport matplotlib.pyplot as pltfrom pylab import *plt.rcParams['figure.figsize']=(8,8)x=np.random.normal(size=1000)y=np.random.normal(size=1000)plt.scatter(x,y)12345678
(4)箱式图:设定上下限,除数据噪声matplotlib.pyplot.boxplot(data) 箱式图(箱线图)科普: 上边缘(Q3+1.5IQR)、下边缘(Q1-1.5IQR)、IQR=Q3-Q1 上四分位数(Q3)、下四分位数(Q1) 中位数 异常值 处理异常值时与3σσ标准的异同:统计边界是否受异常值影响、容忍度的大小
%matplotlib inline import numpy as npimport matplotlib.pyplot as pltfrom pylab import *x=np.arange(-5,5,0.1)plt.boxplot(x)123456
(5)饼状图:各类别占比matplotlib.pyplot.pie(data)
%matplotlib inline import numpy as npimport matplotlib.pyplot as pltfrom pylab import *sort=['Foxes','Cats','Dogs','Pigs']sizes=[13,30,30,37]color=['m','b','g','r']explode=(0,0.1,0,0) #分离第2类,数值表示分离远近plt.pie(sizes,explode=explode,labels=sort,colors=color,autopct='%1.1f%%',shadow=True) #autopct参数加百分比123456789
--------------------- 作者:Young_618 来源:CSDN 原文:https://blog.csdn.net/cymy001/article/details/78344316 版权声明:本文为博主原创文章,转载请附上博文链接!