Python图表绘制Matplotlib

引入

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
# 导入相关模块

 

使用	# 图表窗口1 → plt.show()        plt.plot(np.random.rand(10))        plt.show()       # 直接生成图表
特点：使用后无需写 show（）	# 图表窗口2 → 魔法函数，嵌入图表     %matplotlib inline       x = np.random.randn(1000)     y = np.random.randn(1000)     plt.scatter(x,y)     # 直接嵌入图表，不用plt.show()    # <matplotlib.collections.PathCollection at ...> 代表该图表对象
	# 图表窗口3 → 魔法函数，弹出可交互的matplotlib窗口    %matplotlib notebook    s = pd.Series(np.random.randn(100))    s.plot(style = 'k--o',figsize=(10,5))    # 可交互的matplotlib窗口，不用plt.show()    # 可做一定调整
	# 图表窗口4 → 魔法函数，弹出matplotlib控制台    %matplotlib qt5    df = pd.DataFrame(np.random.rand(50,2),columns=['A','B'])    df.hist(figsize=(12,5),color='g',alpha=0.8)    # 可交互性控制台    # 如果已经设置了显示方式（比如notebook），需要重启然后再运行魔法函数    # 网页嵌入的交互性窗口 和 控制台，只能显示一个    #plt.close()        # 关闭窗口    #plt.gcf().clear()      # 每次清空图表内内容
图标的基础元素	图名、图裂、轴标签、轴边界、轴刻度、轴刻度标签
	plt.title('全国人大代表季度考核')   #标题 plt.xlabel('月份')   #x轴标签 plt.ylabel('积分')   #y轴标签 list.plot(figsize=(6,4))    图标的大小  plt.legend(loc='best')    #图裂的位置   best 自适应 upper right upper left lower left lower right right center left center right lower center upper center center plt.xlim(0,10)  #x轴坐标边界  数值多大 plt.ylim(0,2) # 自定义 xy轴刻度 数组格式 plt.xticks(range(0,5)) plt.yticks([0,0.2,0.4,0.6,0.8,1.0])
完整演示	import numpy as np import pandas as pd import matplotlib.pyplot as plt % matplotlib inline # 导入相关模块 import warnings warnings.filterwarnings('ignore') # 不发出警告 ts.plot(kind='line',        label = 'hehe',        style = '--g.',        color = 'red',        alpha = 0.4,        use_index = True,        rot = 45,        grid = True,        ylim = [-50,50],        yticks = list(range(-50,50,10)),        figsize = (8,4),        title = 'test',        legend = True) 创建 子图 fig,axes = plt.subplots(4,1,figsize = (10,10)) s.plot(kind='bar',color = 'k',grid = True,alpha = 0.5,ax = axes[0])  # ax参数 → 选择第几个子图 # 单系列柱状图方法一：plt.plot(kind='bar/barh') df.plot(kind='bar',ax = axes[1],grid = True,colormap='Reds_r') # 多系列柱状图 df.plot(kind='bar',ax = axes[2],grid = True,colormap='Blues_r',stacked=True) # 多系列堆叠图 # stacked → 堆叠 df.plot.barh(ax = axes[3],grid = True,stacked=True,colormap = 'BuGn_r') # 新版本plt.plot.<kind> plt.figure(figsize=(10,4))   #plt.grid(True, linestyle = "--",color = "gray", linewidth = "0.5",axis = 'x')  # 网格 plt.legend() # Series.plot()：series的index为横坐标，value为纵坐标 # kind → line,bar,barh...（折线图，柱状图，柱状图-横...） # label → 图例标签，Dataframe格式以列名为label # style → 风格字符串，这里包括了linestyle（-），marker（.），color（g） # color → 颜色，有color指定时候，以color颜色为准 # alpha → 透明度，0-1 # use_index → 将索引用为刻度标签，默认为True # rot → 旋转刻度标签，0-360 # grid → 显示网格，一般直接用plt.grid # xlim,ylim → x,y轴界限 # xticks,yticks → x,y轴刻度值 # figsize → 图像大小 # title → 图名 # legend → 是否显示图例，一般直接用plt.legend() # 也可以 → plt.plot()

 

几种类型：

        记住几个点就行 

           

在matplotlib中，整个图像为一个Figure对象

在Figure对象中可以包含一个或者多个Axes对象

每个Axes(ax)对象都是一个拥有自己坐标系统的绘图区域

plt.figure, plt.subplot

#创建一个容器 盒子

fig = plt.figure(figsize=(10,6),facecolor = 'gray')

#容器添加子图  第几行第几个 

ax1 = fig.add_subplot(2,2,1)  # 第一行的左图