机器学习-数据可视化神器matplotlib学习之路（一）
直接上代码吧，说明写在备注就好了，这次主要学习一下基本的画图方法和常用的图例图标等
from matplotlib import pyplot as plt import numpy as np #这里是最最基本的代码了 #x轴-2到2均分50个点 x = np.linspace(-2, 2, 50) y = x**2 plt.plot(x, y) plt.show()
下面要加一下元素和样式了
from matplotlib import pyplot as plt import numpy as np x = np.linspace(-2, 2, 50) y = x**2 plt.xlim((-3,3))#设置x坐标范围 plt.ylim((0,5))#设置y坐标范围 plt.plot(x, y, linestyle='--',#线条的样式 linewidth=2.0,#线条宽度 alpha=0.5,#透明度，数字越小越透明，范围(0-1) marker='.',#每个点的样式 color='r',#颜色 label='y=x**2'#图例 ) #打开图例，不然plt.plot里面的label属性会无效 plt.legend( loc='upper right'#指定图例位置，这里是右上，默认为best会自动选择最优的位置 ) plt.show()
到这里，如果我们想要x轴刻度自由控制一下可以用 plt.xticks 来实现
from matplotlib import pyplot as plt import numpy as np x = np.linspace(-2, 2, 50) y = x**2 plt.xlim((-3,3))#设置x坐标范围 plt.ylim((0,5))#设置y坐标范围 plt.plot(x, y, linestyle='--',#线条的样式 linewidth=2.0,#线条宽度 alpha=0.5,#透明度，数字越小越透明，范围(0-1) marker='.',#每个点的样式 color='r',#颜色 label='y=x**2'#图例 ) #打开图例，不然plt.plot里面的label属性会无效 plt.legend( loc='upper right'#指定图例位置，这里是右上，默认为best会自动选择最优的位置 ) new_xticks = np.linspace(-2, 2, 6) plt.xticks(new_xticks)#在-2到2之间平均显示6个刻度 plt.show()
这里x轴刻度就和之前发生一点变化，有时候不需要用具体数字而是一个文字标签显示，比如y轴0以上的为normal，2以上为good，4以上为very good，
可以用 plt.yticks([0, 2, 4], [‘normal’,'good','very good']) 来实现，接下来就来实现一下
from matplotlib import pyplot as plt import numpy as np x = np.linspace(-2, 2, 50) y = x**2 plt.xlim((-3,3))#设置x坐标范围 plt.ylim((0,5))#设置y坐标范围 plt.plot(x, y, linestyle='--',#线条的样式 linewidth=2.0,#线条宽度 alpha=0.5,#透明度，数字越小越透明，范围(0-1) marker='.',#每个点的样式 color='r',#颜色 label='y=x**2'#图例 ) #打开图例，不然plt.plot里面的label属性会无效 plt.legend( loc='upper right'#指定图例位置，这里是右上，默认为best会自动选择最优的位置 ) new_xticks = np.linspace(-2, 2, 6) plt.xticks(new_xticks)#在-2到2之间平均显示6个刻度 plt.yticks([0, 2, 4], [r'$normal$', r'$good$', r'$very\ good$'])#前后对应上就好了，$包住的是调整默认字体 plt.show()
接下来就是对坐标轴的处理了，我们想要移动坐标，用方框的左边和下班做y轴和x轴，右边和上班把颜色去掉，然后移动一下x和y轴
from matplotlib import pyplot as plt import numpy as np x = np.linspace(-2, 2, 50) y = x**2 plt.xlim((-3,3))#设置x坐标范围 plt.ylim((0,5))#设置y坐标范围 plt.plot(x, y, linestyle='--',#线条的样式 linewidth=2.0,#线条宽度 alpha=0.5,#透明度，数字越小越透明，范围(0-1) marker='.',#每个点的样式 color='r',#颜色 label='y=x**2'#图例 ) #打开图例，不然plt.plot里面的label属性会无效 plt.legend( loc='upper right'#指定图例位置，这里是右上，默认为best会自动选择最优的位置 ) new_xticks = np.linspace(-2, 2, 6) plt.xticks(new_xticks)#在-2到2之间平均显示6个刻度 plt.yticks([0, 2, 4], [r'$normal$', r'$good$', r'$very\ good$'])#前后对应上就好了，$包住的是调整默认字体 gca = plt.gca() gca.spines['right'].set_color('none')#将图像方框右边颜色取消 gca.spines['top'].set_color('none')#将图像方框上边颜色取消 gca.xaxis.set_ticks_position('bottom')#x轴设为方框下边 gca.yaxis.set_ticks_position('left')#y轴设为方框左边 gca.spines['bottom'].set_position(('data', 1))#将方框下边也就是x轴移动到y=1的位置 gca.spines['left'].set_position(('data', 0))#将方框左边也就是y轴移动到x=0的位置 plt.show()
这里的方法稍微有点麻烦，折腾了一下终于大功告成了！今天就到这儿，下次准备学习一下更怎样在图中用文字和其它说明
