python資料分析之Matplotlib學習筆記

相關文章鏈接：

python資料分析之pandas超詳細學習筆記

作者：遠方的星
CSDN：https://blog.csdn.net/qq_44921056
騰訊云：https://cloud.tencent.com/developer/column/91164
本文僅用于交流學習，未經作者允許，禁止轉載，更勿做其他用途，違者必究，

前言

這一篇是關于數分三劍客之一–matplotlib的一些學習筆記，
它的功能非常強大，可以讓枯燥的資料“美膩”起來，那么先來看一下官方給的一些樣圖：

官方提供的各種各樣的樣圖

一、基本組成

1、Figure

說到繪圖，那必須要有一個畫板，Figure作為一個“老畫板”，在matlab中經常能看到它的出沒，在python中，它的具體語法是什么呢？讓我們來看一下，

figure(num, figsize, dpi, facecolor, edgecolor, frameon)

• 六個引數的含義：

num：畫板的編號；

figsize：指定畫板的長和高；

dpi：繪圖物件的引數；

facecolor：背景顏色；

edgecolor：邊框顏色；

frameon：是否需要顯示邊框；

2、Axes

數學圖形怎么能離開坐標軸呢？

創建的方法不一、這里利用set函式創建坐標軸，

• set的五個引數含義：

xlim：x軸的范圍 [min,max]；

ylim：y軸的范圍 [min,max]；

xlable：自定義x軸的名稱；

ylable：自定義y軸的名稱；

title：自定義標題；

如：

import matplotlib.pyplot as plt
fig = plt.figure()
ax = fig.add_subplot(111)
ax.set(xlim=[-2.5, 2.5], ylim=[-2.5, 2.5], xlabel='X', ylabel='Y', title='first-try')
plt.show()

輸出：（這里的櫻花樹，是pycharm的背景，不是代碼實作的效果）

看了上例，ax = fig.add_subplot(111)的作用是啥呀？
其實，這部分和matlab中的subplot作用一樣，就是在一個打的區域，布置“幾個”（可以是1個）畫板，
這里面的三個數字可以這么理解：第一個數字代表幾行，第二個數字代表幾列，第三個數字代表第幾個（順序是自左向右，自上到下）

如：

import matplotlib.pyplot as plt
fig = plt.figure()
ax1 = fig.add_subplot(221)
ax2 = fig.add_subplot(222)
ax3 = fig.add_subplot(224)
plt.show()

輸出：

二、常見圖表的繪制

• 開始之前，可以看一下大佬的這篇文章，介紹了很詳細的引數值：

matplotlib繪圖中與顏色相關的引數(color顏色引數、linestyle線型引數、marker標記引數)可選串列集合

1、折線圖

使用plt.plot

import matplotlib.pyplot as plt
x = [1, 2, 3, 4, 5, 6]
y = [1, 3, 2, 5, 9, 2]
# 傳進去x,y的坐標
plt.plot(x, y)  
plt.show()  

輸出：

2、柱形圖

使用plt.bar

import matplotlib.pyplot as plt
x = [1, 2, 3, 4, 5, 6]
y = [1, 3, 2, 5, 9, 2]
# 傳進去x,y的坐標
plt.bar(x, y, color='blue')
plt.show()

輸出：

3、餅圖

使用plt.pie

import matplotlib.pyplot as plt
name = ['one', 'two', 'three', 'four', 'five', 'six']
x = [1, 3, 2, 5, 9, 2]
plt.pie(x, labels=name, colors=['b', 'r', 'g', 'k', 'c', 'm'])
plt.axis('equal')
plt.show()

輸出：

4、散點圖

使用plt.scatter

import matplotlib.pyplot as plt
x = [1, 2, 3, 4, 5, 6]
y = [1, 3, 2, 5, 9, 2]
# market的作用是用什么記號來標記點
plt.scatter(x, y, color='red', marker='*')
plt.show()

輸出：

5、泡泡圖

在處理亂數的時候，感覺挺有意思的，

import matplotlib.pyplot as plt
import numpy as np

plt.figure(figsize=(8, 8))
x = np.random.rand(50)
y = np.random.rand(50)
z = np.random.rand(50)
# color代表顏色，alpha代表透明度
plt.scatter(x, y, s=z * 1000, color='b', alpha=0.5)
plt.show()

輸出：

三、細節完善

1、坐標軸的完善（移動、“洗掉”）

對于坐標軸的改動，需要用到plt.gca函式，它有四個引數：top 、bottom、left、right，分別對應上下左右四個軸，如何操作，先看下面的例子，

• 這個是上面我第一次嘗試得到的結果圖：

• 改善之后可變成這樣（在畫函式影像時應該更舒服一些）：

代碼：

import matplotlib.pyplot as plt
fig = plt.figure()
ax = fig.add_subplot(111)
ax.set(xlim=[-2.5, 2.5], ylim=[-2.5, 2.5], title='first-try')

bx = plt.gca()

# 將下面的軸（x軸）設定為xaxis
bx.xaxis.set_ticks_position('bottom')
# 將設定后的軸移動到y=0的地方
bx.spines['bottom'].set_position(('data', 0))

bx.yaxis.set_ticks_position('left')
bx.spines['left'].set_position(('data', 0))
# 將不想看到的右、上方向的軸“洗掉”，其實就是把軸的顏色改為無色
bx.spines['top'].set_color('none')
bx.spines['right'].set_color('none')

plt.show()

2、刻度值的一些操作

• ①調整刻度值的大小、顏色、顯示情況

import matplotlib.pyplot as plt
fig = plt.figure()
ax = fig.add_subplot(111)
ax.set(xlim=[-2.5, 2.5], ylim=[-2.5, 2.5], title='first-try')
# 對x、y軸的刻度值進行設定
plt.yticks(fontsize=20, color='#00000')  # y軸刻度值大小為20 ，顏色為黑色
# plt.yticks(fontsize=20, color='black')  # 用black也可以
plt.xticks([])  # [] ，即不顯示x軸刻度值

plt.show()

輸出：

對于顏色轉換可以看一下這位大佬的總結：2020 RGB顏色查詢大全 #000000 【顏色串列】

• ②刻度值旋轉

import matplotlib.pyplot as plt
fig = plt.figure()
ax = fig.add_subplot(111)
ax.set(xlim=[-2.5, 2.5], ylim=[-2.5, 2.5], title='first-try')
fig.autofmt_xdate()  # 默認旋轉45°，可以在括號里加rotation=‘角度’
plt.show()

3、圖例

import matplotlib.pyplot as plt
from numpy import *
x = linspace(0, 4, 50)  # linspace(A,B,C),指從A開始B結束，中間分布C個值，C默認為100
y1 = x
y2 = x**2
plt.figure()
l1, = plt.plot(x, y1, color='b', linestyle='-')
l2, = plt.plot(x, y2, color='r', linestyle='--')
# handles：需要制作圖例的物件;labels:圖例的名字；loc:圖例的位置，loc的內容可選“best”，最佳位置
plt.legend(handles=[l1, l2], labels=['function1', 'function2'], loc='upper left')
plt.show()

注意：l1后面有個 ，

輸出：

4、添加注釋（如特殊點）

import matplotlib.pyplot as plt
from numpy import *
x = linspace(0, 4, 50)  # linspace(A,B,C),指從A開始B結束，中間分布C個值，C默認為100
y = x**2
plt.figure()
# 選取需要標注的點
x0 = 1.5
y0 = x0**2
# 作圖
plt.plot(x, y)
# 作垂線，
plt.plot([x0, x0], [0, y0], 'k--', linewidth=1)
# 作出標注的點
plt.scatter([x0, ], [y0, ], s=50, color='b')
# 做標注
plt.annotate(r'$x^2=%s$' % y0, xy=(x0, y0), xycoords='data', xytext=(+30, -30),
             textcoords='offset points', fontsize=16,
             arrowprops=dict(arrowstyle='->', connectionstyle="arc3,rad=.2"))
# 引數xycoords='data' 是說基于資料的值來選位置,
# xytext=(+30, -30) 和 textcoords='offset points' 對于標注位置的描述 和 xy 偏差值
# arrowprops是對圖中箭頭型別的一些設定
plt.show()

• arrowstyle的格式：

``'-'``        None
``'->'``       head_length=0.4,head_width=0.2
``'-['``       widthB=1.0,lengthB=0.2,angleB=None
``'|-|'``      widthA=1.0,widthB=1.0
``'-|>'``      head_length=0.4,head_width=0.2
``'<-'``       head_length=0.4,head_width=0.2
``'<->'``      head_length=0.4,head_width=0.2
``'<|-'``      head_length=0.4,head_width=0.2
``'<|-|>'``    head_length=0.4,head_width=0.2
``'fancy'``    head_length=0.4,head_width=0.4,tail_width=0.4
``'simple'``   head_length=0.5,head_width=0.5,tail_width=0.2
``'wedge'``    tail_width=0.3,shrink_factor=0.5

輸出：

四、圖中圖

import matplotlib.pyplot as plt
from numpy import *
x = linspace(0, 4, 50)  # linspace(A,B,C),指從A開始B結束，中間分布C個值，C默認為100
y = x**2
fig = plt.figure()

# 這四個數字分別代表的是相對figure的位置
left, bottom, width, height = 0.1, 0.1, 0.8, 0.8
ax1 = fig.add_axes([left, bottom, width, height])
ax1.plot(x, y, 'r')
ax1.set_xlabel('x')
ax1.set_ylabel('y')
ax1.set_title('main')

ax2 = fig.add_axes([0.2, 0.6, 0.25, 0.25])
ax2.plot(y, x, 'b')
ax2.set_xlabel('x')
ax2.set_ylabel('y')
ax2.set_title('children1')

ax3 = fig.add_axes([0.65, 0.2, 0.2, 0.2])
ax3.plot(y, x, 'b')
ax3.set_xlabel('x')
ax3.set_ylabel('y')
ax3.set_title('children2')

plt.show()

輸出：

這里系統會有提示：This figure includes Axes that are not compatible with tight_layout, so results might be incorrect.

意思為：此圖包括與緊韌體布局不兼容的軸，因此結果可能不正確，

五、影片制圖

前排提示：如果使用pycharm無法播放影片，可參考：pycharm中影片函式animation.FuncAnimation不起作用

實體參考

import numpy as np
import matplotlib.pyplot as plt
from matplotlib.animation import FuncAnimation

fig, ax = plt.subplots()
xdata, ydata = [], []
ln, = plt.plot([], [], 'ro')


def init():
    ax.set_xlim(0, 2*np.pi)
    ax.set_ylim(-1, 1)
    return ln,


def update(frame):
    xdata.append(frame)
    ydata.append(np.sin(frame))
    ln.set_data(xdata, ydata)
    return ln,


ani = FuncAnimation(fig, update, frames=np.linspace(0, 2*np.pi, 128), init_func=init, blit=True)
plt.show()

輸出：
（待更影片）

六、參考文章

參考文章1
參考文章2
參考文章3
參考文章4
參考文章5
參考文章6
參考文章7

七、Blogger’s speech

如有不足，還請大佬評論區留言或私信我，我會進行補充，

感謝您的支持，希望可以點贊，關注，收藏，一鍵三連喲，

作者：遠方的星
CSDN：https://blog.csdn.net/qq_44921056
騰訊云：https://cloud.tencent.com/developer/column/91164
本文僅用于交流學習，未經作者允許，禁止轉載，更勿做其他用途，違者必究，