数据分析（3）-matplotlib基础

1.安装

安装visual环境：https://visualstudio.microsoft.com/downloads/

安装numpy：pip install numpy

安装matplotlib：pip install matplotlib

2.基本使用（折线图）

import matplotlib.pyplot as plt
import numpy as np

# 查看windows下的字体：C:WindowsFonts
import matplotlib.font_manager as fm

# 导入并设置中文字体,将字体旋转45度
myfont = fm.FontProperties(fname=r'C:WindowsFontssimsun.ttc')

# 绘制正方形边长与周长关系变化图
# 定义x,范围是（-3,3）,个数是50
x = np.linspace(-3, 3, 50)
y1 = 2*x + 1
y2 = x**2

# 定义图像窗口figure 2,figsize表示图像窗口大小,dpi图像窗口像素
fig = plt.figure(num=2, figsize=(8, 8), dpi=60)

# 画（x,y）曲线,color表示曲线颜色,alpha表示折线透明度(0-1),linestyle表示曲线样式,linewidth表示曲线宽度,marker表示曲线折点样式
l1 = plt.plot(x, y1, color='blue',alpha=0.5,linestyle='--',linewidth=2,marker='',label='y1')
l2 = plt.plot(x, y2, color='black',alpha=0.5,linestyle='-',linewidth=2,marker='',label='y2')

# 设置标题
plt.title('实验图', fontproperties=myfont, color='black', size=16)

# xlabel、ylabel分别拟定x、y轴名称,fontproperties指定字体,size设置字体大小,rotation设置字体角度
plt.xlabel('x轴', fontproperties=myfont, rotation=0, size=12)
plt.ylabel('y轴', fontproperties=myfont, size=12)

# 分别设置x、y轴范围
plt.xlim((-1, 2))
plt.ylim((-2, 3))

# 设置坐标轴刻度及名称
tick = np.linspace(-1, 2, 5)
plt.xticks(tick)
plt.yticks([-2, -1.8, -1, 1.22, 3],[r'$really bad$', r'$bad$', r'$normal$', r'$good$', r'$really good$'])

# 获取当前坐标轴信息
ax = plt.gca()

# ---------设置图像边框及颜色--------------------
# .spines设置边框，.set_color设置边框颜色
ax.spines['right'].set_color('none')
ax.spines['top'].set_color('none')

# ----------调整刻度及边框位置--------------------
# .xaxis.set_ticks_position设置x坐标刻度数字或名称的位置
# .spines设置边框：x轴，.set_position设置边框位置：y=0位置
ax.xaxis.set_ticks_position('bottom')
ax.spines['bottom'].set_position(('data', 0))

# .yaxis.set_ticks_position设置y坐标刻度数字或名称的位置
# .spines设置边框：y轴，.set_position设置边框位置：x=0位置
ax.yaxis.set_ticks_position('left')
ax.spines['left'].set_position(('data',0))

# 对[x0,y0]进行标注
plt.scatter([x[10], ], [y1[10], ], s=50, color='b')

# 设置图例及位置
plt.legend(loc='best')
#plt.legend(handles=[l1,l2,], labels=['yl_line','y2_line'], loc='best')

# 显示图像
plt.show()

3.参考资料

1）科赛：https://www.kesci.com/home/project/5de9f0a0953ca8002c95d2a9

2）官网：https://matplotlib.org/gallery/index.html#lines-bars-and-markers

3）天池：https://tianchi.aliyun.com/notebook-ai/detail?spm=5176.12282042.0.0.68792042BNUzC2&postId=23636

df = pd.DataFrame(np.random.rand(10,2),columns=['A','B'])

# 创建图表窗口，设置窗口大小
# 创建图表对象，并赋值与fig
fig = df.plot(figsize=(6,4))

# 图名
plt.titile('')

# x轴标签
# y轴标签
plt.xlabel('')
plt.ylabel('')

# 显示图例，loc表示位置
plt.legend(loc='')

# x轴边界
# y轴边界
plt.xlim([0,12])
plt.ylim([0,1.5])

# 设置x刻度
# 设置y刻度
plt.xticks(range(10))
plt.yticks([0,0.2,0.4,0.6,1.0,1.2])

# 设置x轴刻度标签
# 设置y轴刻度标签
fig.set_xticklabels("% lf" %i for i in range(10))
fig.set_yticklabels("% 2f" %i for i in [0,0.2,0.4,0.6,1.0,1.2])

# 显示网格
# linestyle：线型
# color：颜色
# linewidth：宽度
# axis：x，y，both，显示x、y、两者的格网
plt.grid(True, linestyle='', color='', linewidth='', axis='')

# 刻度显示
plt.tick_params(bottom='on', top='off', left='on', right='off')

# 刻度显示方向，in, out, inout
# 需要导入matplotlib,不仅是matplotlib.pyplot
matplotlib.reParams['xtick_direction'] = 'out'
matplotlib.reParams['ytick_direction'] = 'inout'

# 关闭坐标轴
frame=plt.gca()

# x轴不可见
# y轴不可见
frame.axes.get_xaxis().set_visible(False)
frame.axes.get_yaxis().set_visible(False)

图表样式参数
linestyle，线样式
marker，点样式
color，线颜色
alpha，透明度
colormap,颜色板，渐变色
style，包含：linestyle、marker、color

风格：自动配色，调样式
import matplotlib style as psl
psl.available
psl.use('')



刻度、注解、图表输出
from matplotlib.ticker import MultipleLocator,FormatStrFormatter

# 将主刻度标签设置为10的倍数
xmajorLocator = MultipleLocator(20)

# 设置x轴标签文本的格式
xmajorFormatter = FormatStrFormatter('%.0f')

# 将x轴此刻度标签设置为5的倍数
xminorLocator = MultipleLocator(5)

# 将y轴主刻度标签设置为0.5的倍数
ymajorLocator = MultipleLocator(0.5)

# 设置y轴标签文本的格式
ymajorFormatter = FormatStrFormatter('%.1f')

# 将y轴此刻度标签设置为0.1的倍数
yminorLocator = MultipleLocator(0.1)

# 设置x轴主刻度
ax.xaxis.set_major_locator(xmajorLocator)

# 设置x轴标签文本格式
ax.xaxis.set_major_formatter(xmajorFormatter)

# 设置x轴次刻度
ax.xaxis.set_minor_locator(xinorLocator)

# 设置y轴主刻度
ax.yaxis.set_major_locator(ymajorLocator)

# 设置y轴标签文本格式
ax.yaxis.set_major_formatter(ymajorFormatter)

# 设置y轴次刻度
ax.yaxis.set_minor_locator(yminorLocator)

# which 格网显示
# x坐标轴的网格使用主刻度
# y坐标轴的网格使用次刻度
ax.xaxis.grid(True,which='majpr')
ax.yaxis.grid(True,which='minor')

# 删除坐标轴的刻度显示
ax.yaxis.set_major_locator(plt.NullLocator())
ax.xaxis.set_major_formatter(plt.NullFormatter())

注解
plt.text(5,0.5,'最大值',fontsize=10)


子图创建方法1
fig = plt.figure(figsize=(10,6),facecolor='gray')

ax1 = fig.add_subplot(2,2,1)
plt.plot(np.random.rand(50).cumsum(),'k--')
plt.plot(np.random.randn(50).cumsum(),'b--')

ax2.fig.add_subplot(2,2,2)
ax2.hist(np.random.rand(50),alpha=0.5)

ax3 = fig.add_subplot(2,2,3)
df3 = pd.DataFrame(np.random.rand(10,4),columns=['a','b','c','d'])
ax4.plot(df3,alpha=0.5,linestyle='--',marker=' ')

子图创建方法2
fig.axes = plt.subplots(2,3,figsize=(10,4))
ts = pd.Series(np.random.randn(1000),cumsum())

ax1 = axes[0,1]
ax1.plot(ts)

# sharex,sharey：是否共享x,y刻度
fig,axes = plt.subplots(2,2,sharex=True,sharey=True)

for i in range(2):
	for j in range(2):
		axes[i,j].hist(np.random.randn(500),color='k',alpha=0.5)

# wspace、hspace：用于控制宽度和高度高分比，如subplot间距
plt.subplots_adjust(wspace=0,hspace=0)