数据可视化——Matplotlib模块入门

区分figure和axes

figure 是作图时给你的一个大画板，而 axes 是在这个画板上的很多幅画布（子图），绘制的所有图都在画布（axes）上。

*plt.figure

通常我们创建图形时，首先会用 fig = plt.figure() 创建一个 “画板”，并定义画板名称为 fig，此时画板是空白的，后面我们可以在画板上绘制一个或多个子图像。

通过 ax = fig.add_subplot() 向画板中添加新的画布，并为画布指定名字为 “ax”，然后就可以单独给这个画布设置各种属性啦。

plt.figure(num=None, figsize=None, dpi=None, 
           facecolor=None, edgecolor=None, frameon=True, 
           FigureClass=<class 'matplotlib.figure.Figure'>, 
           clear=False, **kwargs)

• num 当给它一个数字时，就作为画板的编号，相当于 ID 号；当给它一个字符串时，就作为画板的名称
• figsize 画板的宽、高，单位为英寸 (2.5cm)
• dpi 指定在该画板上绘制的图像的分辨率，即每英寸多少个像素
• facecolor 画板的背景颜色
• edgecolor 画板的边框颜色
• frameon 是否显示边框

plt.subplot(nrows, ncols, index, **kwargs)

import matplotlib.pyplot as plt
fig = plt.figure(num='panel', figsize=(8,4),facecolor='gray')
# 绘制两个不同大小的区域
plt.subplot(1,3,1) # 划分1行3列，第1个子区域
plt.subplot(1,2,2) # 划分1行2列，第2个子区域
plt.show()

# create data
A1 = np.arange(1, 6)  # x ∈ [1,5]
A2 = np.arange(1, 11) # x ∈ [1,10]
B = A1 ** 2
C = A1 ** 3
D = A2 ** 2

# create figure and axes
fig = plt.figure()
ax1 = fig.add_subplot(221)  #分成2x2，占用第一个，即第一行第一列的子图
ax2 = fig.add_subplot(222)  #分成2x2，占用第二个，即第一行第二列的子图
ax3 = fig.add_subplot(212)  #分成2x1，占用第二个，即第二行

# plot data
ax1.bar(A1, B)
ax2.scatter(A1, C)
ax3.plot(A2, D)

plt.show()

创建子图更简便的方法——引入axes

import matplotlib.pyplot as plt
import numpy as np

# create data
A = np.arange(1,5)
B = A**2
C = A**3

# create figure and axes
fig, axes = plt.subplots(1, 2, figsize=(6,3))

# plot data
axes[0].plot(A,B)    #可以用索引的方法获得
axes[1].scatter(A,C)

设置每一个 axes 的坐标轴信息：

# 设定标题
ax.set_title('Title',fontsize=18)
ax.set_xlabel('xlabel', fontsize=18,fontfamily = 'sans-serif',fontstyle='italic')
ax.set_ylabel('ylabel', fontsize='x-large',fontstyle='oblique')
ax.legend()

# 属性设定
ax.set_aspect('equal') 
ax.minorticks_on() 
ax.set_xlim(0,16) 
ax.grid(which='minor', axis='both')

# 坐标轴细节
ax.xaxis.set_tick_params(rotation=45,labelsize=18,colors='w') 
start, end = ax.get_xlim() 
ax.xaxis.set_ticks(np.arange(start, end,1)) 
ax.yaxis.tick_right()

# 关闭坐标轴
plt.axis('off')  # 需要位于plt.imshow之后，plt.show之前

1. 折线图 line plot

1）plot()函数参数可包含多个x,y,可设置折线的对应属性：颜色、线宽度等
如：plot(x1,y1,x2,y2,x3,y3……)//在同一幅图中显示多条折线

2)plt.plot(x,y,label=”red”,color=”r”,linestyle=”–”,linewidth=5,marker=”^”,markersize=20)
//设置折线颜色、标签、折线类型、关键点符号、marker大小

import matplotlib.pyplot as plt
import matplotlib as mlp
import numpy as np

x=10*np.random.randn(3)
x.sort()
y=10*np.random.rand(3)
y.sort()
plt.plot(x,y,x+1,y+1)
plt.show()

2. 直方图 Histogram
函数：pyplot.hist()

hist(x,bins=25)//x分布集合，bins要分布的条形数量

import matplotlib.pyplot as plt
import matplotlib as mlp
import numpy as np

x=np.random.randn(1000)//产生符合标准正太分布的1000个数
plt.hist(x,bins=25)//画出分布直方图
plt.savefig("1.png")
plt.show()

matplotlib.pyplot.hist(  
    x, bins=10, range=None, normed=False,   
    weights=None, cumulative=False, bottom=None,   
    histtype=u'bar', align=u'mid', orientation=u'vertical',   
    rwidth=None, log=False, color=None, label=None, stacked=False,   
    hold=None, **kwargs)  

x : (n,) array or sequence of (n,) arrays

这个参数是指定每个bin(箱子)分布的数据,对应x轴

bins : integer or array_like, optional

这个参数指定bin(箱子)的个数,也就是总共有几条条状图

normed : boolean, optional

If True, the first element of the return tuple will be the counts normalized to form a probability density, i.e.,n/(len(x)`dbin)

这个参数指定密度,也就是每个条状图的占比例比,默认为1

color : color or array_like of colors or None, optional

这个指定条状图的颜色

3. 条形图 Bar char

 

plt.bar(left=index, height=y, color='red', width=0.5)
plt.show()

4. 饼状图 pie chart

 explode = (0, 0.1, 0, 0) # only "explode" the 2nd slice

5. 描点图 Scatter plot