【网易微专业】图表绘制工具Matplotlib

01 与图片的交互方式设置

这一小节简要介绍一下Matplotlib的交互方式

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt

np.random.seed(111)
X = np.random.rand(1000)
y = np.random.rand(1000)

# 图表窗口1 → plt.show()

plt.plot(X)
plt.show()
# 直接生成图表

# 图表窗口2 → 魔法函数，嵌入图表

% matplotlib inline  
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，缺点是特别占内存

% matplotlib notebook
s = pd.Series(X)
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，这种情况下就不是嵌入在网页中了，而是有单独的GUI

% 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

02 坐标轴的刻度、图中的网格设置

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
%matplotlib inline

np.random.seed(11)
df = pd.DataFrame(np.random.rand(10, 2), columns=['A', 'B'])

df

	A	B
0	0.180270	0.019475
1	0.463219	0.724934
2	0.420204	0.485427
3	0.012781	0.487372
4	0.941807	0.850795
5	0.729964	0.108736
6	0.893904	0.857154
7	0.165087	0.632334
8	0.020484	0.116737
9	0.316367	0.157912

fig = plt.figure(figsize=(10, 2))
print(fig, type(fig))

Figure(720x144) <class 'matplotlib.figure.Figure'>
<Figure size 720x144 with 0 Axes>

fig = df.plot(kind='bar')
plt.title('df')   # 设置表的标题
plt.xlabel('x')   # 设置x轴
plt.ylabel('y', rotation=360)   # 设置y轴，rotation可以将label转到合适的角度
plt.legend(loc='best')  # 设置图例显示在图的哪一边

# 可选值如下
# best
# upper right
# upper left
# lower left
# lower right
# right
# center left
# center right
# lower center
# upper center
# center

plt.xlim(0, 12)  # 设置x轴的长度，输入两个数a,b，表示x从a到b
plt.ylim(0, 1.2)  # 设置y轴的长度，输入两个数a,b，表示x从a到b

plt.xticks(range(12), rotation=360)  # 设置x轴的刻度，输入是列表或者range数据结构；设置rotation
plt.yticks(np.linspace(0, 1.2, 11))

# 为原本的坐标刻度设置‘label’，同理y轴也可以这么设置
fig.set_xticklabels(['A', 'B', 'C', 'D', 'E', 'F', 'G', 'H', 'I', 'J', 'K']);



x = np.linspace(-np.pi, np.pi, 256, endpoint=True)
a, b = np.cos(x), np.sin(x)

plt.plot(x, a, '--', label='cos')
plt.plot(x, b, label='sin')   # 要想显示图例需要设置label属性，然后再利用legend方法显示
plt.legend(loc='best')    

# x和y坐标轴刻度显示的方式，'inout'正好插入坐标轴，'in'朝内，'out'朝外
plt.rcParams['xtick.direction'] = 'out'
plt.rcParams['ytick.direction'] = 'inout'

#坐标轴的刻度是否显示，如果显示则是True，若是不显示，则是False
plt.tick_params(bottom=True, left=False, right=True, top=True)
plt.grid(True, linestyle='--', color='purple', axis='both')

frame = plt.gca()
# plt.axis('off')  # 整个关闭坐标轴
# 关闭坐标轴
frame.axes.get_xaxis().set_visible(True)   # 设置坐标轴是否可见
frame.axes.get_yaxis().set_visible(True)   # True可见，False不可见