Matplotlib是一个基于python的2D画图库,能够用python脚本方便的画出折线图,直方图,功率谱图,散点图等常用图表,而且语法简单。
Python中通过matplotlib模块的pyplot子库来完成绘图。Matplotlib可用于创建高质量的图表和图形,也可以用于绘制和可视化结果。matplotlib是Python优秀的数据可视化第三方库,matplotlb.pyplot是绘制种类可视化图形的命令子库,相当于快捷方式 import matplotlib.pyplot as plt.
线形图:
线性图是最基本的图表类型,常用于绘制连续的数据。通过绘制线形图,可以表现出数据的一种趋势变化。
Matplotlib的plot(X,Y)用来绘制线形图,在参数中传入X和Y的坐标即可。其中,X和Y轴坐标的数据格式可以是列表、数组和Series.
例1:坐标数据格式为series
import numpy as npimport matplotlib.pyplot as pltimport pandas as pddata={'name':['Tom','Peter','Lucy','Max'],'sex':['female','female','male','male'],'math':[78,79,83,92],'city':['北京','上海','广州','北京']}df=pd.DataFrame(data)print(df)#DataFrame数据的行索引作为X轴,math列索引作为Y轴plt.plot(df.index,df['math'],color='red',linestyle='-',linewidth=3,marker='D')#通过plot函数的color参数可以指定线条的颜色,
linestyle参数可以指定线条的形状,
linewidth参数可指定线条的宽度,
marker参数可对坐标点进行标记(默认情况下,坐标点是没有标记的),
结果:name sex math city #创建一个DataFrame数据0 Tom female 78 北京1 Peter female 79 上海2 Lucy male 83 广州3 Max male 92 北京
绘制的线性图:
!]( http://upload-images.jianshu.io/upload_images/4809664-7ca76b8569cdce1b?imageMogr2/auto-orient/strip%7CimageView2/2/w/1240 )
注意:颜色设置要放在线条和点的样式的前面,颜色、线条和点的样式可以放置于格式字符串。
如:plt.plot(df.index,df['math'],'co-')
运行结果如下:
image
2. 柱状图
2.1 绘制柱状图主要是使用matplotlib的bar函数:
bar函数的color参数可以设置柱状图的填充颜色,
alpha参数可以设置透明度,
例如:
import matplotlib.pyplot as pltdata=[23,85,72,43,52]plt.bar([1,2,3,4,5],data,color='royalblue',alpha=0.7)
运行结果:
image
bottom参数用于设置柱状图的高度,以此绘制堆积柱状图;
width参数 用于设置柱状图的宽度,以此可以绘制并列柱状图。
grid函数用于绘制格网,通过对参数的个性化设置,可以绘制出个性的格网
例如:
import numpy as npimport matplotlib.pyplot as pltdata1=[23,85,72,43,52]data2=[42,35,21,16,9]width=0.3plt.bar(np.arange(len(data1)),data1,color='royalblue',alpha=0.7,width=width)plt.bar(np.arange(len(data2))+width,data2,color='green',alpha=0.7,width=width)plt.grid(color='black',linstyle='--',linewidth=3,axis='y',alpha=0.6)
运行结果:
image
Bar函数的通过barh函数可以绘制水平柱状图
import numpy as npimport matplotlib.pyplot as pltdata1=[23,85,72,43,52]plt.barh(np.arange(len(data1)),data1,color='green',alpha=0.5)
如图所示:
image
2.2 刻度与标签:
现实中的柱状图的X轴是有刻度标签的,上述实例中未设置。在matplotlib中,
通过 xticks函数设置图标的X轴的刻度和刻度标签,yticks函数 设置y轴的刻度和标签。
通过xlabel 和 ylabel 方法给X轴和Y轴添加标签,
通过title方法为图表添加标题
例如:
import numpy as npimport matplotlib.pyplot as pltdata1=[23,85,72,43,52]labels=['A','B','C','D','E']plt.xticks(range(len(data1)),labels) #设置刻度和标签plt.xlabel('Class') #plt.xlabel、ylabel、title方法分别给X轴和Y轴,图标题添加标签。plt.ylabel('Amounts')plt.title('Example')#plt.bar(range(len(data1)),data)plt.bar(np.arange(len(data1)),data1,color='royalblue',alpha=0.7)plt.grid(color='black',linstyle='--',linewidth=3,axis='y',alpha=0.6)
运行结果:
2.3 图例:
image
图例是标识图表元素的重要工具, 在bar函数中传入label参数表示图例名称,通过legend函数即可绘制出图例。
data1=[23,85,72,43,52]data2=[42,35,21,16,9]width=0.3plt.bar(np.arange(len(data1)),data1,width=width,label='one')plt.bar(np.arange(len(data2))+width,data2,width=width,label='two')plt.legend()
结果图:
image
2.4 文本注解:
例如:在柱状图中加入文本数字,可以很清楚的知道每个类别的数量。通过text函数可以在指定的坐标(x,y)上加入文本注释
data=[23,85,72,43,52]labels=['A','B','C','D','E']plt.xticks(range(len(data)),labels) #设置刻度和标签plt.xlabel('Class') plt.ylabel('Amounts')plt.title('Example')plt.bar(range(len(data)),data)for x,y in zip(range(len(data)),data):plt.text(x,y,y,ha='center',va='bottom') #文本注解 # 第一个参数是x轴坐标# 第二个参数是y轴坐标# 第三个参数是要显式的内容
image
3.散点图:
Matpltlib中 scatter函数可以用来绘制散点图,传入X和Y轴坐标。Scatter(X,Y)
利用Numpy创建一组随机数
import numpy as npimport matplotlib.pyplot as pltX=np.random.randn(100)Y=np.random.randn(100)plt.scatter(X,Y,color='red',marker='D')
散点图:
image
4. 直方图
matplotlib的hist()函数用来绘制直方图。
直方图与条形图的区别:
直方图是用面积表示各频数的多少,矩形的高度表示每一组的频数或频率,宽度则表示各组的组距,因此其宽度与高度均有意义;
条形图(柱状图)是用条形的长度表示各类频数的多少,其宽度是固定的。
由于分组数据具有连续性,直方图的各矩形通常是连续排列,而条形图是分开排列;条形图主要是用于展示分类数据,而直方图则主要用于展示数据型数据。
x=np.random.normal(size=100)plt.hist(x,bins=30)
image
5. 自定义设置
Matplotlib的图像位于Figure对象中,实际上就是创建了一个空的图像窗口。可通过figure函数可以创建一个新的Figure,用于绘制图表
fig=plt.figure(figsize=(10,6)) #figsize参数可以设置图表(整个图)的长宽比
ax1=fig.add_subplot(2,2,1) #不能通过空figure绘图,必须用add_subplot()创建一个或者多个子subplot绘图区才能绘图
意思是:绘制2*2两行两列共4个子subplot图像
ax2=fig.add_subplot(2,2,2) # 在创建Figure对象过程中,通过add_subplot函数创建子图,用于绘制图形
ax3=fig.add_subplot(2,2,3)
years=[1950,1960,1970,1980,1990,2000,]
gdp=[300.2,543.3,1075.9,2862.5,5979.6,10289.7,14958.3]
ax1.scatter(years,gdp) #选用不同的ax变量,则可以在对应的subplot子图中绘图(散点图、线形图、柱状图)
ax2.plot(years,gdp)
ax3.bar(years,gdp)
image
plt.subplots可以轻松的创建子图,而axes的索引类型类似于二维数组,这样就可以对指定的子图进行绘制。Subplot函数中有3个参数:垂直绘图的数量、水平绘图的数量以及表示绘图位置的索引(基于行进行计算)
fig,axes=plt.subplots(2,2,figsize=(10,6)) axes[1,0].plot(years,gdp)axes[0,0].scatter(years,gdp)axes[0,1].bar(years,gdp)axes[1,1].hist(years,gdp)
image
注意:当没有设置figsize时,创建多子图会显得拥挤。通过 plt..subplot_adjust方法可以设置子图的间距修改子图之间的间距(增加额外的空间以调整两个子图之间的距离)
subplots__adjust(left=None,bottom=None,right=None,top=None,wspace=None,hspace=None) ,其中前4个参数用于设置subplot子图的外围边距,wspace和hapace参数设置用于设置subplot子图间的边距。
fig,axes=plt.subplots(2,2) #未设置figsize时,默认情况下,各sudplot子图间都会留有一定的间距。
image
years=[1950,1960,1970,1980,1990,2000,]gdp=[300.2,543.3,1075.9,2862.5,5979.6,10289.7,14958.3]fig,axes=plt.subplots(2,2)plt.subplots_adjust(wspace=0.3,hspace=0.3)axes[1,0].plot(years,gdp)axes[0,0].scatter(years,gdp)axes[0,1].bar(years,gdp)axes[1,1].hist(years,gdp)
image
6. 样式与字体:
Matplotlib自带了一些样式供用户使用,如常用的ggplot样式,通过 plt.style.use('ggplot') 函数即可调用该样式绘图。**
Matplotlib默认为英文字体,如果绘制中出现汉字就会乱码,因此需要指定matplotlib的默认字体,这样就可以解决乱码的问题,
plt.rcParams['font.sans-serif']=['simhei'] #指定默认字体
plt.rcParams['axes.unicode_minus']=False #解决保存图像时负号‘-’显示为方块的问题