Python之数据可视化神奇-Matplotlib

今天给大家介绍一些常用的Matplotlib图表，希望对大家有所帮助，接下来我们看代码吧！

一 ： 线形图

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

# 准备数据,产生0~9是个数据
x = np.arange(10)
# 以画一条直线为例
y = 2*x +1
# 使用plt 的 plot()方法画(x, y)
plt.plot(x, y)
# 显示图像
plt.show()

我们也可以对该图进行修改来达到我们的要求：

（1）：设置线的样式

# 我们可以定义图像窗口的编号, 大小
plt.figure(num=2, figsize=(7,8))
# 使用plt 的 plot()方法画(x, y)
# color : 设置线的颜色
# linewidth : 设置线的宽度
# linestyle : 设置线的样式, 这里为虚线样式
plt.plot(x, y, color="red", linewidth=1.0, linestyle="--")

（2）：使用plt.xlim()设置坐标轴显示范围和plt.xlabel()坐标轴的名称

# 设置x轴, y轴的范围
plt.xlim((1,5))
plt.ylim(1,12)
# 设置x轴, y轴的名称
plt.xlabel("i am x")
plt.ylabel("i am y")
# 设置y轴值对应的名称
# 这里的数值和名称是一一对应的
# 如名称是词组,此时有空格我们需要用\进行转义
# 比如 : ["$i\ love\ python$"]
plt.yticks([1,3,5,7,9,11],["p","y","t","h","o","n"])
# 用通用的方式我们也可以设置x轴
# plt.xticks()

（3）：设置坐标轴位置

# 设置坐标轴
# 使用plt.gca()获取当前坐标轴信息
ax = plt.gca()
# 使用plt.spines设置边框, set_color()设置边框的颜色
# 设置上边框
ax.spines["top"].set_color("none") # 让上边框不显示
# 设置右边框
ax.spines["right"].set_color("none") # 让右边框不显示
# 使用ax.xaxis.set_ticks_position() 设置x坐标的刻度位置
# 可选值 : top bottom both default none
ax.xaxis.set_ticks_position("bottom")
# 使用ax.yaxis.set_ticks_position() 设置y坐标的刻度位置
ax.yaxis.set_ticks_position("left")
# 将x轴的位置移动到 y = 5
ax.spines["bottom"].set_position(("data",5))
# 将y轴的位置移动到 x = 2
ax.spines["left"].set_position(("data",2))

（4）：设置Legend图例

为了显示比较直观，我们再在figure上画一个曲线，并对以上代码进行了微量的修改，显示图例有两种方式：

第一种 ： 直接在plt.plot()中添加参数 –> label=”图例名称”，使图例生效 ,并设置图例的位置–> plt.legend(locl=”best”)

# 在 -3 和 3 之间产生50个数
x1 = np.linspace(-3,3,50)
y1 = x1**2 + 1

plt.plot(x, y, color="red", linewidth=1.0, linestyle="--", **label="straight line"**)
plt.plot(x1, y1, color="green", linewidth=1.0, **label="curve line"**)

"""
loc : 设置图例的位置
best ： 系统会自动选择合适的位置
upper right : 右上
upper left  ：左上
lower left  ：左下
lower right ：右下
right       ：右
center left ：左中
center right：右中
lower center：中下
upper center：中上
center      ：中
"""
plt.legend(loc="best")

第二种：只修这样修改代码

需要注意的是这里的 line1 和 line2 需要加 “,”，因为plot()返回的是一个列表

line1, = plt.plot(x, y, color="red", linewidth=1.0, linestyle="--", label="straight line")
line2, = plt.plot(x1, y1, color="green", linewidth=1.0, label="curve line")

# 如果legend中设置了labels, 那么上面的plot()中的label就会被覆盖
plt.legend(loc="best",handles=[line1, line2], labels=["straight line 1","curve line 2"])

（5）：使用annontate和text制作标注信息

# 使用Annotation 标注
# 先在线上成一个点
x = 4
y = 2*x + 1
# s ： 、生成点的大小， c ：生成点的颜色
plt.scatter(x, y, s=20, c="k")
# 根据点画线
# [x,x],[y,0] ： 画线的坐标
# linewidth ：线的宽度
# linestyle ：线的样式
# color ：线的颜色
# 可以简写 ： plt.plot([x,x],[y,0], linewidth=2.0, linestyle="k--")
plt.plot([x,x],[y,0], linewidth=2.0, linestyle="--",color="black")
"""
"2*x+1=%s" % y : 需要标注的内容
xy : 对那个坐标进行标注
xycoords : "data"表示是基于数据的值来选定位置
xytext : 标注内容的坐标位置,(+25,-15)->(x+25,y-15)
textcoords : 标书位置的描述
fontsize ： 标注内容的字体大小
arrowprops ： 对途中标注箭头的设置
"""
plt.annotate("2*x+1=%s" % y, xy=(x, y), xycoords="data",
xytext=(+25,-15), textcoords="offset points",
fontsize=15,arrowprops=dict(arrowstyle="->", connectionstyle="arc3,rad=.2"))

# 使用text()标注
plt.text(2,12,"$this\ is\ a\ text$", fontdict={"fontsize":14, "color":"red"})

二 ：散点图

"""
解释以下参数的含义：
loc：float
此概率分布的均值（对应着整个分布的中心centre）
scale：float
此概率分布的标准差（对应于分布的宽度，scale越大越矮胖，scale越小，越瘦高）
size：int or tuple of ints
输出的shape，默认为None，只输出一个值
"""
x = np.random.normal(loc=0.0, scale=1.0, size=100)
y = np.random.normal(loc=0.0, scale=1.0, size=100)
C = np.arctan2(x, y)
# x, y ： 生成点的坐标
# s : 点的大小
# alpha : 点的透明度
# c ：点的颜色
plt.scatter(x, y, s=75, alpha=0.5, c=C)
plt.show()

三 ：柱状图

df = pd.DataFrame(np.arange(12).reshape((3,4)),columns=["A","B","C","D"])
plt.show(df.plot(kind="bar"))

x = np.arange(5)
# uniform : 在 0.0 ~ 1.0 之间随机生成5个数
y = np.random.uniform(low=0.0, high=1.0, size=5)

#  facecolor : 设置颜色
#  edgecolor : 设置边框颜色
plt.bar(x, y, facecolor="#9999ff", edgecolor="white")

# 标示信息
# x,y+0.01,"%.2f" % y ： 标示的坐标和值保留两位小数
# ha: horizontal alignment
# va: vertical alignment
for x,y in zip(x, y):
plt.text(x,y+0.01,"%.2f" % y, ha="center", va="bottom")

plt.show()

四 ：等高线图

def f(x, y):
return (1 - x/2 + x**5 + y**3) * np.exp(-x**2-y**2)

n = 256
x = np.linspace(-3, 3, n)
y = np.linspace(-3, 3, n)
# 绘制等高线
X, Y = np.meshgrid(x, y)

plt.contourf(X, Y, f(X, Y), 10, alpha=0.75, cmap=plt.cm.hot)

C = plt.contour(X, Y, f(X, Y), 10, colors="black", linewidth=.5)

plt.clabel(C, inline=True, fontsize=10)

plt.show()

今天就先写到这里，在后续的学习中会继续完善…..