03-Matplotlib数据可视化

第一部分基础知识

第一节图形绘制

plt.figure() , 设置图片大小
plt. plot(x, y), 画图
plt.grid(), 绘制网格线
plt.axis(), 设置坐标轴范围
plt.xlim() , 设置X轴范围
plt.ylim(), 设置Y轴范围

import numpy as np
import matplotlib.pyplot as plt
# 1、图形绘制
x = np.linspace(0,2*np.pi) # x轴
# y轴
y = np.sin(x) # 正弦
# 绘制线形图
# 调整尺寸
plt.figure(figsize=(9,6))
plt.plot(x,y)
# 继续调用plot绘制多条线形图
# 2、设置网格线
plt.grid(linestyle = '--',# 样式color = 'green',# 颜色alpha = 0.75) # 透明度
# 3、设置坐标轴范围
plt.axis([-1,10,-1.5,1.5])
plt.xlim([-1,10])
plt.ylim([-1.5,1.5])

第二节坐标轴刻度、标签、标题

plt.xticks(), 设置X轴刻度
labels , 设置标签
plt.rcParams(), 设置字体

import numpy as np
import matplotlib.pyplot as plt
# 1、图形绘制
x = np.linspace(0,2*np.pi) # x轴
# y轴
y = np.sin(x) # 正弦
plt.plot(x,y)
# 2、设置x轴y轴刻度
plt.xticks(np.arange(0,7,np.pi/2))
plt.yticks([-1,0,1])
# 3、设置x轴y轴刻度标签
_ = plt.yticks(ticks = [-1,0,1],labels=['min','   0   ','max'],fontsize = 20,ha = 'right')
font={'family':'serif','style':'italic','weight':'normal','color':'red','size':16}
_ = plt.xticks(ticks = np.arange(0,7,np.pi/2),# LaTex语法，输入格式为：r'$\sigma$'  #其中的sigma对应于希腊字母的σlabels = ['0',r'$\frac{\pi}{2}$',r'$\pi$',r'$\frac{3\pi}{2}$',r'$2\pi$'],fontsize = 20,fontweight = 'normal',color = 'red')
# 4、坐标轴标签，标题
plt.ylabel('y = sin(x)',rotation = 0,horizontalalignment = 'right',fontstyle = 'normal',fontsize = 20)
# 获取电脑上的字体库
from matplotlib.font_manager import FontManager
fm = FontManager()
mat_fonts = set(f.name for f in fm.ttflist)
# print(mat_fonts)
plt.rcParams['font.sans-serif'] = 'Songti SC' # 设置宋体，显示中文
plt.title('正弦波')

第三节图例

plt.legend(), 设置图例

import numpy as np
import matplotlib.pyplot as plt# 1、图形绘制
x = np.linspace(0,2*np.pi) # x轴
# y轴
y = np.sin(x) # 正弦
# 绘制线形图
# 调整尺寸
plt.figure(figsize=(9,6))
plt.plot(x,y)# 2、图例
plt.plot(x,np.cos(x)) # 余弦波
plt.legend(['Sin','Cos'],fontsize = 18,loc = 'center',ncol = 2,bbox_to_anchor = [0,1.05,1,0.2])

第四节脊柱移动

import numpy as np
import matplotlib.pyplot as plt
x = np.linspace(-np.pi,np.pi,50)
plt.rcParams['axes.unicode_minus'] = False
plt.figure(figsize=(9,6))
plt.plot(x,np.sin(x),x,np.cos(x))
ax = plt.gca() # 获取当前视图
# 右边和上面脊柱消失
ax.spines['right'].set_color('white')
ax.spines['top'].set_color('#FFFFFF')# 设置下面左边脊柱位置，data表示数据，axes表示相对位置0~1
ax.spines['bottom'].set_position(('data',0))
ax.spines['left'].set_position(('data',0))plt.yticks([-1,0,1],labels=['-1','0','1'],fontsize = 18)
_ = plt.xticks([-np.pi,-np.pi/2,np.pi/2,np.pi],labels=[r'$-\pi$',r'$-\frac{\pi}{2}$',r'$\frac{\pi}{2}$',r'$\pi$'],fontsize = 18)

第五节图片保存

plt.savefig(), 保存图片

import numpy as np
import matplotlib.pyplot as plt
# 1、图形绘制
x = np.linspace(0,2*np.pi) # x轴
# y轴
y = np.sin(x) # 正弦波
plt.figure(linewidth = 4)
plt.plot(x,y,color = 'red')
plt.plot(x,np.cos(x),color = 'k') # 余弦波ax = plt.gca() # 获取视图
ax.set_facecolor('lightgreen') # 设置视图背景颜色
# 2、图例
plt.legend(['Sin','Cos'],fontsize = 18,loc = 'center',ncol = 2,bbox_to_anchor = [0,1.05,1,0.2])
# plt.tight_layout() # 自动调整布局空间，就不会出现图片保存不完整
plt.savefig('./基础5.png', # 文件名：png、jpg、pdfdpi = 100, # 保存图片像素密度facecolor = 'violet', # 视图与边界之间颜色设置edgecolor = 'lightgreen', # 视图边界颜色设置bbox_inches = 'tight')# 保存图片完整

第二部分风格和样式

第一节颜色、线形、点形、线宽、透明度

import numpy as np
import matplotlib.pyplot as plt
x = np.linspace(0,2*np.pi,20)
y1 = np.sin(x)
y2 = np.cos(x)# 设置颜色，线型，点型
plt.plot(x,y1,color = 'indigo',ls = '-.',marker = 'p')
plt.plot(x,y2,color = '#FF00EE',ls = '--',marker = 'o')
plt.plot(x,y1 + y2,color = (0.2,0.7,0.2),marker = '*',ls = ':')
plt.plot(x,y1 + 2*y2,linewidth = 3,alpha = 0.7,color = 'orange') # 线宽、透明度
plt.plot(x,2*y1 - y2,'bo--') # 参数连用

第二节更多属性设置

import numpy as np
import pandas as pd
def f(x):return np.exp(-x) * np.cos(2*np.pi*x)
x = np.linspace(0,5,50)
plt.figure(figsize=(9,6))
plt.plot(x,f(x),color = 'purple',marker = 'o',ls = '--',lw = 2,alpha = 0.6,markerfacecolor = 'red',# 点颜色markersize = 10,# 点大小markeredgecolor = 'green',#点边缘颜色markeredgewidth = 3)#点边缘宽度
plt.xticks(size = 18) # 设置刻度大小
plt.yticks(size = 18)

第三部分多图布局

第一节子视图

plt.subplot()

import numpy as np
import matplotlib.pyplot as pltx = np.linspace(-np.pi,np.pi,50)
y = np.sin(x)# 子视图1
plt.figure(figsize=(9,6))
ax = plt.subplot(221) # 两行两列第一个子视图
ax.plot(x,y,color = 'red')
ax.set_facecolor('green') # 调用子视图设置方法，设置子视图整体属性
# 子视图2
ax = plt.subplot(2,2,2) # 两行两列第二个子视图
line, = ax.plot(x,-y) # 返回绘制对象
line.set_marker('*') # 调用对象设置方法，设置属性
line.set_markerfacecolor('red')
line.set_markeredgecolor('green')
line.set_markersize(10)
# 子视图3
ax = plt.subplot(2,1,2) # 两行一列第二行视图
plt.sca(ax) # 设置当前视图
x = np.linspace(-np.pi,np.pi,200)
plt.plot(x,np.sin(x*x),color = 'red')

第二节嵌套

import numpy as np
import matplotlib.pyplot as pltx = np.linspace(-np.pi,np.pi,25)
y = np.sin(x)
fig = plt.figure(figsize=(9,6)) # 创建视图plt.plot(x,y)# 嵌套方式一，axes轴域（横纵坐标范围），子视图
ax = plt.axes([0.2,0.55,0.3,0.3]) # 参数含义[left, bottom, width, height]
ax.plot(x,y,color = 'g')# 嵌套方式二
ax = fig.add_axes([0.55,0.2,0.3,0.3]) # 使用视图对象添加子视图
ax.plot(x,y,color = 'r')

第三节多图布局分格显示

3.3.1 均匀布局

import numpy as np
import matplotlib.pyplot as plt
x = np.linspace(0,2*np.pi)
# sharex:所有小图共享x轴  sharey:表示所有小图共享y轴  坐标轴以所有小图中范围最大的进行显示
fig, ((ax11,ax12,ax13), (ax21,ax22,ax23),(ax31,ax32,ax33)) = plt.subplots(3, 3)
# 也可通过plt.subplot() 一个个添加子视图
fig.set_figwidth(9)
fig.set_figheight(6)
ax11.plot(x,np.sin(x))
ax12.plot(x,np.cos(x))
ax13.plot(x,np.tanh(x))
ax21.plot(x,np.tan(x))
ax22.plot(x,np.cosh(x))
ax23.plot(x,np.sinh(x))
ax31.plot(x,np.sin(x) + np.cos(x))
ax32.plot(x,np.sin(x*x) + np.cos(x*x))
ax33.plot(x,np.sin(x)*np.cos(x))
# 紧凑显示，边框会比较小，可以注释掉该行查看效果
plt.tight_layout()
plt.show()

3.3.2 不均匀分布

方式一:
plt.subplot(3, 3, (4, 5)), 将4,5图画到一块

import numpy as np
import matplotlib.pyplot as plt
# 需要导入gridspec模块
x = np.linspace(0,2*np.pi,200)
fig = plt.figure(figsize=(12,9))
# 使用切片方式设置子视图
ax1 = plt.subplot(3,1,1) # 视图对象添加子视图
ax1.plot(x,np.sin(10*x))
# 设置ax1的标题，xlim、ylim、xlabel、ylabel等所有属性现在只能通过set_属性名的方法设置
ax1.set_title('ax1_title')  # 设置小图的标题
ax2 = plt.subplot(3,3,(4,5))
ax2.set_facecolor('green')
ax2.plot(x,np.cos(x),color = 'red')
ax3 = plt.subplot(3,3,(6,9))
ax3.plot(x,np.sin(x) + np.cos(x))
ax4 = plt.subplot(3,3,7)
ax4.plot([1,3],[2,4])
ax5 = plt.subplot(3,3,8)
ax5.scatter([1,2,3], [0,2, 4])
ax5.set_xlabel('ax5_x',fontsize = 12)
ax5.set_ylabel('ax5_y',fontsize = 12)
plt.show()

方式二

plt.subplot2grid((3, 3), (1, 0), colspan = 2)

import numpy as np
import matplotlib.pyplot as plt
x = np.linspace(0,2*np.pi,100)
plt.figure(figsize=(12,9))
# 子视图1
ax1 = plt.subplot2grid(shape = (3, 3),# 布局形状loc =  (0, 0), # 布局绘制位置colspan=3) # 跨几列
ax1.plot(x,np.sin(10*x))
# 设置ax1的标题，xlim、ylim、xlabel、ylabel等所有属性现在只能通过set_属性名的方法设置
ax1.set_title('ax1_title')  # 设置小图的标题
# 子视图2
ax2 = **plt.subplot2grid((3, 3), (1, 0), colspan=2)** # 跨两列
ax2.set_facecolor('green')
ax2.plot(x,np.cos(x),color = 'red')
# 子视图3
ax3 = **plt.subplot2grid((3, 3), (1, 2), rowspan=2)** # 跨两行
ax3.plot(x,np.sin(x) + np.cos(x))
# 子视图4
ax4 = **plt.subplot2grid((3, 3), (2, 0))**
ax4.plot([1,3],[2,4])
# 子视图5
ax5 = **plt.subplot2grid((3, 3), (2, 1))**
ax5.scatter([1,2,3], [0,2, 4])
ax5.set_xlabel('ax5_x',fontsize = 12)
ax5.set_ylabel('ax5_y',fontsize = 12)

方式三

gs = gridspec.GridSpec(3, 3)
plt.subplot(gs[1:, :2])

import numpy as np
import matplotlib.pyplot as plt
# 需要导入gridspec模块
import matplotlib.gridspec as gridspec
x = np.linspace(0,2*np.pi,200)
fig = plt.figure(figsize=(12,9))
# 将整个视图分成3x3布局
gs = gridspec.GridSpec(3, 3)
# 使用切片方式设置子视图
ax1 = fig.add_subplot**(gs[0,:])** # 视图对象添加子视图
ax1.plot(x,np.sin(10*x))
# 设置ax1的标题，xlim、ylim、xlabel、ylabel等所有属性现在只能通过set_属性名的方法设置
ax1.set_title('ax1_title')  # 设置小图的标题
ax2 = plt.subplot(**gs[1, :2]**) # 模块调用
ax2.set_facecolor('green')
ax2.plot(x,np.cos(x),color = 'red')
# 从第一行到最后，占1、2两行，后面的2表示只占用第二列，也就是最后的一列
ax3 = plt.subplot(**gs[1:, 2]**)
ax3.plot(x,np.sin(x) + np.cos(x))
# 倒数第一行，只占第0列这一列
ax4 = plt.subplot(**gs[-1, 0]**)
ax4.plot([1,3],[2,4])
# 倒数第一行，只占倒数第二列，由于总共三列，所以倒数第二列就是序号1的列
ax5 = plt.subplot(**gs[-1, -2]**)
ax5.scatter([1,2,3], [0,2, 4])
ax5.set_xlabel('ax5_x',fontsize = 12)
ax5.set_ylabel('ax5_y',fontsize = 12)
plt.show()

第四节双轴显示

plt.rcParams , 字体设置
ax1.twinx(), 创建镜像坐标

import numpy as np
import matplotlib.pyplot as pltx = np.linspace(-np.pi,np.pi,100)
data1 = np.exp(x)
data2 = np.sin(x)plt.figure(figsize=(9,6))
plt.rcParams['font.size'] = 16 # 设置整体字体大小ax1 = plt.gca() # 获取当前轴域ax1.set_xlabel('time (s)') # 设置x轴标签
ax1.set_ylabel('exp', color='red') # 设置y轴标签
ax1.plot(t, data1, color='red') # 数据绘制
ax1.tick_params(axis='y', labelcolor='red') # 设置y轴刻度属性ax2 = ax1.twinx()  # 创建新axes实例，共享x轴，并设置
ax2.set_ylabel('sin', color='blue')
ax2.plot(t, data2, color='blue')
ax2.tick_params(axis='y', labelcolor='blue')plt.tight_layout() # 紧凑布局

第四部分文本、注释、箭头

第一节文本

import numpy as np
import matplotlib.pyplot as plt# 字体属性
font = {'fontsize': 20,'family': 'Kaiti SC','color':  'red','weight': 'bold'}x = np.linspace(0.0, 5.0, 100)
y = np.cos(2*np.pi*x) * np.exp(-x)plt.figure(figsize=(9,6))
plt.plot(x, y, 'k')
plt.title('exponential decay',fontdict=font)
plt.suptitle('指数衰减',y = 1.05,fontdict = font,fontsize = 30)
plt.text(x = 2, y = 0.65, # 横纵坐标位置s = r'$\cos(2 \pi t) \exp(-t)$') # 文本内容
plt.xlabel('time (s)')
plt.ylabel('voltage (mV)')
plt.show()

第二节箭头

import matplotlib.pyplot as plt
import numpyloc = np.random.randint(0,10,size = (10,2))
plt.figure(figsize=(10, 10))
plt.plot(loc[:, 0], loc[:, 1], 'g*', ms=20)   # 画绿色的星星
plt.grid(True)   # 框架线是否显示# 路径
way = np.arange(10)
np.random.shuffle(way)for i in range(0, len(way)-1):start = loc[way[i]]end = loc[way[i+1]]plt.arrow(start[0], start[1], end[0]-start[0], end[1]-start[1], # 坐标与距离head_width=0.2, lw=2,#箭头长度，箭尾线宽length_includes_head = True) # 长度计算包含箭头箭尾plt.text(start[0],start[1],s = i,fontsize = 18,color = 'red') # 文本if i == len(way) - 2: # 最后一个点plt.text(end[0],end[1],s = i + 1,fontsize = 18,color = 'red')

第三节注释

import numpy as np
import matplotlib.pyplot as plt
fig, ax = plt.subplots()
x = np.arange(0.0, 5.0, 0.01)
y = np.cos(2*np.pi*x)
line, = ax.plot(x,y,lw=2)
ax.annotate('local max', # 文本内容xy=(2, 1),  # 箭头指向位置xytext=(3, 1.5), # 文本位置arrowprops=dict(facecolor='black', shrink=0.05)) # 箭头
ax.annotate('local min',xy = (2.5,-1),xytext = (4,-1.8),arrowprops = dict(facecolor = 'black',width = 2, # 箭头宽度headwidth = 10,# 箭头头部宽度headlength = 10, # 箭头头部长度shrink = 0.1)) # 箭头两端收缩的百分比（占总长）
ax.annotate('median',xy = (2.25,0),xytext = (0.5,-1.8),arrowprops = dict(arrowstyle = '-|>'), # 箭头样式fontsize = 20)
ax.set_ylim(-2, 2)

第四节注释箭头连接形状

ax.annotate() # 注释

import matplotlib.pyplot as plt# 定义标注
def annotate_con_style(ax, connectionstyle):x1, y1 = 3,2x2, y2 = 8,6ax.plot([x1, x2], [y1, y2], ".")ax.annotate(s = '',xy=(x1, y1), # 相当于B点，arrow headxytext=(x2, y2), # 相当于A点，arrow tailarrowprops=dict(arrowstyle='->', color='red',shrinkA = 5,shrinkB = 5,connectionstyle=connectionstyle))ax.text(.05, 0.95, connectionstyle.replace(",", "\n"),transform=ax.transAxes, # 相对坐标ha="left", va="top")# 指定对齐方式# 常用箭头连接样式
fig, axs = plt.subplots(3, 5, figsize=(9,6))
annotate_con_style(axs[0, 0], "angle3,angleA=90,angleB=0")
annotate_con_style(axs[1, 0], "angle3,angleA=0,angleB=90")
annotate_con_style(axs[2, 0], "angle3,angleA = 0,angleB=150")
annotate_con_style(axs[0, 1], "arc3,rad=0.")
annotate_con_style(axs[1, 1], "arc3,rad=0.3")
annotate_con_style(axs[2, 1], "arc3,rad=-0.3")
annotate_con_style(axs[0, 2], "angle,angleA=-90,angleB=180,rad=0")
annotate_con_style(axs[1, 2], "angle,angleA=-90,angleB=180,rad=5")
annotate_con_style(axs[2, 2], "angle,angleA=-90,angleB=10,rad=5")
annotate_con_style(axs[0, 3], "arc,angleA=-90,angleB=0,armA=30,armB=30,rad=0")
annotate_con_style(axs[1, 3], "arc,angleA=-90,angleB=0,armA=30,armB=30,rad=5")
annotate_con_style(axs[2, 3], "arc,angleA=-90,angleB=0,armA=0,armB=40,rad=0")
annotate_con_style(axs[0, 4], "bar,fraction=0.3")
annotate_con_style(axs[1, 4], "bar,fraction=-0.3")
annotate_con_style(axs[2, 4], "bar,angle=180,fraction=-0.2")for ax in axs.flat:# 设置轴域刻度ax.set(xlim=(0, 10), ylim=(0, 10),xticks = [],yticks = [],aspect=1)
fig.tight_layout(pad=0.2)

第五部分常用视图

第一节折线图

plt.plot() # 直接画

import numpy as np
import matplotlib.pyplot as plt
x = np.random.randint(0,10,size = 15)
# 一图多线
plt.figure(figsize=(9,6))
plt.plot(x,marker = '*',color = 'r')   # 折线图
plt.plot(x.cumsum(),marker = 'o')# 多图布局
fig,axs = plt.subplots(2,1)
fig.set_figwidth(9)
fig.set_figheight(6)
axs[0].plot(x,marker = '*',color = 'red')
axs[1].plot(x.cumsum(),marker = 'o')

第二节柱状图

堆叠柱状图

plt.bar()

import numpy as np
import matplotlib.pyplot as plt
labels = ['G1', 'G2', 'G3', 'G4', 'G5','G6'] # 级别
men_means = np.random.randint(20,35,size = 6)
women_means = np.random.randint(20,35,size = 6)
men_std = np.random.randint(1,7,size = 6)
women_std = np.random.randint(1,7,size = 6)
width = 0.35
plt.bar(labels, # 横坐标men_means, # 柱高width, # 线宽yerr=4, # 误差条label='Men')#标签
plt.bar(labels, women_means, width, yerr=2, bottom=men_means,label='Women')
plt.ylabel('Scores')
plt.title('Scores by group and gender')
plt.legend()

分组柱状图

plt.bar()

import matplotlib
import matplotlib.pyplot as plt
import numpy as nplabels = ['G1', 'G2', 'G3', 'G4', 'G5','G6'] # 级别
men_means = np.random.randint(20,35,size = 6)
women_means = np.random.randint(20,35,size = 6)
x = np.arange(len(men_means))
plt.figure(figsize=(9,6))
rects1 = plt.bar(x - width/2, men_means, width) # 返回绘图区域对象
rects2 = plt.bar(x + width/2, women_means, width)# 设置标签标题，图例
plt.ylabel('Scores')
plt.title('Scores by group and gender')
plt.xticks(x,labels)
plt.legend(['Men','Women'])# 添加注释
def set_label(rects):for rect in rects:height = rect.get_height() # 获取高度plt.text(x = rect.get_x() + rect.get_width()/2, # 水平坐标y = height + 0.5, # 竖直坐标s = height, # 文本ha = 'center') # 水平居中set_label(rects1)
set_label(rects2)
plt.tight_layout() # 设置紧凑布局
plt.savefig('./分组带标签柱状图.png')

第三节极坐标图

极坐标线形图
plt.subplot()

import numpy as np
import matplotlib.pyplot as pltr = np.arange(0, 4*np.pi, 0.01) # 弧度值
y = np.linspace(0,2,len(r)) # 目标值ax = plt.subplot(111,projection = 'polar',facecolor = 'lightgreen') # 定义极坐标
ax.plot(r, y,color = 'red')
ax.set_rmax(3) # 设置半径最大值
ax.set_rticks([0.5, 1, 1.5, 2])  # 设置半径刻度
ax.set_rlabel_position(-22.5)  # 设置半径刻度位置
ax.grid(True) # 网格线ax.set_title("A line plot on a polar axis", va='center',ha = 'center',pad = 30)

极坐标柱状图
plt.subplot(, projection = ‘polar’) , 圆图,圈圈

import numpy as np
import matplotlib.pyplot as plt
N = 8 # 分成8份
theta = np.linspace(0.0, 2 * np.pi, N, endpoint=False)
radii = np.random.randint(3,15,size = N)
width = np.pi / 4
colors = np.random.rand(8,3) # 随机生成颜色
ax = plt.subplot(111, projection='polar') # polar表示极坐标
ax.bar(theta, radii, width=width, bottom=0.0,color = colors)

第四节直方图

ax.hist() , 直方图

import numpy as np
import matplotlib.pyplot as pltmu = 100 # 平均值
sigma = 15 # 标准差
x = np.random.normal(loc = mu,scale = 15,size = 10000)
fig, ax = plt.subplots()n, bins, patches = ax.hist(x, 200, density=True) # 直方图# 概率密度函数
y = ((1 / (np.sqrt(2 * np.pi) * sigma)) *np.exp(-0.5 * (1 / sigma * (bins - mu))**2))
plt.plot(bins, y, '--')
plt.xlabel('Smarts')
plt.ylabel('Probability density')
plt.title(r'Histogram of IQ: $\mu=100$, $\sigma=15$')# 紧凑布局
fig.tight_layout()
plt.savefig('./直方图.png')

第五节箱形图

plt.boxplot() ,箱形图
用来找异常值

import numpy as np
import matplotlib.pyplot as plt
data=np.random.normal(size=(500,4))
lables = ['A','B','C','D']
# 用Matplotlib画箱线图
plt.boxplot(data,1,'gD',labels=lables) # 红色的圆点是异常值

第六节散点图

散点图的英文叫做 scatter plot，它将两个变量的值显示在二维坐标中，非常适合展示两个变量之间的关系.
plt.scatter()

import numpy as np
import matplotlib.pyplot as plt
data = np.random.randn(100,2)
s = np.random.randint(100,300,size = 100)
color = np.random.randn(100)
plt.scatter(data[:,0], # 横坐标data[:,1], # 纵坐标s = s, # 尺寸c = color, # 颜色alpha = 0.5) # 透明度

第七节饼图

一般饼图

plt.pie()

import numpy as np
import matplotlib.pyplot as plt
# 解决中文字体乱码的问题
matplotlib.rcParams['font.sans-serif']='Kaiti SC' labels =["五星","四星","三星","二星","一星"] # 标签
percent = [95,261,105,30,9] # 某市星级酒店数量# 设置图片大小和分辨率
fig=plt.figure(figsize=(5,5), dpi=150)
# 偏移中心量，突出某一部分
explode = (0, 0.1, 0, 0, 0)
# 绘制饼图：autopct显示百分比，这里保留一位小数；shadow控制是否显示阴影
plt.pie(x = percent, # 数据explode=explode, # 偏移中心量labels=labels,  # 显示标签autopct='%0.1f%%', # 显示百分比shadow=True) # 阴影，3D效果
plt.savefig("./饼图.jpg")

嵌套饼图

plt.pie()
根据圆的半径进行拆分内外圆

import pandas as pd
import matplotlib.pyplot as plt
food = pd.read_excel('./food.xlsx')
# 分组聚合，内圈数据
inner = food.groupby(by = 'type')['花费'].sum()
outer = food['花费'] # 外圈数据
plt.rcParams['font.family'] = 'Kaiti SC'
plt.rcParams['font.size'] = 18
fig=plt.figure(figsize=(8,8))
# 绘制内部饼图
plt.pie(x = inner, # 数据radius=0.6, # 饼图半径wedgeprops=dict(linewidth=3,width=0.6,edgecolor='w'),# 饼图格式：间隔线宽、饼图宽度、边界颜色labels = inner.index, # 显示标签labeldistance=0.4) # 标签位置
# 绘制外部饼图
plt.pie(x = outer, radius=1, # 半径wedgeprops=dict(linewidth=3,width=0.3,edgecolor='k'),# 饼图格式：间隔线宽、饼图宽度、边界颜色labels = food['食材'], # 显示标签labeldistance=1.2) # 标签位置# 设置图例标题，bbox_to_anchor = (x, y, width, height)控制图例显示位置
plt.legend(inner.index,bbox_to_anchor = (0.9,0.6,0.4,0.4),title = '食物占比')
plt.tight_layout()
plt.savefig('./嵌套饼图.png',dpi = 200)

甜甜圈

plt.pie()

import numpy as np
import matplotlib.pyplot as pltplt.figure(figsize=(6,6))
# 甜甜圈原料
recipe = ["225g flour","90g sugar","1 egg","60g butter","100ml milk","1/2package of yeast"]
# 原料比例
data = [225, 90, 50, 60, 100, 5]
wedges, texts = plt.pie(data,startangle=40)
bbox_props = dict(boxstyle="square,pad=0.3", fc="w", ec="k", lw=0.72)
kw = dict(arrowprops=dict(arrowstyle="-"),bbox=bbox_props,va="center")for i, p in enumerate(wedges):ang = (p.theta2 - p.theta1)/2. + p.theta1 # 角度计算# 角度转弧度----->弧度转坐标y = np.sin(np.deg2rad(ang))x = np.cos(np.deg2rad(ang))ha = {-1: "right", 1: "left"}[int(np.sign(x))] # 水平对齐方式connectionstyle = "angle,angleA=0,angleB={}".format(ang) # 箭头连接样式kw["arrowprops"].update({"connectionstyle": connectionstyle}) # 更新箭头连接方式plt.annotate(recipe[i], xy=(x, y), xytext=(1.35*np.sign(x), 1.4*y),ha=ha,**kw,fontsize = 18,weight = 'bold')
plt.title("Matplotlib bakery: A donut",fontsize = 18,pad = 25)
plt.tight_layout()

第八节热力图

plt.imshow(harvest)

import numpy as np
import matplotlib
import matplotlib.pyplot as pltvegetables = ["cucumber", "tomato", "lettuce", "asparagus","potato", "wheat", "barley"]
farmers = list('ABCDEFG')harvest = np.random.rand(7,7)*5 # 农民丰收数据plt.rcParams['font.size'] = 18
plt.rcParams['font.weight'] = 'heavy'
plt.figure(figsize=(9,9))
im = plt.imshow(harvest)plt.xticks(np.arange(len(farmers)),farmers,rotation = 45,ha = 'right')
plt.yticks(np.arange(len(vegetables)),vegetables)# 绘制文本
for i in range(len(vegetables)):for j in range(len(farmers)):text = plt.text(j, i, round(harvest[i, j],1),ha="center", va="center", color='r')
plt.title("Harvest of local farmers (in tons/year)",pad = 20)
fig.tight_layout()
plt.savefig('./热力图.png')

第九节面积图

plt.stackplot()

import matplotlib.pyplot as plt
plt.figure(figsize=(9,6))
days = [1,2,3,4,5]
sleeping =[7,8,6,11,7]
eating = [2,3,4,3,2]
working =[7,8,7,2,2]
playing = [8,5,7,8,13]
plt.stackplot(days,sleeping,eating,working,playing)
plt.xlabel('x')
plt.ylabel('y')
plt.title('Stack Plot',fontsize = 18)
plt.legend(['Sleeping','Eating','Working','Playing'],fontsize = 18)

第十节蜘蛛图

fig.add_subplot(, polar = True), 画圈极地图.

import numpy as np
import matplotlib.pyplot as plt
plt.rcParams['font.family'] = 'Kaiti SC'
labels=np.array(["个人能力","IQ","服务意识","团队精神","解决问题能力","持续学习"])
stats=[83, 61, 95, 67, 76, 88]
# 画图数据准备，角度、状态值
angles=np.linspace(0, 2*np.pi, len(labels), endpoint=False)
stats=np.concatenate((stats,[stats[0]]))
angles=np.concatenate((angles,[angles[0]]))
# 用Matplotlib画蜘蛛图
fig = plt.figure(figsize=(9,9))
ax = fig.add_subplot(111, polar=True)
ax.plot(angles, stats, 'o-', linewidth=2) # 连线
ax.fill(angles, stats, alpha=0.25) # 填充
# 设置角度
ax.set_thetagrids(angles*180/np.pi,#角度值labels,fontsize = 18)
ax.set_rgrids([20,40,60,80],fontsize = 18)

第六部分 3D图形

第一节三维折线图散点图

fig = plt.figure() , 二维图像, 定义图大小
ax3 = Axes3D(fig) , 二维转三维
ax3.plot() # 画图

import numpy as np
import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d.axes3d import Axes3D # 3D引擎x = np.linspace(0,60,300)
y = np.sin(x)
z = np.cos(x)fig = plt.figure(figsize=(9,6)) # 二维图形
ax3 = Axes3D(fig) # 二维变成了三维
ax3.plot(x,y,z) # 3维折线图
# 3维散点图
ax3.scatter(np.random.rand(50)*60,np.random.rand(50),np.random.rand(50),color = 'red',s = 100)

第二节三维柱状图

fig = plt.figure() , 二维图像, 定义图大小
ax3 = Axes3D(fig) , 二维转三维
ax3.bar()

import numpy as np
import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d.axes3d import Axes3D # 3D引擎
month = np.arange(1,5)
# 每个月 4周 每周都会产生数据
# 三个维度：月、周、销量
fig = plt.figure(figsize=(9,6))
ax3 = Axes3D(fig)for m in month:ax3.bar(np.arange(4),np.random.randint(1,10,size = 4),zs = m ,zdir = 'x',# 在哪个方向上，一排排排列alpha = 0.7,# alpha 透明度width = 0.5)
ax3.set_xlabel('X',fontsize = 18,color = 'red')
ax3.set_ylabel('Y',fontsize = 18,color = 'red')
ax3.set_zlabel('Z',fontsize = 18,color = 'green')

03-Matplotlib数据可视化相关推荐

[转载] Python数据分析之Matplotlib数据可视化实例
参考链接: 使用Python进行数据分析和可视化2 Matplotlib数据可视化的应用实例分析 :2000至2017年各季度国民生产总值数据 npy文件--numpy专用的二进制格式 np.lo ...
【Python数据科学快速入门系列 | 06】Matplotlib数据可视化基础入门(一)
这是机器未来的第52篇文章原文首发地址:https://robotsfutures.blog.csdn.net/article/details/126899226 <Python数据科学快速入 ...
python如何读取mat文件可视化_python Matplotlib数据可视化（1）：简单入门
1 matplot入门指南 matplotlib是Python科学计算中使用最多的一个可视化库,功能丰富,提供了非常多的可视化方案,基本能够满足各种场景下的数据可视化需求.但功能丰富从另一方面来说也意 ...
chart.js 饼图显示百分比_Python怎么画饼图？Matplotlib数据可视化004：饼图
前文回看: [Python菜鸟进阶大神]Matplotlib数据可视化001:基础API汇总&散点图 [Python菜鸟进阶大神]Matplotlib数据可视化002:折线图 [Python菜 ...
Python—实训day10—Matplotlib数据可视化和scikit-learn构建模型
1.Matplotlib数据可视化基础 import matplotlib.pyplot as plt import numpy as np plt.rcParams['font.sans-serif ...
数据科学与python语言——Matplotlib数据可视化基础
Matplotlib数据可视化基础一.读取数据与数据处理阶段 1.提取指定行中的数据 2.得到>指定数值的数据 3.得到=指定值得数据 4.整体的数据处理: 二.画图函数 1.plt.subp ...
matplotlib 数据可视化
图的基本结构通常,使用 numpy 组织数据, 使用 matplotlib API 进行数据图像绘制. 一幅数据图基本上包括如下结构: Data: 数据区,包括数据点.描绘形状 Axis: 坐标轴, ...
Matplotlib数据可视化高级
目录前言 1.多图布局 1.1 子视图 1.2 嵌套 1.3 多图布局分格显示 1.3.1 均匀布局 1.3.2 不均匀分布 1.4 双轴显示 2.文本.注释.箭头 2.1 文本 2.2 箭头 2. ...
Python数据科学学习笔记之——Matplotlib数据可视化
Matplotlib 数据可视化 1.Matplotlib 常用技巧 1.1.导入 Matplotlib import matplotlib as mpl import matplotlib.pypl ...
Matplotlib数据可视化（5）
1 Matplotlib数据可视化 1.1 第一部分课程介绍 pip install matplotlib -i Simple Index 在数据分析与机器学习中,我们经常要用到大量的可视化操作 ...

03-Matplotlib数据可视化

第一部分 基础知识

第一节 图形绘制

第二节 坐标轴刻度、标签、标题

第三节 图例

第四节 脊柱移动

第五节 图片保存

第二部分 风格和样式

第一节 颜色、线形、点形、线宽、透明度

第二节 更多属性设置

第三部分 多图布局

第一节 子视图

第二节 嵌套

第三节 多图布局分格显示

3.3.1 均匀布局

3.3.2 不均匀分布

方式二

方式三

第四节 双轴显示

第四部分 文本、注释、箭头

第一节 文本

第二节 箭头

第三节 注释

第四节 注释箭头连接形状

第五部分 常用视图

第一节 折线图

第二节 柱状图

第三节 极坐标图

第四节 直方图

第五节 箱形图

第六节 散点图

第七节 饼图

一般饼图

嵌套饼图

甜甜圈

第八节 热力图

第九节 面积图

第十节 蜘蛛图

第六部分 3D图形

第一节 三维折线图散点图

第二节 三维柱状图

03-Matplotlib数据可视化相关推荐

最新文章

热门文章

第一部分基础知识

第一节图形绘制

第二节坐标轴刻度、标签、标题

第三节图例

第四节脊柱移动

第五节图片保存

第二部分风格和样式

第一节颜色、线形、点形、线宽、透明度

第二节更多属性设置

第三部分多图布局

第一节子视图

第二节嵌套

第三节多图布局分格显示

第四节双轴显示

第四部分文本、注释、箭头

第一节文本

第二节箭头

第三节注释

第四节注释箭头连接形状

第五部分常用视图

第一节折线图

第二节柱状图

第三节极坐标图

第四节直方图

第五节箱形图

第六节散点图

第七节饼图

第八节热力图

第九节面积图

第十节蜘蛛图

第一节三维折线图散点图

第二节三维柱状图