TYD_初识python数据可视化库-Matplotlib
2024-05-31 13:58:53
目录
基本操作
子图与标注
风格
条形图
条形图细节
条形图外观
盒图绘制
小提琴图
绘图细节设置
3D图
pi图
子图布局
嵌套图
基本操作
import numpy as np
import matplotlib.pyplot as pltplt.plot([1,2,3,4,5],[1,4,9,16,25],'-.',color='r') #横标，纵标，线条样式与颜色
plt.xlabel('xlabel',fontsize = 16)
plt.ylabel('ylabel',fontsize = 16)图像如下，以及属性值表
子图与标注
标注
import numpy as np
import matplotlib.pyplot as pltx = np.linspace(-10,10,) #linspace是均分计算指令，用于产生x1,x2之间的N点行线性的矢量。其中x1、x2、N分别为起始值、终止值、元素个数。若默认N，默认点数为100。
y = np.sin(x)
plt.plot(x,y,linewidth=3,color='b',linestyle=':',marker='o',markerfacecolor='r',markersize=5,alpha=0.4,) #线宽度，颜色，样式，标记点样式，标记点颜色，标记点规格line = plt.plot(x,y)
plt.setp(line,linewidth=3,color='b',linestyle=':',marker='o',markerfacecolor='r',markersize=5,alpha=0.4) #这两句话和之前一句效果相同
plt.text(0,0,'zhangjinlong') #在某个坐标点加文本
plt.grid(True) #加上网格
plt.annotate('thisisaannotate',xy=(-5,0),xytext=(-2,0.3),arrowprops=dict(facecolor='red',shrink=0.05,headlength=10,headwidth=10)) #箭头注释，arrow箭头，xy箭头尖端坐标，xytext文本坐标，子图
import numpy as np
import matplotlib.pyplot as plt# 211 表示一会要画的图是2行一列的 最后一个1表示的是子图当中的第1个图
plt.subplot(211)
plt.plot(x,y,color='r')# 212 表示一会要画的图是2行一列的 最后一个1表示的是子图当中的第2个图
plt.subplot(212)
plt.plot(x,y,color='b')
风格
bmh风格
x = np.linspace(-10,10)
y = np.sin(x)
plt.style.use('bmh') #使用这种风格条形图
np.random.seed(0)
x = np.arange(5)
y = np.random.randint(-5,5,5)
print(y)
fig,axes = plt.subplots(ncols=2) #两个图，分占两列。如果没有参数则只有一个图。，返回一个包含figure和axes对象的元组
v_bars = axes[0].bar(x,y,color='red') #条形图按行画，返回元组中axes用得较多
h_bars = axes[1].barh(x,y,color='red') #条形图按列画axes[0].axhline(0,color='grey',linewidth=2) #画横轴线
axes[1].axvline(0,color='grey',linewidth=2) #画纵轴线fig,axes = plt.subplots()
v_bars = axes.bar(x,y,color='lightblue')
for bar,height in zip(v_bars,y): #zip() 函数用于将可迭代的对象作为参数，将对象中对应的元素打包成一个个元组，然后返回由这些元组组成的列表。if height<0:bar.set(edgecolor='darkred',color='red',linewidth=3) #画一个条形图，对其中值小于0的单独设置风格
x = np.linspace(0,10,200)
y1 = 2*x+1
y2 = 3*x+1.2
y_mean = 0.5*x*np.cos(2*x)+2.5*x+1.1
fig,ax = plt.subplots()
ax.fill_between(x,y1,y2,color='red')
ax.plot(x,y_mean,color='black')条形图细节
mean_values = [1,2,3]
variance = [0.2,0.4,0.5]
bar_label = ['bar1','bar2','bar3']x_pos = list(range(len(bar_label))) #list将元组转换为列表
plt.bar(x_pos,mean_values,yerr=variance,alpha=0.3) #绘图，参数分别为横标，纵标，误差帮，透明度
max_y = max(zip(mean_values,variance)) #两个数组传入，返回两个最大值
plt.ylim([0,(max_y[0]+max_y[1])*1.2]) #乘以1.2留白部分
plt.ylabel('variable y') #y轴名字
plt.xticks(x_pos,bar_label) #x轴的位置以及每个位置的标签
plt.show()
x1 = np.array([1,2,3])
x2 = np.array([2,5,3])fig = plt.figure(figsize=(8,5)) #图像的长度和宽度
y_pos = np.arange(len(x1)) plt.barh(y_pos,x1,color='g',alpha=0.5)
plt.barh(y_pos,-x2,color='b',alpha=0.5)plt.xlim(-max(x2)-1,max(x1)+1) #对四方留白的设置
plt.ylim(-1,len(x1))green_data = [1, 2, 3]
blue_data = [3, 2, 1]
red_data = [2, 3, 3]
labels = ['group 1', 'group 2', 'group 3']pos = list(range(len(green_data)))
width = 0.2
fig, ax = plt.subplots(figsize=(8,6))#重点关注第一个元素的定位
plt.bar(pos,green_data,width,alpha=0.5,color='g',label=labels[0])
plt.bar([p+width for p in pos],blue_data,width,alpha=0.5,color='b',label=labels[1])
plt.bar([p+width*2 for p in pos],red_data,width,alpha=0.5,color='r',label=labels[2])
条形图外观
import matplotlib.plot as pltdata = range(200, 225, 5)
bar_labels = ['a', 'b', 'c', 'd', 'e']
fig = plt.figure(figsize=(10,8))
y_pos = np.arange(len(data))
plt.yticks(y_pos, bar_labels, fontsize=16) #给y轴加刻度
bars = plt.barh(y_pos,data,alpha = 0.5,color='g') #注意这里是barh所以是给y轴标数据
plt.vlines(min(data),-1,len(data)+0.5,linestyle = 'dashed') #-1代表图形下方的空间，len(data)代表上方
for b,d in zip(bars,data): plt.text(b.get_width()+b.get_width()*0.05,b.get_y()+b.get_height()/2,'{0:.2%}'.format(d/min(data)))
plt.show()
import matplotlib.plot as plt
import matplotlib.colors as col
import matplotlib.cm as cm #彩色地图mean_values = range(10,18)
x_pos = range(len(mean_values))cmap1 = cm.ScalarMappable(col.Normalize(min(mean_values),max(mean_values),cm.hot))
cmap2 = cm.ScalarMappable(col.Normalize(0,20,cm.hot))plt.subplot(121)
plt.bar(x_pos,mean_values,color = cmap1.to_rgba(mean_values))plt.subplot(122)
plt.bar(x_pos,mean_values,color = cmap2.to_rgba(mean_values))plt.show()patterns = ('-', '+', 'x', '\\', '*', 'o', 'O', '.')fig = plt.gca()mean_value = range(1,len(patterns)+1)
x_pos = list(range(len(mean_value)))bars = plt.bar(x_pos,mean_value,color='white')for bar,pattern in zip(bars,patterns):bar.set_hatch(pattern)
plt.show()
盒图绘制
盒图细节如上，median为中位数，Q1为左边的中位数，同理Q2，在边界外的数称之为离群点。
import matplotlib.pyplot as plt
import numpy as np
%matplotlib inlinezhang_data = [np.random.normal(0,std,100) for std in range(1,4)] #构造3个正态分布数据，每个一百个点，均值都为0，方差1到3
fig = plt.figure(figsize=(8,6))
bplot = plt.boxplot(zhang_data,notch=False,sym='o',vert=True，patch_artist=True) #绘制盒图，sym表示离群点的表示方法，vert表示是否是竖直绘图，notch表示v型刻痕，patch_article表示是否填充箱体颜色plt.xticks([y+1 for y in range(len(zhang_data))],['table1','table2','table3']) #x轴贴标签，range是从零开始的所以y+1
plt.xlabel('x')
plt.title('box plot')colors = ['pink','lightblue','lightgreen']
for pathch,color in zip(bplot['boxes'],colors):pathch.set_facecolor(color)
小提琴图
import matplotlib.pyplot as plt
import numpy as np
%matplotlib inlinefig,axes = plt.subplots(nrows=1,ncols=2,figsize=(12,5))
data = [np.random.normal(0,std,100) for std in range(6,10)]
axes[0].violinplot(data,showmeans=True,showmedians=True)
axes[0].set_title('violin plot')axes[1].boxplot(data)
axes[1].set_title('boxplot plot')for ax in axes:ax.yaxis.grid(True)ax.set_xticks([y+1 for y in range(len(data))])
plt.setp(axes,xticks=[y+1 for y in range(len(data))],xticklabels=['x1','x2','x3','x4'])
绘图细节设置
import math
x = np.random.normal(loc=0.0,scale=1.0,size=300)
width = 0.5
bins = np.arange(math.floor(x.min())-width,math.ceil(x.max())+width,width) #横标左右两边留白，最后一个参数代表每个网格的宽度
ax = plt.subplot(111) #因为只有一个图，所以参数不能设置为subplotsax.spines['top'].set_visible(False) #spines 脊椎，去掉上横线
ax.spines['right'].set_visible(False)plt.tick_params(bottom='off',top='off',left='off',right='off') #去掉轴上的锯齿
plt.grid()
plt.hist(x,alpha=0.5,bins=bins) #绘制直方图
ax = plt.subplot(111)x = np.arange(10)
for i in range(1,4):plt.plot(x,i*x**2,label='Group %d'%i)
ax.legend(loc='upper canter',bbox_to_anchor=(0.8,1.15),ncol=3) #legend图例的意思，anchor锚，
3D图
import matplotlib.pyplot as plt
import numpy as np
from mpl_toolkits.mplot3d import Axes3D #注意不要写错了fig = plt.figure() #创建一个图形实例#绘制3D图形有两种方法 第二种是 ax = fig.add_subplot(111, projection='3d')
ax = Axes3D(fig) x = np.arange(-4,4,0.25)
y = np.arange(-4,4,0.25)
X,Y = np.meshgrid(x,y) #绘制网格
Z = np.sin(np.sqrt(X**2+Y**2))
ax.plot_surface(X,Y,Z,rstride=1,cstride=1,cmap='rainbow') #绘制面（bar绘制直方图，scatter绘制散点图），rstride 和cstride控制面方形粒度
ax.contour(X,Y,Z,zdim='z',offset=-2,cmap='rainbow') #绘制等高线
plt.show()
pi图
import matplotlib.pyplot as plt
%matplotlib inline#数据
m = 51212.
f = 40742.
m_perc = m/(m+f)
f_perc = f/(m+f)
colors = ['navy','lightcoral']
labels = ["Male","Female"]plt.figure(figsize=(6,6))
paches,texts,autotexts = plt.pie([m_perc,f_perc],labels = labels,autopct='%1.4f%%',explode=[0,0.05],colors=colors) #autopct='%1.4f%%'表示数据表示格式，小数点后保留四位，explode表示子饼间距for text in texts+autotexts:text.set_fontsize(20)
for text in autotexts:text.set_color('white')
子图布局
ax1 = plt.subplot2grid((3,3),(0,0),rowspan=3) #span是跨度的意思，跨行。
ax2 = plt.subplot2grid((3,3),(0,1),colspan=2)
ax3 = plt.subplot2grid((3,3),(1,1))
ax4 = plt.subplot2grid((3,3),(1,2))
ax5 = plt.subplot2grid((3,3),(2,2))
嵌套图
import numpy as npx = np.linspace(0,10,1000)
y2 = np.sin(x**2)
y1 = x**2fig,ax1 = plt.subplots() #第一个返回值是在某一个图中设置，第二个是跨图设置
left,bottom,width,height = [0.22,0.45,0.3,0.35]
ax2 = fig.add_axes([left,bottom,width,height]) #注意这里用到了ax1ax1.plot(x,y1)
ax2.plot(x,y2)
import matplotlib.pyplot as plt
from mpl_toolkits.axes_grid1.inset_locator import inset_axes#传入一个条形图函数的返回值，bar函数除了绘图以外，还会返回一个由每个竖条组成的数组？
def autolabel(rects):for rect in rects:height = rect.get_height()ax1.text(rect.get_x()+rect.get_width()/2.,1.02*height,"{:,}".format(float(height)),ha='center',va='bottom',fontsize='18')#数据
top10_arrivals_countries = ['CANADA','MEXICO','UNITED\nKINGDOM',\'JAPAN','CHINA','GERMANY','SOUTH\nKOREA',\'FRANCE','BRAZIL','AUSTRALIA']
top10_arrivals_values = [16.625687, 15.378026, 3.934508, 2.999718,\2.618737, 1.769498, 1.628563, 1.419409,\1.393710, 1.136974]
arrivals_countries = ['WESTERN\nEUROPE','ASIA','SOUTH\nAMERICA',\'OCEANIA','CARIBBEAN','MIDDLE\nEAST',\'CENTRAL\nAMERICA','EASTERN\nEUROPE','AFRICA']
arrivals_percent = [36.9,30.4,13.8,4.4,4.0,3.6,2.9,2.6,1.5]fig,ax1 = plt.subplots(figsize=(20,12))
zhang = ax1.bar(range(10),top10_arrivals_values,color='blue') #返回的是元组或者列表什么的
plt.xticks(range(10),top10_arrivals_countries,fontsize=18)
ax2 = inset_axes(ax1,width=6,height=6,loc='upper right') #关键步骤，实现在bar图中嵌入饼图 loc属性和饼图的位置有关
explode = (0.08, 0.08, 0.05, 0.05,0.05,0.05,0.05,0.05,0.05)
patches,texts,autotexts = ax2.pie(arrivals_percent,labels = arrivals_countries,autopct='%1.3f%%',explode=explode)for text in texts+autotexts:text.set_fontsize(16)
for spine in ax1.spines.values():spine.set_visible(False)autolabel(zhang)
TYD_初识python数据可视化库-Matplotlib相关推荐
- [转载] Python数据可视化库-Matplotlib——折线图绘制
参考链接: Python Matplotlib数据可视化 plot折线图 # coding:utf-8 import pandas as pd import numpy as np from matp ...
- Python数据可视化库Matplotlib折线图（一）
今天我们来学习一下python的数据可视化库,Matplotlib,是一个Python的2D绘图库 通过这个库,开发者可以仅需要几行代码,便可以生成绘图,直方图,功率图,条形图,错误图,散点图等等 废 ...
- python可视化库matplotlib_环境搭建 | Python 数据可视化库 Matplotlib 快速入门之一-阿里云开发者社区...
数据挖掘基础环境安装与使用 [学习目标] 完成数据挖掘基础阶段的所有环境安装 应用jupyter notebook完成代码编写运行 库的安装 学习目标 目标 搭建好数据挖掘基础阶段的环境 应用 无 整 ...
- 01、python数据分析与机器学习实战——Python数据可视化库-Matplotlib
Matplotlib介绍 Matplotlib 是一个 Python 的 2D绘图库,它以各种硬拷贝格式和跨平台的交互式环境生成出版质量级别的图形. Matplotlib基础 1.折线图绘制 假设,我 ...
- 唐宇迪学习笔记3：Python数据可视化库——Matplotlib
目录 一.Matplotlib概述 最基本的图 线条格式 线条颜色 颜色与格式结合 二.子图与标注 绘制多个线 指定线条的宽度 自定义参数 子图 给图上加上注释 三.风格设置 四.条形图 五.条形图 ...
- 视频教程-Python数据可视化库：Matplotlib视频课程-Python
Python数据可视化库:Matplotlib视频课程 东北大学计算机专业硕士研究生,欧瑞科技创始人&CEO,曾任国内著名软件公司项目经理,畅销书作者,企业IT内训讲师,CSDN学院专家讲师, ...
- python绘制不带颜色曲线图_Python数据可视化库-Matplotlib——折线图，子图绘制
# coding:utf-8 import pandas as pd import numpy as np from matplotlib import pylab as plt # 导入数据可视化库 ...
- Python数据可视化——使用Matplotlib创建散点图
Python数据可视化--使用Matplotlib创建散点图 2017-12-27 作者:淡水化合物 转载请注明网址:https://www.cnblogs.com/pengsky2016/p/812 ...
- python每行输出5个数据_12个流行的Python数据可视化库总结
总结了10个不同领域的 Python 数据可视化库,有常用的,也有比较小众的. 1. matplotlib matplotlib是Python数据可视化库的OG.尽管它已有十多年的历史,但仍然是Pyt ...
最新文章
- 如何构建基于移动相机的AR系统
- 1004 Counting Leaves (30 分)【难度: 中 / 知识点: 树的遍历】
- 如何使用 React 创建一个作品集网站
- CABasicAnimation动画
- React开发（260）:react项目理解 dva中 console
- linux服务器常用维护命令,Linux服务器维护常用命令
- 2006-我都做了什么！
- linux内核rop姿势详解,Linux内核ROP姿势详解（二）
- python主线程执行回调函数_Python并发编程06 /阻塞、异步调用/同步调用、异步回调函数、线程queue、事件event、协程...
- 白杨SEO：SEM和SEO有什么区别呢？
- OA与EHR系统集成方案
- NPOI SetRowBreak 插入分页符无用
- 使用Python实现一个简单的聊天室
- 内网渗透学习04——域内横向移动
- 江南爱窗帘十大品牌，怎么合理的搭配窗帘配色
- centos7搭建GRE隧道进行通信
- 如何选择计算机软考科目,如何选择软考科目？
- 【QT】Qt Compiler Detection（编译）
- 洛谷P1088.火星人【模拟/搜索/康托展开】
- RocketMQ 设计原理与最佳实践