前言

Datawhale第37期组队学习来了！这次选择的是Datawhale开源学习项目——“数据可视化（Matplotlib）”，学习周期为5.16-5.30，在此记录初次接触Matplotlib的小白学习历程。基于教程写的比较详细，这里的记录只作为补充。

学习路线

Task01：Matplotlib初相识（5.16、5.17）

matplotlib提供了两种最常用的绘图接口
1、OO模式（object-oriented style)
显式创建figure和axes，在上面调用绘图方法。
优点：清晰明了
缺点：代码编写更加复杂。（用面向对象编程接口的时候，需要创建画布、对象，需要理解每个绘制过程，才能完成相关的绘图工作。）
适合使用场景：较为复杂的画图场景

# step1 准备数据
x = np.linspace(0, 2, 100)
# step2 设置绘图样式
mpl.rc('lines', linewidth=2, linestyle='-.')
# step3 定义布局
fig, ax = plt.subplots()
# step4 绘制图像
ax.plot(x, x, label='linear')
ax.plot(x, x**2, label='quadratic')
ax.plot(x, x**3, label='cubic')
# step5 添加标签，文字和图例
ax.set_xlabel('x label')
ax.set_ylabel('y label')
ax.set_title("Simple Plot")
ax.legend() ;

2、pyplot模式
依赖pyplot，自动创建figure和axes，并绘图的方法。
优点：编写简单，默认的 Figure 和 Axes 等对象会自动创建支持图形绘制
缺点：在多对象情况下容易使对象混乱
适合使用场景：简单画图场景

# step1 准备数据
x = np.linspace(0, 2, 100)
# step2 设置绘图样式
mpl.rc('lines', linewidth=2, linestyle='-')
# step3 绘制图像
plt.plot(x, x, label='linear')
plt.plot(x, x**2, label='quadratic')
plt.plot(x, x**3, label='cubic')
# step4 添加标签，文字和图例
plt.xlabel("x label")
plt.ylabel("y label")
plt.title("Simple Plot")
plt.legend();

知识新增：
1、在jupyter notebook中使用matplotlib时会发现，代码运行后自动打印出类似<matplotlib.lines.Line2D at 0x23155916dc0>这样一段话，这是因为matplotlib的绘图代码默认打印出最后一个对象。如果不想显示这句话，有以下三种方法：
①在代码块最后加一个分号;
②在代码块最后加一句plt.show()
③在绘图时将绘图对象显式赋值给一个变量，如将plt.plot([1, 2, 3, 4]) 改成line =plt.plot([1, 2, 3, 4])

Task02：艺术画笔见乾坤（5.18-5.22）

Task03：布局格式定方圆（5.23、5.24）

一、子图
①均匀排列的子图：
plt.subplots
subplots是基于OO模式的写法，显式创建一个或多个axes对象，然后在对应的子图对象上进行绘图操作：fig, axs = plt.subplots(2, 5, figsize=(10, 4), sharex=True, sharey=True)
plt.subplot
subplot是基于pyplot模式的写法，每次在指定位置新建一个子图，并且之后的绘图操作都会指向当前子图，本质上subplot也是Figure.add_subplot的一种封装：plt.subplot(2,2,1)
除了直角坐标系，通过projection创建极坐标系下的图表：plt.subplot(projection='polar')
②非均匀排列的子图
add_gridspec
利用 add_gridspec 可以指定相对宽度比例 width_ratios 和相对高度比例参数 height_ratios
二、补充
1、常用直线的画法为： axhline, axvline, axline （水平、垂直、任意方向）
ax.axhline(0.5,0.2,0.8)
ax.axvline(0.5,0.2,0.8)
ax.axline([0.3,0.3],[0.7,0.7]);
2、加灰色网格：使用 grid
ax.grid(True)
3、设置坐标轴的规度（指对数坐标等）：使用 set_xscale
axs[j].set_yscale('log')

Task04：文字图例尽眉目（5.25-5.27）

一、Figure和Axes上的文本
子图上的文本（text）
子图的x，y轴标签（xlabel、ylabel）
子图和画布的标题（title、suptitle）
子图的注解（annotate）
字体的属性设置
二、Tick上的文本
简单模式
Tick Locators and Formatters刻度位置和刻度标签的设置
a) Tick Formatters
b) Tick Locators
matplotlib.dates 特殊的设置日期型刻度格式和位置
三、legend（图例）
OO模式
pyplot模式

Task05：样式色彩秀芳华（5.28、5.29）

一、样式
①修改预定义样式
默认模式：default
内置样式：‘Solarize_Light2’, ‘_classic_test_patch’, ‘bmh’, ‘classic’, ‘dark_background’, ‘fast’, ‘fivethirtyeight’, ‘ggplot’, ‘grayscale’, ‘seaborn’, ‘seaborn-bright’, ‘seaborn-colorblind’, ‘seaborn-dark’, ‘seaborn-dark-palette’, ‘seaborn-darkgrid’, ‘seaborn-deep’, ‘seaborn-muted’, ‘seaborn-notebook’, ‘seaborn-paper’, ‘seaborn-pastel’, ‘seaborn-poster’, ‘seaborn-talk’, ‘seaborn-ticks’, ‘seaborn-white’, ‘seaborn-whitegrid’, ‘tableau-colorblind10’

②自定义样式stylesheet
样式清单后缀名为mplstyle，内容：
axes.titlesize : 24
axes.labelsize : 20
lines.linewidth : 3
lines.markersize : 10
xtick.labelsize : 16
ytick.labelsize : 16

③rcparams
修改默认rc设置的方式改变样式（rc设置都保存在matplotlib.rcParams的变量）如：
线宽→mpl.rcParams[‘lines.linewidth’] = 2
线型→mpl.rcParams[‘lines.linestyle’] = ‘–’
线宽、线型→mpl.rc(‘lines’, linewidth=4, linestyle=‘-.’)

二、颜色
单色颜色
1、RGB或RGBA
颜色用[0,1]之间的浮点数表示，四个分量按顺序分别为(red, green, blue, alpha)
plt.plot([4,5,6],[1,2,3],color=(0.1, 0.2, 0.5, 0.5))
2、HEX RGB或RGBA
用十六进制颜色码表示，同样最后两位表示透明度
plt.plot([4,5,6],[1,2,3],color=‘#0f0f0f80’)
3、灰度色阶
当只有一个位于[0,1]的值时，表示灰度色阶
plt.plot([1,2,3],[4,5,6],color=‘0.5’)
4、单字符基本颜色
‘b’, ‘g’, ‘r’, ‘c’, ‘m’, ‘y’, ‘k’, 'w’对应blue, green, red, cyan, magenta, yellow, black, white
plt.plot([1,2,3],[4,5,6],color=‘m’)
5、颜色名称
plt.plot([1,2,3],[4,5,6],color=‘tan’)

colormap多色显示
五种colormap的字符串表示和颜色图的对应关系

顺序（Sequential）。通常使用单一色调，逐渐改变亮度和颜色渐渐增加，用于表示有顺序的信息

发散（Diverging）。改变两种不同颜色的亮度和饱和度，这些颜色在中间以不饱和的颜色相遇；当绘制的信息具有关键中间值（例如地形）或数据偏离零时，应使用此值。

循环（Cyclic）。改变两种不同颜色的亮度，在中间和开始/结束时以不饱和的颜色相遇。用于在端点处环绕的值，例如相角，风向或一天中的时间。

定性（Qualitative）。常是杂色，用来表示没有排序或关系的信息。

杂色（Miscellaneous）。一些在特定场景使用的杂色组合，如彩虹，海洋，地形

第37期Datawhale组队学习——数据可视化（Matplotlib）相关推荐

第8期Datawhale组队学习计划
第8期Datawhale组队学习计划马上就要开始啦这次共组织15个组队学习,涵盖了AI领域从理论知识到动手实践的内容按照下面给出的最完备学习路线分类,难度系数分为低.中.高三档,可以按照需要参加 ...
第7期 Datawhale 组队学习计划
马上就要开始啦这次共组织15个组队学习涵盖了AI领域从理论知识到动手实践的内容按照下面给出的最完备学习路线分类难度系数分为低.中.高三档可以按照需要参加 - 学习路线 - 基础知识 01 统 ...
【组队学习】【28期】Datawhale组队学习内容介绍
第28期 Datawhale 组队学习活动马上就要开始啦! 本次组队学习的内容为: 吃瓜教程--西瓜书+南瓜书李宏毅机器学习动手学数据分析集成学习 SQL编程语言 R语言数据科学基于Pytho ...
【组队学习】【29期】Datawhale组队学习内容介绍
第29期 Datawhale 组队学习活动马上就要开始啦! 本次组队学习的内容为: 编程实践(数据可视化) 计算机视觉自然语言处理之情感分析吃瓜教程--西瓜书+南瓜书李宏毅机器学习(含深度学习) ...
【组队学习】【25期】Datawhale组队学习内容介绍
第25期 Datawhale 组队学习活动马上就要开始啦! 本次组队学习的内容为: web开发入门教程数据挖掘实战(异常检测) 集成学习(下) 大家可以根据我们的开源内容进行自学,也可以加入我们的组 ...
【组队学习】【24期】Datawhale组队学习内容介绍
第24期 Datawhale 组队学习活动马上就要开始啦! 本次组队学习的内容为: 零基础入门语音识别(食物声音识别) Docker教程数据挖掘实践(智慧海洋) 集成学习(中) 河北邀请赛(二手车价 ...
大数据处理技术导论（1） | Datawhale组队学习46期
文章目录前言 1. 大数据概述 1.1 数据量大 Volume 1.2 数据种类多 Variety 1.3 处理速度快 Velocity 1.4 价值密度低 Value 2. hadoop 2.1 ...
Datawhale组队学习-金融时序数据挖掘实践-Task01数据探索与分析
Datawhale组队学习-金融时序数据挖掘实践-Task01数据探索与分析在二手车交易价格预测之后,本菜鸟又加入了金融时序数据挖掘实践的学习.两个项目都是结构化数据,都着重于对数据本身的探索. ...
Datawhale组队学习周报（第047周）
本周报总结了从 2021年01月03日至2022年01月09日,Datawhale组队学习的运行情况,我们一直秉承"与学习者一起成长的理念",希望这个活动能够让更多的学习者受益. ...

第37期Datawhale组队学习——数据可视化（Matplotlib）

目录

前言