Matplotlib

1，Matplotlib - 介绍

Matplotlib是一个强大的Python绘图和数据可视化的工具包。

# 安装方法

pip install matplotlib

# 引用方法

import matplotlib.pyplot as plt

# 绘图函数

plt.plot()

# 显示图像

plt.show()

这里可以使用jupyter，ipython notebook桌面解释器来运行matplotlib。

# 安装jupyter

!pip3 install jupyter

# 运行notebook

jupyter notebook

# 然后new一个python3文件，并且可以保存多种格式。

2，plot函数-绘制图像

plot函数：绘图函数。回值点图或线图，具体使用ipython: plt.plot?

# 这些属性可以不标示，直接写入引号里面即可。

#线型

linestyle(-,-.,--,...)

#点型

marker(v, ^, s, *, H, +, x, D, o,...) # o代表圆实点，

#颜色

color(b, g, r, y, k, w, ...)

如图：

3，Matplotlib - 图像标注

Matplotlib - 图像标注

设置图像标题

plt.title()

设置y轴范围

plt.ylim()

设置x轴名称

plt.xlabel()

设置x轴刻度

plt.xticks()

设置y轴名称

plt.ylabel()

设置y轴刻度

plt.yticks()

设置x轴范围

plt.xlim()

设置曲线图例

plt.legend()

代码示例一：调整名字和间隔

import matplotlib.pyplot as plt

import numpy as np

# 图像一：

# 使用np.linspace定义x：范围是(-3,3);个数是50. 仿真一维数据组(x ,y1)表示曲线1. 仿真一维数据组(x ,y2)表示曲线2.

x = np.linspace(-3, 3, 50)

y1 = 2*x + 1

y2 = x**2

# 使用plt.figure定义一个图像窗口. 使用plt.plot画(x ,y2)曲线.

# 使用plt.plot画(x ,y1)曲线，曲线的颜色属性(color)为红色;曲线的宽度(linewidth)为1.0；曲线的类型(linestyle)为虚线.

# 使用plt.title定义标题,使用label定义线条名称，使用plt.legend()显示定义线条

plt.figure()

plt.plot(x, y2, label = 'Line A')

plt.plot(x, y1, color='red', linewidth=1.0, linestyle='--', label = 'Line B')

# legend将要显示的信息来自于上面代码中的 label. 所以我们只需要简单写下一下代码, plt 就能自动的为我们添加图例.

plt.legend(loc='lower right')

# 使用plt.xlim设置x坐标轴范围：(-1, 2)； 使用plt.ylim设置y坐标轴范围：(-2, 3)；

# 使用plt.xlabel设置x坐标轴名称：’I am x’；使用plt.ylabel设置y坐标轴名称：’I am y’；

plt.xlim((-1, 2))

plt.ylim((-2, 3))

plt.xlabel('I am x')

plt.ylabel('I am y')

plt.show()

# 图像二：

# 使用np.linspace定义范围以及个数：范围是(-1,2);个数是5. 使用print打印出新定义的范围.

# 使用plt.xticks设置x轴刻度：范围是(-1,2);个数是5.

new_ticks = np.linspace(-1, 2, 5)

plt.xticks(new_ticks)

plt.title('Temper')

# 使用plt.yticks设置y轴刻度以及名称：刻度为[-2, -1.8, -1, 1.22, 3]；

# 对应刻度的名称为[‘really bad’,’bad’,’normal’,’good’, ‘really good’]. 使用plt.show显示图像.

plt.yticks([-2, -1.8, -1, 1.22, 3],[r'$really\ bad$', r'$bad$', r'$normal$', r'$good$', r'$really\ good$'])

# plt.yticks(np.arange(0,10,2),['a','b','c','d','e','f'])

plt.show()

详解legend函数

plt.legend(loc='lower right')表示右下方

如果我们想单独修改之前的 label 信息, 给不同类型的线条设置图例信息. 我们可以在 plt.legend 输入更多参数. 如果以下面这种形式添加 legend, 我们需要确保, 在上面的代码 plt.plot(x, y2, label='linear line') 和 plt.plot(x, y1, label='square line') 中有用变量 l1 和 l2 分别存储起来. 而且需要注意的是 l1, l2,要以逗号结尾, 因为plt.plot() 返回的是一个列表.

plt.legend(handles=[l1, l2], labels=['up', 'down'], loc='best')

这样我们就能分别重新设置线条对应的 label 了.

其中’loc’参数有多种，’best’表示自动分配最佳位置，其余的如下：

'best' : 0,

'upper right' : 1,

'upper left' : 2,

'lower left' : 3,

'lower right' : 4,

'right' : 5,

'center left' : 6,

'center right' : 7,

'lower center' : 8,

'upper center' : 9,

'center' : 10,

总结果如图所示：

代码示例二：调整坐标轴

import matplotlib.pyplot as plt

import numpy as np

x = np.linspace(-3, 3, 50)

y1 = 2*x + 1

y2 = x**2

plt.figure()

plt.plot(x, y2)

plt.plot(x, y1, color='red', linewidth=1.0, linestyle='--')

plt.xlim((-1, 2))

plt.ylim((-2, 3))

new_ticks = np.linspace(-1, 2, 5)

plt.xticks(new_ticks)

plt.yticks([-2, -1.8, -1, 1.22, 3],['$really\ bad$', '$bad$', '$normal$', '$good$', '$really\ good$'])

# 使用plt.gca获取当前坐标轴信息. 使用.spines设置边框：右侧边框；使用.set_color设置边框颜色：默认白色；

# 使用.spines设置边框：上边框；使用.set_color设置边框颜色：默认白色；

ax = plt.gca()

ax.spines['right'].set_color('none')

ax.spines['top'].set_color('none')

# 使用.xaxis.set_ticks_position设置x坐标刻度数字或名称的位置：bottom.(所有位置：top，bottom，both，default，none)

ax.xaxis.set_ticks_position('bottom')

# 使用.spines设置边框：x轴；使用.set_position设置边框位置：y=0的位置；(位置所有属性：outward，axes，data)

ax.spines['bottom'].set_position(('data', 0))

# 使用.yaxis.set_ticks_position设置y坐标刻度数字或名称的位置：left.(所有位置：left，right，both，default，none)

ax.yaxis.set_ticks_position('left')

# 使用.spines设置边框：y轴；使用.set_position设置边框位置：x=0的位置；(位置所有属性：outward，axes，data)

ax.spines['left'].set_position(('data',0))

plt.show()

结果示意图：

4，Annotation标注

标注图像中某些特殊的地方

当图线中某些特殊地方需要标注时，我们可以使用 annotation. matplotlib 中的 annotation 有两种方法， 一种是用 plt 里面的 annotate，一种是直接用 plt 里面的 text 来写标注.

①画出基本图，绘制一条直线：

import matplotlib.pyplot as plt

import numpy as np

x = np.linspace(-3, 3, 50)

y = 2*x + 1

plt.figure(num=1, figsize=(8, 5),)

plt.plot(x, y,)

结果如图：

②移动坐标

然后我们挪动坐标轴的位置.

ax = plt.gca()

ax.spines['right'].set_color('none')

ax.spines['top'].set_color('none')

ax.spines['top'].set_color('none')

ax.xaxis.set_ticks_position('bottom')

ax.spines['bottom'].set_position(('data', 0))

ax.yaxis.set_ticks_position('left')

ax.spines['left'].set_position(('data', 0))

结果如图:

然后标注出点(x0, y0)的位置信息. 用plt.plot([x0, x0,], [0, y0,], 'k--', linewidth=2.5) 画出一条垂直于x轴的虚线.

x0 = 1

y0 = 2*x0 + 1

plt.plot([x0, x0,], [0, y0,], 'k--', linewidth=2.5)

# set dot styles

plt.scatter([x0, ], [y0, ], s=50, color='b')

结果如图：

③添加注释annotate

接下来我们就对(x0, y0)这个点进行标注.

plt.annotate(r'$2x+1=%s$' % y0, xy=(x0, y0), xycoords='data', xytext=(+30, -30),

textcoords='offset points', fontsize=16,

arrowprops=dict(arrowstyle='->', connectionstyle="arc3,rad=.2"))

其中参数xycoords='data' 是说基于数据的值来选位置, xytext=(+30, -30) 和 textcoords='offset points' 对于标注位置的描述 和 xy 偏差值, arrowprops是对图中箭头类型的一些设置.

结果如图：

④添加注释text

plt.text(-3.7, 3, r'$This\ is\ the\ some\ text. \mu\ \sigma_i\ \alpha_t$',

fontdict={'size': 16, 'color': 'r'})

其中-3.7, 3,是选取text的位置, 空格需要用到转字符\,fontdict设置文本字体.

结果如图：

5，Matplotlib - 画布与图

Matplotlib - 画布与图

画布

figure

fig = plt.figure()

图

subplot

ax1 = fig.add_subplot(2, 2, 1)

调节子图间距

subplots_adjust(left, bottom, right, top, wspace, hspace)

建立等差数列值

np.linspace(start,end)  # 在指定的间隔内返回均匀间隔的数字

wspace表示宽度，hspace表示高度

㈠subplot多合一显示

①均匀图中图

import matplotlib.pyplot as plt

plt.figure()

# 使用plt.subplot来创建小图. plt.subplot(2,2,1)表示将整个图像窗口分为2行2列, 当前位置为1.

# 使用plt.plot([0,1],[0,1])在第1个位置创建一个小图.

plt.subplot(2,2,1)

plt.plot([0,1],[0,1])

# plt.subplot(2,2,2)表示将整个图像窗口分为2行2列, 当前位置为2. 使用plt.plot([0,1],[0,2])在第2个位置创建一个小图.

plt.subplot(2,2,2)

plt.plot([0,1],[0,2])

# plt.subplot(2,2,3)表示将整个图像窗口分为2行2列,当前位置为3. plt.subplot(2,2,3)可以简写

# 成plt.subplot(223), matplotlib同样可以识别. 使用plt.plot([0,1],[0,3])在第3个位置创建一个小图.

plt.subplot(223)

plt.plot([0,1],[0,3])

# plt.subplot(224)表示将整个图像窗口分为2行2列, 当前位置为4. 使用plt.plot([0,1],[0,4])在第4个位置创建一个小图.

plt.subplot(224)

plt.plot([0,1],[0,4])

plt.show() # 展示

结果如图所示：

②不均匀图中图

import matplotlib.pyplot as plt

plt.figure()

# 使用plt.subplot(2,1,1)将整个图像窗口分为2行1列, 当前位置为1. 使用plt.plot([0,1],[0,1])在第1个位置创建一个小图.

plt.subplot(2,1,1)

plt.plot([0,1],[0,1])

# 使用plt.subplot(2,3,4)将整个图像窗口分为2行3列, 当前位置为4. 使用plt.plot([0,1],[0,2])在第4个位置创建一个小图.

plt.subplot(2,3,4)

plt.plot([0,1],[0,2])

plt.subplot(235)

plt.plot([0,1],[0,3])

plt.subplot(236)

plt.plot([0,1],[0,4])

plt.show() # 展示

结果如图所示：

条形图：

import numpy as np

import pandas as pd

import matplotlib.pyplot as plt

data = [32, 48, 21, 100]

labels = ['Jan', 'Feb', 'Mar', 'Apr']

plt.bar(np.arange(len(data)),data, align = 'edge')

plt.xticks(np.arange(len(data)),labels)

plt.show()

图形示意：

饼图：

plt.pie([10,20,30,40],labels = ['a', 'b', 'c', 'd'], autopct = "%.2f%%",explode = [0.1, 0, 0.1, 0])

plt.axis('equal')

plt.show()

图形结果:

㈥绘制K线图

matplotlib.finanace子包中有许多绘制金融相关图的函数接口。最新的是mpl_finance包

绘制K线图函数：

matplotlib.finance.candlestick_ochl

无需matplotlib.finance，直接使用mpl_finance中的candlestick_ochl

import matplotlib.pyplot as plt

import matplotlib

import pandas as pd

from mpl_finance import candlestick_ochl

over