Python可视化库matplotlib

朱雀 2022-02-22 09:55 541阅读 0赞

**绘制基本曲线：**  
使用plot函数绘制函数曲线，可以调整plot函数参数，配置曲线样式、粗细、颜色、标记等。

**设置坐标轴：**  
(1)spines方法移动坐标轴  
(2)xlim方法设置坐标轴刻度取值范围  
(3)xticks,yticks方法设置x,y轴的刻度标签值  
(4)title方法设置标题，xlabel,ylabel方法设置坐标轴描述

**设置图片上的描述：**  
(1)text方法设置图片上的文字描述和注解  
(2)annotate方法对图片上某个点加注解  
(3)legend方法设置图像图例，可使用如下两种方式:  
1、在 plt.plot 函数中添加 label 参数后，使用 plt.legend(loc=’up right’)  
2、不使用参数 label, 直接使用如下命令：  
网格线开关：plt.grid(True)  
图像显示：plt.show()  
图像保存：savefig(‘…/ / .png’)

**常用图形：**  
(1)曲线图:描绘波动,2个维度matplotlib.pyplot.plot(data)  
(2)灰度图:直方图,1个维度matplotlib.pyplot.hist(data)  
(3)散点图:2个维度数据的关联程度matplotlib.pyplot.scatter(data)  
(4)箱式图:设定上下限,除数据噪声matplotlib.pyplot.boxplot(data)  
(5)饼状图:各类别占比matplotlib.pyplot.pie(data)

**一幅数据图基本包括如下结构：**  
Data: 数据区,包括数据点\\描绘形状  
Axis: 坐标轴,包括X轴\\Y轴及其标签、刻度尺及其标签  
Title: 标题,数据图的描述  
Legend: 图例,区分图中包含的多种曲线或不同分类的数据  
其他的还有图形文本 (Text)\\注解 (Annotate)等其他描述

**绘制基本曲线：**  
使用plot函数绘制函数曲线，可以调整plot函数参数，配置曲线样式、粗细、颜色、标记等。

%matplotlib inline  
    #图嵌入web窗口jupyter notebook中
    import numpy as np
    import matplotlib.pyplot as plt
    #准备数据
    x=np.arange(0.,10,0.2)						#arange函数用于创建等差数组，与range函数非常类似，两者的区别仅仅是arange返回的是一个array()数据，而range返回的是list。
    y1=np.cos(x)								#余弦，直角三角形中锐角的邻边与斜边的比值
    y2=np.sin(x)								#正弦，直角三角形中锐角的对边与斜边的比值
    y3=np.sqrt(x)								#平方根
    # print(plt.rcParams) 						#matplotlib配置文件信息
    plt.rcParams['figure.figsize']=(12,8)   	#rcParams修改配置文件中的图片尺寸
    plt.rcParams['font.sans-serif']=['SimHei'] 	#解决汉字显示问题
    plt.plot(x,y1,color='blue',linewidth=1.5,linestyle='-.',marker='.',label=r'$y=cos{x}$')
    plt.plot(x,y2,color='green',linewidth=2.5,linestyle='--',marker='*',label=r'$y=sin{x}$')
    plt.plot(x,y3,color='m',linewidth=3.5,linestyle=':',marker='x',label=r'$y=sqrt{x}$')
    plt.legend(loc='upper left')  				#图例,区分图中包含的多种曲线或不同分类的数据，需先在plot中使用label参数才能显示(有效位置：best、upper right、upper left、lower left、lower right、right、center left、center right、lower center、upper center、center)
    #color参数设定线颜色
    #linewidth参数设定曲线的粗细
    #linestyle参数设定实线（-）、虚线（:）、双划线（--）、点划线（-.）
    #marker参数设定在曲线上标记的特殊符号,以区分不同的线段
    #label参数和图的legend标号有关

**MATLAB中提供的线型属性有：**

图：

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM4ODgyMzI3_size_16_color_FFFFFF_t_70]

**设置坐标轴：**  
(1.)spines移动坐标轴

%matplotlib inline  
    import numpy as np
    import matplotlib.pyplot as plt
    ax=plt.subplot(111)  							#设置一个空图
    #隐藏顶部和右侧边框
    ax.spines['right'].set_color('none')  			#set_color设置右边轴线为透明色
    ax.spines['top'].set_color('none')	
    #边框定位
    ax.xaxis.set_ticks_position('bottom')  			#设置水平轴上的坐标轴刻度
    ax.spines['bottom'].set_position(('data',0))  	#set_position设置轴位置:'center' -> ('axes',0.5)；'zero' -> ('data', 0.0)
    ax.yaxis.set_ticks_position('left')
    ax.spines['left'].set_position(('data',0.1))

图：

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM4ODgyMzI3_size_16_color_FFFFFF_t_70 1]  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM4ODgyMzI3_size_16_color_FFFFFF_t_70 2]

(2.)xlim方法设置坐标轴刻度取值范围

%matplotlib inline  
    import numpy as np
    import matplotlib.pyplot as plt
    x=np.arange(0.,10,0.2)
    plt.xlim(x.min()*1.1,x.max()*1.1)	#x.min()*1.1=0, x.max()*1.1=10.78
    plt.ylim(-1.5,4.0)

图：

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM4ODgyMzI3_size_16_color_FFFFFF_t_70 3]

(3.)xticks,yticks方法设置x,y轴的刻度标签值

图：

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM4ODgyMzI3_size_16_color_FFFFFF_t_70 4]

(4.)title方法设置标题，xlabel,ylabel方法设置坐标轴描述

%matplotlib inline  
    import numpy as np
    import matplotlib.pyplot as plt
    x=np.arange(0.,10,0.2)
    plt.xlim(x.min()*1.1,x.max()*1.1)
    plt.ylim(-1.5,4.0)
    plt.xticks([2,4,6,8,10],[r'two',r'four',r'six',r'8',r'10'])
    plt.yticks([-1.0,0.0,1.0,2.0,3.0,4.0],[r'bottom',r'0.0',r'1.0',r'2.0',r'3.0',r'4.0'])
    plt.title(r'$the \ function \ figure \ of \ cos(), \ sin() \ and \ sqrt()$',fontsize=19)  	#'\'号两侧必须各有一个空格字符,否则无法解析，fontsize参数设置字体大小
    plt.xlabel(r'$the \ input \ value \ of \ x$',fontsize=18,labelpad=18.8)  					#labelpad参数设置描述距离轴远近
    plt.ylabel(r'$y=f(x)$',fontsize=18,labelpad=12.5)

图：

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM4ODgyMzI3_size_16_color_FFFFFF_t_70 5]

**设置图片上的描述：**  
(1.)text方法设置文字描述和注解

%matplotlib inline  
    import numpy as np
    import matplotlib.pyplot as plt
    x=np.arange(0.,1,0.02)
    plt.xlim(x.min()*1.1,x.max()*1.1)
    plt.ylim(-1.5,4.0)
    plt.text(0.8,2.9,r'$x \in [0.0, 10.0]$',color='k',fontsize=10)
    plt.text(0.8,0.8,r'$y \in [-1.0, 4.0]$',color='k',fontsize=10)

图：

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM4ODgyMzI3_size_16_color_FFFFFF_t_70 6]

(2.)annotate方法对某个点加注解

%matplotlib inline  
    import numpy as np
    import matplotlib.pyplot as plt
    x=np.arange(0.,10,0.2)
    plt.xlim(x.min()*1.1,x.max()*1.1)
    plt.ylim(-1.5,4.0)
    plt.scatter([8,],[np.sqrt(8),],50,color='m')  #使用散点图放大当前点
    plt.annotate(r'$2\sqrt{2}$',xy=(8,np.sqrt(8)),xytext=(8.5,2.2),fontsize=16,color='#090909', arrowprops=dict(arrowstyle='->',connectionstyle='arc3,rad=0.1',color='#090909'))
    #xy参数设置'被注解点'的坐标,xytext参数设置'注解文字'的位置,arrowprops参数设置注解文字与被注解点的连接方式

图：

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM4ODgyMzI3_size_16_color_FFFFFF_t_70 7]

(3.)legend方法设置图像图例  
可使用如下两种方式:  
1: 在 plt.plot 函数中添加 label 参数后，使用 plt.legend(loc=’upper right’)

%matplotlib inline  
    import numpy as np
    import matplotlib.pyplot as plt
    x=np.arange(0.,10,0.2)
    y1=np.cos(x)
    y2=np.sin(x)
    y3=np.sqrt(x)
    plt.rcParams['figure.figsize']=(10,6)   #reParams设置图片尺寸
    plt.plot(x,y1,color='blue',linewidth=1.5,linestyle='-',marker='.',label=r'$y=cos{x}$')
    plt.plot(x,y2,color='green',linewidth=1.5,linestyle='-',marker='*',label=r'$y=sin{x}$')
    plt.plot(x,y3,color='m',linewidth=1.5,linestyle='-',marker='x',label=r'$y=\sqrt{x}$')
    plt.legend(loc='upper right')  			#loc参数设置图例在图片中的位置

图：

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM4ODgyMzI3_size_16_color_FFFFFF_t_70 8]

2: 不使用参数 label, 直接使用如下命令：

%matplotlib inline  
    import numpy as np
    import matplotlib.pyplot as plt
    x=np.arange(0.,10,0.2)
    y1=np.cos(x)
    y2=np.sin(x)
    y3=np.sqrt(x)
    plt.rcParams['figure.figsize']=(10,6)   						#reParams设置图片尺寸
    plt.plot(x,y1,color='blue',linewidth=1.5,linestyle='-',marker='.')
    plt.plot(x,y2,color='green',linewidth=1.5,linestyle='-',marker='*')
    plt.plot(x,y3,color='m',linewidth=1.5,linestyle='-',marker='x')
    plt.legend(['cos(x)','sin(x)','sqrt(x)'],loc='upper right')  	#对好顺序

图：

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM4ODgyMzI3_size_16_color_FFFFFF_t_70 9]

网格线开关：plt.grid(True)  
图像显示：plt.show()  
图像保存：savefig(’…/imagetest/picname.png’,dpi=48)

**常用图形：**  
(1)曲线图:描绘波动,2个维度matplotlib.pyplot.plot(data)

%matplotlib inline  
    import numpy as np
    import matplotlib.pyplot as plt
    x=np.arange(-5,5,0.1)
    y=x**2
    plt.plot(x,y)
    plt.grid(True)

图：

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM4ODgyMzI3_size_16_color_FFFFFF_t_70 10]

(2)灰度图:直方图,1个维度matplotlib.pyplot.hist(data)

%matplotlib inline  
    import numpy as np
    import matplotlib.pyplot as plt
    x=np.random.normal(size=1000)	#正态分布，数量为1000
    plt.hist(x,bins=10)  			#bins参数设置分桶数目

图：

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM4ODgyMzI3_size_16_color_FFFFFF_t_70 11]

(3)散点图:2个维度数据的关联程度matplotlib.pyplot.scatter(data)

%matplotlib inline  
    import numpy as np
    import matplotlib.pyplot as plt
    plt.rcParams['figure.figsize']=(8,8)
    x=np.random.normal(size=1000)
    y=np.random.normal(size=1000)
    plt.scatter(x,y)

图：

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM4ODgyMzI3_size_16_color_FFFFFF_t_70 12]

(4)箱式图:设定上下限,除数据噪声matplotlib.pyplot.boxplot(data)  
箱式图(箱线图)科普：  
上边缘（Q3+1.5IQR）、下边缘（Q1-1.5IQR）、IQR=Q3-Q1  
上四分位数（Q3）、下四分位数（Q1）  
中位数  
异常值  
处理异常值时与3σσ标准的异同：统计边界是否受异常值影响、容忍度的大小

%matplotlib inline  
    import numpy as np
    import matplotlib.pyplot as plt
    x=np.arange(-5,5,0.1)
    plt.boxplot(x)

图：

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM4ODgyMzI3_size_16_color_FFFFFF_t_70 13]

(5)饼状图:各类别占比matplotlib.pyplot.pie(data)

%matplotlib inline  
    import numpy as np
    import matplotlib.pyplot as plt
    sort=['Foxes','Cats','Dogs','Pigs']
    sizes=[13,30,30,37]
    color=['m','b','g','r']
    explode=(0,0.1,0,0)   					#分离第2类,数值表示分离远近
    plt.pie(sizes,explode=explode,labels=sort,colors=color,autopct='%1.1f%%',shadow=True)  #autopct参数加百分比

图：

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM4ODgyMzI3_size_16_color_FFFFFF_t_70 14]

[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM4ODgyMzI3_size_16_color_FFFFFF_t_70]: /images/20220222/95b76de22f774f19b600eb3e5f132cbb.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM4ODgyMzI3_size_16_color_FFFFFF_t_70 1]: /images/20220222/b4285c23a5284713a2710e4d3b62dd7d.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM4ODgyMzI3_size_16_color_FFFFFF_t_70 2]: /images/20220222/fc1a43d0a82a4232bece3ff825f1c195.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM4ODgyMzI3_size_16_color_FFFFFF_t_70 3]: /images/20220222/0a8e44dbce3e4fa0b82e49a6a6e7387e.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM4ODgyMzI3_size_16_color_FFFFFF_t_70 4]: /images/20220222/320c614920874045810c19ddf993e21d.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM4ODgyMzI3_size_16_color_FFFFFF_t_70 5]: /images/20220222/d463109ab8014ae986fd1c6ff041d6ac.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM4ODgyMzI3_size_16_color_FFFFFF_t_70 6]: /images/20220222/9dab24e6ab384f559a8df78dccad3d1b.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM4ODgyMzI3_size_16_color_FFFFFF_t_70 7]: /images/20220222/596f067cb5dc49ed9b40524c2e80b619.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM4ODgyMzI3_size_16_color_FFFFFF_t_70 8]: /images/20220222/15b8b206216d4f12ae4043bdb6d30cee.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM4ODgyMzI3_size_16_color_FFFFFF_t_70 9]: /images/20220222/6caf562b271e41aa96d1ac6d9f60cd47.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM4ODgyMzI3_size_16_color_FFFFFF_t_70 10]: /images/20220222/1d5c3b00813b45309d018af03fd4d401.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM4ODgyMzI3_size_16_color_FFFFFF_t_70 11]: /images/20220222/1cb9e89e07eb43eb8659eec46a8f9e84.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM4ODgyMzI3_size_16_color_FFFFFF_t_70 12]: /images/20220222/83441765cb0a4bd6b47af41427db44c6.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM4ODgyMzI3_size_16_color_FFFFFF_t_70 13]: /images/20220222/de0371abc2934f5c9de8d62c672d1c6e.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM4ODgyMzI3_size_16_color_FFFFFF_t_70 14]: /images/20220222/5e8c186d01c74a16a6da9922f359a3e1.png