Matplotlib实用绘图技巧总结

港控/mmm° 2022-10-21 11:51 284阅读 0赞

在日常的业务数据分析 ，可视化是非常重要的步骤。这里总结了matplotlib常用绘图技巧，希望可以帮助大家更加更加高效的、美观的显示图表。作者：北山啦  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQ1MTc2NTQ4_size_30_color_FFFFFF_t_70]

> Matplotlib 是 Python 的绘图库。 它可与 NumPy 一起使用，提供了一种有效的 MatLab 开源替代方案。 它也可以和图形工具包一起使用，如 PyQt 和wxPython。  
> 推荐阅读：

[matplotlib实用绘图技巧总结][matplotlib]  
[Python 数据可视化–Seaborn绘图总结1][Python _Seaborn_1]  
[Python数据可视化–Seaborn绘图总结2][Python_Seaborn_2]

--------------------

[Tableau数据分析-Chapter01条形图、堆积图、直方图][Tableau_-Chapter01]  
[Tableau数据分析-Chapter02数据预处理、折线图、饼图][Tableau_-Chapter02]  
[Tableau数据分析-Chapter03基本表、树状图、气泡图、词云][Tableau_-Chapter03]  
[Tableau数据分析-Chapter04标靶图、甘特图、瀑布图][Tableau_-Chapter04]  
[Tableau数据分析-Chapter05数据集合并、符号地图][Tableau_-Chapter05]  
[Tableau数据分析-Chapter06填充地图、多维地图、混合地图][Tableau_-Chapter06]  
[Tableau数据分析-Chapter07多边形地图和背景地图][Tableau_-Chapter07]  
[Tableau数据分析-Chapter08数据分层、数据分组、数据集][Tableau_-Chapter08]  
[Tableau数据分析-Chapter09粒度、聚合与比率][Tableau_-Chapter09]  
[Tableau数据分析-Chapter10 人口金字塔、漏斗图、箱线图][Tableau_-Chapter10]  
[Tableau中国五城市六年PM2.5数据挖掘][Tableau_PM2.5]

### 文章目录 ###

*  显示中文
 *  字体风格
 *  绘制子图
 *  matplotlib绘图设置不显示边框、坐标轴
 *  提高分辨率
 *  设置绘图风格
 *  添加标题
 *  显示网格
 *  图例设置
 *  添加公式
 *  图形交互设置
 *  保存图片
 *  读取图片
 *  条形图
 *  散点图
 *  带表格的图形
 *  模板

pip3 install matplotlib -i https://pypi.tuna.tsinghua.edu.cn/simple

import matplotlib.pyplot as plt

# 显示中文 #

借助全局参数配置字典rcParams，只需要在代码开头，添加如下两行代码即可

plt.rcParams['font.sans-serif'] = ['SimHei'] 
    plt.rcParams['axes.unicode_minus'] = False

同时还可以设置字体，常见字体：

font.family  字体的名称
    sans-serif   西文字体（默认）
    SimHei       中文黑体
    FangSong     中文仿宋
    YouYuan      中文幼圆
    STSong       华文宋体
    Kaiti        中文楷体
    LiSu         中文隶书

# 字体风格 #

plt.rcParams["font.style"] = "italic"

# 绘制子图 #

画图时，show()是个阻塞函数总是要放在最后，它阻止命令继续往下运行

1.  plt.subplot2grid()

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

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQ1MTc2NTQ4_size_16_color_FFFFFF_t_70]  
2. plt.subplot()

import numpy as np
    import pandas as pd
    import matplotlib.pyplot as plt
    # 画第1个图：折线图
    x=np.arange(1,100)
    plt.subplot(221)
    plt.plot(x,x*x)
    # 画第2个图：散点图
    plt.subplot(222)
    plt.scatter(np.arange(0,10), np.random.rand(10))
    # 画第3个图：饼图
    plt.subplot(223)
    plt.pie(x=[15,30,45,10],labels=list('ABCD'),autopct='%.0f',explode=[0,0.05,0,0])
    
    # 画第4个图：条形图
    plt.subplot(224)
    plt.bar([20,10,30,25,15],[25,15,35,30,20],color='b')
    plt.show()

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQ1MTc2NTQ4_size_16_color_FFFFFF_t_70 1]

# matplotlib绘图设置不显示边框、坐标轴 #

对于有些图形我们希望通过隐藏坐标轴来显得更加美观

plt.xticks([])
    plt.yticks([])
    ax = plt.subplot(2,5,1)
    # 去除黑框
    ax.spines['top'].set_visible(False)
    ax.spines['right'].set_visible(False)
    ax.spines['bottom'].set_visible(False)
    ax.spines['left'].set_visible(False)

实例：

#author：https://beishan.blog.csdn.net/
    import matplotlib.pyplot as plt
    for i in range(0,10):
        fig = plt.gcf()
        fig.set_size_inches(12,6)
        ax = plt.subplot(2,5,i+1)
        # 去除坐标轴
        plt.xticks([])
        plt.yticks([])
    
        # 去除黑框
        ax.spines['top'].set_visible(False)
        ax.spines['right'].set_visible(False)
        ax.spines['bottom'].set_visible(False)
        ax.spines['left'].set_visible(False)
        # 设置各个子图间间距
        plt.subplots_adjust(left=0.10, top=0.88, right=0.65, bottom=0.08, wspace=0.02, hspace=0.02)
        ax.imshow(Xtrain[i],cmap="binary")

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQ1MTc2NTQ4_size_30_color_FFFFFF_t_70 1]

# 提高分辨率 #

如果感觉默认生成的图形分辨率不够高，可以尝试修改 dpi 来提高分辨率

plt.figure(figsize = (7,6),dpi =100)

# 设置绘图风格 #

有时我们会觉得matplotlib默认制作出来的图片太朴素了，不够高级，其实开发者也内置了几十种主题让我们自己选择，只要使用plt.style.use(‘主题名’)指定主题即可

plt.style.use('ggplot')

常用的样式有

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

# 添加标题 #

plt.title("2020-2021北山啦粉丝数增长图")

# 显示网格 #

plt.grid()
    plt.grid(color='g',linewidth='1',linestyle='-.')

# 图例设置 #

plt.legend(["2020","2021"],loc="best")

也可以给图例添加标题

plt.plot([1,3,5,7],[4,9,6,8],"ro--")
    plt.plot([1,2,3,4], [2,4,6,8],"gs-.")
    plt.legend(["2020","2021"],loc="best",title="标题")
    plt.title("2020-2021北山啦粉丝数增长图")

# 添加公式 #

有时我们在绘图时需要添加带有数学符号、公式的文字，

plt.text(11000,0.45,r'拟合曲线为$f(x) = x^2-4x+0.5$')

# 图形交互设置 #

jupyter中的魔法方法

%matplotlib notebook 弹出可交互的matplotlib窗口
    %matplotlib qt5 弹出matplotlib控制台
    %matplotlib inline 直接嵌入图表，不需要使用plt.show()

# 保存图片 #

plt.savefig("pic.png",dpi=100,bbox_inches="tight")

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQ1MTc2NTQ4_size_16_color_FFFFFF_t_70 2]

# 读取图片 #

1.  方法一

from PIL import Image
    image = Image.open("./pic.png")
    image.show()

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQ1MTc2NTQ4_size_16_color_FFFFFF_t_70 3]

1.  方法二

import matplotlib.pyplot as plt
    X = plt.imread("./pic.png")
    plt.imshow(X)

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQ1MTc2NTQ4_size_16_color_FFFFFF_t_70 4]

# 条形图 #

def f(t):
        return np.exp(-t) * np.cos(2*np.pi*t)
    a = np.arange(0,5,0.02)
    
    plt.subplot(211)
    plt.plot(a,f(a))
    
    plt.subplot(212)
    plt.plot(a,np.cos(2*np.pi*a),'r--')
    
    plt.show()

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQ1MTc2NTQ4_size_16_color_FFFFFF_t_70 5]

b = np.arange(0,2,0.02)
    plt.plot(b,np.sin(2*np.pi*b),'--',b,np.cos(2*np.pi*b),"*")

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQ1MTc2NTQ4_size_16_color_FFFFFF_t_70 6]

# 散点图 #

import numpy as np
    import matplotlib.pyplot as plt
    
    # Fixing random state for reproducibility
    np.random.seed(19680801)
    
    
    N = 50
    x = np.random.rand(N)
    y = np.random.rand(N)
    colors = np.random.rand(N)
    area = (30 * np.random.rand(N))**2  # 0 to 15 point radii
    
    plt.scatter(x, y, s=area, c=colors, alpha=0.5)
    plt.show()

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQ1MTc2NTQ4_size_16_color_FFFFFF_t_70 7]

# 带表格的图形 #

import numpy as np
    import matplotlib.pyplot as plt
    
    
    data = [[ 66386, 174296,  75131, 577908,  32015],
            [ 58230, 381139,  78045,  99308, 160454],
            [ 89135,  80552, 152558, 497981, 603535],
            [ 78415,  81858, 150656, 193263,  69638],
            [139361, 331509, 343164, 781380,  52269]]
    
    columns = ('Freeze', 'Wind', 'Flood', 'Quake', 'Hail')
    rows = ['%d year' % x for x in (100, 50, 20, 10, 5)]
    
    values = np.arange(0, 2500, 500)
    value_increment = 1000
    
    # Get some pastel shades for the colors
    colors = plt.cm.BuPu(np.linspace(0, 0.5, len(rows)))
    n_rows = len(data)
    
    index = np.arange(len(columns)) + 0.3
    bar_width = 0.4
    
    # Initialize the vertical-offset for the stacked bar chart.
    y_offset = np.zeros(len(columns))
    
    # Plot bars and create text labels for the table
    cell_text = []
    for row in range(n_rows):
        plt.bar(index, data[row], bar_width, bottom=y_offset, color=colors[row])
        y_offset = y_offset + data[row]
        cell_text.append(['%1.1f' % (x / 1000.0) for x in y_offset])
    # Reverse colors and text labels to display the last value at the top.
    colors = colors[::-1]
    cell_text.reverse()
    
    # Add a table at the bottom of the axes
    the_table = plt.table(cellText=cell_text,
                          rowLabels=rows,
                          rowColours=colors,
                          colLabels=columns,
                          loc='bottom')
    
    # Adjust layout to make room for the table:
    plt.subplots_adjust(left=0.2, bottom=0.2)
    
    plt.ylabel("Loss in ${0}'s".format(value_increment))
    plt.yticks(values * value_increment, ['%d' % val for val in values])
    plt.xticks([])
    plt.title('Loss by Disaster')
    
    plt.show()

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQ1MTc2NTQ4_size_16_color_FFFFFF_t_70 8]

# 模板 #

from matplotlib import pyplot as plt
    import random
    from pylab import mpl
    
    # 设置中文显示
    mpl.rcParams["font.sans-serif"] = ["SimHei"]
    mpl.rcParams["axes.unicode_minus"] = False
    
    x = range(60)
    y_shanghai = [random.uniform(15, 18) for i in x]
    y_beijing = [random.uniform(1, 3) for i in x]
    
    # 设置图像大小及清晰度
    plt.figure(figsize=(20, 8), dpi=80)
    
    # 绘制图像
    plt.plot(x, y_shanghai, label="上海")
    plt.plot(x, y_beijing, color="r", linestyle="--", label="北京")
    
    x_ticks_label = ["11点{}分".format(i) for i in x]
    y_ticks = range(40)
    x_ticks = x[::5]
    
    # 设置坐标轴刻度
    plt.xticks(x_ticks, x_ticks_label[::5])
    plt.yticks(y_ticks[::5])
    
    # 设置网格
    plt.grid(True, linestyle="--", alpha=1)
    
    # 设置坐标轴含义
    plt.xlabel("时间")
    plt.ylabel("温度")
    plt.title("中午11点到12点某城市的温度变化图", fontsize=20)
    
    # 添加图例
    plt.legend(loc="best")
    
    # 图像保存
    plt.savefig("./test.png")
    
    # 展示图像
    plt.show()

推荐阅读：  
[Tableau数据分析-Chapter01条形图、堆积图、直方图][Tableau_-Chapter01]  
[Tableau数据分析-Chapter02数据预处理、折线图、饼图][Tableau_-Chapter02]  
[Tableau数据分析-Chapter03基本表、树状图、气泡图、词云][Tableau_-Chapter03]  
[Tableau数据分析-Chapter04标靶图、甘特图、瀑布图][Tableau_-Chapter04]  
[Tableau数据分析-Chapter05数据集合并、符号地图][Tableau_-Chapter05]  
[Tableau数据分析-Chapter06填充地图、多维地图、混合地图][Tableau_-Chapter06]  
[Tableau数据分析-Chapter07多边形地图和背景地图][Tableau_-Chapter07]  
[Tableau数据分析-Chapter08数据分层、数据分组、数据集][Tableau_-Chapter08]  
[Tableau数据分析-Chapter09粒度、聚合与比率][Tableau_-Chapter09]  
[Tableau数据分析-Chapter10 人口金字塔、漏斗图、箱线图][Tableau_-Chapter10]  
[Tableau中国五城市六年PM2.5数据挖掘][Tableau_PM2.5]

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQ1MTc2NTQ4_size_16_color_FFFFFF_t_70 9]

> 到这里就结束了，如果对你有帮助，欢迎点赞关注，你的点赞对我很重要。作者：北山啦

[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQ1MTc2NTQ4_size_30_color_FFFFFF_t_70]: /images/20221021/3b2ec18c6e1049f299ea201db28ae6d5.png
[matplotlib]: https://beishan.blog.csdn.net/article/details/116401687
[Python _Seaborn_1]: https://beishan.blog.csdn.net/article/details/117380983
[Python_Seaborn_2]: https://beishan.blog.csdn.net/article/details/117305614
[Tableau_-Chapter01]: https://blog.csdn.net/qq_45176548/article/details/112756406
[Tableau_-Chapter02]: https://blog.csdn.net/qq_45176548/article/details/112757539
[Tableau_-Chapter03]: https://blog.csdn.net/qq_45176548/article/details/112758689
[Tableau_-Chapter04]: https://blog.csdn.net/qq_45176548/article/details/112777582
[Tableau_-Chapter05]: https://blog.csdn.net/qq_45176548/article/details/112788089
[Tableau_-Chapter06]: https://blog.csdn.net/qq_45176548/article/details/112797650
[Tableau_-Chapter07]: https://blog.csdn.net/qq_45176548/article/details/112849661
[Tableau_-Chapter08]: https://blog.csdn.net/qq_45176548/article/details/112850737
[Tableau_-Chapter09]: https://blog.csdn.net/qq_45176548/article/details/112873059
[Tableau_-Chapter10]: https://beishan.blog.csdn.net/article/details/116400020
[Tableau_PM2.5]: https://blog.csdn.net/qq_45176548/article/details/113619239
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQ1MTc2NTQ4_size_16_color_FFFFFF_t_70]: /images/20221021/27eab8b222904edcb71f4ea9199f6d69.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQ1MTc2NTQ4_size_16_color_FFFFFF_t_70 1]: /images/20221021/bf94313eac114e26ada2a71f9d3f7052.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQ1MTc2NTQ4_size_30_color_FFFFFF_t_70 1]: /images/20221021/7431c0f742dd4bd298cc3fe91263360c.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQ1MTc2NTQ4_size_16_color_FFFFFF_t_70 2]: /images/20221021/9d03d5c37a624733b0ee341f9ff39e90.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQ1MTc2NTQ4_size_16_color_FFFFFF_t_70 3]: /images/20221021/03d338e37fc845abb3c6d6a763f3c316.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQ1MTc2NTQ4_size_16_color_FFFFFF_t_70 4]: /images/20221021/57015772af6a4a0b94a0f948bc13a121.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQ1MTc2NTQ4_size_16_color_FFFFFF_t_70 5]: /images/20221021/b965b3144f3f4da292a7ffde4cccab67.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQ1MTc2NTQ4_size_16_color_FFFFFF_t_70 6]: /images/20221021/063b5875946548a98404913e1ecacd91.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQ1MTc2NTQ4_size_16_color_FFFFFF_t_70 7]: /images/20221021/c85d2d8ace704eabb6e275c287b35645.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQ1MTc2NTQ4_size_16_color_FFFFFF_t_70 8]: /images/20221021/5bd024336ccb45a58d24bdb73bceee96.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQ1MTc2NTQ4_size_16_color_FFFFFF_t_70 9]: /images/20221021/0a1eb9221b4647b6a537069437193193.png