Matplotlib 进阶（三）

男娘i 2023-10-05 23:49 67阅读 0赞

一、Pandas绘图

> Series和DataFrame是Pandas库中主要的两种数据结构，都内置了plot方法，可以绘制图形
> 
> 1．Series.plot Series是一个一维数据结构，它由index和value组成，类似于Excel表格中的一列数据，由行号和数据组成。根据这样一列数据，我们可以绘制各种图表，如柱状图、条形图、折线图、饼图等。
> 
> 2．DataFrame.plot DataFrame是一个二维结构，除了拥有index和value之外，还拥有column。它类似于一张Excel表格，由多行、多列构成。DataFrame由多个Series对象组成，无论是行还是列，单独拆分出来都是一个Series对象。

官网：[pandas.DataFrame.plot — pandas 1.5.0 documentation][pandas.DataFrame.plot _ pandas 1.5.0 documentation]

**df.plot(\*args, \*\*kwargs)**

![f1b28cde7e24466f8a5ea8fb6a644fc1.png][]

#### 1．Series.plot（） ####

import pandas as pd
    import matplotlib.pyplot as plt
    
    #设置中文
    plt.rcParams['font.sans-serif']='Microsoft YaHei'
    # plt.rcParams['font.size']=12
    
    #数据
    data=pd.Series([500,300,700,400],index=['1季度', '2季度', '3季度', '4季度'])
    
    #
    fig=data.plot(kind='bar',title='2021年各季度销量(单位：万台)',figsize=(10,8),fontsize=30)
    
    # fig=data.plot(kind='pie',title='2021年各季度销量(单位：万台)',figsize=(10,8),fontsize=30)
    
    fig.axes.title.set_size(40)  #设置标题字号
    plt.show()

#### ![90cb1f89e4ff4d20874e0862fd895b93.png][] 2．DataFrame.plot（） ####

import pandas as pd
    import numpy as np
    import matplotlib.pyplot as plt
    
    #数据
    data=pd.DataFrame(np.random.randn(8,4).cumsum(0),columns=['A','B','C','D'],index=np.arange(20,100,10))
    
    data.plot()

![607194883e054f43a02d0a5593eae66d.png][]

import pandas as pd
    import matplotlib.pyplot as plt
    
    #设置中文
    plt.rcParams['font.sans-serif']='Microsoft YaHei'
    plt.rcParams['font.size']=12
    
    #数据
    data=pd.DataFrame([[7,11],[10,1],[18,9],[12,5]],index=['1季度', '2季度', '3季度', '4季度'],columns=['python','java'])
    
    #
    fig=data.plot(kind='bar',title='2021年各季度销量书',figsize=(10,8))
    
    fig.axes.title.set_size(40)  #设置标题字号
    
    plt.show()

![0ccd2733a1224ff28c57f07dd6eee4f3.png][]

#### 二、绘制多图 ####

#### 1. subplot函数：可以一张图中展示多个子图 ####

> 语法：
> 
> subplot(nrows, ncols, index, facecolor, polar, \*\*kwargs)
> 
> 创建一个nrows 行，ncols 列的 Axes 对象，然后返回在 index 位置的子图
> 
> 参数：
> 
> nrows，ncols，index：如果这三个数都小于10,则可以连写，2,2,1 可以写为 221。 facecolor：string型，如 ‘b'，’r' 等，设置子图的背景。
> 
> polar：bool类型，默认为False，设置坐标是否为极坐标。

import matplotlib.pyplot as plt
    import numpy as np
    
    #数据
    x=np.linspace(0.0,6.0)
    y1=np.cos(np.pi*x)
    y2=np.cos(np.pi*x*2)
    
    plt.subplot(211)
    plt.plot(x,y1,'b--',label='cos(pi*x)')
    plt.ylabel('y1')
    
    plt.subplot(212)
    plt.plot(x,y2,'r--',label='cos(pi*2*x)')
    plt.xlabel('x')
    plt.ylabel('y2')
    
    plt.show()
    
    # plt.subplot(211)会将原始的图像切割成2个子图像，是2行1列，并将现在的操作位置转到第一个子图上，这样便实现了绘制子图

![7f6730985cbe4a98bdb919233511b9d9.png][]

import matplotlib.pyplot as plt
    import numpy as np
    
    #数据
    x=np.linspace(0.0,6.0)
    y1=np.cos(np.pi*x)
    y2=np.cos(np.pi*x*2)
    y3=np.sin(np.pi*x)
    y4=np.sin(np.pi*x*2)
    
    #画布
    plt.figure(figsize=(10,6),dpi=80)
    
    #子图1
    plt.subplot(221)
    plt.plot(x,y1,'b--',label='cos(pi*x)')
    plt.ylabel('y1')
    
    #子图2
    plt.subplot(222)
    plt.plot(x,y2,'r--',label='cos(pi*2*x)')
    plt.xlabel('x')
    plt.ylabel('y2')
    
    #子图3
    plt.subplot(223)
    plt.plot(x,y3,'r*',label='sin(pi*x)')
    plt.xlabel('x')
    plt.ylabel('y3')
    
    #子图4
    plt.subplot(224)
    plt.plot(x,y4,'b*',label='sin(pi*2)')
    plt.xlabel('x')
    plt.ylabel('y4')
    
    #显示
    plt.show()
    
    # plt.subplot(221)，表示将会切割成2行2列额4个子图

![ddfec35d03dc4655b1a8a3ea3ace3383.png][]

#### 2.subplots函数：可以一张图中展示多个子图 ####

> subplots 函数会返回一个figure 对象和一个 Axes 对象。
> 
> 包含两个元素：第一个为一个画布figure，第二个是子图Axes
> 
> 语法： subplots(nrows=1, ncols=1, sharex=False, sharey=False, squeeze=True, subplot\_kw=None, gridspec\_kw=None, \*\*fig\_kw)
> 
> 参数:
> 
> nrows and ncols：行和列的个数。
> 
> sharex and sharey：决定是否共享x轴或y轴。
> 
> \*\*fig\_kw：figure 函数的参数都可以，如 figsize、facecolor等。

import matplotlib.pyplot as plt
    
    plt.subplots()   #subplots返回的值的类型为元组，其中包含两个元素：第一个为一个画布，第二个是子图

![834ee260cecc4c14bb47f76b25567499.png][]

import numpy as np
    figure,ax=plt.subplots()
    ax.plot(np.arange(1,10))
    plt.show()

![66548d65669248799d77cae9622eddaa.png][]

figure,ax=plt.subplots(2,2)  # 2行2列
    figure

![19694aadfa4b4208b1f9303ed477f79f.png][]

![7b15c9b8f76a4f56b00a418143af3d6f.png][]

可见，画布被分为了4各部分，而ax变成了一个包含四个子图对象的array

figure,ax=plt.subplots(2,2)
    ax[0][0].plot(x,y1)
    ax[0][1].plot(x,y2)
    ax[1][0].plot(x,y3)
    plt.show()

![787c69aa74e140ffbc22253613f9f0c0.png][]

# plt.subplots()一次制作所有子图，然后将子图的图形和轴（复数轴）作为元组返回
    #create a subplot with 2 rows and 1 columns
    fig,axes=plt.subplots(2,1,figsize=(10,8),dpi=80)
    
    #数据
    data=pd.Series(np.random.rand(10)*100,index=list('abcdefghij'))
    
    #柱状垂直图
    data.plot.bar(ax=axes[0],color='g',alpha=.5)
    axes[0].set_title('绘制垂直图')
    
    #柱状水平图
    data.plot.barh(ax=axes[1],color='r',alpha=.5)
    axes[1].set_title('绘制水平图')

![48eb9ea9659747d8b1cc620df2164ac1.png][]

# 案例：创建 2 行 2 列的子图，并在每个子图中显示 4 个不同的图像。
    # subplots() 既创建了一个包含子图区域的画布，又创建了一个 figure 图形对象，
    # 而 subplot() 只是创建一个包含子图区域的画布
    import matplotlib.pyplot as plt
    import numpy as np
    
    #创建了一个 2 行 2 列的子图
    # figsize：整型元组，来设置每英寸的宽度和高度，默认为None。
    # dpi：整型，每英寸的像素点，默认值为None
    fig,axes=plt.subplots(2,2,figsize=(10,8),dpi=80)
    
    
    #数据
    x=np.arange(1,6)
    #绘制立方函数
    axes[0][0].plot(x,np.power(x,3))
    axes[0][0].set_title('绘制立方函数')
    #绘制指数函数
    axes[0][1].plot(x,np.exp(x))
    axes[0][1].set_title('绘制指数函数')
    #绘制平方函数
    axes[1][0].plot(x,np.power(x,2))
    axes[1][0].set_title('绘制平方函数')
    #绘制平方根函数
    axes[1][1].plot(x,np.sqrt(x))
    axes[1][1].set_title('绘制平方根函数')
    #轴标签
    axes[1][1].set_xlabel('X')
    axes[1][1].set_ylabel('Y')
    
    #显示图片
    plt.show()

![f3319dd5d6fd4af7bb9f04f73076b7b1.png][]

#### 3.subplot和subplots两者区别 ####

subplots 一次性创建并返回所有的子图和其 axe 对象。

subplot 是分开多次添加子图。每次调用返回一个子图和对应的 ax 对象

![bd340c7f4e1846638f8306110a8c6e70.png][]

[pandas.DataFrame.plot _ pandas 1.5.0 documentation]: https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.DataFrame.plot.html
[f1b28cde7e24466f8a5ea8fb6a644fc1.png]: https://img-blog.csdnimg.cn/f1b28cde7e24466f8a5ea8fb6a644fc1.png
[90cb1f89e4ff4d20874e0862fd895b93.png]: https://img-blog.csdnimg.cn/90cb1f89e4ff4d20874e0862fd895b93.png
[607194883e054f43a02d0a5593eae66d.png]: https://img-blog.csdnimg.cn/607194883e054f43a02d0a5593eae66d.png
[0ccd2733a1224ff28c57f07dd6eee4f3.png]: https://img-blog.csdnimg.cn/0ccd2733a1224ff28c57f07dd6eee4f3.png
[7f6730985cbe4a98bdb919233511b9d9.png]: https://img-blog.csdnimg.cn/7f6730985cbe4a98bdb919233511b9d9.png
[ddfec35d03dc4655b1a8a3ea3ace3383.png]: https://img-blog.csdnimg.cn/ddfec35d03dc4655b1a8a3ea3ace3383.png
[834ee260cecc4c14bb47f76b25567499.png]: https://img-blog.csdnimg.cn/834ee260cecc4c14bb47f76b25567499.png
[66548d65669248799d77cae9622eddaa.png]: https://img-blog.csdnimg.cn/66548d65669248799d77cae9622eddaa.png
[19694aadfa4b4208b1f9303ed477f79f.png]: https://img-blog.csdnimg.cn/19694aadfa4b4208b1f9303ed477f79f.png
[7b15c9b8f76a4f56b00a418143af3d6f.png]: https://img-blog.csdnimg.cn/7b15c9b8f76a4f56b00a418143af3d6f.png
[787c69aa74e140ffbc22253613f9f0c0.png]: https://img-blog.csdnimg.cn/787c69aa74e140ffbc22253613f9f0c0.png
[48eb9ea9659747d8b1cc620df2164ac1.png]: https://img-blog.csdnimg.cn/48eb9ea9659747d8b1cc620df2164ac1.png
[f3319dd5d6fd4af7bb9f04f73076b7b1.png]: https://img-blog.csdnimg.cn/f3319dd5d6fd4af7bb9f04f73076b7b1.png
[bd340c7f4e1846638f8306110a8c6e70.png]: https://img-blog.csdnimg.cn/bd340c7f4e1846638f8306110a8c6e70.png