python--Matplotlib(一)

基础知识薄弱的同学可以看看一下博客

https://www.cnblogs.com/dev-liu/p/pandas_plt_basic.html
https://blog.csdn.net/Notzuonotdied/article/details/77876080

我做了一些笔记,比较实用

scatter(x, y, s=None, c=None, marker=None, cmap=None, norm=None, vmin=None, vmax=None, alpha=None, linewidths=None, verts=None, edgecolors=None, hold=None, data=None, **kwargs)
x，y：array_like，shape（n，）
输入数据

s：标量或array_like，shape（n，），可选
    大小以点数^ 2。默认是`rcParams ['lines.markersize'] ** 2`。

c：颜色，顺序或颜色顺序，可选，默认：'b'
    `c`可以是单个颜色格式的字符串，也可以是一系列颜色
    规范的长度为`N`，或一系列`N`数字
    使用通过kwargs指定的`cmap`和`norm`映射到颜色
    （见下文）。请注意，`c`不应该是单个数字RGB或
    RGBA序列，因为这与数组无法区分
    值将被彩色映射。 `c`可以是一个二维数组，其中的
    行是RGB或RGBA，但是，包括单个的情况
    行为所有点指定相同的颜色。

marker：`〜matplotlib.markers.MarkerStyle`，可选，默认值：'o'
    请参阅`〜matplotlib.markers`以获取有关不同的更多信息
    标记分散支持的样式。 `marker`可以是
    该类的实例或特定文本的简写
    标记。

cmap：`〜matplotlib.colors.Colormap`，可选，默认：无
    一个`〜matplotlib.colors.Colormap`实例或注册名称。
    `cmap`仅在`c`是浮点数组时使用。如果没有，
    默认为rc`image.cmap`。

norm：`〜matplotlib.colors.Normalize`，可选，默认：无
    `〜matplotlib.colors.Normalize`实例用于缩放
    亮度数据为0,1。`norm`只有在`c`是一个数组时才被使用
    彩车。如果`None'，则使用默认值：func：`normalize`。

vmin，vmax：标量，可选，默认值：无
    `vmin`和`vmax`与`norm`结合使用来标准化
    亮度数据。如果其中任何一个都是`无'，那么最小和最大的
    使用颜色数组。请注意，如果你通过一个“规范”实例，你的
    `vmin`和`vmax`的设置将被忽略。

alpha：标量，可选，默认值：无
    alpha混合值，介于0（透明）和1（不透明）之间，

linewidths：标量或array_like，可选，默认值：无
    如果无，则默认为（lines.linewidth，）。

verts：（x，y）的序列，可选
    如果`marker`为None，这些顶点将用于
    构建标记。标记的中心位于
    在（0,0）为标准化单位。整体标记重新调整
    由``s``完成。

 edgecolors ：颜色或颜色顺序，可选，默认值：无
    如果无，则默认为'face'

    如果'face'，边缘颜色将永远是相同的
    脸色。

    如果它是'none'，补丁边界不会
    被画下来。

    对于未填充的标记，“edgecolors”kwarg
    被忽视并被迫在内部“面对”

matplotlib.pyplot.bar(left, height, alpha=1, width=0.8, color=, edgecolor=, label=, lw=3,align='center', data=None,bottom=None)
left：x轴的位置序列，一般采用arange函数产生一个序列；
height：y轴的数值序列，也就是柱形图的高度，一般就是我们需要展示的数据；
alpha：透明度
width：为柱形图的宽度，一般这是为0.8即可；
color或facecolor：柱形图填充的颜色；
edgecolor：图形边缘颜色
label：解释每个图像代表的含义
linewidth or linewidths or lw：边缘or线的宽度
align
    'center': Center the base on the x positions.
    'edge': Align the left edges of the bars with the x positions.
bottom :  The y coordinate(s) of the bars bases (default: 0).

matplotlib.pyplot.x(y)ticks(ticks=None, labels=None, **kwargs)、
    locs, labels = xticks()           # Get locations and labels
    xticks(ticks, [labels], **kwargs)  # Set locations and labels
    rotation='vertical'

savefig(fname, dpi=None, facecolor='w', edgecolor='w',
        orientation='portrait', papertype=None, format=None,
        transparent=False, bbox_inches=None, pad_inches=0.1,
        frameon=None, metadata=None)
    dpi参数指定图像的分辨率

matplotlib实例

#-*- coding:utf-8 -*-
import numpy as np
from matplotlib import pyplot as plt

plt.figure(figsize=(9,6))

plt.title("Square Numbers", fontsize=24)
#fig,plt = plt.subplots(figsize=(9,6))
n = 8
X = np.arange(n)+1 #X是1,2,3,4,5,6,7,8,柱的个数

#uniform均匀分布的随机数，normal是正态分布的随机数，0.5-1均匀分布的数，一共有n个
Y1 = np.random.uniform(0.5,1.0,n)
Y2 = np.random.uniform(0.5,1.0,n)
#scatter 散点图
plt.scatter(X,Y1,marker='^',c='black')
#添加注释
plt.text(X[1],Y1[2],r'lovelin',fontdict={'size':16,'color':'r'})
#bar  柱状图
plt.bar(X, Y1, alpha=0.9, width = 0.35, facecolor = 'lightskyblue', edgecolor = 'white', label='one', lw=3)
#x轴添加注释
plt.xticks(X,X,rotation='vertical')

#x,y添加标签
plt.xlabel('nihao')
plt.ylabel('lin')

plt.bar(X, Y2, alpha=0.9, width = 0.35, bottom=Y1,facecolor = 'yellowgreen', edgecolor = 'white', label='second', lw=1)
plt.bar(X+0.35, Y2, alpha=0.9, width = 0.35,facecolor = 'red', edgecolor = 'white', label='third', lw=1)
#显示标签
plt.legend(loc="upper left") # label的位置在左上，没有这句会找不到label去哪了

#plt.tick_params(axis='both', which='major', labelsize=14)
#x,y轴数据的范围
plt.axis([0, 10, 0, 2])
#保存图片
plt.savefig("fig1.png", bbox_inches="tight",dpi=200)
#显示画布
plt.show()

pandas+matplotlib

#-*- coding:utf-8 -*-
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt

df = pd.read_csv('data2.csv',index_col='Year')

df_cs = df['Computer Science']
df_ms = df['Math and Statistics']
#plt.plot(df_cs)
df.plot(alpha=0.7)

plt.title("Percentage of Computer Science's degrees awarded to women in the USA")
# 为X轴添加标签
plt.xlabel("Years")
# 为Y轴添加标签
plt.ylabel("Percentage")

#df_cs.plot(color='b', style='.-', legend=True)
#df_ms.plot(color='r', style='-', legend=True)

plt.axis([1970, 2000, 0, 200])

plt.show()