3，Python常用库之三：Matplotlib

一、Matplotlib基础知识

Matplotlib中的基本图表包括的元素

• x轴和y轴 axis
  水平和垂直的轴线

• x轴和y轴刻度 tick
  刻度标示坐标轴的分隔，包括最小刻度和最大刻度

• x轴和y轴刻度标签 tick label
  表示特定坐标轴的值

• 绘图区域（坐标系） axes
  实际绘图的区域

• 坐标系标题 title
  实际绘图的区域

• 轴标签 xlabel ylabel
  实际绘图的区域

导入模块

　import seaborn as sb

　　import numpy as np
　　import pandas as pd
　　import matplotlib.pyplot as plt
　　from pandas import Series,DataFrame

使用matplotlib.pyplot获取一个numpy数组，数据来源于一张图片

img_arr = plt.imread('./bobby.jpg')
plt.imshow(img_arr)           # 显示照片
plt.imshow(img_arr - 66)    #  改变照片颜色
plt.imshow(img_arr[:,::-1,:])  # 将照片的列反转

　包含单条曲线的图

x=[,,,,]
y=[,,,,]
plt.plot(x,y)

绘制抛物线

x = np.linspace(-np.pi,np.pi,num=)
y = x**
plt.plot(x,y)

绘制正弦曲线图

x
y = np.sin(x)
plt.plot(x,y)

包含多个曲线

将多个曲线图绘制在一个table区域中：对象形式创建表图

• a=plt.subplot（row,col,loc） 创建曲线图
• a.plot(x,y) 绘制曲线图

ax1 = plt.subplot()
ax1.plot(x,y)

ax2 = plt.subplot(,,)
ax2.plot(x,y)

ax3 = plt.subplot(,,)
ax3.plot(x,y)

ax4 = plt.subplot(,,)
ax4.plot(x,y)

网格线 plt.gride(XXX)

参数：

- axis
- color:支持十六进制颜色
- linestyle: --  -.  :
- alpha

绘制一个正弦曲线图，并设置网格

坐标轴界限

axis方法:设置x，y轴刻度值的范围

plt.axis([xmin,xmax,ymin,ymax])

plt.axis('off')  关闭坐标轴

设置画布比例：plt.figure(figsize=(a,b)) a:x刻度比例 b：y刻度比例 （2:1）表示x刻度显示为y刻度显示的2倍

坐标轴标签

• s 标签内容
• color 标签颜色
• fontsize 字体大小
• rotation 旋转角度
• plt的xlabel方法和ylabel方法 title方法

图例

legend方法

两种传参方法：

• 分别在plot函数中增加label参数,再调用plt.legend()方法显示
• 直接在legend方法中传入字符串列表

legend的参数

- loc参数

• loc参数用于设置图例标签的位置，一般在legend函数内
• matplotlib已经预定义好几种数字表示的位置

保存图片

使用figure对象的savefig函数来保存图片

fig = plt.figure()---必须放置在绘图操作之前

figure.savefig的参数选项

• filename
  含有文件路径的字符串或Python的文件型对象。图像格式由文件扩展名推断得出，例如，.pdf推断出PDF，.png推断出PNG （“png”、“pdf”、“svg”、“ps”、“eps”……）
• dpi
  图像分辨率（每英寸点数），默认为100
• facecolor ，打开保存图片查看 图像的背景色，默认为“w”（白色）

设置plot的风格和样式

plot语句中支持除X,Y以外的参数，以字符串形式存在，来控制颜色、线型、点型等要素，语法形式为：
plt.plot(X, Y, 'format', ...)

颜色值的方式

• 别名
  • color='r'

• 合法的HTML颜色名
  • color = 'red'

• HTML十六进制字符串
  • color = '#eeefff'

• 归一化到[0, 1]的RGB元组
  • color = (0.3, 0.3, 0.4)

线型

参数linestyle或ls

点型

• marker 设置点形
• markersize 设置点形大小

# 绘制线      plt.plot(x1,y1,x2,y2)
# 网格线      plt.grid(True)  axes.grid(color,ls,lw,alpha)
# 获取坐标系  plt.subplot(n1,n2,n3)
# 坐标轴标签  plt.xlabel() plt.ylabel()
# 坐标系标题  plt.title()
# 图例        plt.legend([names],ncol=,loc=)  plt.plot(label='name')
# 线风格      --  -. : None  step
# 图片保存    figure.savefig()
# 点的设置    marker markersize markerfacecolor markeredgecolor\width
# 坐标轴刻度  plt.xticks(刻度列表，刻度标签列表) plt.yticks()
#             axes.set_xticks(刻度列表) axes.set_xticklabels(刻度标签列表)

三、2D图形

直方图

• 是一个特殊的柱状图，又叫做密度图。

【直方图的参数只有一个x！！！不像条形图需要传入x,y】

plt.hist()的参数

• bins
  直方图的柱数，可选项，默认为10
• color
  指定直方图的颜色。可以是单一颜色值或颜色的序列。如果指定了多个数据集合,例如DataFrame对象，颜色序列将会设置为相同的顺序。如果未指定，将会使用一个默认的线条颜色
• orientation
  通过设置orientation为horizontal创建水平直方图。默认值为vertical

data = [,,,,,,]
plt.hist(data,bins=)

条形图：plt.bar()

• 参数：第一个参数是索引。第二个参数是数据值。第三个参数是条形的宽度

-【条形图有两个参数x,y】

• width 纵向设置条形宽度
• height 横向设置条形高度

bar()、barh()

num = [,,,,]
count = [,,,,]
plt.barh(num,count)

饼图

【饼图也只有一个参数x】

pie()
饼图适合展示各部分占总体的比例，条形图适合比较各部分的大小

饼图阴影、分裂等属性设置

#labels参数设置每一块的标签；

#labeldistance参数设置标签距离圆心的距离（比例值）

#autopct参数设置比例值小数保留位(%.3f%%)；

#pctdistance参数设置比例值文字距离圆心的距离

#explode参数设置每一块顶点距圆心的长度（比例值,列表）；

#colors参数设置每一块的颜色（列表）；

#shadow参数为布尔值，设置是否绘制阴影

#startangle参数设置饼图起始角度

arr=[,,,]
plt.pie(arr,labels=['a','b','c','d'])

#labeldistance参数设置标签距离圆心的距离（比例值）
arr=[,,,]
plt.pie(arr,labels=['a','b','c','d'],labeldistance=0.3)

#autopct参数设置比例值小数保留位(%.3f%%)；
arr=[,,,]
plt.pie(arr,labels=['a','b','c','d'],labeldistance=0.3,autopct='%.6f%%')

##explode参数设置每一块顶点距圆心的长度（比例值,列表）；
arr=[,,,]
plt.pie(arr,labels=['a','b','c','d'],labeldistance=0.3,shadow=True,explode=[0.2,0.3,0.2,0.4])

#startangle参数设置饼图起始角度
arr=[,,,]
plt.pie(arr,labels=['a','b','c','d'],startangle=)

散点图：因变量随自变量而变化的大致趋势¶

【散点图需要两个参数x,y，但此时x不是表示x轴的刻度，而是每个点的横坐标！】

scatter()

x = np.random.randint(,,size=(,))
y = np.random.randint(,,size=(,))

plt.scatter(x,y,marker='d',c="rbgy") 设置不同的散点颜色

绘制条形图

countplot(data：数据集, x：x坐标轴, color：条形图颜色, order：排序)

color_palette()：返回一个RGB元组列表

test = pd.read_csv('pokemon.csv')
print(test.shape)
print(test.tail(10))
# value_counts函数统计各序列频率，并降序
generation_order = test['generation_id'].value_counts().index
print(generation_order)
# color_palette 返回一个RGB元组列表
base_color = sb.color_palette()[0]
sb.countplot(data=test, x='generation_id', color=base_color, order=generation_order)
plt.show()

xticks(rotation：旋转度数)：更改绘制x轴标签方向（与水平方向的逆时针夹角度数）

yticks(rotation：旋转度数)：更改绘制y轴标签方向（与垂直方向的逆时针夹角度数）

 plt.xticks(rotation=90)
 plt.yticks(rotation=45)