利用Python进行数据分析_Pandas_绘图和可视化_Matplotlib

1 认识Figure和Subplot

import matplotlib.pyplot as plt

matplotlib的图像都位于Figure对象中

fg = plt.figure()

通过add_subplot创建subplot

ax1 = fg.add_subplot(1,2,1)
ax2 = fg.add_subplot(1,2,2)

设置坐标轴的范围

plt.xlim((-1, 1))
plt.ylim((0, 3))

设置坐标轴的lable

matplotlib.pyplot.xlabel(xlabel, fontdict=None, labelpad=None, **kwargs)

plt.xlabel('横轴：时间'， fontproperties = 'SimHei', fontsize = 15, color = 'green')
 
plt.ylabel('纵轴：振幅', fontproperties = 'SimHei', fontsize = 15)

plt.figure()的作用

如下例子中，plt.subplot()如果不加，则4个图都在同一个figure对象汇总，而加上plt.subplot()，则每个图分别在一个figure对象中

import matplotlib.pyplot as plt
import pandas as pd
from numpy.random import randn
 
x = np.linspace(-1, 1, 50)
 
y1 = 2 * x + 1
# plt.figure()
ax1 = plt.subplot(4,2,1)
ax1.plot(x, y1)
 
y2 = x**2
# plt.figure()
ax2 = plt.subplot(4,2,2)
ax2.plot(x, y2)
 
y3 = 2*x+1
# plt.figure()
ax3 = plt.subplot(4,2,3)#plt.subplot(3,2,4) :  分成3行2列，共6个绘图区域，在第4个区域绘图。排序为行优先。也可 plt.subplot(324)，将逗号省略。
ax3.plot(x, y3)
 
y4 = x**2
# plt.figure()
ax4 = plt.subplot(4,2,4)
ax4.plot(x, y4)
 
plt.show()

plt的常用函数

plt.scatter#(数据，点的大小)  绘制单个点
 
plt.show()# 显示出来
 
plt.title #(名字，大小)
 
plt.xlable()
 
plt.ylable()
 
plt.tick_params()#设置刻度的大小
 
plt.axis([0,1100,0,111000]) # 设置坐标轴的取值范围
 
plt.scatter(x_values, y_values, c=y_values, cmap=plt.cm.Blues,
edgecolor='none', s=40)  # 把颜色设置为一个动态的变量，并使用cmp高数pylot使用哪个颜色的映射
 
plt.savefig（“squares_plot.png”,bbox_inches = "tight"）# 第一个参数指定要以什么样的文件名保存图表，第二个参数指定将图标多余的空白区域裁掉
 
plt.axes().get_xaxis().set_visible(false)# 使x轴不可见
 
plt.figure(figsize = (10,6)) #  设置绘图窗口的尺寸

plt的图表函数

plt.plot(x,y , fmt)  ：绘制坐标图
 
plt.boxplot(data, notch, position): 绘制箱形图
 
plt.bar(left, height, width, bottom) : 绘制条形图
 
plt.barh(width, bottom, left, height) : 绘制横向条形图
 
plt.polar(theta, r) : 绘制极坐标图
 
plt.pie(data, explode) : 绘制饼图
 
plt.scatter(x, y) :绘制散点图
 
plt.hist(x, bings, normed) : 绘制直方图

fig,axes = plt.subplots()

import numpy as np
import matplotlib.pyplot as plt
fig,axes = plt.subplots(2,3)
plt.subplots_adjust(wspace=0,hspace=0)# wspace控制宽度百分比，hspace控制高度的百分比，用作subplot之间的距离
axes[1,2]

import numpy as np
import matplotlib.pyplot as plt
x = np.linspace(0, 2*np.pi, 400)
y = np.sin(x**2)
 
fig,axes = plt.subplots(2,3)
plt.subplots_adjust(wspace=0,hspace=0)# wspace控制宽度百分比，hspace控制高度的百分比，用作subplot之间的距离
axes[1,2].plot(x,y)
plt.show()

颜色、标记、线型

详见：API文档

axes.plot(x,y,'g--')

Colors

Markers

Line Styles

刻度、标签、图例

plt.xlim() #返回当前的X轴的范围
plt.xlim(0,10)#设置当前的X轴的范围

修改X轴刻度

import numpy as np
import matplotlib.pyplot as plt
 
plt.figure()
ax = plt.subplot()
ax.plot(randn(1000).cumsum())
# ax.set_xticks([0,250,500,750,1000])
ax.set_xticklabels(['1w','2w','3w','4w','5w','6w','7w'],rotation=30,fontsize='small')
 
ax.set_title('Test plot!')
 
plt.show()

import numpy as np
import matplotlib.pyplot as plt
 
plt.figure() #创建figure对象
 
ax = plt.subplot() 
 
# 一张图中 传入多个元素，需要传入label参数
ax.plot(randn(1000).cumsum(),'g--',label='180210.IB',)
ax.plot(randn(1000).cumsum(),'c.',label='170201.IB',)
ax.plot(randn(1000).cumsum(),'m:',label='180201.IB',)
 
# ax.legend(loc='best') # 添加图例（左上角那玩意）
plt.legend(loc='best') # 添加图例（左上角那玩意）
 
ax.set_title('Test plot!') #设置图标的标题
plt.savefig('D:\Test plot.svg')
plt.savefig('D:\Test plot.pdf')
plt.savefig('D:\Test plot.jpg')
plt.savefig('D:\Test plot.png',dpi=400,bbox_inches = 'tight') #保存png格式，dpi 分辨率，bbox_inches 最小白边
plt.show()