python数据分析使用matplotlib绘图

matplotlib绘图

关注公众号“轻松学编程”了解更多。

Series和DataFrame都有一个用于生成各类图表的plot方法。默认情况下，它们所生成的是线形图

%matplotlib inline 是IPython 中的一个魔法函数。

以下命令都是在浏览器中输入。

cmd命令窗口输入：jupyter notebook

后打开浏览器输入网址http://localhost:8888/

导入库

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
from pandas import Series,DataFrame
#内嵌画图
%matplotlib inline
#绘图时可以显示中文
plt.rcParams['font.sans-serif']=['SimHei']
plt.rcParams['axes.unicode_minus']=False

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

• 坐标系标题 title

• 轴标签 xlabel ylabel

1、包含单条曲线的图 plt.plot(x)

• 注意：y,x轴的值必须为数字

#只有一个参数的话，默认的下标做x轴
plt.plot(x)

x=[1,2,3,4,5]
y=[2,4,6,8,10]
plt.plot(x,y)

• 绘制抛物线 :使用arange函数 y=x**2

x1=np.arange(-np.pi,np.pi,0.01)
y1=x1**2
plt.plot(x1,y1)

• 绘制正弦曲线图 y=sin(x)

x=np.linspace(-np.pi,np.pi,100)
y=np.sin(x)
plt.plot(x,y)

2、包含多个曲线的图

2.1、连续调用多次plot函数

plt.plot(x,y)
plt.plot(x1,y1)

2.2、也可以在一个plot函数中传入多对X,Y值，在一个图中绘制多个曲线

plt.plot(x1,y1,x1+1,y1+1)

3、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

#把table区域分成2行2列，最后一个1表示位置
a1=plt.subplot(2,2,1)
a1.plot(x,y)

a2=plt.subplot(2,2,2)
a2.plot(x,y)
a2.plot(x+1,y+1)

a3=plt.subplot(2,2,3)
a3.plot(x,y)

#也可以去掉逗号
a4=plt.subplot(224)
a4.plot(x,y)

4、网格线 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

plt.grid(color='r',linestyle='-.')
plt.plot(x,y)

• 使用对象形式设置网格

ax_1=plt.subplot(111)
ax_1.grid(color='y')
ax_1.plot(x,y)

• 绘制一个两行两列的曲线图阵,并设置网格

x=np.linspace(-np.pi,np.pi,100)
y=np.sin(x)
a1=plt.subplot(221)
a1.grid()
a1.plot(x,y)
a2=plt.subplot(222)
a2.grid()
a2.plot(x,y)
a3=plt.subplot(223)
a3.grid()
a3.plot(x,y)
a4=plt.subplot(224)
a4.grid()
a4.plot(x,y)

5、坐标轴界限

5.1 axis方法:修改x，y轴刻度值

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

plt.plot(x,y)

plt.axis([-4,4,-2,2])
plt.plot(x,y)

5.2 plt.axis(‘off’)

关闭坐标轴

plt.plot(x,y)
plt.axis('off')

5.3 plt.figure(figsize=(a,b))

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 。

plt.figure(figsize=(10,5))
plt.plot(x,y)

5.4 xlim方法和ylim方法

还可以通过plt的xlim(xmin,xmax)，ylim方法设置坐标轴范围

plt.xlim(-6,6)
plt.ylim(-2,2)
plt.plot(x,y)

5.5 通过对象的方式设置x，y轴的刻度值范围 ax.set_xlim(a,b)

ax1=plt.subplot(111)
ax1.set_xlim(-4,4)
ax1.set_ylim(-2,2)
ax1.plot(x,y)

• 绘制一个圆 x2+y2=1 y=1-x2 0.5

# 圆的基本信息
# 1.圆半径
r = 2.0
# 2.圆心坐标
a, b = (0., 0.)

theta = np.arange(0, 2*np.pi, 0.01)
x = a + r * np.cos(theta)
y = b + r * np.sin(theta)
axes = plt.subplot(111)
axes.axis('equal')
axes.plot(x, y)

x=np.linspace(-np.pi,np.pi,100)
y=(1-x**2)**0.5
y_=-y
plt.figure(figsize=(5,5))
plt.plot(x,y)
plt.plot(x,y_)
plt.axis('equal')

6、坐标轴标签

• color 标签颜色

• fontsize 字体大小

• rotation 旋转角度

• plt的xlabel方法和ylabel方法

x=np.linspace(-np.pi,np.pi,100)
y=np.cos(x)
plt.title('Title')
plt.ylabel(s='yyy',fontsize=16,rotation=0,color='r')
plt.xlabel(s='xxx',fontsize=16)
plt.plot(x,y)

• 对象方法set_xlabel/ylabel()

ax=plt.subplot(111)
ax.set_xlabel('x_label')
ax.set_ylabel('y_label')
ax.set_title('title',fontsize=16)
ax.plot(x,y)

6.1 显示坐标轴中文标签

设置参数：fontproperties

x=np.linspace(-np.pi,np.pi,100)
y=np.cos(x)
ax=plt.subplot(111)
ax.set_xlabel('x轴',fontproperties='KaiTi',fontsize=30)
ax.set_ylabel('y轴',fontproperties='KaiTi',fontsize=30)
ax.set_title('title',fontsize=16)
ax.plot(x,y)

其它字体：

7、标题

plt.title()方法 ax.set_title()方法

8、图例

8.1 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

x=np.linspace(0,10,30)
y=x ** 2
plt.plot(x,y,label='aaa')
plt.plot(x+1,y-1,label='bbb')
plt.legend()

plt.plot(x,y)
plt.plot(x+1,y-1)
plt.legend(['a','b'])

8.2 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

字符串	数值	字符串	数值
best	0	center left	6
upper right	1	center right	7
upper left	2	lower center	8
lower left	3	upper center	9
lower right	4	center	10
right	5

plt.plot(x,y)
plt.plot(x+1,y-1)
plt.legend(['aaa','bbb'],loc=5)

loc参数可以是2元素的元组，表示图例左下角的坐标

• [0,0] 左下

• [0,1] 左上

• [1,0] 右下

• [1,1] 右上

• ncol参数

ncol控制图例中有几列,在legend中设置ncol

plt.plot(x,y)
plt.plot(x+1,y-1)
plt.legend(['aaa','bbb'],loc=[1,1],ncol=2)

9、保存图片

9.1 使用figure对象的savefig函数来保存图片

fig = plt.figure()

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）

#保存图片注意事项：第一步必须先得到figure对象，
#再使用plt进行绘图，然后保存图片
fig=plt.figure()
#关闭坐标轴
plt.axis('off')
plt.plot(x,y)
fig.savefig(filename='./111.jpg',dpi=500)

#读取图片
img=plt.imread('./111.jpg')
plt.imshow(img)
plt.show()

二、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’, …)

1、颜色

参数color或c

x=np.linspace(0,10,30)
y=x ** 2
plt.plot(x,y,c='y')
plt.plot(x+1,y-1,color='r')

颜色值的方式

• 别名

  • color=‘r’

• 合法的HTML颜色名

  • color = ‘red’

颜色	别名	HTML颜色名	颜色	别名	HTML颜色名
蓝色	b	blue	绿色	g	green
红色	r	red	黄色	y	yellow
青色	c	cyan	黑色	k	black
洋红色	m	magenta	白色	w	white

• 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)

2、透明度

alpha参数

ax=plt.subplot(111)
ax.plot(x,y,c='r',alpha=0.4)

3、背景色

设置背景色，通过传入facecolor参数，来设置坐标轴的背景色

#设置坐标系的前景色
ax=plt.subplot(111)
ax.plot(x,y,c='r')
ax.set_facecolor('green')

#设置坐标系的背景色
f=plt.figure()
p=plt.plot(x,y)
f.set_facecolor('yellow')

4、线型

参数linestyle或ls

线条风格	描述	线条风格	描述
‘-’	实线	‘:’	虚线
‘–’	破折线	‘steps’	阶梯线
‘-.’	点划线	‘None’ / ‘，’	什么都不画

plt.plot(x,y,ls=':')

5、线宽

linewidth或lw参数

plt.plot(x,y,ls='steps',lw=5)

6、点型

• marker 设置点形
• markersize 设置点形大小

标记	描述	标记	描述
‘s’	正方形	‘p’	五边形
‘h’	六边形1	‘H’	六边形2
‘8’	八边形

标记	描述	标记	描述
‘.’	点	‘x’	X
‘*’	星号	‘+’	加号
‘,’	像素

标记	描述	标记	描述
‘o’	圆圈	‘D’	菱形
‘d’	小菱形	‘’,‘None’,’ ',None	无

标记	描述	标记	描述
‘1’	一角朝下的三脚架	‘3’	一角朝左的三脚架
‘2’	一角朝上的三脚架	‘4’	一角朝右的三脚架

plt.plot(x,y,marker='o',lw=1)

plot参数设置marker前后景色：markerfacecolor=‘white’,markeredgecolor=‘black’ markersize=30设置大小 。

plt.plot(x,y,marker='d',lw=3,markerfacecolor='yellow',markeredgecolor='red',markersize=40)

7、多参数连用

注意：只可以设置颜色、点型、线型，可以把几种参数写在一个字符串内进行设置 ‘r-.o’ 。

plt.plot(x,'or-.',x*2,'b--<')

更多点和线的设置

参数	描述	参数	描述
color或c	线的颜色	linestyle或ls	线型
linewidth或lw	线宽	marker	点型
markeredgecolor	点边缘的颜色	markeredgewidth	点边缘的宽度
markerfacecolor	点内部的颜色	markersize	点的大小

8、在一条语句中为多个曲线进行设置

8.1 多个曲线同一设置

属性名声明

注意：不能多参数连用的形式设置 例如：‘rh–’

plt.plot(x1, y1, x2, y2, fmt, …)

plt.plot(x,y,x+1,y-1,y+3,y-2,c='r')

8.2 多个曲线不同设置

多个都进行设置,可以使用多参连用的形式 plt.plot(x1, y1, fmt1, x2, y2, fmt2, …)

p1,p2,p3=plt.plot(x,y,x+1,y-1,y+3,y-2,)
p1.set_lw(5)
p3.set_color('y')

plt.plot(x,y,'or-.',x+1,y-1,'yd',y+3,y-2,'g--')

9、X、Y轴坐标刻度

9.1 对x和y轴的刻度做映射

如下方法是对x和y轴的刻度做映射而并非修改

plt.xticks()和plt.yticks()方法

• 需指定刻度值和刻度名称 plt.xticks([刻度列表],[名称列表])
• 支持fontsize、rotation、color等参数设置

plt.plot(x,y)

plt.xticks([0,2,4,6,8,10],['a','b','c','d','e','f'])
plt.plot(x,y)

9.2 使用面向对象的方法设置刻度方法

如下方法是用来修改x和y轴的刻度值，而不是映射 使用画板的如下方法设置刻度axes = plt.subplot()

• set_xticks、set_yticks 设置刻度值
• set_xticklabels、set_yticklabels 设置刻度名称

ax=plt.subplot(111)
ax.plot(x,y)
ax.set_yticks([0,200,400,600,800,1000])

三、2D图形

1、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
  可以是一个bin数量的整数值，也可以是表示bin的一个序列。默认值为10
• normed
  如果值为True，直方图的值将进行归一化处理，形成概率密度，默认值为False
• 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

x=[1,2,2,3,4,4,5]
plt.hist(x,color='red')

x=[1,2,2,3,4,4,5]
plt.hist(x,color='g',normed=True)

2、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()

x=[1,2,3,4,5]
y=[1,2,3,4,5]
plt.bar(x,y,0.5)

水平条形图

plt.barh(x,y,0.5)

3、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

3.1 普通各部分占满饼图

arr=[11,22,31,15]
plt.pie(arr)

3.2 普通未占满饼图：小数/比例

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%%)；

​ %m.nf m 占位 n 小数点后保留几位 f 是以float格式输出

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=[11,22,31,15]
plt.pie(arr,labels=['a','b','c','d'])

arr=[11,22,31,15]
plt.pie(arr,labels=['a','b','c','d'],labeldistance=0.3)

arr=[11,22,31,15]
#显示占比
#%m.nf m 占位 n 小数点后保留几位 f 是以float格式输出
plt.pie(arr,labels=['a','b','c','d'],
		labeldistance=0.3,autopct='%.6f%%')

arr=[11,22,31,15]
plt.pie(arr,labels=['酱','醋','油','盐'],
        labeldistance=0.3,
        shadow=True,
        explode=[0.2,0.3,0.2,0.4])

4、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！】

plt.scatter()

x=np.random.randn(300)
y=np.random.randn(300)
plt.scatter(x,y,marker='d',c=np.random.rand(300,3))

x=np.random.randn(300)
y=np.random.randn(300)
plt.scatter(x,y,c=[i for i in random_color(300)])

四、图形内的文字、注释、箭头

控制文字属性的方法:

Pyplot函数	API方法	描述
text()	mpl.axes.Axes.text()	在Axes对象的任意位置添加文字
xlabel()	mpl.axes.Axes.set_xlabel()	为X轴添加标签
ylabel()	mpl.axes.Axes.set_ylabel()	为Y轴添加标签
title()	mpl.axes.Axes.set_title()	为Axes对象添加标题
legend()	mpl.axes.Axes.legend()	为Axes对象添加图例
figtext()	mpl.figure.Figure.text()	在Figure对象的任意位置添加文字
suptitle()	mpl.figure.Figure.suptitle()	为Figure对象添加中心化的标题
annnotate()	mpl.axes.Axes.annotate()	为Axes对象添加注释（箭头可选）

所有的方法会返回一个matplotlib.text.Text对象

1、图形内的文字

plt.text()

plt.figtext()

x=[1,2,3]
y=[1,2,3]
plt.bar(x,y)
plt.text(0.7,1,s='第三',fontsize=40)
plt.figtext(0.4,0.8,s='排名',fontsize=40)

2、注释

annotate() xy参数设置箭头指示的位置，xytext参数设置注释文字的位置 arrowprops参数以字典的形式设置箭头的样式 width参数设置箭头长方形部分的宽度，headlength参数设置箭头尖端的长度， headwidth参数设置箭头尖端底部的宽度，shrink参数设置箭头顶点、尾部与指示点、注释文字的距离（比例值）

3、箭头

plt.figure(figsize=(12,9))
plt.axis([0, 10, 0, 20]);
arrstyles = ['-', '->', '-[', '<-', '<->', 'fancy',
'simple', 'wedge']
for i, style in enumerate(arrstyles):
    plt.annotate(style, xytext=(1, 2+2*i), xy=(4, 1+2*i),
			     arrowprops=dict(arrowstyle=style));

connstyles=["arc", "arc,angleA=10,armA=30,rad=30", "arc3,rad=.2",
		 "arc3,rad=-.2", "angle", "angle3"]
for i, style in enumerate(connstyles):
    plt.annotate(style, xytext=(6, 2+2*i), xy=(8, 1+2*i),
	     arrowprops=dict(arrowstyle='->', connectionstyle=style));
plt.show()

``'-'``        None
``'->'``       head_length=0.4,head_width=0.2
``'-['``       widthB=1.0,lengthB=0.2,angleB=None
``'|-|'``      widthA=1.0,widthB=1.0
``'-|>'``      head_length=0.4,head_width=0.2
``'<-'``       head_length=0.4,head_width=0.2
``'<->'``      head_length=0.4,head_width=0.2
``'<|-'``      head_length=0.4,head_width=0.2
``'<|-|>'``    head_length=0.4,head_width=0.2
``'fancy'``    head_length=0.4,head_width=0.4,tail_width=0.4
``'simple'``   head_length=0.5,head_width=0.5,tail_width=0.2
``'wedge'``    tail_width=0.3,shrink_factor=0.5

# xy参数设置箭头指示的位置，xytext参数设置注释文字的位置
# arrowprops参数以字典的形式设置箭头的样式
# width参数设置箭头长方形部分的宽度，
# headlength参数设置箭头尖端的长度，
# headwidth参数设置箭头尖端底部的宽度，
# shrink参数设置箭头顶点、尾部与指示点、注释文字的距离（比例值）

y = [13, 11, 13, 12, 13, 10, 30, 12, 11, 13, 12, 12, 12, 11, 12]
plt.plot(y);
# 为了让注释不会超出图的范围，需要调整y坐标轴的界限
plt.ylim(ymax=35);
plt.annotate('this spot must really\nmean something', xy=(6, 30),
			 xytext=(8, 31.5),
             arrowprops=dict(width=15,
             headlength=20, headwidth=20,
             facecolor='black', shrink=0.1));
plt.show()

# 生成3个正态分布数据数据集
x1 = np.random.normal(30, 3, 100)
x2 = np.random.normal(20, 2, 100)
x3 = np.random.normal(10, 3, 100)

# 绘制3个数据集，并为每个plot指定一个字符串标签
 #如果不想在图例中显示标签，可以将标签设置为_nolegend_
plt.plot(x1, label='plot')
plt.plot(x2, label='2nd plot')
plt.plot(x3, label='last plot')

# 绘制图例
# 指定边界框起始位置为(0, 1.02)，并设置宽度为1，高度为0.102
plt.legend(bbox_to_anchor=(0, 1.02, 1, 0.102),
           ncol=3, # 设置列数为3，默认值为1
           mode="expand",
 # mode为None或者expand，当为expand时，图例框会扩展至整个坐标轴区域
           borderaxespad=0.) # 指定坐标轴和图例边界之间的间距

# 绘制注解
plt.annotate("Important value", # 注解文本的内容
             xy=(55,20), # 箭头终点所在位置
             xytext=(5, 38),
             # 注解文本的起始位置，箭头由xytext指向xy坐标位置
             arrowprops=dict(arrowstyle='->'));
       # arrowprops字典定义箭头属性，此处用arrowstyle定义箭头风格

五、3D图

导包 from mpl_toolkits.mplot3d.axes3d import Axes3D

import numpy as np
import matplotlib.pyplot as plt
#3d图形必须的
from mpl_toolkits.mplot3d.axes3d import Axes3D
%matplotlib inline

1、曲面图

#系数，由X，Y生成Z
a = 0.7
b =  np.pi 

#计算Z轴的值
def mk_Z(X, Y):
    return 2 + a - 2 * np.cos(X) * np.cos(Y) - a * np.cos(b - 2*X)

#生成X，Y，Z
x = np.linspace(0, 2*np.pi, 100)
y = np.linspace(0, 2*np.pi, 100)
X,Y = np.meshgrid(x, y)
Z = mk_Z(X, Y)

fig = plt.figure(figsize=(14,6))

#创建3d的视图，使用属性projection
ax = fig.add_subplot(1, 2, 1, projection='3d')

ax.plot_surface(X,Y,Z,rstride = 5,cstride = 5)

#创建3d视图，使用colorbar，添加颜色柱
ax = fig.add_subplot(1, 2, 2, projection='3d')
p = ax.plot_surface(X, Y, Z, rstride=1, cstride=1,
					cmap='rainbow', antialiased=True)
cb = fig.colorbar(p, shrink=0.5)

2、玫瑰图/极坐标条形图

#极坐标条形图
def showRose(values,title):

    max_value = values.max()
    # 分为8个面元
    N = 8
    # 面元的分隔角度
    angle = np.arange(0.,2 * np.pi, 2 * np.pi / N)
    # 每个面元的大小（半径）
    radius = np.array(values)
    # 设置极坐标条形图

    plt.axes([0, 0, 2, 2], polar=True,facecolor = 'g')

    colors = [(1 - x/max_value, 1 - x/max_value, 0.75) for x in radius]
    # 画图

    plt.bar(angle, radius, width=(2*np.pi/N), bottom=0.0,
		    color=colors)
    plt.title(title,x=0.2, fontsize=20)

#拉韦纳(Ravenna)又译“腊万纳”“拉文纳”“拉温拿”。
#意大利北部城市。位于距亚得里亚海10公里的沿海平原上
data = np.load('Ravenna_wind.npy')
hist, angle = np.histogram(data,8,[0,360])
showRose(hist,'Ravenna')

# 绘制一个极坐标图形
plt.axes(polar=True)
y = np.array([4,6,1,5,8])
x = np.array([0,1,2,3,4])
plt.bar(x,y,align='edge')

values = [40,30,20,10,80,70,60,50]
# 如果映射成一个圆，第一个点（0点）和最后一个点（360点）容易重合
# 所以一般把315°的点作为最后一个点处理

x = np.linspace(0,2*np.pi,9)[:-1]

c = np.random.random(size=(8,3))

plt.axes(polar=True)
# param1 x 索引
# param2 height 数据的值
# param3 width  扇形区的宽度
# align 设置扇形的对齐方式
plt.bar(x,values,width=0.8,color=c,align='edge')

后记

【后记】为了让大家能够轻松学编程，我创建了一个公众号【轻松学编程】，里面有让你快速学会编程的文章，当然也有一些干货提高你的编程水平，也有一些编程项目适合做一些课程设计等课题。

也可加我微信【1257309054】，拉你进群，大家一起交流学习。
如果文章对您有帮助，请我喝杯咖啡吧！

公众号

关注我，我们一起成长~~