Matplotlib的小入门

Matplotlib专门用于开发2D图表(包括3D图表)，在日常数据处理中经常需要运用到它，它的用法非常多样，这里记录一些基础用法，算是一个小入门，后面如果有更复杂的画图要求，再进一步学习。

如果有需要绘制某种类型的表格可以访问-->官网文档,下文也会进一步说一下这个网站~

一、实现一个简单的Matplotlib画图

— 以折线图为例

matplotlib.pyplot模块

import matplotlib.pyplot as plt
图形绘制流程：
- 1.创建画布 -- plt.figure()
```
plt.figure(figsize=(), dpi=)

figsize:指定图的长宽

dpi:图像的清晰度

返回fig对象
```
- 2.绘制图像 -- plt.plot(x, y)
- 3.显示图像 -- plt.show()
实例如下：

二、认识Matplotlib图像结构

通过了解Matplotlib的图像结构，有利于进一步理解它的画图流程

容器层
- Canvas：画板
- Figure:画布
  - 每次使用前，需要实例化，比如plt.figure()
- axex:坐标系
  
  -数据的绘图区域
  
  -辅助显示层
  
  -比如添加一些标题呀，图例呀...
图像层

-画的是plot，scatter...

三、基础操作

添加x,y轴刻度
```
plt.xticks()

plt.yticks()
```
添加网格显示
```
plt.grid(linestyle="--", alpha=0.5)
```

添加描述信息

 plt.xlabel()

 plt.ylabel()

 plt.title()

图像保存
```
plt.savefig("路径")
```
画多条线
```
直接进行plt.plt(x,z)添加
```

显示图例

plt.legend(loc="best")

注意:一定要在plt.plot()里面设置一个label,如果不设置,没法显示

多个坐标系显示
```
plt.subplots(nrows=, ncols=)
```
代码实例：

------》

点击查看折叠代码

x = range(60)

y = [random.uniform(15, 18) for i in x]

z = x

#1、创建画布

plt.figure(figsize=(8, 4), dpi=80)  #指定画布大小，像素值

#2、绘制图表

plt.plot(x,y,label="SH")

plt.plot(x,z,label="BJ")

#添加x，y轴刻度

x_ticks = ["12:{}".format(i) for i in x]

#plt.xticks(x[::10],x_ticks[::10])

plt.xticks(x[::5])  #第一个参数可以改变刻度大小，这里选择 5 为刻度间隔

#添加一些细节

plt.grid(linestyle='--', alpha=0.5)  #网格

plt.xlabel("Time(s)")

plt.ylabel("Volt")

plt.title("Temperature")

plt.legend()

#图像保存

#plt.savefig("test.png")

四、官网文档的妙用

Matplotlib能够绘制折线图、散点图、柱状图、直方图、饼图。官网文档这里面有很多类型的图表还有相应代码，有需要可以复制粘贴，修改一下为我所用

比如：柱状图怎么画

点击查看折叠代码

N = 5

menMeans = (20, 35, 30, 35, -27)

womenMeans = (25, 32, 34, 20, -25)

menStd = (2, 3, 4, 1, 2)

womenStd = (3, 5, 2, 3, 3)

ind = np.arange(N)    # x轴刻度

fig, ax = plt.subplots() #多个子图

p1 = ax.bar(ind, menMeans,yerr=menStd, label='Men') #柱状图

p2 = ax.bar(ind, womenMeans,bottom=menMeans, yerr=womenStd, label='Women')

#添加细节信息

ax.axhline(0, color='grey', linewidth=0.8)

ax.set_ylabel('Scores')

ax.set_title('Scores by group and gender')

ax.set_xticks(ind, ['G1', 'G2', 'G3', 'G4', 'G5'])

ax.legend()

plt.show()

这里记录一下常见图图形的API

折线图：以折线的上升或下降来表示统计数量的增减变化的统计图
- 特点：能够显示数据的变化趋势，反映事物的变化情况。(变化)
  
  api：plt.plot(x, y)
散点图：用两组数据构成多个坐标点，考察坐标点的分布,判断两变量之间是否存在某种关联或总结坐标点的分布模式。
- 特点：判断变量之间是否存在数量关联趋势,展示离群点(分布规律)
  
  api：plt.scatter(x, y)
柱状图：排列在工作表的列或行中的数据可以绘制到柱状图中。
- 特点：绘制连离散的数据,能够一眼看出各个数据的大小,比较数据之间的差别。(统计/对比）
  
  api：plt.bar(x, width, align='center', **kwargs)
```
Parameters:

x : 需要传递的数据

width : 柱状图的宽度

align : 每个柱状图的位置对齐方式

    {‘center’, ‘edge’}, optional, default: ‘center’

**kwargs :

color:选择柱状图的颜色
```
直方图：由一系列高度不等的纵向条纹或线段表示数据分布的情况。一般用横轴表示数据范围，纵轴表示分布情况。
- 特点：绘制连续性的数据展示一组或者多组数据的分布状况(统计)
  
  api：matplotlib.pyplot.hist(x, bins=None)
```
Parameters:

x : 需要传递的数据

bins : 组距
```
饼图：用于表示不同分类的占比情况，通过弧度大小来对比各种分类。
- 特点：分类数据的占比情况(占比)
  
  api：plt.pie(x, labels=,autopct=,colors)
```
Parameters:

x:数量，自动算百分比

labels:每部分名称

autopct:占比显示指定%1.2f%%

colors:每部分颜色
```

参考文献

1、Matplotlib简介、结构以及绘制基本图像的代码

2、《Pthon科学计算》-张若愚

巴特西