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)
- 特点:能够显示数据的变化趋势,反映事物的变化情况。(变化)
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)
- 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)
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
最新文章
- javascript 闭包最简单理解
- Razor语法大全
- [CareerCup] 4.8 Contain Tree 包含树
- php 调用.net的webservice 需要注意的
- cxGrid使用汇总1
- 使用Redis bitmaps进行快速、简单、实时统计
- spoj LCS
- JAVA中List转换String,String转换List,Map转换String,String转换Map之间的转换类
- codevs 2541 幂运算(迭代加深搜索)
- POJ3436 ACM Computer Factory(最大流)
- linux下文件和目录的颜色表示
- 我学习go的五个感悟(译)
- Django Channels 入门指南
- linux使用Nginx搭建静态资源服务器
- C# 文件下载工具类FileDownHelper
- Java调用windows命令
- Web browse的发展演变
- 集训总结DAY.1(18.5.22)——KMP
- tomcat设置开机自启动和后台运行
- 抓包获取百度音乐API