Python基础 — Matplotlib

Matplotlib -- 简介

        matplotlib是Python优秀的数据可视化第三方库；
        matplotlib库的效果可参考官网：http://matplotlib.org/gallery.html ；
        matplotlib的使用 由各种可视化类构成，内部结构复杂，受matlab库启发，matplotlab.pyplot是绘制种类可视化图形的命令子库，相当于快捷方式。

        matplotlib可以绘制的图

Matplotlib -- 绘图函数

1、plot函数

plt.plot(x,y,format_string,**kwargs)

     参数：
             x：X轴数据，列表或数组，可选；
             y：Y轴数据，列表或数组；
             format_string：控制曲线的格式字符串，由颜色字符、风格字符和标识字符组成，可选；
             **kwargs：第二组或更多的(x,y,format_string,**kwargs)；

2、subplot()函数

plt.subplot(numRows, numCols, plotnum)

参数：
             numRows : int ,指创建的sublots的行数,默认为1 ；
             numCols : int ,指创建的sublots的列数,默认为1；
             plotnum：指定操作的区域；

3、Matplotlib.pyplot常用的方法

方法	描述
plt.savefig('filename',dpi=n)	将绘制的图画保存成png格式，并设置分辨率，默认为100；
plt.axis([0,9,1,8])	x轴起始于0，终止于9 ，y轴起始于1，终止于8
plt.subplot(Rows, Cols, plotnum)	分成Rows行Clos列，共R*C个绘图区域，在第plotnum个区域绘图。排序为行优先。
plt.xlabel()	对x轴增加文本标签
plt.ylabel()	对y轴增加文本标签
plt.title()	对图形整体增加文本标签
plt.text()	在任意位置增加文本

Matplotlib -- 画图种类

1、折线图（grid）

# 绘制折线图import matplotlib.pyplot as plt
import numpy as npx = np.arange(9)
y = np.sin(x)
z = np.cos(x)
# marker数据点样式，linewidth线宽，linestyle线型样式，color颜色
plt.plot(x, y, marker="*", linewidth=3, linestyle="--", color="orange")
plt.plot(x, z)
plt.title("matplotlib")
plt.xlabel("height")
plt.ylabel("width")
# 设置图例
plt.legend(["Y","Z"], loc="upper right")
plt.grid(True)
plt.show()

2、条形图（bar）

#绘制条形图
x = np.arange(10)
y = np.random.randint(0,30,10)
plt.bar(x, y)
plt.show()

3、饼图（pie）

#绘制饼图
plt.figure(figsize=(10,10));
x = [4, 9, 21, 55, 30, 18]
labels = ['Swiss', 'Austria', 'Spain', 'Italy', 'France', 'Benelux']
explode = [0.2, 0.1, 0, 0, 0.1, 0]
plt.pie(x, labels=labels, explode=explode, autopct='%1.1f%%');
plt.show()

4、散点图（scatter）

#绘制散点图
x = np.random.rand(10)
y = np.random.rand(10)
plt.scatter(x,y)
plt.show()

5、直方图（hist）

#绘制直方图mean, sigma = 0, 1
x = mean + sigma * np.random.randn(10000)
plt.hist(x,50)
plt.show()

6、坐标图（plot）

#绘制坐标图
import matplotlib.pyplot as plt
import numpy as np#创建数据
x = np.linspace(-5, 5, 100)
y1 = np.sin(x)
y2 = np.cos(x)#创建figure窗口
plt.figure(num=3, figsize=(8, 5))
#画曲线1
plt.plot(x, y1)
#画曲线2
plt.plot(x, y2, color='red', linewidth=5.0, linestyle='--')
#设置坐标轴范围
plt.xlim((-5, 5))
plt.ylim((-2, 2))
#设置坐标轴名称
plt.xlabel('xxxxxxxxxxx')
plt.ylabel('yyyyyyyyyyy')
#设置坐标轴刻度
my_x_ticks = np.arange(-5, 5, 0.5)
my_y_ticks = np.arange(-2, 2, 0.2)
plt.xticks(my_x_ticks)
plt.yticks(my_y_ticks)#显示出所有设置
plt.show()

7、子图（subplot）

# figsize绘图对象的宽度和高度，单位为英寸，dpi绘图对象的分辨率，即每英寸多少个像素，缺省值为80
plt.figure(figsize=(8,6),dpi=100)# subplot(numRows, numCols, plotNum)
# 一个Figure对象可以包含多个子图Axes，subplot将整个绘图区域等分为numRows行*numCols列个子区域，按照从左到右，从上到下的顺序对每个子区域进行编号
# subplot在plotNum指定的区域中创建一个子图Axes
A = plt.subplot(2,2,1)
plt.plot([0,1],[0,1], color="red")plt.subplot(2,2,2)
plt.title("B")
plt.plot([0,1],[0,1], color="green")plt.subplot(2,1,2)
plt.title("C")
plt.plot(np.arange(10), np.random.rand(10), color="orange")# 选择子图A
plt.sca(A)
plt.title("A")plt.show()

Matplotlib -- 作图线的属性

颜色（color 简写为 c）：

颜色	字符
红色	'r' (red)
蓝色	'b' (blue)
绿色	'g' (green)
黄色	'y' (yellow)
黑色	'k' (black)
白色	'w' (white)
紫色	'm' (magenta)
青色	'c' (cyan)
灰色	[0,1]内任意浮点数
RGB表示法	'#2F4F4F' 或 (0.18, 0.31, 0.31)

线型（linestyle 简写为 ls）：