Python可视化之matplotlib基础[通俗易懂]

一、绘制线形图

1.导包时采用

import matplotlib.pyplot as plt

当只添加一个数组时，会默认作为Y轴的值

plt.plot([2, 4, 7, 9])
plt.show()
# 绘制的其实是Y轴的值，X轴默认从0开始

 2.绘制基本的二维线形图

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

 3.如果想要绘制两条线

x = [1, 2, 3, 4]
y = [2, 5, 6, 8]
y1 = [3, 4, 7, 8]
plt.plot(x, y)
plt.plot(x,y1)
plt.show()

 4.添加图例方法，使用plt.legend()方法

x = [1, 2, 3, 4]
y = [2, 5, 6, 8]
y1 = [3, 4, 7, 8]
plt.plot(x, y, label='A')
plt.plot(x, y1, label='B')
plt.legend()  # 添加图例方法使用
plt.show()

5.与numpy数组结合

data1 = np.random.randn(10).cumsum()  # 正态分布随机数
data2 = np.random.randn(10).cumsum()
print(data1)
print(data2)
plt.plot(data1, label='data1')
plt.plot(data2, label='data2')
plt.show()

 6.当点足够多时，绘制出的图形就非常平滑

x = np.linspace(0, 7, 100)  # 从0到7共100个点
y = np.sin(x)
plt.plot(x, y)
plt.show()

二、设置线形、属性及标签

 1.设置图形的颜色，使用color属性，可以简写为c

data1 = np.random.randn(10).cumsum()  # 正态分布随机数
data2 = np.random.randn(10).cumsum()
print(data1)
print(data2)
plt.plot(data1, label='data1', color='r')
plt.plot(data2, label='data2', c='b')
plt.legend()
plt.show()

 2.设置线段的形状，采用linestyle属性，属性值可以为–或者-.，简写为ls

data1 = np.random.randn(10).cumsum()  # 正态分布随机数
data2 = np.random.randn(10).cumsum()
print(data1)
print(data2)
plt.plot(data1, label='data1', color='r', linestyle='--')
plt.plot(data2, label='data2', c='b', linestyle='-.')
plt.legend()
plt.show()

 3.设置线段的宽度，采用linewidth属性，属性值为数字，单位为像素，简写为lw，如果数据点想着重标记出，采用marker属性，o为圆形，^为三角。

data1 = np.random.randn(10).cumsum()  # 正态分布随机数
data2 = np.random.randn(10).cumsum()
print(data1)
print(data2)
plt.plot(data1, label='data1', color='r', linestyle='--', linewidth=1,marker='o')
plt.plot(data2, label='data2', c='b', linestyle='-.', lw=1,marker='^')
plt.legend()
plt.show()

4.设置X，Y轴的名称和图表的标题 

plt.xlabel('age')
plt.ylabel('height')
plt.title('STUDENT', y=1.03)

三、刻度与样式

1.设置X，Y轴的取值范围，使用plt.xlim()和plt.ylim(),使用plt.xticks()和plt.yticks()进行刻度标注

plt.xlim(0, 10)
plt.ylim(0, 5)
plt.xticks([0, 4, 8], ['born', 'baby', 'child'])
plt.yticks([0, 4, 8], ['born', 'baby', 'child'])

四、绘制条形图和直方图

1.绘制普通的条形图

x = [1, 3, 5, 7]
y = [2, 3, 6, 9]
plt.bar(x, y)
plt.show()

2.绘制横向柱状图

# 绘制横向柱状图
plt.barh(x,y)
plt.show()

3.绘制堆积型柱状图

x = [1, 3, 5, 7]
y = [2, 3, 6, 9]
# 堆积型柱状图
y1 = [2, 4, 1, 6]
plt.bar(x, y)
plt.bar(x, y1, bottom=y)

4.绘制对比型柱状图

x = [1, 3, 5, 7]
x1 = [2, 4, 6, 8]
y = [2, 3, 6, 9]
y1 = [2, 4, 1, 6]
plt.bar(x, y)
plt.bar(x1, y1)

5.绘制直方图

# 直方图
data = np.random.randn(1000)
plt.hist(data, bins=20)
plt.show()

 6.在绘图之前可以先初始化画布设置画布大小

data = np.random.randn(1000)
plt.figure(figsize=(10, 10))  # 初始化画布并设置大小
plt.hist(data, bins=40)
plt.show()

五、绘制箱型图和散点图

1.箱型图，可以方便看出数据的分布和异常值，出现的圈圈为异常值，

data = np.random.rand(1000)  # 生成从0到1之间的随机数
plt.boxplot(data)  # 箱型图
plt.grid()
plt.show()

 2.散点图：可以使用color属性改变颜色，也可以使用maker属性改变形状，散点图有一个特殊的属性s=100，可以规定点的大小

x1 = [1, 2, 3, 4, 5]
y1 = [3, 2, 1, 4, 7]
x2 = [2, 4, 6, 8, 9]
y2 = [6, 1, 3, 4, 2]
plt.scatter(x1, y1)
plt.scatter(x2, y2)
plt.show()

 六、堆积图和饼图：

1.堆积图：

comp = [1, 2, 3, 4]
y1 = [24, 27, 35, 43]
y2 = [30, 35, 17, 12]
y3 = [27, 13, 15, 8]
y4 = [19, 25, 33, 37]
labels = ["apple", "micro", "yahoo", "google"]
plt.stackplot(comp, y1, y2, y3, y4, labels=labels)
plt.legend()
plt.show()

 2.饼图：

# 绘制饼状图：
labels = ["apple", "micro", "yahoo", "google"]
size = [15, 30, 45, 10]
explode = (0.2, 0, 0, 0)
plt.pie(size, labels=labels, autopct='%1.1f%%', explode=explode, startangle=90)
# startangle可以调整角度。
# 添加shadow可以有阴影效果
plt.show()

 七、绘制多图

# 绘制多图
x = [1, 2, 3, 4]
y1 = [4, 5, 8, 9]
y2 = [2, 5, 3, 8]
plt.subplot(2, 1, 1)  # 两行一列第一个
plt.plot(x, y1)
plt.subplot(2, 1, 2)  # 两行一列第二个
plt.plot(x, y2)
plt.show()

 八、面向对象绘图

面向对象的方法将前边的方法都用在创建的对象上即可：

# 面向对象画图
data = np.random.rand(1000)
fig, ax = plt.subplots()
ax.hist(data)
plt.show()
# 面向对象绘制多图
fig, ax = plt.subplots(2, 2, figsize=(10, 8))
ax[0][0].hist(data)
ax[0][1].boxplot(data)
plt.tight_layout()
plt.show()

 九、显示中文和保存图像

1.中文显示

# 显示中文字体与保存图像
data = np.random.randn(1000)
plt.hist(data)
plt.title('某某公司')
plt.show()

 可以看到显示的标题为乱码

加入一行代码后符号竟然不能显示了

# 显示中文字体与保存图像
data = np.random.randn(1000)
plt.hist(data)
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.title('某某公司')
plt.show()

 再加入一行

# 显示中文字体与保存图像
data = np.random.randn(1000)
plt.hist(data)
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False
plt.title('某某公司')
plt.show()

 2.图像保存

plt.savefig('D:/lesson22.jpg')

保存图像要写在plt.show()之前，还可以调节画布大小和分辨率

plt.figure(figsize=(10, 8), dpi=300)  # 设置画布大小和分辨率

今天的文章Python可视化之matplotlib基础[通俗易懂]分享到此就结束了，感谢您的阅读。