图表绘制工具：Matplotlib
概念
- 一个python版的matlab绘图接口
- 以2D为主
- 支持python、numpy、pandas基本数据结构
- 有较丰富的图表库
图表窗口
- plt.show() ： 直接生成图表
- % matplotlib inline ： 魔法函数（常用）==》魔法函数，不需要 plt.show()
- % matplotlib notebook ： 弹出可交互的matplotlib窗口
- % matplotlib qt5 ： 弹出matplotlib控制台
图表基本元素
- figsize：创建图表窗口，设置窗口大小
- plt.title('test')：设置图名
- plt.xlabel('Plot Number')：x轴标签
- plt.ylabel('Important var')：y轴标签
- plt.legend(loc = 'best')：显示图例，loc表示位置；loc : 数字从0到10 loc = 0-10
- plt.xlim([0,12])：x轴边界
- plt.ylim([0,1.5])：y轴边界
- plt.xticks(range(10))：设置x刻度
- plt.yticks([0,0.2,0.4,0.6,0.8,1.0,1.2])：设置y刻度
- fig.set_xticklabels('%.1f' %i for i in range(10))：x轴刻度标签
- fig.set_yticklabels('%.2f' %i for i in [0,0.2,0.4,0.6,0.8,1.0,1.2])：y轴刻度标签
-
网格设置 ：网格设置 ： plt.grid(True,color='gray',linewidth='0.5',axis='both')
- True ： 显示网格
- linestyle ： 线型
- color ： 颜色
- linewidth ： 宽度
- axis：x，y，both ： 显示x/y/两者的格网
-
显示刻度 ： plt.tick_params(bottom='on',top='off',left='on',right='off')
-
刻度的方向 ： in/out/inout
- matplotlib.rcParams['xtick.direction'] = 'in'
- matplotlib.rcParams['ytick.direction'] = 'inout'
-
坐标轴可见性
- plt.axis('off') ： 关闭坐标轴
- frame.axes.get_xaxis().set_visible(False) ： x轴不可见（True/False）
- frame.axes.get_yaxis().set_visible(False) ： y轴不可见（True/False）
图表样式参数
-
linestyle参数
- 表示整体线型的样式
- '-' solid line style
- '--' dashed line style
- '-.' dash-dot line style
- ':' dotted line style
-
marker参数
-
color参数
-
color
- red-r
- green-g
- black-k
- blue-b
- yellow-y
-
colormap : 色板
- 各类颜色首字母大写，尾部加s
- 春夏秋冬海洋，字母小写
- 各类色板后加 _r，表示颜色反转
-
style参数
- 可以包含linestyle，marker，color
- 三者样式写于一个字符串内
-
整体风格样式
- 导入模块 ; import matplotlib.style as psl
- 查看样式列表 ： print(plt.style.available)
- 一旦选用样式后，所有图表都会有样式，重启后方可关掉
刻度、注解和图表输出
-
刻度
-
导入模块：from matplotlib.ticker import MultipleLocator, FormatStrFormatter
- ax = plt.subplot(111) #注意:一般都在ax中设置,不在plot中设置
-
刻度参数设置
- 将x主刻度标签设置为10的倍数 ： xmajorLocator = MultipleLocator(10)
- 设置x轴标签文本的格式 ： xmajorFormatter = FormatStrFormatter('%.0f')
- 将x轴次刻度标签设置为5的倍数 ： xminorLocator = MultipleLocator(5)
- 将y轴主刻度标签设置为0.5的倍数 ： ymajorLocator = MultipleLocator(0.5)
- 设置y轴标签文本的格式 ： ymajorFormatter = FormatStrFormatter('%.1f')
- 将此y轴次刻度标签设置为0.1的倍数 ： yminorLocator = MultipleLocator(0.1)
-
设置主次刻度
- 设置x轴主刻度 ： ax.xaxis.set_major_locator(xmajorLocator)
- 设置x轴标签文本格式 ： ax.xaxis.set_major_formatter(xmajorFormatter)
- 设置x轴次刻度 ： ax.xaxis.set_minor_locator(xminorLocator)
- 设置y轴主刻度 ： ax.yaxis.set_major_locator(ymajorLocator)
- 设置y轴标签文本格式 ： ax.yaxis.set_major_formatter(ymajorFormatter)
- 设置y轴次刻度 ： ax.yaxis.set_minor_locator(yminorLocator)
-
使用主次刻度
- x坐标轴的网格使用主刻度 ： ax.xaxis.grid(True, which='both')
- y坐标轴的网格使用次刻度 ： ax.yaxis.grid(True, which='minor')
-
删除坐标轴刻度显示
- ax.xaxis.set_major_formatter(plt.NullFormatter())
- ax.yaxis.set_major_locator(plt.NullLocator())
-
注解
- plt.text(4,1,'hahaha',fontsize=10)
- 注解 → 横坐标，纵坐标，注解字符串
-
图表输出
- plt.savefig('pic.png',dpi=800,bbox_inches = 'tight',facecolor = 'r',edgecolor = 'r')
- dpi表示分辨率，越大越清晰；'tight',表示删除多余空白;facecolor 主体颜色;edgecolor 轮廓颜色
子图
-
概念
- 在matplotlib中，整个图像为一个Figure对象
- 在Figure对象中可以包含一个或者多个Axes对象
- 每个Axes(ax)对象都是一个拥有自己坐标系统的绘图区域
-
创建及调整
- fig1 = plt.figure(num=1,figsize=(8,6)) 绘图对象；num 表示图表序号
-
创建方法一：先建立子图然后填充图表
- 先创建图表figure ： fig = plt.figure(figsize=(20,12),facecolor = 'gray')
- 添加子图 ： ax1 = fig.add_subplot(2,2,1)；(2,2,1)代表创建2*2的矩阵表格，然后选择第一个，顺序是从左到右从上到下
- 绘制图表 ： 绘制到最后一个子图 ax1.plot(df)
-
创建方法二：plt.subplots（返回numpy数组）
- 创建多个子图 ： fig,axes = plt.subplots(2,3,figsize=(10,8))
- 根据索引确定子图 ： ax1 = axes[0,2]
- 填充子图 ： ax1.plot(ts)
- 未填充子图保持空白，但有轮廓
-
创建方法三：多系列图，分别绘制
- plt.plot(subplots=True,layout=(2,3))
- layout设置布局矩阵，按顺序填充
- subplots为True表示绘制子图
-
调整
- sharex,sharey：是否共享x，y刻度（True/False）
- plt.subplots_adjust(wspace=0,hspace=0) ：wspace,hspace：用于控制宽度和高度的百分比
基本图表绘制
-
图表生成
- Series生成图表
- DataFrame生成图表
-
参数说明：
- Series.plot()：series的index为横坐标，value为纵坐标
- kind → line,bar,barh...（折线图，柱状图，柱状图-横...）
- label → 图例标签，Dataframe格式以列名为label
- style → 风格字符串，这里包括了linestyle（-），marker（.），color（g）
- color → 颜色，有color指定时候，以color颜色为准
- alpha → 透明度，0-1
- use_index → 将索引用为刻度标签，默认为True
- rot → 旋转刻度标签，0-360
- grid → 显示网格，一般直接用plt.grid
- xlim,ylim → x,y轴界限
- xticks,yticks → x,y轴刻度值
- figsize → 图像大小
- title → 图名
- legend → 是否显示图例，一般直接用plt.legend()
- ax 选择子图
- subplots → 是否将各个列绘制到不同图表，默认False
-
柱状图
- 单系列（Series）;plt.plot(kind='bar/barh')
- 多系列（DataFrame)；颜色采用 colormap（色板）
- plt.bar(x,y,facecolor='yellowgreen',edgecolor='white',width = 1,yerr=0.1*y)
- x,y参数：x，y值
- width：宽度比例
- facecolor柱状图里填充的颜色
- edgecolor是边框的颜色
- xerr/yerr ：x/y方向error bar
- plt.text() 添加柱状图上的值，用zip函数，for遍历
-
堆叠图
-
外嵌图表
- 柱状图外添加表格 plt.table()
- cellText：表格文本 （不包含标签和索引）
- cellLoc：cell内文本对齐位置（center,left,right）
- rowLabels：行标签（一般为索引）
- colLabels：列标签（一般为标签）
- rowLoc：行标签对齐位置（right,left,center）
- loc：表格位置 → left，right，top，bottom（相对于图的位置）
- plt.xticks([]) ： 不显示x轴标注
-
面积图
-
创建方法
- Series.plot.area()
- DataFrame.plot.area()
-
注意事项
- stacked：是否堆叠，默认情况下，区域图被堆叠
- 为了产生堆积面积图，每列必须是正值或全部负值
- 当数据有NaN时候，自动填充0，所以需要清洗掉缺失值
-
填图
- axes.fill(x,y)或者plt.fill(x,y,ax=axes)
- axes.legend() 加载图例
- axes.grid() 加载网格
- axes.fill_between(x,y1,y2) 填充两个函数之间的区域
-
饼图
- plt.pie()绘图
- plt.axis('equal') # 保证长宽相等
- 第一个参数：数据
- explode：指定每部分的偏移量（以列表传入）
- labels：标签（一般为数据索引）
- colors：颜色（以列表传入）
- autopct：饼图上的数据标签显示方式（如 '%.2f %%'）
- pctdistance：每个饼切片的中心和通过autopct生成的文本开始之间的比例 0.6
- labeldistance：被画饼标记的直径,默认值：1.1
- shadow：阴影 True
- startangle：开始角度
- radius：半径
- frame：图框 False
- counterclock：指定指针方向，顺时针或者逆时针
-
直方图
- plt.hist()
- x ： 数据源
- bins：箱子的宽度（个数）
- normed :标准化 (已换为density)
- histtype 风格，bar，barstacked，step，stepfilled
- orientation 水平还是垂直{‘horizontal’, ‘vertical’}
- align : {‘left’,‘mid’, ‘right’}, optional(对齐方式)
- 密度图；s.plot(kind = 'kde')
- 堆叠直方图；添加参数 stacked
-
散点图
- plt.scatter(x, y)
- s：散点的大小
- cmap：colormap
- c = y ，相匹配的坐标列
- marker ： 点的样式
- pd.plottong.scatter_matrix()散点矩阵
- diagonal：({‘hist’, ‘kde’})，必须且只能在{‘hist’, ‘kde’}中选择1个 → 每个指标的频率图
-
极坐标图
-
概念
- 由角度和距离构成
- 调用subplot()创建子图时通过设置projection='polar',便可创建一个极坐标子图
- 然后调用plot()在极坐标子图中绘图
- ax1 = plt.subplot(121,projection='polar')
- ax = fig.add_subplot(111,polar=True)
-
参数
- 参数1为角度（弧度制）
- 参数2为value
- lw → 线宽
- set_theta_direction()：坐标轴正方向，默认逆时针1
- set_thetagrids()：设置极坐标角度网格线显示及标签 → 网格和标签数量一致
- set_rgrids()：设置极径网格线显示，其中参数必须是正数
- set_theta_offset()：设置角度偏移，逆时针，弧度制
- set_rlim()：设置显示的极径范围
- set_rmax()：设置显示的极径最大值
- set_rticks()：设置极径网格线的显示范围
-
雷达图
- 极坐标的折线图/填图 - plt.plot() ----未闭合
- 极坐标的折线图/填图 - plt.polar() ----首尾闭合
- 极轴图 - 极坐标的柱状图
-
箱型图
-
基本概念
- 是一种用作显示一组数据分散情况资料的统计图
- 包含一组数据的：最大值、最小值、中位数、上四分位数（Q3）、下四分位数（Q1）、异常值
- 中位数 → 一组数据平均分成两份，中间的数
- 下四分位数Q1 → 是将序列平均分成四份，计算(n+1)/4与(n-1)/4两种，一般使用(n+1)/4
- 上四分位数Q3 → 是将序列平均分成四份，计算(1+n)/4*3=6.75
- 内限 → 最大值区间Q3+1.5IQR,最小值区间Q1-1.5IQR （IQR=Q3-Q1）
- 外限 → 最大值区间Q3+3IQR,最小值区间Q1-3IQR （IQR=Q3-Q1）
- 异常值 ：内限之外 - 中度异常，外限之外 - 极度异常
-
绘制
-
plt.plot.box()绘制
- color ： 样式填充（着色），传入字典序列
- boxes → 箱线
- whiskers → 分位数与error bar横线之间竖线的颜色
- medians → 中位数线颜色
- caps → error bar横线颜色
- vert：是否垂直，默认True
- position：箱型图占位，传入列表
-
plt.boxplot()绘制
- sym 异常点形状，参考marker
- vert = True 是否垂直
- whis = 1.5, IQR，默认1.5
- patch_artist = True, 上下四分位框内是否填充，True为填充
- meanline = True,showmeans = True, 是否有均值线及其形状
- showbox = True, 是否显示箱线
- showcaps = True, 是否显示边缘线
- showfliers = True, 是否显示异常值
- notch = False, 中间箱体是否缺口
- return_type = 'dict') 返回类型为字典
- boxes, 箱线
- medians, 中位值的横线,
- whiskers, 从box到error bar之间的竖线.
- fliers, 异常值
- caps, error bar横线
- means, 均值的横线,
表格处理
-
表格样式
- 按元素处理样式：df.style.applymap(def)；自动调用其中的函数
- 按行/列处理样式：df.style.apply(def,参数设置)
- axis：0为列，1为行，默认为0
- subset：索引
- 样式索引、切片
- df.style.apply(highlight_max, axis = 1, subset = pd.IndexSlice[2:5,['b', 'd']])
- 通过pd.IndexSlice[]调用切片
- 也可：df[2:5].style.apply(highlight_max, subset = ['b', 'd']) → 先索引行再做样式
-
表格显示控制 df.style.format()
- 按照百分数显示 df.head().style.format('{:.2%}')
- 显示小数点数 df.head().style.format("{:.4f}")
- 显示正负数 df.head().style.format("{:+.2f}")
- 分列显示 df.head().style.format({'b':"{:.2%}", 'c':"{:+.3f}", 'd':"{:.3f}"})
-
表格样式调用
- 定位空值 df.style.highlight_null(null_color='red')
- 色彩映射 df.style.background_gradient(cmap='Greens',axis =1,low=0,high=1)
- cmap：颜色
- axis：映射参考，0为行，1以列
- 条形图 df.style.bar(subset=['A', 'B'], color='#d65f4f', width=100)；width：最长长度在格子的占比
- 分段式构建样式 df.style.bar(subset=['A', 'B'], color='#d65f5f', width=100).highlight_null(null_color='yellow')
本文内容由网友自发贡献，版权归原作者所有，本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容，请联系:hwhale#tublm.com(使用前将#替换为@)
