Matplot学习总结

数据可视化库Matplotlib学习总结

更新日期:20181109

安装

#需要先安装numpy
pip install numpy
pip install matplotlib

如果下载速度慢可以参考:

https://blog.csdn.net/m0_37340681/article/details/84109320

官网

https://matplotlib.org/users/index.html

示例

https://blog.csdn.net/qq_34337272/article/details/79555544

函数详解

https://www.cnblogs.com/TensorSense/p/6802280.html
https://www.cnblogs.com/nxld/p/7435930.html

一.常用函数解释

1. plt.savefig()

#将绘制的图画保存成png格式，命名为test
#如果不输入后缀则默认保存为png格式
#可支持的格式有：eps, pdf, pgf, png, ps, raw, rgba, svg, svgz
#dpi参数表示分辨率，默认即可
plt.savefig(‘test’, dpi = 600) 

2. plt.ylabel()

#该函数可以给x或者y轴设置坐标名
plt.xlabel(‘Axis X’)
plt.ylabel(‘Axis Y’)

3. plt.axis()

#给坐标轴设置范围
plt.axis([0, 10, 0, 6]) 

4. plt.subplot()

#设置绘图区域，三个参数分别表示行、列、在哪个区域绘图
plt.subplot(3,2,4)

5. 文本显示

plt.grid(True/False)：是否绘制网格
plt.xlabel()：对x轴增加文本标签
plt.ylabel()：同理
plt.title(): 对图形整体增加文本标签
plt.text(): 在任意位置增加文本
plt.annotate(s, xy = arrow_crd, xytext = text_crd, arrowprops = dict):
在图形中增加带箭头的注解。s表示要注解的字符串是什么，xy对应箭头所在的位置，xytext对应文本所在位置，arrowprops定义显示的属性

示例:
plt.annotate('yes',xy=(1,5),xytext=(2,10),arrowprops = dict(facecolor = "r", headlength = 5, headwidth = 10, width = 3))
plt.text(2,5,'Test')

6. 绘图函数

plt.plot(x,y , fmt)  ：绘制坐标图

plt.boxplot(data, notch, position): 绘制箱形图

plt.bar(left, height, width, bottom) : 绘制条形图

plt.barh(width, bottom, left, height) : 绘制横向条形图

plt.polar(theta, r) : 绘制极坐标图

plt.pie(data, explode) : 绘制饼图

plt.scatter(x, y) :绘制散点图

plt.hist(x, bings, normed) : 绘制直方图

7. plt.plot()

plt.plot(x,y,'go-',x,y*2,'*',x,y*3,'^')
plt.plot(x,y,'go-',color='#F0800F')
# 折线图绘制函数，第一个参数为x轴数据，可为列表或数组；y同理
# 后面的参数代表线条格式
# 后面还可以跟更多参数绘制第二根折线
线条格式参数列表:
格式由颜色字符、风格字符和标记字符组成。
颜色字符：'b'蓝色;'#008000'RGB某颜色;'0.8'灰度值字符串
风格字符：'-'实线;'--'破折线;'-.'点划线;':'虚线;‘’‘’无线条
标记字符：'.'点标记;'o'实心圈;'v'倒三角;'^'上三角

8. plt.pie()

labels = 'T1','T2','T3'
sizes = [1,2,3]
explode = (0,0.05,0)
plt.pie(sizes,explode=explode,labels=labels,autopct='%.1f%%',shadow=False,startangle=45)
# explode表示突出，如橘色这一块突出；autopct  表示显示数据的格式； shadow表示二维饼图；startangle表示起始的角度；

此为椭圆形饼图，要为圆形，可添加：  plt.axis(‘equal’)

9. plt.hist()

np.random.seed(0)
mu,sigma = 100,20 #均值和方差
a = np.random.normal(mu,sigma,size=100)

plt.hist(a,40,normed=1,histtype='stepfilled',facecolor='b',alpha=0.75)

# 40代表划分区间数，直方图柱个数
# normed =1 表示将出现频次进行了归一化，即显示的是频率。 normed=0，则显示频次；
# alpha表示直方图的透明度[0, 1] ；
# histtype = ‘stepfilled’  表示去除条柱的黑色边框，可选参数：histtype : {'bar', 'barstacked', 'step', 'stepfilled'}

10. plt.polar()

N=10
theta = np.linspace(0.0,2*np.pi,N,endpoint=False)
radii = 10*np.random.rand(N)
width = np.pi/4*np.random.rand(N)

ax = plt.subplot(111,projection='polar')
bars = ax.bar(theta,radii,width=width,bottom=0.0)

for r,bar in zip(radii,bars):
    bar.set_facecolor(plt.cm.viridis(r/10.))
    bar.set_alpha(0.5)

11. 散点图

fig,ax = plt.subplots()
ax.plot(10*np.random.randn(100),10*np.random.randn(100),'o')

二.完整程序示例

import numpy as np
import matplotlib.pyplot as plt
#折线图
x = np.array([1,2,3,4,5,6,7,8])
y = np.array([3,5,7,6,2,6,10,15])
plt.plot(x,y,'g',lw=10) #第三个参数代表颜色，第四个参数代表粗细
#条形图
x = np.array([1,2,3,4,5,6,7,8])
y = np.array([13,25,17,36,21,16,10,15])
plt.bar(x,y,0.2,alpha=0.5,color='b')#0.2代表粗细，alpha代表透明度
plt.show()