MelonCholi 收录于 Python

2021-10-23 约 4788 字预计阅读 10 分钟

matplotlib

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
from birthday import get_p
import matplotlib.pyplot as plt
import seaborn as sns
sns.set()

m = 2000
n = [i for i in range(100)]
q = [get_p(m, i) for i in n]

plt.plot(n, q)
plt.xlabel("student number")
plt.ylabel("probability")
plt.legend()

plt.savefig(fname='pic.png')
plt.show()

创建图片与子图

若不创建实例，一切对象名均使用plt！

导入

1
import matplotlib.pyplot as plt

层次

Figure：面板(图)，matplotlib 中的所有图像都是位于 figure 对象中，一个图像只能有一个 figure 对象。
Subplot：子图，figure 对象下创建一个或多个 subplot 对象(即 axes)用于绘制图像。

创建图片

1
fig = plt.figure()

plt.figure()返回 figure 实例

一个空白的绘图窗口就会出现

重要参数

num：新图的编号，默认递增
figsize：宽度，高度，以英寸为单位
dpi：分辨率，整数
facecolor：背景颜色
edgecolor：边框颜色
frameon：若为 False，则没有边框
clear：若为 True，如果图的编号已存在则先清除

创建子图

`.add_subplot()`

1
2
3
4
5
ax1 = fig.add_subplot(2, 2, 1)
#将fig分割成2行3列，画出并返回序号1的子图
ax2 = fig.add_subplot(2, 2, 2)
ax3 = fig.add_subplot(2, 2, 3)
#注意，此时fig上只有3张子图，其他子图没有被初始化

fig.add_subplot(nrows, ncols, index)以图片作为对象，返回 Axes 实例

你可以直接在其他空白的子图上调用 Axes 对象的实例方法进行绘图

`plt.subplots()`

使用子图网格创建图片是非常常见的任务，所以 matplotlib 包含了一个便捷方法 plt.subplots，它创建一个新的图片，然后返回包含了已生成子图对象的 NumPy 数组：

1
fig, axes = plt.subplots(2, 3)

API

1
plt.subplots(nrows=1, ncols=1, sharex=False, sharey=False, squeeze=True, subplot_kw=None, gridspec_kw=None, **fig_kw)

返回 figure 实例和子图数组

参数

nrows，ncols：子图的行列数
sharex, sharey
- 设置为 True 或者 ‘all’ 时，所有子图共享 x 轴或者 y 轴，
- 设置为 False or ‘none’ 时，所有子图的 x，y 轴均为独立，
- 设置为 ‘row’ 时，每一行的子图会共享 x 或者 y 轴，
- 设置为 ‘col’ 时，每一列的子图会共享 x 或者 y 轴。
squeeze：设置返回的子图对象的数组格式。
- 当为 False 时，不论返回的子图是只有一个还是只有一行，都会用二维数组格式返回他的对象。
- 当为 True 时，如果子图只有一个，则返回的子图对象是标量形式，如果子图有（N×1）或（1×N）个，则返回的子图对象是一维数组，如果是（N×M）则返回二维数组。
subplot_kw：字典格式，传递给 add_subplot()，用于创建子图
gridspec_kw：字典格式，传递给GridSpec的构造函数，用于创建子图所摆放的网格。
**fig_kw ：所有其他关键字参数都传递给 figure()调用。

格式

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
#单行单列，按照一维数组来表示
ax = fig.subplots(2,1)    	# 2*1
ax[0].plot([1,2], [3,4])	# 第一个图
ax[1].plot([1,2], [3,4])	# 第二个图

#多行多列，按照二维数组来表示
ax = fig.subplots(2,2)    	# 2*2
ax[0,1].plot([1,2], [3,4])	# 第一个图
ax[0,1].plot([1,2], [3,4])	# 第二个图
ax[1,0].plot([1,2], [3,4])	# 第三个图
ax[1,1].plot([1,2], [3,4])	# 第四个图

数组 axes 可以像二维数组那样方便地进行索引，例如，axes[0，1]

调整子图周围的间距

默认情况下，matplotlib 会在子图的外部和子图之间留出一定的间距。这个间距都是相对于图的高度和宽度来指定的，所以如果你通过编程或手动使用 GUI 窗口来调整图的大小，那么图就会自动调整。

可以使用图对象上的plt.subplots_adjust方法更改间距

1
plt.subplots_adjust(wspace=1,hspace=0)

API

1
plt.subplots_adjust(left=None, bottom=None, right=None, top=None, wspace=None, hspace=None)

参数

left, right, bottom, top：子图所在区域的边界
- 当值大于 1.0 的时候子图会超出 figure 的边界从而显示不全；值不大于 1.0 的时候，子图会自动分布在一个矩形区域
- 要保证 left < right, bottom < top，否则会报错

wspace, hspace：子图之间的横向间距、纵向间距分别与子图平均宽度、平均高度的比值，也就是图片的宽度和高度百分比

修饰

设置标题

设置图片标题

1
plt.suptitle('The Title',fontsize=14,color='purple')

若要直接在 figure 上操作

1
2
3
plt.title('The Title',fontsize=14,color='purple')
#传figure的名字最好
fig.title('The Title',fontsize=14,color='purple')

常用参数

fontsize：设置字体大小，默认 12，
- ['xx-small', 'x-small', 'small', ‘medium’, ‘large’, ’x-large’, ‘xx-large’]
fontweight：设置字体粗细
- [‘light’, ‘normal’, ‘medium’, ‘semibold’, ‘bold’, ‘heavy’, ‘black’]
fontstyle：设置字体类型
- [ ‘normal’, ‘italic’, ‘oblique’ ]；italic 斜体，oblique 倾斜
color：设置字体颜色
verticalalignment：设置水平对齐方式
- [ ‘center’ , ‘top’ , ‘bottom’ ,’baseline’]
horizontalalignment：设置垂直对齐方式
- ['left', 'right', 'center']
rotation：旋转角度
- [‘vertical’, ‘horizontal’] 也可以为数字
alpha：透明度，参数值 0 至 1 之间
backgroundcolor：标题背景颜色
bbox：给标题增加外框
- ‘boxstyle’ ：方框外形
- ‘facecolor’ ：(简写 fc)背景颜色
- ‘edgecolor’ ：(简写 ec)边框线条颜色
- ‘edgewidth’ ：边框线条大小

设置子图标题

1
ax1.set_title('graph1')

用 Axe 对象接受此函数

参数见 2.1.1

轴操作

set 方法允许批量设置绘图属性，如

1
2
3
4
5
props = {
    'title': 'My first matplotlib plot',
    'xlabel': 'Stages'
}
ax1.set(**props)

改变轴刻度

1
2
ax1.set_xticks([0,25,50,75,100])
ax1.set_yticks([10,20,30,40,50])

若要直接在figure上操作

1
2
plt.xticks([0,25,50,75,100])
plt.yticks([10,20,30,40,50])

添加轴标签

添加与刻度对应的标签

1
2
ax1.set_xticklabels(['one','two','three','four','five'])
ax1.set_yticklabels(['a','b','c','d','e'])

添加单一轴标签

1
ax1.set_xlabel('stage')

参数见 2.1.1

若要直接在figure上操作

1
2
3
4
5
plt.yticks([-2,-1.8,-1,1.22,3],['really bad','bad','normal','good','really ',
                                'good'])
#或
plt.xlabel('x-year',fontsize=14)
plt.ylabel('y-income',fontsize=14)

设置显示范围

1
plt.xlim(xmin, xmax)

xmin：x 轴上的最小值

xmax：x 轴上的最大值

y 轴亦如是

1
2
ax.get_lim()
ax.set_lim()

添加图例

.lengend()自动接受图像的label值，（label值在画图时传入）

1
ax1.legend(loc=4)

常用参数

loc：设置图列位置，数字代表在第几象限
- ['best','upper right','upper left', 'lower left','lower right', 'right', 'center left', 'center right', 'lower center','upper center','center']
fontsize：设置图例字体大小
- int or float or {‘xx-small’, ‘x-small’, ‘small’, ‘medium’, ‘large’, ‘x-large’, ‘xx-large’}
设置图例边框及背景
- frameon=False：去掉图例边框
- edgecolor='blue'：设置图例边框颜色
- facecolor='blue'：设置图例背景颜色,若无边框,参数无效
title：设置图例标题
markerfirst：如果为 True（默认），则图例标记位于图例标签的左侧
ncol：设置图例分为 n 列展示

若要直接在 figure 上操作

1
plt.legend()

添加注释

.text()

1
plt.text(0.4,0.8,"This is a text",rotation=45)

API

1
.text(x,y,string,fontsize=15,verticalalignment=“top”,horizontalalignment=“right”)

参数

x,y：设置坐标值值
string：设置说明文字
其余详见 2.1.1

.annotate()

1
plt.annotate('Testing',xy=(0.4,0.6),fontsize=20,color='b')

API

1
.annotate(string, xy=(x,y) ,xytext=(l1,l2) ,… )

参数

string：设置注释文本内容
xy：设置被注释的坐标点
xytext：设置注释文字的坐标位置

添加网格

1
plt.grid(linestyle="--", alpha=0.5)

绘制参考线

1
2
plt.axhline(y, c, ls, lw) 	#绘制平行于x轴的水平参考线
plt.axvline(x, c, ls, lw)  	#绘制平行于y轴的垂直参考线

y或x：水平参考线的出发点

c：参考线的线条颜色

ls：参考线的线条风格

lw：参考线的线条宽度

其他坐标轴设置

1
.axis()

参数

‘equal’：x,y 轴刻度等长
‘off’：关闭坐标轴
[a, b, c, d]：设置 x 轴的范围为[a, b]，y 轴的范围为[c, d]

绘图

点图，线图

1
.plot(x,y)

API

1
2
3
4
#单条线：
plot([x], y, [fmt], data=None, **kwargs)
#多条线一起画
plot([x], y, [fmt], [x2], y2, [fmt2], ..., **kwargs)

参数

x,y：数据，x 可选
fmt：定义基本属性
fmt = '[color][marker][line]'

**kwargs

label
linestyle (ls)
- {''-', '--', '-.', ':', ' '}
linewidth (lw)：线宽
color
- 可以用缩写、RGB、灰度字符串
character color
‘b’ blue
‘g’ green
‘r’ red
‘c’ cyan
‘m’ magenta
‘y’ yellow
‘k’ black
‘w’ white

character	color
‘b’	blue
‘g’	green
‘r’	red
‘c’	cyan
‘m’	magenta
‘y’	yellow
‘k’	black
‘w’	white

marker

character	description
`'.'`	point marker
`','`	pixel marker
`'o'`	circle marker
`'v'`	triangle_down marker
`'^'`	triangle_up marker
`'<'`	triangle_left marker
`'>'`	triangle_right marker
`'1'`	tri_down marker
`'2'`	tri_up marker
`'3'`	tri_left marker
`'4'`	tri_right marker
`'s'`	square marker
`'p'`	pentagon marker
`'*'`	star marker
`'h'`	hexagon1 marker
`'H'`	hexagon2 marker
`'+'`	plus marker
`'x'`	x marker
`'D'`	diamond marker
`'d'`	thin_diamond marker
`'	‘`
`'_'`	hline marker

alpha：透明值，接受 0~1 之间的浮点数

例

1
2
3
4
5
6
7
8
x = [1, 2, 3, 4] 
y = [5, 6, 4, 10]
plt.plot(x, y, 'r.:', label = 'a',)
plt.xlabel('this is x')
plt.ylabel('this is y')
plt.title('This is a demo')
plt.legend() 
plt.show()

散点图

1
.scatter(x,y)

1
2
3
4
x = np.arange(10)
y = np.random.randn(10)
plt.scatter(x, y, color='red', marker='+')
plt.show()

气泡图

加入了第三个值 s 可以理解成普通散点，画的是二维，泡泡图体现了 Z 的大小

s：散点标记的大小
c：散点标记的颜色
cmap：将浮点数映射成颜色的颜色映射率

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
np.random.seed(19680801)

N = 50
x = np.random.rand(N)
y = np.random.rand(N)
colors = np.random.rand(N)
area = (30 * np.random.rand(N))**2  # to 15 point radii

plt.scatter(x, y, s=area, c=colors, alpha=0.5)
plt.show()

柱状图

1
2
.bar(x, y)
.barh(x, y) #横向柱状图

x：标示在 x 轴上的定性数据的类别
y：每种定性数据的类别的数量
align：每个柱状图的位置对齐方式
- {'center', 'edge'}, optional, default: 'center'}

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
A = ['A', 'B', 'C', 'D', 'E']
x = range(len(A))
y = [1984, 3514, 4566, 7812, 1392]
x_ = [i+0.2 for i in x]
y_ = [3154, 1571, 4566, 9858, 2689]
# 2.创建画布
plt.figure(figsize=(8,6),dpi=100)
# 3.绘制柱状图
plt.bar(x, y, width=0.2, label='1')
plt.bar(x_,y_, width=0.2, label='2')
# 显示图例
plt.legend()
# 修改x轴刻度显示
plt.xticks([i+0.1 for i in x], A)
# 添加网格显示
plt.grid(linestyle="--", alpha=0.5)
# 4.显示图像
plt.show()

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
x = [1, 2, 3, 4, 5]
y = [6, 10, 4, 5, 1]
y1 = [2, 6, 3, 8, 5]

plt.bar(x, y, align="center", color="#66c2a5", tick_label=["A", "B", "C", "D", "E"], label="班级A")
plt.bar(x, y1, align="center", bottom=y, color="#8da0cb", label="班级B")

plt.xlabel("测试难度")
plt.ylabel("试卷份数")

plt.legend()

plt.show()

直方图

直方图用于表明数据分布情况，横轴是数据，纵轴是出现的次数（也就是频数）

1
.hist(x)

x：在 x 轴上绘制箱体的定量数据输入值

重要参数

x : arrays(一个或多个)，在 x 轴上绘制箱体的定量数据输入值
range : 设置显示范围（tuple or None, optional）
bins：x 轴的分段数，默认为 10
histtype : 选择展示的类型,默认为 bar
- {‘bar’, ‘barstacked’, ‘step’, ‘stepfilled’}
align : 对齐方式
- {‘left’, ‘mid’, ‘right’}
orientation : 直方图方向
- {‘horizontal’, ‘vertical’}
log : boolean，log 刻度
color：颜色设置
label：刻度标签

例

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
np.random.seed(19680801)

n_bins = 10
x = np.random.randn(1000, 3)

fig, axes = plt.subplots(nrows=2, ncols=2)
ax0, ax1, ax2, ax3 = axes.flatten()

colors = ['red', 'tan', 'lime']
ax0.hist(x, n_bins, density=True, histtype='bar', color=colors, label=colors)
ax0.legend(prop={'size': 10})
ax0.set_title('bars with legend')

ax1.hist(x, n_bins, density=True, histtype='barstacked')
ax1.set_title('stacked bar')

ax2.hist(x,  histtype='barstacked', rwidth=0.9)

ax3.hist(x[:, 0], rwidth=0.9)
ax3.set_title('different sample sizes')

fig.tight_layout()
plt.show()

饼图

饼图自动根据数据的百分比画饼

1
.pie(x)

重要参数

x: 定性数据的不同类别的百分比
explode:指定饼图某些部分的突出显示，即呈现爆炸式，传入元组，每个数据分别为 0-1 的浮点，表示分离的程度
- 1 2
  sizes = [15, 30, 45, 10] explode = (0, 1, 0, 0)
labels：为饼图添加标签说明，类似于图例说明
colors：指定饼图的填充色
autopct：设置百分比格式，如’%.1f%%‘为保留一位小数
shadow：是否添加饼图的阴影效果
pctdistance：设置百分比标签与圆心的距离
labeldistance：设置各扇形标签（图例）与圆心的距离；
startangle：设置饼图的初始摆放角度, 180 为水平；
radius：设置饼图的半径大小；
wedgeprops：设置饼图内外边界的属性，如边界线的粗细、颜色等, 如
wedgeprops = {'linewidth': 1.5, 'edgecolor':'green'}
textprops：设置饼图中文本的属性，如字体大小、颜色等；
center：指定饼图的中心点位置，默认为原点

例

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
labels = 'Frogs', 'Hogs', 'Dogs', 'Logs'
sizes = [15, 30, 45, 10]
explode = (0, 0.2, 0, 0)  # only "explode" the 2nd slice (i.e. 'Hogs')

fig1, (ax1, ax2) = plt.subplots(2)
ax1.pie(sizes, labels=labels, autopct='%1.1f%%', shadow=True)
ax1.axis('equal')
ax2.pie(sizes, autopct='%1.2f%%', shadow=True, startangle=90, explode=explode,
    pctdistance=1.12)
ax2.axis('equal')
ax2.legend(labels=labels, loc='upper right')

plt.show()

箱型图

1
.boxplot(x)

x：数据
vert：方向

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
x = np.random.randn(1000)

plt.boxplot(x)

plt.xticks([1], ["随机数生成器AlphaRM"])
plt.ylabel("随机数值")
plt.title("随机数生成器抗干扰能力的稳定性")

plt.grid(axis="y", ls=":", lw=1, color="gray", alpha=0.4)

plt.show()

棉棒图

绘制离散有序数据

1
.stem(x, y)

x：制定棉棒的 x 轴基线上的位置
y：绘制棉棒的长度
linefmt：棉棒的样式

markerfmt*：棉棒末端的样式
basefmt*：指定基线的样式

1
2
3
4
5
6
7
8
9
import matplotlib.pyplot as plt
import numpy as np

a = np.linspace(0.5, 2*np.pi, 20)
b = np.random.randn(20)

plt.stem(a, b, linefmt="-.", markerfmt="o", basefmt="-")

plt.show()

三维图

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
fig = plt.figure(5)
ax=fig.add_subplot(1,1,1,projection='3d')     #绘制三维图

x,y=np.mgrid[-2:2:20j,-2:2:20j]  #获取x轴数据，y轴数据
z=x*np.exp(-x**2-y**2)   #获取z轴数据

ax.plot_surface(x,y,z,rstride=2,cstride=1,cmap=plt.cm.coolwarm,alpha=0.8)  #绘制三维图表面
ax.set_xlabel('x-name')     #x轴名称
ax.set_ylabel('y-name')     #y轴名称
ax.set_zlabel('z-name')     #z轴名称

plt.show()

其他

保存

1
.savefig(path, dpi, facecolor, edgecolor,bbox_inches)

参数

path：文件路径
dpi：分辨率
facelolor，edgecolor：子图之外的图形背景颜色，默认为‘w’
format：文件格式
- 'png','pdf','svg','ps',''eps'......
bbox_inches：要保存的图片范围，若传递'tight'，会去除图片周围空白部分

解决中文乱码问题

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif'] = ['SimHei']  # 用来正常显示中文标签
plt.rcParams['axes.unicode_minus'] = False  # 用来正常显示负号
# 或
import matplotlib as mpl
mpl.rc("font", family='MicroSoft YaHei', weight='bold')
# 或
from matplotlib.font_manager import FontProperties
myfont=FontProperties(fname=r'C:\Windows\Fonts\simhei.ttf',size=14)
sns.set(font=myfont.get_name())