Python数据可视化matplotlib（一）—— 图表的基本元素
图表创建
plt.show()
# 图表窗口1 → plt.show()plt.plot(np.random.rand(10))plt.show()# 直接生成图表
魔法函数
% matplotlib inline 嵌入图表
# 图表窗口2 → 魔法函数，嵌入图表%matplotlib inlinex = np.random.randn(1000)y = np.random.randn(1000)plt.scatter(x, y)# 直接嵌入图表，不用plt.show()# <matplotlib.collections.PathCollection at ...> 代表该图表对象
% matplotlib notebook 弹出可交互的matplotlib窗口
# 图表窗口3 → 魔法函数，弹出可交互的matplotlib窗口% matplotlib notebooks = pd.Series(np.random.randn(100))s.plot(style = 'k--o',figsize=(10,5))# 可交互的matplotlib窗口，不用plt.show()# 可做一定调整
在这里要自己尝试看看什么效果
% matplotlib qt5 弹出matplotlib控制台
# 图表窗口4 → 魔法函数，弹出matplotlib控制台% matplotlib qt5df = pd.DataFrame(np.random.rand(50,2),columns=['A','B'])df.hist(figsize=(12,5),color='g',alpha=0.8)# 可交互性控制台# 如果已经设置了显示方式（比如notebook），需要重启然后再运行魔法函数# 网页嵌入的交互性窗口 和 控制台，只能显示一个#plt.close() # 关闭窗口#plt.gcf().clear() # 每次清空图表内内容
在这里要自己尝试看看什么效果
图表的基本元素
图表的基本元素
# 图名，图例，轴标签，轴边界，轴刻度，轴刻度标签等df = pd.DataFrame(np.random.rand(10,2), columns=['A','B'])# print(df)# print('=========')f = plt.figure(figsize=(10, 10)) #生成窗口对象，并设置大小fig = df.plot(figsize=(8, 6))# 创建图表对象，设置大小并赋值给fig# print(fig, type(fig))# print('---------')# print(f, type(f))plt.title('aa') # 表头plt.xlabel('x') # x轴标签plt.ylabel('y') # y轴标签plt.legend(loc = 'best')# 显示图例，loc表示位置# 'best' : 0, (only implemented for axes legends)(自适应方式)# 'upper right' : 1,# 'upper left' : 2,# 'lower left' : 3,# 'lower right' : 4,# 'right' : 5,# 'center left' : 6,# 'center right' : 7,# 'lower center' : 8,# 'upper center' : 9,# 'center' : 10,plt.xlim([0,10]) # x轴边界plt.ylim([0,1.1]) # 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# 范围只限定图表的长度，刻度则是决定显示的标尺 → 这里x轴范围是0-12，但刻度只是0-9，刻度标签使得其显示1位小数# 轴标签则是显示刻度的标签# print(fig,type(fig))# 查看表格本身的显示方式，以及类别
[Text(0,0,'0.00'),Text(0,0,'0.20'),Text(0,0,'0.40'),Text(0,0,'0.60'),Text(0,0,'0.80'),Text(0,0,'1.00'),Text(0,0,'1.20')]
图表的基本样式
#通过ndatty 创建图表x = np.linspace(-np.pi, np.pi, 256, endpoint=True)c,s = np.cos(x), np.sin(x)plt.plot(c)plt.plot(s)plt.grid(True, linestyle='--', color='gray', linewidth='0.5', axis='both') # 创建格网# 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plt.tick_params(bottom='on', top='on', left='on', right='on')# 刻度显示import matplotlibmatplotlib.rcParams['xtick.direction'] = 'out'matplotlib.rcParams['ytick.direction'] = 'in'# 设置刻度的方向，in,out,inout# 这里需要导入matploltib，而不仅仅导入matplotlib.pyplotframe = plt.gca()plt.axis('on')# 关闭坐标轴frame.axes.get_xaxis().set_visible(True)frame.axes.get_yaxis().set_visible(False)
图表样式的创建
linestyle 线样式
#线样式plt.plot([i**2 for i in range(100)],linestyle='-.')# '-' solid line style# '--'dashed line style# '-.'dash-dot line style# ':' dotted line style
marker 标记样式
# marker参数s = pd.Series(np.random.randn(10).cumsum())s.plot(linestyle='-.',marker='D')# '.' 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# '|' vline marker# '_' hline marker
color 颜色
# color参数plt.hist(np.random.randn(100),color='g',alpha=0.6)# alpha：0-1，透明度# 常用颜色简写：red-r, green-g, black-k, blue-b, yellow-ydf = pd.DataFrame(np.random.randn(1000, 4), columns=list('ABCD'))df = df.cumsum()df.plot(style='--', alpha= 0.8, colormap='BrBG_r' )# colormap：颜色板，包括：# Accent, Accent_r, Blues, Blues_r, BrBG, BrBG_r, BuGn, BuGn_r, BuPu, BuPu_r, CMRmap, CMRmap_r, Dark2, Dark2_r, GnBu, GnBu_r, Greens, Greens_r,# Greys, Greys_r, OrRd, OrRd_r, Oranges, Oranges_r, PRGn, PRGn_r, Paired, Paired_r, Pastel1, Pastel1_r, Pastel2, Pastel2_r, PiYG, PiYG_r, # PuBu, PuBuGn, PuBuGn_r, PuBu_r, PuOr, PuOr_r, PuRd, PuRd_r, Purples, Purples_r, RdBu, RdBu_r, RdGy, RdGy_r, RdPu, RdPu_r, RdYlBu, RdYlBu_r, # RdYlGn, RdYlGn_r, Reds, Reds_r, Set1, Set1_r, Set2, Set2_r, Set3, Set3_r, Spectral, Spectral_r, Wistia, Wistia_r, YlGn, YlGnBu, YlGnBu_r, # YlGn_r, YlOrBr, YlOrBr_r, YlOrRd, YlOrRd_r, afmhot, afmhot_r, autumn, autumn_r, binary, binary_r, bone, bone_r, brg, brg_r, bwr, bwr_r, # cool, cool_r, coolwarm, coolwarm_r, copper, copper_r, cubehelix, cubehelix_r, flag, flag_r, gist_earth, gist_earth_r, gist_gray, gist_gray_r,# gist_heat, gist_heat_r, gist_ncar, gist_ncar_r, gist_rainbow, gist_rainbow_r, gist_stern, gist_stern_r, gist_yarg, gist_yarg_r, gnuplot, # gnuplot2, gnuplot2_r, gnuplot_r, gray, gray_r, hot, hot_r, hsv, hsv_r, inferno, inferno_r, jet, jet_r, magma, magma_r, nipy_spectral, # nipy_spectral_r, ocean, ocean_r, pink, pink_r, plasma, plasma_r, prism, prism_r, rainbow, rainbow_r, seismic, seismic_r, spectral, # spectral_r ,spring, spring_r, summer, summer_r, terrain, terrain_r, viridis, viridis_r, winter, winter_r# 其他参数见“颜色参数.docx”
style 风格
# style参数，可以包含linestyle，marker，colorts = pd.Series(np.random.randn(1000).cumsum(), index=pd.date_range('1/1/',periods=1000))ts.plot(style='--gx', grid=True)# style → 风格字符串，这里包括了linestyle（-），marker（.），color（g）# plot()内也有grid参数
# 整体风格样式import matplotlib.style as pslprint(plt.style.available)# 查看样式列表psl.use('bmh')ts = pd.Series(np.random.randn(100).cumsum(), index=pd.date_range('1/1/',periods=100))ts.plot(style='-g.', grid=True)
['bmh', 'classic', 'dark_background', 'fast', 'fivethirtyeight', 'ggplot', 'grayscale', 'seaborn-bright', 'seaborn-colorblind', 'seaborn-dark-palette', 'seaborn-dark', 'seaborn-darkgrid', 'seaborn-deep', 'seaborn-muted', 'seaborn-notebook', 'seaborn-paper', 'seaborn-pastel', 'seaborn-poster', 'seaborn-talk', 'seaborn-ticks', 'seaborn-white', 'seaborn-whitegrid', 'seaborn', 'Solarize_Light2', 'tableau-colorblind10', '_classic_test']
刻度，注解及图表输出
刻度
主刻度（major）与次刻度(minor)
from matplotlib.ticker import MultipleLocator, FormatStrFormattert = np.arange(0.0, 100.0, 1)s = np.sin(0.1*np.pi*t)*np.exp(-t*0.01)ax = plt.subplot(111) #一般子啊ax中设置，不在plot中设置plt.plot(t, s,'--*', color='b')plt.grid(True, linestyle='-', color='gray', linewidth='0.5', axis='both')#网格xmajorLocator = MultipleLocator(10) #将x轴主刻度标签设置为10的倍数xmajorFormatter = FormatStrFormatter('%.0f') #设置x轴标签文本的格式xminorLocator = MultipleLocator(5) #将X轴次刻度标签设置为5的倍数ymajorlocator = MultipleLocator(0.5) #将y轴主刻度设置为0.5的倍数ymajorFormatter = FormatStrFormatter('%.0f') #将Y轴刻度标签设置格式yminorlocator = MultipleLocator(0.1) #将y轴次刻度设置为0.1的倍数ax.xaxis.set_major_locator(xmajorLocator) #设置X轴主刻度ax.xaxis.set_major_formatter(xmajorFormatter) #设置x轴主刻度标签ax.xaxis.set_minor_locator(xminorLocator) #设置X轴次刻度# ax.yaxis.set_major_locator(ymajorlocator)
注释
# 注释df = pd.DataFrame(np.random.rand(10,2))df.plot(style='-gx')plt.text(2, 0.4,'nihao',fontsize=10)#注释 plt.text(横坐标，纵坐标，文本)
图表输出
df = pd.DataFrame(np.random.randn(100,4),columns=list('ABCD'))df = df.cumsum()df.plot(style = '--', alpha = 0.5)plt.legend(loc = 'best')plt.savefig('E:\\DataScience\\python\\数据可视化包\\pic.png',dpi = 800,# bbox_inches = 'tight',facecolor = 'w',edgecolor = 'blue')# 可支持png，pdf，svg，ps，eps…等，以后缀名来指定# dpi是分辨率# bbox_inches：图表需要保存的部分。如果设置为‘tight’，则尝试剪除图表周围的空白部分。# facecolor，edgecolor： 图像的背景色，默认为‘w’（白色）
