python数据可视化_Matplotlib

说明:本文为博主原创文章,未经博主允许不得转载。
如果代码有不懂的,欢迎与我探讨!
邮箱:[email protected]
github地址:https://github.com/wstchhwp

文章目录

      • 1. Matplotlib 基本概念
      • 2. Matplotlib三层结构
        • 容器层
        • 辅助显示层
        • 图像层
      • 总结
      • 3.plt的基本用法
        • 3.1 Figure对象
        • 3.2 plot的使用
        • 3.3 如何在同一个figure内部设置多个图片
        • 3.4 如何调整subplot的间距
      • 4.参考

可视化是在整个数据挖掘的关键辅助工具,可以清晰的理解数据,从而调整我们的分析方法。

1. Matplotlib 基本概念

Matplotlib是python的一个数据可视化工具库,专门用于开发2D图表(包括3D图表), 操作简单。

2. Matplotlib三层结构

python数据可视化_Matplotlib_第1张图片

容器层

容器层由Canvas、Figure、Axes三部分组成。

Canvas位于最底层的系统层,充当画板,即放置Figure的工具。
Figure是Canvas上方的第一层,也是需要用户来操作的应用层的第一层,在绘图的过程中充当画布的角色。
Axes是应用层的第二层,在绘图的过程中相当于画布上的绘图区的角色。

Figure:指整个图形(可以通过plt.figure()设置画布的大小和分辨率等)
Axes(坐标系):数据的绘图区域
Axis(坐标轴):坐标系中的一条轴,包含大小限制、刻度和刻度标签

特点为:

一个figure(画布)可以包含多个axes(坐标系/绘图区),但是一个axes只能属于一个figure。
一个axes(坐标系/绘图区)可以包含多个axis(坐标轴),包含两个即为2d坐标系,3个即为3d坐标

辅助显示层

辅助显示层为Axes(绘图区)内的除了根据数据绘制出的图像以外的内容,主要包括Axes外观(facecolor)、边框线(spines)、坐标轴(axis)、坐标轴名称(axis label)、坐标轴刻度(tick)、坐标轴刻度标签(tick label)、网格线(grid)、图例(legend)、标题(title)等内容。

图像层

图像层指Axes内通过plot、scatter、bar、histogram、pie等函数根据数据绘制出的图像

总结

Canvas(画板)位于最底层,用户一般接触不到;
Figure(画布)建立在Canvas之上;
Axes(绘图区)建立在Figure之上;
坐标轴(axis)、图例(legend)等辅助显示层以及图像层都是建立在Axes之上。

3.plt的基本用法

3.1 Figure对象

matplotlib的图像都位于Figure对象中,我们可以调用plt.figure()来创建Figure对象。

fig = plt.figure()
figure有一个比较重要的参数figsize,它衡量图片的大小和纵横比(单位为inch):

fig = plt.figure(figsize=(4,5))
比如,以上代码代表建立一个宽度为4inch,高度为5inch的figure对象。

3.2 plot的使用

有了figure对象之后,就可以利用plot函数作图了。注意不可以使用figure对象来调用plot,按照惯例我们使用plt.plot()来作图,而图像自动分配到上一个建立的figure中。

3.3 如何在同一个figure内部设置多个图片

figure对象调用add_subplot函数来添加figure内部不同位置的图片,add_subplot函数的3个参数分别为figure内部纵向和横向的字图片个数,以及当前创建的子图片是第几个,例如:

fig = plt.figure()
# add_subplot返回的是一个subplot对象
sp1 = fig.add_subplot(2,3,1)
sp2 = fig.add_subplot(2,3,2)
sp3 = fig.add_subplot(2,3,3)
sp4 = fig.add_subplot(2,3,4)
 
fig

python数据可视化_Matplotlib_第2张图片

如果要在subplot内部作图,我们只需要用对应的subplot对象调用plot即可:

sp1.plot(np.random.randn(50), 'k--', color='r')

fig

python数据可视化_Matplotlib_第3张图片

3.4 如何调整subplot的间距

有时候各subplot的间距会过大或者过小,这时候与我们需要使用subplots_adjust函数来调整间距:

fig.tight_layout() # 调整整体空白
plt.subplots_adjust(wspace =0, hspace =0) # 调整子图间距

plt.subplots_adjust(left=None, bottom=None, right=None, top=None,wspace=None,hspace=None)
参数详解:
left  = 0.125  # the left side of the subplots of the figure
right = 0.9    # the right side of the subplots of the figure
bottom = 0.1   # the bottom of the subplots of the figure
top = 0.9      # the top of the subplots of the figure
wspace = 0.2   # the amount of width reserved for blank space between subplots,
               # expressed as a fraction of the average axis width
hspace = 0.2   # the amount of height reserved for white space between subplots,
               # expressed as a fraction of the average axis height
# 调整fig内部的subplot长宽间距都为0.5
fig.subplots_adjust(wspace = 0.5, hspace = 0.5)
 
fig

python数据可视化_Matplotlib_第4张图片

4.参考

https://blog.csdn.net/xiaomeng29/article/details/90769347

https://blog.csdn.net/m0_37362454/article/details/82796793

https://blog.csdn.net/Refrain__WG/article/details/82747254

https://blog.csdn.net/jlb1024/article

你可能感兴趣的:(数据挖掘)