Matplotlib库之pyplot的使用

可以查看pyplot官方教程

Pyplot简介

简单的说就是把数据显示成图形用的，比如曲线，棒图，饼图，总之就是数据可视化。

Pyplot的一些方法

方法	说明
figure()	创建画布有返回值，重要参数dpi分辨率，figsize画布大小
xlabel(),ylabel()	通过plt.ylabel(‘纵轴名’)指定轴的名称
plot()	线形图
axis()	参数是 [xmin, xmax, ymin, ymax] 列表作为参数来指定了各个轴的视口大小
show()	展示方法，展示之后会清空内存中图片，因此要先保存图片再show
savefig()	保存图片参数是保存路径和文件名
legend()	函数主要的作用就是给图加上图例，plt.legend([x,y,z])里面的参数使用的是list的的形式将图表的的名称喂给这和函数。
plt.xticks(bins)	xticks(list) 使用list的值进行 x 轴刻度的标识
title()	标题
grid()	设置为true添加网图格plt.grid(True, linestyle=’–’, alpha=0.5)

mac版解决不支持中文

单个解决方式，以y轴名为例

from matplotlib.font_manager import FontProperties

plt.ylabel('平方值',fontproperties=FontProperties(fname='/System/Library/Fonts/PingFang.ttc'))

当前文件解决方式

# 修改字体
plt.rcParams['font.sans-serif'] = ['Arial Unicode MS']
plt.rcParams['font.size'] = 20  # 修改字体大小
plt.rcParams['axes.unicode_minus'] = False  # 字体是中文时显示负数会有bug，去除一下

jupyternotebook可能出现问题

可能会不展示图，加上以下代码即可

%matplotlib inline

线形图plot详解

def plot(*args, scalex=True, scaley=True, data=None, **kwargs):

• 在plot()中有个格式化字符串fmt可以来指定线的由颜色、标识符和线型三部分,默认是’b-'也就是蓝色实线
• plot的参数：color线颜色，marker标记格式，markerfacecolor标记颜色，markersize标记大小, linestyle线格式

fmt = '[color][marker][line]'

先简单的创建一个试试:

plt.ylabel('平方值',fontproperties=FontProperties(fname='/System/Library/Fonts/PingFang.ttc'))
arr1 = np.arange(0,5)
plt.axis([0,6,0,20])  # 指定了x和y轴最大最小值
plt.plot(arr1, arr1**2, 'r<--')  # fmt格式指定为红色线段，<标记点，虚线格式
plt.show()

• 如果只有一个数组，这个数组默认为y轴内容，x轴自动补齐由0开始
• axis指定了x和y轴的值范围，不然就是默认数组的值范围
• ’r<–‘，r是红色，<指标记点格式，–是指定虚线

使用fmt格式字符串

缩写字母	代表颜色	标记缩写	代表的标记格式
‘b’	blue	‘.’	点标记
‘g’	green	‘,’	像素标记也就是默认
‘r’	red	‘o’	大点标记
‘c’	cyan	’v‘ ‘^’ ‘<’ ‘>’	分别是三角形标记的四个方向
‘m’	magenta	‘s’	正方形
‘y’	yellow	‘p’	五角形
‘k’	black	‘*’	五角星
‘w’	white	‘H’ ‘h’	两个方向的六边形
-	-	‘1’ ‘2’ ‘3’ ‘4’	三菱线的四个方向
字符	代表的线型	‘+’	+型
‘-’	普通线型	‘x’	x型
‘–’	- -虚线	‘d’ ‘D’	d是菱形,D是倒正方形
‘-.’	- .虚线	‘|’	竖线型
‘:’	. .虚线	‘_’	下划线型

add_subplot绘制子图（分区域）

第一种方法：生成对象在绘图

# 创建画布，参数dpi分辨率，figsize画布大小
fig = plt.figure()
# 分成多少块,第三个参数是指定第几块
ax1 = fig.add_subplot(2,2,1)  # 2*2，选第一个
ax2 = fig.add_subplot(2,2,2)
ax3 = fig.add_subplot(2,2,3)
ax4 = fig.add_subplot(2,2,4)
# 用这些ax1-4对象的plot方法绘制内容即可
arr2 = list(data['price'])  # data是读取的文件内容，这里没展示
arr3 = list(data['AREA'])
# 面积和价格，第四区域
ax4.plot(arr3,arr2, 'ro')

第二种方法，分割直接写

fig = plt.figure()
arr1 = np.random.randint(10,20,20)
arr2 = np.random.randint(10,20,20)
# 2行3列的第一个区域
fig.add_subplot(2,3,1)  # 不用逗号也一样
plt.plot(arr1)
fig.add_subplot(235)  # 2行3列的第5个区域
plt.plot(arr2)
plt.show()

柱形图bar的用法

常见的参数：

• x,height分别是x轴和y轴的值
• width是宽度
• label是说明，需要显示图例lengend()方法

plt.rcParams['font.sans-serif'] = ['Arial Unicode MS']  # 中文
x = np.arange(5)
y1 = np.random.randint(10,100,5)
y2 = np.random.randint(10,100,5)
fig = plt.figure()
# fig.add_subplot(1,2,1)
# 指定x，y的值
plt.bar(x, y1,width=0.4,label='第一组')
# fig.add_subplot(1,2,2)
plt.bar(x+0.4,y2,width=0.4,label='第二组')
# 显示图例
plt.legend()
plt.show()

展示图：

直方图hist用法

几个常见的参数

• x,这个参数是指定每个bin(箱子)分布的数据,对应x轴
• bins这个参数指定bin(箱子)的个数,也就是总共有几条条状图
• density这个参数指定密度,也就是每个条状图的占比例比,默认为1
• alpha透明度

arr1 = [131,  98, 125, 131, 124, 139, 131, 117, 128, 108, 135, 138, 131, 102, 107, 114, 119, 128, 121, 142, 127, 130, 124, 101, 110, 116, 117, 110, 128, 128, 115,  99, 136, 126, 134,]

plt.rcParams['font.sans-serif'] = ['Arial Unicode MS']
plt.rcParams['font.size'] = 20  # 修改字体大小
plt.rcParams['axes.unicode_minus'] = False  # 字体是中文时显示负数会有bug，去除一下
# 展示刻度
plt.xticks(range(min(arr1), max(arr1))[::4]) 
# 个数
bins = (max(arr1) - min(arr1)) // 4
print(bins)
plt.hist(arr1, bins=bins, density=1, alpha=0.8)
plt.grid(True, linestyle="--", alpha=0.5)
plt.ylabel('数量')
plt.title('直方图')
plt.show()

绘点图scatter用法

• scatter(x, y, 点的大小, 颜色，标记)，默认顺序
• 参数c指定颜色可以是字符缩写也可以是数组会自动对应，s指定大小

两个案例：

plt.scatter(arr1,arr1**2,[10,20,30,40,50],['r','b','y','k','c'])

• Matplotlib 允许用户提供带有关键字的数据对象作为参数，一旦提供了带有关键字的数据，就能够直接使用关键字来代替这些变量去生成图形。

data = {'a': np.arange(50),
        'c': np.random.randint(0, 50, 50),
        'd': np.random.randn(50)}
data['b'] = data['a'] + 10 * np.random.randn(50)
data['d'] = np.abs(data['d']) * 100
# 指定颜色和大小，数据
plt.scatter('a', 'b', c='c', s='d', data=data)
plt.show()

饼图pie的使用

• x:数量，自动算百分比
• labels:每部分名称,长度和x要一样
• explode：1就是把饼图拿出来，[1,0,…]列表长度要和x一样
• autopct:占比显示指定%1.2f%%
• colors:每部分颜色,列表，可以自定[‘b’,‘r’,‘g’,‘y’,‘c’,‘m’,‘y’,‘c’,‘g’,‘y’]也可以自动填色
• shadow等于True加阴影

import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif'] = ['Arial Unicode MS']
# 准备数据
movie_name = ['雷神3：诸神黄昏','正义联盟','东方快车谋杀案','寻梦环游记','全球风暴','降魔传','追捕','七十七天','密战','狂兽','其它']
place_count = [60605,54546,45819,28243,13270,9945,7679,6799,6101,4621,20105]
# 展示
plt.pie(place_count, labels=movie_name,autopct="%1.2f%%")
# 显示图例
plt.legend()
# 添加标题
plt.title("电影排片占比")
# 规定为正圆
plt.axis('equal')
plt.show()

混淆矩阵imshow（表示二维数据的分布情况）

arr1 = np.random.randint(10,50,(10,20))
plt.imshow(arr1)  # 混淆矩阵 cmap=plt.cm.Blues颜色风格
plt.colorbar()  # 颜色和值对应图
plt.show()