数据可视化Matplotlib-中

上一篇：数据可视化Matplotlib-上

import matplotlib.pyplot as mp

提示：为了避免文章过长，代码全托管到码云，直接点超链接就可以看到和下载。

10、刻度定位器
ax = mp.gca()
ax.xaxis.set_major_locator(刻度定位器) # 主刻度
ax.xaxis.set_minor_locator(刻度定位器) # 次刻度

• 常用 刻度定位器
  • mp.NullLocator：空定位器
  • mp.MaxNLocator(nbin=最多画几个刻度, steps=刻度间距可选列表)： 最大值定位器
  • mp.FixedLocator(locs=刻度列表)：固定点定位器
  • mp.AutoLocator()：自动定位器
  • mp.IndexLocator(offset=0.5,base=1.5)：offset（刻度起始值），base（步长）
  • mp.MultipleLocator(刻度间隔)：多点定位器
  • mp.LinearLocator(numticks=21)：numticks(刻度个数)
  • mp.LogLocator(base=2,subs=[1.0])：对数定位器

示例代码：locator.py
效果图：

11、区域填充
mp.fill_between(水平坐标，起点垂直坐标，终点垂直坐标，填充条件，color=颜色，alpha=透明度)

示例代码：fill.py
效果图：

12、条形图
mp.bar(水平坐标数组，高度数组，宽度，color=颜色，label=图例标签，alpha=透明度)

• 宽度：0-1的数，表示间隔

示例代码：bar.py
效果图：

13、饼图
mp.pie(值数组，间隙数组，标签数组，颜色数组，格式,shadow=False)

• shadow：是否有阴影
• startangle：起始角度
• 格式：表示扇形占比的格式化显示，比如‘%d%%’表示以20%这种表示，也可以以小数‘0.%d’则是以0.20显示

示例代码：pie.py
效果图：

14、等高线图
mp.contour(点阵X坐标，点阵Y坐标，Z坐标，梯度数，colors=颜色，linewidths=线宽)
mp.contourf(点阵X坐标，点阵Y坐标，Z坐标，梯度数，cmap=颜色映射)

• 梯度数：决定等高线图的密集性
• cmap：部分取值如下
  • autumn 从红色平滑变化到橙色，然后到黄色。
  • bone 具有较高的蓝色成分的灰度色图。该色图用于对灰度图添加电子的视图。
  • cool 包含青绿色和品红色的阴影色。从青绿色平滑变化到品红色。
  • copper 从黑色平滑过渡到亮铜色。
  • flag 包含红、白、绿和黑色。
  • gray 返回线性灰度色图。
  • hot 从黑平滑过度到红、橙色和黄色的背景色，然后到白色。
  • hsv 从红，变化到黄、绿、青绿、品红，返回到红。
  • jet 从蓝到红，中间经过青绿、黄和橙色。它是hsv色图的一个变异。
  • pink 柔和的桃红色，它提供了灰度图的深褐色调着色。
  • prism 重复这六种颜色：红、橙、黄、绿、蓝和紫色。
  • spring 包含品红和黄的阴影颜色。
  • summer 包含绿和黄的阴影颜色。
  • winter 包含蓝和绿的阴影色。

更多取值请参考官网：https://matplotlib.org/examples/color/colormaps_reference.html

补充：
点阵X坐标，点阵Y坐标：都为二维数组，可以由np.meshgrid(x一维数组,y一维数组)生成
例如：x = [1 3 4] y = [2 4 5],那么x和y在平面坐标系上能有9个交点，而点阵X坐标则是这9个坐标的x坐标矩阵
9个点的坐标：
(1, 2), (3, 2), (4,2)
(1, 4), (3, 4), (4, 4)
(1, 5), (3, 5), (4, 5)
点阵X坐标：
[[1, 3, 4],
[1, 3, 4],
[1, 3, 4]]
点阵Y坐标：
[[2, 2, 2],
[3, 3, 3],
[4, 4, 4]]
而np.meshgrid(x, y)得到的就是上面两个矩阵数组，也可以不使用np.meshgrid(x, y),而是使用X = np.tite(x, (x.size, 1)),Y = np.tite(y, (y.size, 1)).T
注意：坐标并不需要有顺序，只要X，Y一一对应就行
所以
X
[[1, 1, 1],
[2, 2, 2],
[4, 4, 4]]
Y
[[2, 3, 4],
[2, 3, 4],
[2, 3, 4]]
这个和上面没什么区别

示例代码：contour.py
效果图(可以一个窗口画一个，效果比这个好多了)：

15、热力图
mp.imshow(矩阵，cmap=颜色映射，origin=纵轴方向)

• origin：默认y轴坐标从上至下增大的，不符合坐标系，所以经常设置值为’low’

示例代码：imshow.py
效果图(是不是和等高线有点像，因为用的是同样的数据)：

简单应用：
将彩色图片显示为黑白图片，当然也可以变成其他颜色映射。

示例代码：cmap.py
原图片：

效果图(如果每个窗口显示一张图，效果更好)：

说明： 代码会提示一个警告，大概意思是imread已经被弃用，将在1.2.0版本移除，请使用imageio.imread，不理他，既然能用试试效果就行。

下一篇：数据可视化Matplotlib-下