利用matplotlib进行数据可视化

matplotlib是python中的一个画图库,继承了matlib(从名字上也看得出来)的优点和语法,所以对于熟悉matlib的用户来说是十分友好的。

pylab和pyplot

关于pylab和pyplot,人们做过不少的讨论。这两个模块有哪些不同呢?pylab模块跟matplotlib一起安装,而pyplot则是matplotlib的内部模块。两者的导入方法有所不同,可选择其中一种进行导入。

from pylab import *
#或
import matplotlib.pyplot as plt
import numpy as np

pylab在同一命名空间整合了pyplot和Numpy的功能,因此无需再单独导入Numpy。更进一步来说,导入pylab后,pyplot和Numpy的函数就可以直接调用,而不用再指定其所属模块(命名空间),从而使得matplotlib开发环境更像是Matlab。

plot(x,y)
array([1,2,3,4])
#而不用指定模块名称
plt.plot()
np.array([1,2,3,4])

大多情况下,我们更乐意使用pyplot模块。

线状图

这里我使用jupyter来进行演示

ipython qtconsole --matplotlib inline

用matplotlib生成这个图表很简单,一行代码就能搞定

plt.plot([1,2,3,4])
plt.show()

利用matplotlib进行数据可视化_第1张图片

如图所示,生成了一个Line2D对象。该对象为一条直线,它表示图表中各数据点的线性延伸趋势。我们可以看出,列表中的数据直接被作为y轴的值展示了出来,x周是从0开始的,所以我们要看一个数据的折线图,只用输入一个list即可。

但我们可以看出这个图可能还很简陋,比如有如下几个问题:

  • y轴显示为啥是0.5为步长间隔,我想以1为步长间隔
  • 我想控制x轴展示的值,而不是从0开始
  • 图太小了,能否控制大小
  • x轴和y轴字太小了,能否控制大小
  • 给x轴和y轴命个名吧
  • 没有网格看不清
  • 没有图例
  • 给线状图标上点
  • 我想保存图片到本地
  • 怎么画子图呢

接下来我们就一个一个解决。

1.设置x轴和y轴步长间隔

控制x轴,y轴显示的值,有两个参数

  • xticks(ticks, [labels], **kwargs)

  • yticks(ticks, [labels], **kwargs)

    • ticks:控制显示的位置,也就是显示那几个值,这几个值必须在y值数据的范围内,这里也就是[1,4]这个范围。
    • [labels]:控制显示在对应位置的值,可以是数也可以是字符。
y = [1,2,3,4]
step = 1
plt.yticks([i for i in y if i%step == 0]) 
plt.plot(y)

利用matplotlib进行数据可视化_第2张图片

2.x轴展示的值

这里展示了坐标轴显示字符的情况。

注意第五行,我改成了[1,2,3,3.5,4],所以显示出来就多了个3.5。

y = [1,2,3,4]
scale_ls = range(4)
index_ls = ["富强","民主","文明","和谐"]
plt.xticks(scale_ls,index_ls)
plt.yticks([1,2,3,3.5,4])
plt.plot(y)

利用matplotlib进行数据可视化_第3张图片

3.控制图表大小

控制图表的大小要用到的几个方法

  • rcParams:这个参数是用来设置一些配置参数的,比如这里我就用到了大小和dpi
    • figure.figsize:控制大小,参数为一个二元组(x,y),即长、宽
    • figure.dpi:控制dpi
plt.rcParams['figure.figsize'] = (10,5)
plt.rcParams['figure.dpi'] = 200
y = [1,2,3,4]
scale_ls = range(4)
index_ls = ["富强","民主","文明","和谐"]
plt.xticks(scale_ls,index_ls)
plt.yticks([1,2,3,3.5,4])
plt.plot(y)

这里可以看出更大更清晰了

利用matplotlib进行数据可视化_第4张图片

4.调节x轴和y轴字体大小

这里控制字体大小用到的也是xticksyticks,只不过使用到了fontsize参数。

plt.rcParams['figure.figsize'] = (10,5)
plt.rcParams['figure.dpi'] = 200
y = [1,2,3,4]
scale_ls = range(4)
index_ls = ["富强","民主","文明","和谐"]
plt.xticks(scale_ls,index_ls,fontsize=20)
plt.yticks([1,2,3,3.5,4],fontsize=20)
plt.plot(y)

利用matplotlib进行数据可视化_第5张图片

5.给x轴和y轴加上名字

使用

  • xlabel(str,fontsize=int )
  • ylabel(str,fontsize=int )
plt.rcParams['figure.figsize'] = (10,5)
plt.rcParams['figure.dpi'] = 200
y = [1,2,3,4]
scale_ls = range(4)
index_ls = ["富强","民主","文明","和谐"]
plt.xticks(scale_ls,index_ls,fontsize=20)
plt.yticks([1,2,3,3.5,4],fontsize=20)
plt.xlabel("核心价值观", fontsize=20)
plt.ylabel("顺序", fontsize=20)
plt.plot(y)

利用matplotlib进行数据可视化_第6张图片

6.加上网格

  • plt.grid(True),加上横纵两种网格。
  • plt.grid(True,axis="x"),加上x轴网格。
plt.rcParams['figure.figsize'] = (10,5)
plt.rcParams['figure.dpi'] = 200
y = [1,2,3,4]
scale_ls = range(4)
index_ls = ["富强","民主","文明","和谐"]
plt.xticks(scale_ls,index_ls,fontsize=20)
plt.yticks([1,2,3,3.5,4],fontsize=20)
plt.xlabel("核心价值观", fontsize=20)
plt.ylabel("顺序", fontsize=20)
plt.grid(True,axis="both")
plt.plot(y)

利用matplotlib进行数据可视化_第7张图片

7.加上图例

使用legend方法,里面有这么几个参数

  • handles:代表使用的是那几个曲线的对象
  • labels:代表对应的图例文字
  • loc:放置的位置
  • prop:额外参数,例如size,控制图例大小
t = np.arange(0, 2.5, 0.01)
y1 = map(math.sin, math.pi*t)
y2 = map(math.cos, math.pi*t)
l1, = plt.plot(list(y1))
l2, = plt.plot(list(y2))
plt.legend(handles = [l1, l2], labels = ['Sin', 'Cos'], loc = 'best', prop={'size': 20})

利用matplotlib进行数据可视化_第8张图片

8.给线状图标点

只用在plot加入参数marker 即可

t = np.arange(0, 2.5, 0.1)
y1 = map(math.sin, math.pi*t)
y2 = map(math.cos, math.pi*t)
l1, = plt.plot(list(y1), marker = "o")
l2, = plt.plot(list(y2), marker = "*")
plt.legend(handles = [l1, l2], labels = ['Sin', 'Cos'], loc = 'best', prop={'size': 20})

利用matplotlib进行数据可视化_第9张图片

9.保存图片到本地

只用在最后使用savefig 方法

plt.savefig('test.png',dpi=400)

10.画子图

这里使用到了subplot方法

他有三个参数,分别为

  • 几行
  • 几列
  • 第几个

举个栗子

  1. subplot(2,2,1) 2行2列(即子图排列为田字格形状)第一个
  2. subplot(2,1,2) 2行1列(即子图排列为纵向两个图形状)第二个
t = np.arange(0, 2.5, 0.1)
y1 = map(math.sin, math.pi*t)
y2 = map(math.cos, math.pi*t)

plt.subplot(2, 1, 1)
plt.title("Sin", fontsize=20)
l1, = plt.plot(list(y1), marker = "o")

plt.subplot(2, 1, 2)
plt.title("Cos", fontsize=20)
l2, = plt.plot(list(y2), marker = "*")

这里我还使用到了title方法,给对应图表加上了标题。

利用matplotlib进行数据可视化_第10张图片

你可能感兴趣的:(利用matplotlib进行数据可视化)