matplotlib库的简单介绍

一、numpy库的常用语句

import numpy as np
x = np.random.randint(1, 100, 20)
np.savetxt('x.yui', x, fmt='%d', delimiter=',')
y = np.loadtxt('x.yui', delimiter=',')
y.sort()
y.max()
y.min()
y.mean()
y.var()

二、散点图

import matplotlib.pyplot as plt
import numpy as np
N = 1000
x = np.random.randn(N)
y = np.random.randn(N)
plt.scatter(x, y, s=50, c='r', alpha=0.7, marker='1')
#s为点的面积大小，c为颜色，alpha为透明度，marker为点的形状
N = 1000
x = np.random.randn(N)
y = x+np.random.randn(N)*0.3
plt.scatter(x, y, s=50, c='xkcd:sky blue', alpha=0.7, marker='*')

三、折线图

import matplotlib.pyplot as plt
import numpy as np
import matplotlib.dates as mdates
x = np.linspace(-10,10,5)#-10到10的100个等差数列
y = x**2
plt.plot(x, y)
plt.show()
##############下面读入股票数据画图####################
def convert_date(date_bytes):
    return mdates.strpdate2num(' %Y/%m/%d')(date_bytes.decode('ascii'))
#########%Y前有个空格，因为文档中存在空格，如果没空格会报错，所以要仔细查看文档日期
date, high, low = np.loadtxt('C:/Users/Administrator/Desktop/300411.csv', delimiter=',', converters={0: convert_date},
                             skiprows=2, usecols=(0, 2, 3), unpack=True)
plt.plot_date(date, high, '-', c='r')##横坐标为日期的特殊画图函数
plt.plot_date(date, low, linestyle='--', c='g',marker='*')
plt.show()

四、条形图

import matplotlib.pyplot as plt
import numpy as np

N = 5
y =[20, 10, 30, 25, 15]
index = np.arange(N)
pl = plt.bar(x=index, height=y,align='edge', color='red',width=0.5)
##水平条形图，有些参数不同于上个函数
plh = plt.barh(y=index, width=y, align='center', color='blue',height=0.5)
plt.show()
############对比图#########
index=np.arange(4)
sales_BJ = [52,56,78,57]
sales_SH = [67,89,75,45]
bar_width=0.4
plt.bar(index, sales_BJ, bar_width, align='edge', color='b')
plt.bar(index+bar_width,sales_SH,bar_width, align='edge', color='r')
plt.show()

plt.barh(y=index, width=sales_BJ,height= bar_width, align='edge', color='b')
plt.barh(y=index+bar_width,width=sales_SH, height=bar_width, align='edge', color='r')
plt.show()
###########层叠图
plt.bar(index,sales_BJ, bar_width, align='edge', color='b')
plt.bar(index,sales_SH, bar_width,color='r', align='edge', bottom=sales_BJ)
##注意bottom的使用
plt.show()
###########层叠图
plt.barh(index,sales_BJ, bar_width, align='edge', color='b')
plt.barh(index,width=sales_SH,height= bar_width,color='r', align='edge',left=sales_BJ)
####注意left的使用
plt.show()

五、直方图
表示数据分布

###########直方图##########
import matplotlib.pyplot as plt
import numpy as np

mu = 100 #均值
sigma = 20 #标准差
x = mu + sigma * np.random.randn(2000)
plt.hist(x, bins=10, color='r', normed= True)
###因为标准化了，图像纵坐标是在x轴范围内的频率
plt.hist(x, bins=50, color='g', normed= False)
plt.show()
####未标准化，纵轴是范围内出现的数据个数
#####双变量直方图#########探索双变量的联合分布很有用
x = np.random.randn(1000)+2
y = np.random.randn(1000)+3
plt.hist2d(x,y,bins=50)##颜色的深浅表示频率的大小，中间亮，频率高

六、饼状图

#########################饼状图###################
import matplotlib.pyplot as plt

labels = 'A', 'B', 'C', 'D'
fracs = [15,30,45,10]
explode=[0.3,0,0,0]###定义块离圆心距离，突出某块
plt.pie(x=fracs, labels=labels, autopct='%.0f%%', explode=explode,
        shadow=True)
#autopct设定显示每块的百分比,shadow显示阴影
plt.show()

七、箱线图
显示数据分散情况
上边缘，上四分位数，中位数，下四分位数，下边缘，异常值

import matplotlib.pyplot as plt
import numpy as np

np.random.seed(100)
data = np.random.normal(size=1000, loc=0, scale=1)
plt.boxplot(data,sym='o', whis=1.5)
plt.boxplot(data,sym='o',whis=90000)
###sym改变异常点形状，whis改变线的长短来显示隐藏异常点
plt.show()

####多个箱线图对比####
data1 = np.random.normal(size=(1000,4), loc=0, scale=1)
labels=['A','B','C','D']
plt.boxplot(data1,labels=labels)
plt.show()
##更多的见matplotlib网站demo

八、颜色与样式

#########################颜色与样式##############
###8种默认颜色缩写，b,g,r,c,m,y,k,w
###灰色阴影
###html 十六进制
###RGB 元组
import matplotlib.pyplot as plt
import numpy as np

y = np.arange(1, 5)
plt.plot(y, color='k')
plt.plot(y+1, color='0.5')##灰度
plt.plot(y-1, color='#FF00FF')###十六颜色代码
plt.plot(y+2, color=(0.1, 0.2,0.5))##括号RGB
plt.show()
##########点样式##
plt.plot(y, marker='o')###有marker的会有过点直线
plt.plot(y+1, '^')###下面的都没有线，且形状不同，默认颜色也不同
plt.plot(y-1, 'p')
plt.plot(y+2, '.')
plt.show()
#####线样式####
##实线-，虚线--，点划线-.，点线：
plt.plot(y, '--')###虚线
plt.plot(y+1, '-.')###点划线
plt.plot(y-1, ':')##点线
plt.plot(y+2, '-')##实线
plt.show()
#######样式字符串##
##颜色+点型+线型，一起定义
plt.plot(y, 'cx--')###
plt.plot(y+1, 'kp-.')###黑色五角点划线
plt.plot(y-1, 'mo:')##紫色圆点线
plt.plot(y+2, 'y^-')##黄色三角实线
plt.show()

九、面向对象

#########################面向对象##############
###pyplot
###pylab，模拟matlab环境，不推荐
###面向对象的方式，精髓
import matplotlib.pyplot as plt
import numpy as np
#####pyplot
x = np.arange(0, 10,1)
y = np.random.randn(len(x))
plt.plot(x, y)
plt.title('pyplot')
plt.show()

###面向对象
fig = plt.figure()
ax = fig.add_subplot(111)
l,=plt.plot(x, y)
t = ax.set_title('object oriented')

十、子图

#########################子图##############
###对象：FiguCanvas, Figure, Axes
###ax = fig.add.subplot(111), 参数一二三：子图总行数，总列数，子图位置
###
import matplotlib.pyplot as plt
import numpy as np
###面向对象
x = np.arange(1, 100)
fig = plt.figure()
ax1 = fig.add_subplot(221)
ax1.plot(x, x)
ax2 = fig.add_subplot(222)
ax2.plot(x, -x)
ax3 = fig.add_subplot(223)
ax3.plot(x, x*x)
ax4 = fig.add_subplot(224)
ax4.plot(x, np.log(x))
####pyplot
plt.subplot(221)
plt.plot(x, x)
plt.subplot(222)
plt.plot(x, -x)
plt.subplot(223)
plt.plot(x, x*x)
plt.subplot(224)
plt.plot(x, np.log(x))

十一、多图

########################多图##############
###对象：FiguCanvas, Figure, Axes
###创建多个figure
import matplotlib.pyplot as plt

fig1=plt.figure()
ax1=fig1.add_subplot(111)
ax1.plot([1,2,3],[3,2,1])

fig2=plt.figure()
ax2=fig2.add_subplot(111)
ax2.plot([1,2,3],[1,2,3])
plt.show()

十二、网格

#########################网格##############
###plt
###面向对象
import matplotlib.pyplot as plt
import numpy as np
####plt，有交互效果，可不断变更图中网格设定
y = np.arange(1,5)
plt.plot(y,y*2)
plt.grid(True)#打开网格
plt.grid()#关闭网格
plt.grid(color='r',linewidth='2',linestyle='--')
plt.grid(color='g')
###面向对象,没有交互效果
x = np.arange(0, 10, 1)
fig = plt.figure()
ax = fig.add_subplot(111)
plt.plot(x, x*2)
ax.grid(color='g', linestyle='--')
plt.show()

十三、图例

########################图例##############
###plt
###面向对象
import matplotlib.pyplot as plt
import numpy as np
####plt，有交互效果，可不断变更图中网格设定
x = np.arange(1,11,1)
plt.plot(x,x*2,label='Normal')
plt.plot(x,x*3,label='Fast')
plt.plot(x,x*4,label='  Faster')
plt.show()##没有图例
plt.legend()##出现图例
plt.legend(loc=1)###loc设定图例位置0~10
plt.legend(ncol=3)###图例分为几列，使图例合理

###面向对象,没有交互效果
fig = plt.figure()
ax = fig.add_subplot(111)
line,= plt.plot(x, x, label='Inline label')
plt.show()##没有图例
ax.legend()##出现图例
#####或者不在plot里设label####
line.set_label('Label via method')
ax.legend()

十四、坐标轴范围

#######################坐标轴范围##############

import matplotlib.pyplot as plt
import numpy as np
####plt，有交互效果，可不断变更图中网格设定
x = np.arange(-10,11,1)
plt.plot(x,x*x)
plt.show()
plt.axis([-5,5,1,30])###设定x坐标轴在-5~5，y轴1~30
##也可如下设定
plt.xlim([-6,6])###只调整x轴
plt.ylim([0,35])###只调整y轴
##只调整一边
plt.plot(x,x*x)
plt.show()
plt.xlim(xmin=-5)
plt.xlim(xmax=8)

十五、坐标轴刻度

#######################坐标轴刻度##############
###plt
###面向对象
import matplotlib.pyplot as plt
import numpy as np
import datetime
import matplotlib as mpl
####面向对象，无交互效果
x = np.arange(1,11,1)
plt.plot(x, x)##二维的列表
ax = plt.gca()##获取当前axis，get current axis
ax.locator_params(nbins=20)##both分20个
ax.locator_params('x',nbins=10)##只调整x轴
ax.locator_params('y',nbins=5)##只调整y轴
plt.show()
######plt,交互的
plt.locator_params('y',nbins=10)
#####日期坐标调整########面向对象
fig = plt.figure()
start = datetime.datetime(2015,1,1)
stop = datetime.datetime(2016,1,1)
delta = datetime.timedelta(days=1)
dates = mpl.dates.drange(start,stop,delta)#####生成一年的顺序dates
y = np.random.randn(len(dates))
ax = plt.gca()
ax.plot_date(dates,y,linestyle='-',marker='')
plt.show()
#####自行设置横坐标轴的时间格式###
date_format = mpl.dates.DateFormatter('%Y-%m-%d')
ax.xaxis.set_major_formatter(date_format)
fig.autofmt_xdate()#####防止时间刻度重叠，斜着显示

十六、添加坐标轴

#######################添加坐标轴##############
###同一幅图，两条线的刻度不同，需要双坐标轴
import matplotlib.pyplot as plt
import numpy as np

x = np.arange(2,20,1)
y1 = x*x
y2 = np.log(x)
######plt,交互的
plt.plot(x, y1)
plt.show()
plt.twinx()###第二条y坐标轴,twinx，双胞胎x
plt.plot(x, y2,'r')###在新坐标轴刻度下的第二条线
####面向对象，无交互效果
fig = plt.figure()
ax1 = fig.add_subplot(111)
ax1.plot(x, y1)
ax1.set_ylabel('Y1')
ax2 = ax1.twinx()
ax2.plot(x, y2,'r')
ax2.set_ylabel('Y2')
ax1.set_xlabel('Compare Y1 and Y2')
####twiny，两个x轴
plt.plot(y1, x)
plt.twiny()
plt.plot(y2, x, 'r')
plt.show()

十七、注释

#######################注释##############
###着重提示
import matplotlib.pyplot as plt
import numpy as np

x = np.arange(-10,11,1)
y = x*x
######plt,交互的
plt.plot(x, y)
plt.annotate('This is the bottom',xy=(0,5),xytext=(0,20),
            arrowprops=dict(facecolor='r', headlength=5, headwidth=15, width=10))
###xy是箭头起始点，xytext是文本起始点，facecolor图形颜色，headlength箭头长度，headwidth箭头宽度，width枝干宽度
plt.show()

十八、文字

#######################文字##############
###只有纯文字标注
import matplotlib.pyplot as plt
import numpy as np

x = np.arange(-10,11,1)
y = x*x
######plt,交互的
plt.plot(x, y)
plt.show()
plt.text(-2, 40, 'function:y=x*x', family='serif',size=20,color='r',style='italic',
         weight='regular')#family是字体设定
plt.text(-2, 20, 'function:y=x*x', family='fantasy', size=20,color='g',style='normal',
         weight='bold', bbox=dict(facecolor='r',alpha=0.3))#style是italic/normal
###weight设定字体粗细，可以用数字，也可用type
###bbox给文本加个框，可对框设定很多

十九、Tex公式

#######################Tex公式##############
###数学公式，自带mathtext引擎
###以$符号为公式开始和结束符，自动识别，$x*x+z$
###官网介绍的很详细，对各种数学符号的输入
import matplotlib.pyplot as plt
import numpy as np

fig = plt.figure()
ax = fig.add_subplot()
ax.set_xlim([1,7])
ax.set_ylim([1,5])
ax.text(2,4,r"$ \alpha_i \beta_i \pi \lambda \omega $", size=25)##r表示字符串不转义
ax.text(4,4,r"$ \sin(0)=\cos(\frac{\pi}{2}) $", size=25)
plt.show()

二十、工具栏

#######################工具栏##############
###对于密集图片如何观察
###图片视图工具栏如何使用
import matplotlib.pyplot as plt
import numpy as np
N = 1000
x = np.random.randn(N)
y = np.random.randn(N)
colors = np.random.rand(N)
area = np.pi*(15*np.random.randn(N))**2
plt.scatter(x, y, s=area, c=colors, alpha = 0.5)
plt.show()

二十一、区域填充，上色

#######################区域填充，上色##############
###fill，fill_between函数
import matplotlib.pyplot as plt
import numpy as np
x = np.linspace(0,5*np.pi,1000)
y1 = np.sin(x)
y2 = np.sin(2*x)
plt.fill(x,y1, 'b',alpha=0.3)###填充函数与x坐标轴间的区域
plt.fill(x,y2,'r',alpha=0.3)
plt.show()
#####面向对象，填充任意两条线的区域###
fig = plt.figure()
ax = plt.gca()
ax.plot(x,y1,color='r')
ax.plot(x,y2,color='b')
ax.fill_between(x,y1,y2,where=y1>y2,facecolor='y',alpha=0.5)##分区域填充不同颜色
ax.fill_between(x,y1,y2,where=y1<=y2,facecolor='g',alpha=0.5)
plt.show()
########当x很离散时，填充的区域会出现部分空白，加入interpolate###
x1 = np.linspace(0,5*np.pi,100)
y11 = np.sin(x1)
y12 = np.sin(2*x1)
fig1 = plt.figure()
ax1 = plt.gca()
ax1.plot(x1,y11,color='r')
ax1.plot(x1,y12,color='b')
ax1.fill_between(x1,y11,y12,where=y11>y12,facecolor='y',alpha=0.5,interpolate=True)
ax1.fill_between(x1,y11,y12,where=y11<=y12,facecolor='g',alpha=0.5,interpolate=True)
plt.show()

二十二、形状填充，画图样式

#######################形状填充，画图样式##############
###patches类
###add_patch
import matplotlib.pyplot as plt
import numpy as np
import matplotlib.patches as mpatches
###改变绘图样式，美化，plt.style
###可在控制台输入print(plt.style.available)，查看多种样式
plt.style.use('ggplot')###fivethirtyeight

fig, ax =plt.subplots()
xy1 = np.array([0.2,0.2])
xy2 = np.array([0.2,0.8])
xy3 = np.array([0.8,0.2])
xy4 = np.array([0.8,0.8])
circle = mpatches.Circle(xy1,0.05)####圆：半径
ax.add_patch(circle)

rect = mpatches.Rectangle(xy2,0.2,0.1,color='r')###长方形：宽，高
ax.add_patch(rect)

polygon = mpatches.RegularPolygon(xy3,5,0.1,color='g')##正多边形：第一个参数是边数
ax.add_patch(polygon)

ellipse = mpatches.Ellipse(xy4,0.4,0.2,color='y')##椭圆：长轴，短轴
ax.add_patch(ellipse)
plt.axis('equal')###使坐标轴1：1
plt.grid()###网格
plt.show()

二十三、极坐标绘图

#######################极坐标绘图##############
###点所在位置的半径，角度
###以点按顺序画线
import matplotlib.pyplot as plt
import numpy as np
plt.style.use('ggplot')
r1 = np.arange(1,6,1)
r2 = np.empty(5)
r2.fill(5)
r3=np.empty(9)
r3.fill(5)

pi = np.pi
theta1 = [0, pi/2, pi, 3*pi/2, 2*pi]
theta2 = [0,pi/4,pi/2,3*pi/4,pi,5*pi/4,6*pi/4,7*pi/4,8*pi/4]
ax = plt.subplot(111, projection='polar')
ax.plot(theta1,r1,color='r',linewidth=3)
ax.plot(theta1,r2,color='g',linewidth=3)
ax.plot(theta2,r3,color='m',linewidth=3)
ax.grid(True)
plt.show()