skj1995

matplotlib画图，这一篇就够了（使用Python画常见的柱状图、折线图、直方分布图、二维和三维的散点图，热力图）

为了达到美观的效果，本文给出的例子都稍微有点复杂。但是使用起来并不困难，只需要将对应位置的变量替换成自己的数据即可。代码看起来有点多是为了便于理解，所有的参数都加了注释，实现功能的代码量并不是很多，对于只想使用基础画图功能的，可以通过删减参数达到简化的目的。

画柱状图

先上效果：

代码及注释：

import matplotlib.pyplot as plt
import numpy as np
FontSize=15#这里统一设置一下表示尺寸的变量，后面的所有尺寸就用这个，全图的尺寸保持一致

x = list(range(1,24,4))#首先设置好X轴上面每个标签的间隔
x1=[i-0.25 for i in x]#因为有四个柱子，这里设置每个柱子的位置，这个值跟每个柱子的宽度width有关
x2=[i-0.75 for i in x]
x3=[i+0.25 for i in x]
x4=[i+0.75 for i in x]


plt.figure(figsize=(12, 10))#设置整个图的尺寸，12表示长度，10表示宽度
#下面是画每个柱子，y1,y2,y3,y4是自己需要画的每个x的值对应的值，比如这里的y2=[53,51,61,35.6,60,67.2],维度与X一致
#color表示这个柱子的颜色，align=“center”表示边界值在每个柱子的中间，默认值left表示在左边；label是图例名称，
#hatch是填充条纹格式，alpha表示透明度
plt.bar(x1, y1,width = 0.5,color = 'c',align = 'center',label = 'edge1',hatch='///',alpha = 0.5,)
plt.bar(x2, y2,width = 0.5,color = 'r',align = 'center',label = 'edge2',hatch='////',alpha = 0.9)
plt.bar(x3, y3,width = 0.5,color = 'b',align = 'center',label = 'edge3',hatch='//',alpha = 0.7)
plt.bar(x4, y4,width = 0.5,color = 'y',align = 'center',label = 'edge4',hatch='/',alpha = 1)


plt.legend(loc = 'upper right'，fontsize=FontSize)#设置图例位置和图例中字体的大小
plt.xticks(fontsize=FontSize)#这里设置x轴和Y轴上面标度的字体大小
plt.yticks(fontsize=FontSize)
plt.xlim(0,24)#限制X轴和Y轴的起止点
plt.ylim(0,225)
plt.xlabel('Hours', fontsize=FontSize)#设置X轴和Y轴的标签
plt.ylabel('Travel Time (s)', fontsize=FontSize)
plt.savefig('/MyDocument/picture.jpg',bbox_inches = 'tight')#保存，bbox_inches防止保存的图形不全

其中设置柱子颜色的color的其他选项有：
参考链接：
http://www.sofasofa.io/forum_main_post.php?postid=1002595

hatch表示柱子的填充颜色，其他选项有：{’/’, ‘’, ‘|’, ‘-’, ‘+’, ‘x’, ‘o’, ‘O’, ‘.’, ‘*’},通过增加字符串里面的个数就可以增加填充密度，比如"///“比”/"密集
参考链接：https://www.jianshu.com/p/e8033e25e1aa
还有关于matplotlib.bar的其他参数可以参考它的官方网址：
https://matplotlib.org/api/_as_gen/matplotlib.pyplot.bar.html?highlight=bar#matplotlib.pyplot.bar

画折线图

先上效果图

代码如下：

import matplotlib.pyplot as plt
from pylab import *                                 
mpl.rcParams['font.sans-serif'] = ['SimHei']#支持中文
FontSize=12
f, ax = plt.subplots(figsize=(12,6))  #设置所画图的大小，12表示长度，6表示宽度
x=[1,2,3,4,5,6,7,8,9,10]  #这是X变量，需要画出10个点的折线
MarkerSize=8  #用来设置折点样式的大小
plt.xlim(0, 11)  # 限定横轴的范围
plt.ylim(0, 1100)  # 限定纵轴的范围

#plt.plot用来画折线图，marker表示折点的样式，比如图中的小圆点、正方形等，mec设置折点边框的颜色，mfc表示折点内部的颜色
#markersize设置折点的大小，linestyle设置线条样式，label设置图例里面的名称，color设置线条的颜色
plt.plot(x, y1, marker='^', mec='black', mfc='w',markersize=MarkerSize,linestyle=":",label="LSTM-ED",color="black")
plt.plot(x, y2, marker='*', mec='b', mfc='w',markersize=MarkerSize,linestyle="--",label="SimTrack-CNN",color="blue")
plt.plot(x, y3, marker='s', mec='orange', mfc='w',markersize=MarkerSize,linestyle="-",label="SimTrack-GCN",color="orange")
plt.plot(x, y4, marker='o', mec='r', mfc='w',markersize=MarkerSize,linestyle="-.",label="SimTrack-DGCN",color="red")
plt.plot(x, y5, marker='d', mec='g', mfc='w',markersize=MarkerSize,linestyle="-",label="otherSim-DGCN",color="green")

plt.legend(fontsize=FontSize)  # 让图例生效
plt.xticks(list(range(1,11)),list(range(1,11)),fontsize=FontSize)
plt.yticks(fontsize=FontSize)
plt.margins(0)#plt.margins()调整图形方框内绘图距离坐标轴的程度
plt.subplots_adjust(bottom=0.15)
plt.xlabel(u"Prediction Step Size",fontsize=FontSize) #X轴标签
plt.ylabel("Run Time (minutes)",fontsize=FontSize) #Y轴标签
plt.savefig('/MyDocument/Picture2.jpg',bbox_inches = 'tight')
plt.show()

linestyle有以下几种：

参考链接：
https://blog.csdn.net/aquapisces/article/details/90600525
marker选项参考地址：
https://stackoverflow.com/questions/8409095/matplotlib-set-markers-for-individual-points-on-a-line
plt.plot的官网地址：
https://matplotlib.org/xkcd/users/pyplot_tutorial.html

画直方分布图

效果如下：

代码如下：

import numpy as np
from matplotlib import pyplot as plt
import seaborn as sns
import math
fig,ax=plt.subplots()
np.random.seed(4) #设置随机数种子
y=AllBigDisIndex_differ

plt.xlabel('Trajectory Length(m)', fontsize=FontSize)
plt.ylabel('Frequency', fontsize=FontSize)
bins=list(range(0,251,20))#这是设置组距
plt.hist(y,bins,density=True)
#plt.savefig('/data/User/skj/AGraduationArticle/Picture/TrajectLenDistributionHistogram.jpg',bbox_inches = 'tight')
plt.show()

这里需要清楚的是，频率分布直方图的纵轴的值是频率（频数除以总数）除以组距得到的，比如我这里组距为20.[0,20]这一组内的频率为0.5左右，除以20为0.025，所以上图中纵轴的最大值为0.025左右。

改进（自由设置坐标刻度、横纵坐标重合）

上面的图有个问题，就是横轴上面的标度没有落在每组的分割值上，而且比较少，看起来不能很直观地看到组之间的边界值。这就涉及到如何自由地设置坐标轴上的刻度。还有一个问题是横轴坐标的起点不在同一个点上，我们将图形和代码改成如下形式：

import numpy as np
from matplotlib import pyplot as plt
import seaborn as sns
import math
fig,ax=plt.subplots()
np.random.seed(4) #设置随机数种子
plt.xlim(0, 251)  # 限定横轴的范围
plt.xticks(range(0,251,20),range(0,251,20),fontsize=FontSize)#设置坐标刻度
plt.xlabel('Trajectory Length(m)', fontsize=FontSize)
plt.ylabel('Frequency', fontsize=FontSize)
bins=list(range(0,251,20))#这是设置组距
plt.hist(y,bins,density=True)#y是一个list，里面保存着所有的值
#plt.savefig('/data/User/skj/AGraduationArticle/Picture/TrajectLenDistributionHistogram.jpg',bbox_inches = 'tight')
plt.show()

上面图形中，纵轴是频率除以组距，有时候我们不能一眼看出每组所占比例的大小，我们可以把纵轴改成百分比频率的形式。
我们首先将上面代码plt.hist(y,bins,normed=False)中的normed改成False，画出结果如下：

我们想要的图为：

代码为：

import numpy as np
from matplotlib import pyplot as plt
import seaborn as sns
import math
fig,ax=plt.subplots()
np.random.seed(4) #设置随机数种子
y=AllBigDisIndex_differ
plt.xlim(0, 251)  # 限定横轴的范围
plt.xticks(range(0,251,20),range(0,251,20),fontsize=FontSize)#设置X轴坐标刻度
plt.yticks(range(0,371,37),range(0,51,5),fontsize=FontSize)  #设置Y轴坐标刻度
plt.xlabel('Trajectory Length(m)', fontsize=FontSize)
plt.ylabel('Frequency(%)', fontsize=FontSize)
bins=list(range(0,251,20))#这是设置组距
plt.hist(y,bins,normed=False)
#plt.savefig('/data/User/skj/AGraduationArticle/Picture/TrajectLenDistributionHistogram.jpg',bbox_inches = 'tight')
plt.show()

上面加了一句：plt.yticks(range(0,371,37),range(0,51,5),fontsize=FontSize) #设置Y轴坐标刻度
因为len(y)=740,我们如果要纵轴上显示[0,5%,10%,15%…]，那么我们首先计算对应频数的值，740*5%=37.也就是原来的37对应5%，74对应10%，以此类推。接着我们确定Y轴显示的最大值。我们看频数图可以发现最大值在350附近，比350大的最近的以5为倍数的百分比是50%，也就是370，所以我们设置为range(0,371,37),range(0,51,5)

画二维散点图（包括坐标刻度用科学计数法）

效果图如下：

代码如下：

from matplotlib.ticker import FuncFormatter   
FontSize=15
x_values = range(1, len(GroupBy_list)+1)
y_values = GroupBy_list#GroupBy_list是自己的数据
f, ax = plt.subplots(figsize=(12,6))
ax.scatter(x_values, y_values , color='b', label='A', marker='o', s=2)

#下面这四句是Y轴标度使用科学计数法
def formatnum(x, pos):
    return '$%.1f$x$10^{5}$' % (x/100000)
formatter1 = FuncFormatter(formatnum)
ax.yaxis.set_major_formatter(formatter1)

plt.xlabel('Ranking of frequency', fontsize=14)
plt.ylabel('Appearing frequency', fontsize=14)
plt.tick_params(axis='both', which='major', labelsize=14)
plt.xticks(list(range(0,2000,500)),list(range(0,4000,500)),fontsize=FontSize)
plt.xlim(0,3500)
plt.ylim(0,300000)

plt.savefig('/data/User/skj/AGraduationArticle/Picture/ZipfsLaw.jpg',bbox_inches = 'tight')
plt.show()

使用科学计数法的参考链接：
https://blog.csdn.net/monotonomo/article/details/83826621#_7

画三维散点图

效果如下：

代码如下：

import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D
from matplotlib.font_manager import FontProperties
font = FontProperties(fname=r"C:\Windows\Fonts\simhei.ttf", size=14)  
FontSize=8
fig = plt.figure()
ax = Axes3D(fig)

#X下面传入我们的X,Y,Z轴坐标的list
ydata =LuKouData_onevehicle_allday_JD
zdata = LuKouData_onevehicle_allday_WD
xdata = list(range(len(ydata)))

ax.scatter(xdata, ydata, zdata, c=ydata,s=1)#使用这个函数画三维散点图
#设置X轴需要显示的刻度
plt.xticks([0,3750,7500,11250,15000,18750,22500,26250,30000],["","week1","","week2","","week3","","week4",""],fontsize=FontSize)
plt.yticks(fontsize=FontSize)
plt.tick_params(labelsize=8)#设置所有ticker的字体大小

#下面是设置三个轴的标签
ax.set_zlabel('Latitude',fontsize=FontSize) #设置Z轴标签
plt.xlabel('time(20170301-20170331)',fontsize=FontSize) 
plt.ylabel('Longitude',fontsize=FontSize) 

plt.savefig('/data/User/skj/AGraduationArticle/Picture/Spatiotemporal distribution of trajectories.png',bbox_inches = 'tight')
plt.show()

画热力图(相关系数矩阵图)