matplotlib库最全学习笔记（总结版一）

一、基本图形快速绘制：

     1、散点图：scatter

---

import numpy as np
import matplotlib.pyplot as plt

N = 1000
x = np.random.randn(N)
y = np.random.randn(N)

plt.scatter(x, y)

plt.show()

在jupyter笔记本运行结果如下：

---

scatter还有许多参数用来调整图形的外观，常用的参数如下：

s	标记的大小
c	图形颜色，默认为蓝色
marker	标记形式，默认为小圆圈“o”
alpha	透明度

更多参数参看：https://matplotlib.org/api/_as_gen/matplotlib.pyplot.scatter.html?highlight=scatter#matplotlib.pyplot.scatter

2、折线图：plot

import numpy as np
import matplotlib.pyplot as plt

x = np.linspace(-10, 10, 100)

y = x**2

plt.plot(x,y)

plt.show()

 运行结果如下：

同样，plot也有一些参数可以改变图形样式，例如颜色、标记形状、标记大小等等，但使用如下的格式化字符表示更加方便

fmt = "[color][marker][line]"

上面例子改为：plt.plot(x, y, "ro--")则输出为：

提示：若plot的图像横轴为日期形式，可使用pyplot.plot_date（x, y, fmt, xdate=True, ydate=False）绘制。

颜色、标记和线型都有对应的符号表示，详细可查看：https://matplotlib.org/api/_as_gen/matplotlib.pyplot.plot.html?highlight=plot#matplotlib.pyplot.plot

3、条形图：bar

import numpy as np
import matplotlib.pyplot as plt

N = 5

y = [4, 6, 2, 1, 6]

index = np.arange(N)

plt.bar(left=index, height=y)

plt.show()

条形图的参数： bar(left, bottom, height, width, edgecolor, linewidth)   left是标量序列，条形图的横坐标。bottom是标量序列，若为竖直条形图默认为0。height是条形图的高度，也是标量序列。width是每个条的宽度，默认值0.8。其他参数见https://matplotlib.org/api/_as_gen/matplotlib.pyplot.bar.html?highlight=bar#matplotlib.pyplot.bar

绘制并列条形图：

import numpy as np
import matplotlib.pyplot as plt

index = np.arange(4)

a = [32, 54, 67, 90]
b = [44, 33, 67, 98]

bar_width = 0.3

plt.bar(index, a, bar_width, "b")
plt.bar(index+bar_width, b, bar_width, "r")

plt.show()

 

只要将第二组数据横向坐标加上条形的宽度即可。

竖向的层叠图可改变相应的bottom值，而使index为0，即可。

注意：绘制水平条形图，还可用barh

4、直方图：hist

import numpy as np
import matplotlib.pyplot as plt

mu = 100
sigma = 20
x = mu + sigma*np.random.randn(2000)

plt.hist(x, bins=10, color="r", edgecolor="black", normed=True)

plt.show()

hist的参数：x是矩阵或矩阵序列。bins是整数或序列，如果是序列的话，横轴可以是不等间隔的。normed是是否标准化的意思，若为False,则纵轴显示数据的个数，不过现在这个参数已经被弃用，而是用desity来代替。

另外常见的参数还有color、edgecolor等等，更多参数介绍见https://matplotlib.org/api/_as_gen/matplotlib.pyplot.hist.html?highlight=hist#matplotlib.pyplot.hist

以上是绘制1-D直方图的方法，还可以绘制2-D直方图，用hist2d实现

import numpy as np
import matplotlib.pyplot as plt

x = np.random.randn(1000)+2
y = np.random.randn(1000)+5

plt.hist2d(x, y, bins=50)

plt.show()

5、饼状图：pie

import numpy as np
import matplotlib.pyplot as plt

labels = "A", "B", "C", "D"
fracs = [15, 29, 89, 54]
explode = [0, 0.1, 0, 0] #设置突出显示的参数部分，此处表示只有B突出显示

plt.axes(aspect=1) #使坐标轴横纵等距

#autopct为在饼状图内部显示出相应的数据（百分比）
plt.pie(x=fracs, labels=labels, autopct="%.0f%%", explode=explode)

plt.show()

pie的参数x表示数据列表。 labels表示类别标签列表，是一系列字符串。 autopct可以显示各部分的占比。 explode突出显示某些部分。

另外还有shadow是在饼图下显示一个阴影。

更多参数可以参看https://matplotlib.org/api/_as_gen/matplotlib.pyplot.pie.html?highlight=pie#matplotlib.pyplot.pie

6、箱形图（箱线图）：boxplot实现。显示一组数据的统计分散情况（上边缘、上四分位数、中位数、下四分位数、下边缘、异常值）

import numpy as np
import matplotlib.pyplot as plt

np.random.seed(100)

data = np.random.normal(size=1000, loc=0, scale=1)

#sym改变异常值的显示形状，whis表示虚线的长度
plt.boxplot(data, sym="o", whis=1.5)

plt.show()

再来看一下用boxplot同时绘制多个箱形图，

import numpy as np
import matplotlib.pyplot as plt

np.random.seed(100)

data = np.random.normal(size=(1000,4), loc=0, scale=1)
labels = ["A", "B", "C", "D"]


plt.boxplot(data, labels=labels)

plt.show()

再来讨论下boxplot的参数问题，x: 数组或向量序列。 sym: 异常值的图形显示形状。whis: 调整大于四分位数而小于边缘值数据显示的多少。

参看更多参数：https://matplotlib.org/api/_as_gen/matplotlib.pyplot.boxplot.html?highlight=boxplot#matplotlib.pyplot.boxplot

 

注：本博客为本人从视频https://www.bilibili.com/video/av22028273/?p=1学习总结而来。