Python数据可视化matplotlib.pyplot的使用
1.生成数据
- 安装matplotlib
# windows cmd中 pip install matplotlib在Python环境下，使用import matplotlib检测是否安装成功，不报错就是安装成功；重启写py的工具就可以进行使用了；
- 绘制简单图形
import matplotlib.pyplot as plt #图形输入值 input_values = [1,2,3,4,5] #图形输出值 squares = [1,4,9,16,25] #plot根据列表绘制出有意义的图形，linewidth是图形线宽，可省略 plt.plot(input_values,squares,linewidth=5) #设置图标标题 plt.title("Square Numbers",fontsize = 24) #设置坐标轴标签 plt.xlabel("Value",fontsize = 14) plt.ylabel("Square of Value",fontsize = 14) #设置刻度标记的大小 plt.tick_params(axis='both',labelsize = 14) #打开matplotlib查看器，并显示绘制图形 plt.show()
- 绘制点
import matplotlib.pyplot as plt #绘制散点图(传如一对x和y坐标，在指定位置绘制一个点) plt.scatter(2,4) #设置输出样式 plt.scatter(3,5,s=200) plt.show()
- 绘制一系列的点
import matplotlib.pyplot as plt
x_values = [1,2,3,4,5]
y_values = [1,4,9,16,25]
plt.scatter(x_values,y_values,s=100)
plt.show()
plot(x,y2,color='green', marker='o', linestyle='dashed', linewidth=1, markersize=6)
plot(x,y3,color='#900302',marker='+',linestyle='-')常见的颜色参数：**Colors**
============= ===============================
character color
============= ===============================
``'b'`` blue 蓝
``'g'`` green 绿
``'r'`` red 红
``'c'`` cyan 蓝绿
``'m'`` magenta 洋红
``'y'`` yellow 黄
``'k'`` black 黑
``'w'`` white 白
============= ===============================点型参数**Markers**,如：marker='+' 这个只有简写，英文描述不被识别
============= ===============================
character description
============= ===============================
``'.'`` point marker
``','`` pixel marker
``'o'`` circle marker
``'v'`` triangle_down marker
``'^'`` triangle_up marker
``'<'`` triangle_left marker
``'>'`` triangle_right marker
``'1'`` tri_down marker
``'2'`` tri_up marker
``'3'`` tri_left marker
``'4'`` tri_right marker
``'s'`` square marker
``'p'`` pentagon marker
``'*'`` star marker
``'h'`` hexagon1 marker
``'H'`` hexagon2 marker
``'+'`` plus marker
``'x'`` x marker
``'D'`` diamond marker
``'d'`` thin_diamond marker
``'|'`` vline marker
``'_'`` hline marker
============= ===============================线型参数**Line Styles**，linestyle='-'
============= ===============================
character description
============= ===============================
``'-'`` solid line style 实线
``'--'`` dashed line style 虚线
``'-.'`` dash-dot line style 点画线
``':'`` dotted line style 点线
============= ===============================
5. 自动计算数据
import matplotlib.pyplot as plt
x_values = list(range(1,1001))
y_values = [x**2 for x in x_values]
plt.scatter(x_values,y_values,s=100)
#设置每个坐标轴的取值范围（x轴取值，y轴取值）
plt.axis([0,1100,0,1100000])
plt.show()
6.删除数据点的轮廓
import matplotlib.pyplot as plt
x_values = list(range(1,1001))
y_values = [x**2 for x in x_values]
#matplotlib允许你给散点图中的各个点指定颜色。默认为蓝色点和黑色轮廓，在散点图包含的 数据点不多时效果很好。但绘制很多点时，黑色轮廓可能会粘连在一起。
#edgecolor='none'删除数据点的轮廓
plt.scatter(x_values,y_values,edgecolor='none', s=40)
#设置每个坐标轴的取值范围
plt.axis([0,1100,0,1100000])
plt.show()
7.自定义颜色c=''直接传颜色或元组都可以
import matplotlib.pyplot as plt
x_values = list(range(1,1001))
y_values = [x**2 for x in x_values]
#matplotlib允许你给散点图中的各个点指定颜色。默认为蓝色点和黑色轮廓，在散点图包含的 数据点不多时效果很好。但绘制很多点时，黑色轮廓可能会粘连在一起。
#edgecolor='none'删除数据点的轮廓
plt.scatter(x_values, y_values,c='red', edgecolor='none', s=40)
# plt.scatter(x_values, y_values, c=(0, 0, 0.8), edgecolor='none', s=40)
#设置每个坐标轴的取值范围
plt.axis([0,1100,0,1100000])
plt.show() 
8.使用颜色映射
import matplotlib.pyplot as plt
x_values = list(range(1,1001))
y_values = [x**2 for x in x_values]
#matplotlib允许你给散点图中的各个点指定颜色。默认为蓝色点和黑色轮廓，在散点图包含的 数据点不多时效果很好。但绘制很多点时，黑色轮廓可能会粘连在一起。
#edgecolor='none'删除数据点的轮廓
plt.scatter(x_values, y_values,c=y_values,cmap=plt.cm.Blues, edgecolor='none', s=40)
#设置每个坐标轴的取值范围
plt.axis([0,1100,0,1100000])
plt.show()将c设置成一个y值列表，并使用参数cmap告诉pyplot使用那个颜色映射，这些代码将y值较小的点显示为浅蓝色，将y值较大的点显示为深蓝色
9.自动保存图表
import matplotlib.pyplot as plt
x_values = list(range(1,1001))
y_values = [x**2 for x in x_values]
#matplotlib允许你给散点图中的各个点指定颜色。默认为蓝色点和黑色轮廓，在散点图包含的 数据点不多时效果很好。但绘制很多点时，黑色轮廓可能会粘连在一起。
#edgecolor='none'删除数据点的轮廓
plt.scatter(x_values, y_values,c=y_values,cmap=plt.cm.Blues, edgecolor='none', s=40)
#设置每个坐标轴的取值范围
plt.axis([0,1100,0,1100000])
# plt.show()
#参数1指定要以什么样的文件名保存图表，保存和代码的同目录下，第二个参数表示要将多余的空白区域剪掉，要保留空白区域，可省略第二个参数
plt.savefig('squares_plot.png',bbox_inches='tight')
10. 练习题
动手试一试
15-1 立方:数字的三次方被称为其立方。请绘制一个图形，显示前 5 个整数的立方 值，再绘制一个图形，显示前 5000 个整数的立方值。
15-2 彩色立方:给你前面绘制的立方图指定颜色映射import matplotlib.pyplot as plt
# #图形输入值
# input_values = [1,2,3,4,5]
# #图形输出值
# square = [1,8,27,64,125]
# plt.scatter(input_values,square,linewidth = 5)
# plt.title("cube",fontsize = 24)
# plt.show()
input_values = list(range(0,5000))
square = [x**3 for x in input_values]
plt.scatter(input_values,square,c=input_values,cmap=plt.cm.Reds,edgecolor='none',s=40);
plt.show()
11.随机漫步（绘制随机漫步图）
from random import choice
class RandomWalk(object):
"""一个生成随机漫步数据的类"""
def __init__(self, num_points = 5000):
"""初始化随机漫步的属性"""
#存储随机漫步次数的变量
self.num_points = num_points
#所有随机漫步都始于(0,0)
#分别存储随机漫步经过的每个点的x和y坐标
self.x_values = [0]
self.y_values = [0]
def fill_walk(self):
"""计算随机漫步包含的所有点"""
#不断漫步，直到列表达到指定的长度
while len(self.x_values) < self.num_points:
#决定前进方向以及沿这个方向前进的距离
x_direction = choice([1,-1])
x_distance = choice([0,1,2,3,4])
x_step = x_direction * x_distance
y_direction = choice([1,-1])
y_distance = choice([0,1,2,3,4])
y_step = y_direction * y_distance
#拒绝原地踏步
if x_step == 0 and y_step == 0:
continue
#计算下一个点的x值和y值
next_x = self.x_values[-1] + x_step
next_y = self.y_values[-1] +y_step
self.x_values.append(next_x)
self.y_values.append(next_y)
pass绘制随机漫步图
import matplotlib.pyplot as plt
from random_walk import RandomWalk
#创建一个RandomWalk实例，并将其包含的点都绘制出来
rw = RandomWalk()
rw.fill_walk()
plt.scatter(rw.x_values,rw.y_values,s=15)
plt.show()
12.模拟多次随机漫步
import matplotlib.pyplot as plt
from random_walk import RandomWalk
#只要程序处于活动状态，就不断的模拟漫步
while True:
#创建一个RandomWalk实例，并将其包含的点都绘制出来
rw = RandomWalk()
rw.fill_walk()
plt.scatter(rw.x_values,rw.y_values,s=15)
plt.show()
keep_running = input("Make another walk?(y/n)")
if keep_running=='n':
break13.给点着色
import matplotlib.pyplot as plt
from random_walk import RandomWalk
#只要程序处于活动状态，就不断的模拟漫步
while True:
#创建一个RandomWalk实例，并将其包含的点都绘制出来
rw = RandomWalk()
rw.fill_walk()
point_numbers = list(range(rw.num_points))
plt.scatter(rw.x_values,rw.y_values,c=point_numbers,cmap=plt.cm.Blues,edgecolor='none',s=15)
plt.show()
keep_running = input("Make another walk?(y/n)")
if keep_running=='n':
break
14.重
新绘制起点和终点
import matplotlib.pyplot as plt
from random_walk import RandomWalk
#只要程序处于活动状态，就不断的模拟漫步
while True:
#创建一个RandomWalk实例，并将其包含的点都绘制出来
rw = RandomWalk()
rw.fill_walk()
point_numbers = list(range(rw.num_points))
plt.scatter(rw.x_values,rw.y_values,c=point_numbers,cmap=plt.cm.Blues,edgecolors='none',s=15)
#突出起点和终点
plt.scatter(0,0,c='green',edgecolor='none',s=100)
plt.scatter(rw.x_values[-1],rw.y_values[-1],c='red',edgecolors='none',s=100)
plt.show()
keep_running = input("Make another walk?(y/n)")
if keep_running=='n':
break
15. 隐藏坐标轴
while True:
#创建一个RandomWalk实例，并将其包含的点都绘制出来
rw = RandomWalk()
rw.fill_walk()
point_numbers = list(range(rw.num_points))
plt.scatter(rw.x_values,rw.y_values,c=point_numbers,cmap=plt.cm.Blues,edgecolors='none',s=15)
#突出起点和终点
plt.scatter(0,0,c='green',edgecolor='none',s=100)
plt.scatter(rw.x_values[-1],rw.y_values[-1],c='red',edgecolors='none',s=100)
#隐藏坐标轴
plt.axes().get_xaxis().set_visible(False)
plt.axes().get_yaxis().set_visible(False)
plt.show()
keep_running = input("Make another walk?(y/n)")
if keep_running=='n':
break
16. 增加点数（增加点数，将每个点的大小调小）
while True:
#创建一个RandomWalk实例，并将其包含的点都绘制出来
rw = RandomWalk(50000)
rw.fill_walk()
point_numbers = list(range(rw.num_points))
plt.scatter(rw.x_values,rw.y_values,c=point_numbers,cmap=plt.cm.Blues,edgecolors='none',s=1)
#突出起点和终点
plt.scatter(0,0,c='green',edgecolor='none',s=100)
plt.scatter(rw.x_values[-1],rw.y_values[-1],c='red',edgecolors='none',s=100)
#隐藏坐标轴
plt.axes().get_xaxis().set_visible(False)
plt.axes().get_yaxis().set_visible(False)
plt.show()
keep_running = input("Make another walk?(y/n)")
if keep_running=='n':
break
17. 调整尺寸以适应屏幕
while True:
#创建一个RandomWalk实例，并将其包含的点都绘制出来
rw = RandomWalk(50000)
rw.fill_walk()
#设置绘图窗口的尺寸
#figure()用于指定图表的宽度，高度，分辨率黑背景色figsize需要指定一个元组，单位英寸,dpi是分辨率，可传可不传
plt.figure(dpi=128,figsize=(10,6))
point_numbers = list(range(rw.num_points))
plt.scatter(rw.x_values,rw.y_values,c=point_numbers,cmap=plt.cm.Blues,edgecolors='none',s=1)
#突出起点和终点
plt.scatter(0,0,c='green',edgecolor='none',s=100)
plt.scatter(rw.x_values[-1],rw.y_values[-1],c='red',edgecolors='none',s=100)
#隐藏坐标轴
plt.axes().get_xaxis().set_visible(False)
plt.axes().get_yaxis().set_visible(False)
plt.show()
keep_running = input("Make another walk?(y/n)")
if keep_running=='n':
break
18.练习1
分子运动:修改 rw_visual.py，将其中的 plt.scatter()替换为 plt.plot()。为 模拟花粉在水滴表面的运动路径，向 plt.plot()传递 rw.x_values 和 rw.y_values，并 指定实参值 linewidth。使用 5000 个点而不是 50 000 个点。
作者：Dover杨
链接：https://www.jianshu.com/p/85a01b7d6507
来源：简书
简书著作权归作者所有，任何形式的转载都请联系作者获得授权并注明出处。 
改进的随机漫步:在类 RandomWalk 中，x_step 和 y_step 是根据相同的条件生 8
成的:从列表[1, -1]中随机地选择方向，并从列表[0, 1, 2, 3, 4]中随机地选择距离。 请修改这些列表中的值，看看对随机漫步路径有何影响。尝试使用更长的距离选择列表， 如 0~8;或者将1 从 x 或 y 方向列表中删除。
、
def fill_walk(self):
"""计算随机漫步包含的所有点"""
#不断漫步，直到列表达到指定的长度
while len(self.x_values) < self.num_points:
#决定前进方向以及沿这个方向前进的距离
x_direction = choice([1])
x_distance = choice([0,1,2,3,4,5,6,7,8])
x_step = x_direction * x_distance
y_direction = choice([1])
y_distance = choice([0,1,2,3,4,5,6,7,8])
y_step = y_direction * y_distance
#拒绝原地踏步
if x_step == 0 and y_step == 0:
continue
#计算下一个点的x值和y值
next_x = self.x_values[-1] + x_step
next_y = self.y_values[-1] +y_step
self.x_values.append(next_x)
self.y_values.append(next_y)
pass
文章源出处：https://www.jianshu.com/p/85a01b7d6507