python自学篇十六[Matplotlib——绘图：figure+颜色+属性+子图+柱状图+直方图+散点图]

概括：Numpy+Scipy+pandas+matplotlib

Matplotlib——绘图

• 对于图像美化方面比较完善，可以自定义线条的颜色和式样，可以在一张绘图纸上绘制多张小图，也可在一张图上绘制多条线，可以很方便的对数据进行可视化分析。
• Python最常用的绘图库，提供了一整套十分适合交互式绘图的命令API，比较方便的就可以将其嵌入到GUI应用程序中。
• 官网：http://matplotlib.org/
• 官网examples入门学习：

http://matplotlib.org/examples/index.html

http://matplotlib.org/gallery.html

1.为什么选择Matplotlib

• Matplotlib 是一个非常强大的 Python 画图工具
• Matplotlib画出图形动画呈现很多数据
• 线图
• 散点图
• 等高线图
• 条形图
• 柱状图
• 3D 图形
  
  

2.基本使用

• 1.使用import导入模块matplotlib.pyplot，并简写成plt 使用import导入模块numpy，并简写成np

#导入模块
import matplotlib.pyplot as plt
import numpy as np

• 2.调用plot的.plot方法绘制坐标（.plot需要许多参数，前两个是’x’和’y’坐标，放入列表）

plt.plot([1,2,3],[5,7,4])#参数放入列表，三个坐标：1,5 2,7  3,4

• 3.plt.plot在后台『绘制』这个绘图，带到屏幕上

plt.show()
%matplotlib inline#行内显示，这一句只能再jupyter中使用，pycharm好像用不了
# %matplotlib tk#GUI显示

3.Matplotlib：图形 figure

figure：图形，matplotlib中的所有图像都是位于figure对象中，一个图像只能有一个figure对象。matplotlib 的 figure 就是一个 单独的 figure 小窗口, 小窗口里面还可以有更多的小图片

代码：

import matplotlib.pyplot as plt
import numpy as np
x=np.arange(-3,3,0.1)
y1=np.sin(x)
y2=np.cos(x)
plt.figure()
plt.plot(x,y1)
plt.figure(num=3,figsize=(8,5))
plt.plot(x,y2)
plt.show()

结果：

4.Matplotlib：颜色、标记和线型

import matplotlib.pyplot as plt
import numpy as np
x=np.arange(-3,3,0.1)
y1=np.sin(x)
y2=np.cos(x)
#Plot（）：绘制线条或标记的轴。参数是一个可变长度参数，允许多个X、Y对可选的格式字符串
plt.plot(x,y1,x,y2)

绘图直线属性：

plot(x,y,color='red', linestyle='dashed', marker='o'.....)

（1）LineStyle：线形
（2）LineWidth：线宽
（3）Color：颜色
（4）Marker：标记点的形状
（5）label:用于图例的标签

5.Matplotlib：刻度、标题、标签和图例

• legend ()：生成默认图例, matplotlib 中的 legend 图例就是为了帮我们展示出每个数据对应的图像名称. 更好的让读者认识到你的数据结构.

• xlabel、ylabel:设置X轴Y轴标签

• title：设置标题

• xlim、ylim：控制图标的范围

• xticks、yticks: 控制图标的刻度

• gca获取当前坐标轴信息。使用spines设置边框,使用set_color设置边框颜色：默认白色

• 解决中文显示问题

mpl.rcParams['font.sans-serif'] = ['SimHei']
mpl.rcParams['axes.unicode_minus'] = False

6.Matplotlib：Subplot 子图

Subplot：子图，figure对象下创建一个或多个subplot对象(即axes)用于绘制图像
Sublots():返回一个图像和多个子图
参数： nrows=x, ncols=x, sharex=True, sharey=False,
gridspec_kw={‘height_ratios’:[2,2,1,1]}
例：
fig, ax = plt.subplots(2,2),其中参数分别代表子图的行数和列数，一共有 2x2 个图像。函数返回一个figure图像和一个子图ax的array列表。

subplot(numRows, numCols, plotNum)

• 面向对象的形式：

fig = plt.figure()
    Figure实例
    可以添加Axes实例
ax = fig.add_subplot(111)
    返回Axes实例
    参数1，子图的总行数
    参数2，子图的总列数
    参数3，子图位置
在Figure上添加子图的常用方法

7.matplotlib：图像保存文件

plt.savefit(文件名称)

常见图形

1.Matplotlib柱状图

matplotlib.pyplot. bar (*args, **kwargs)
bar(x, height, width, bottom, * args, align='center', **kwargs)
参数： x:数据标量 height：高 width:款 bottom：底端对应Y轴align:对齐如果为 "居中", 则将x参数解释为条形中心的坐标。如果 "边缘", 将条形按其左边缘对齐要对齐右边缘的条形图, 可传递负的宽度和对align='edge'

练习：
用柱状图表示第一季度的进出口数据
进口数据：
1月份 600亿美元
2月份 700亿美元
3月份 800亿美元
出口数据：
1月份 500亿美元
2月份 900亿美元
3月份 1000亿美元

2.Matplotlib直方图

matplotlib.pyplot.hist(
	x,bins=10,range=None,normed=False,weights=None,cumulative=False,bottom=None,
	histtype='bar', align='mid',orientation=u'vertical', rwidth=None, log=False,color=None, 	label=None,stacked=False,hold=None,**kwargs) 

– x: 一个列表或者多个列表（表示不同数据集，长度可以不一致）
– range: 元组
– weights: x里每个元素对bin高度的贡献（默认为1）
– bottom: 数字或者长度为bins的列表
– histtype: [‘bar’ | ‘barstacked’ | ‘step’ | ‘stepfilled’]
– align: [‘left’ | ‘mid’ | ‘right’]
– orientation: [‘horizontal’ | ‘vertical’]
– rwidth: bar相对bin的宽度
– color: 一种颜色或者颜色列表（针对不同数据集）

3.matplotlib绘制散点图

matplotlib.pyplot. scatter (x, y, s=none, c=none, marker=none, cmap= None, 
                            norm=none, vmin=none, vmax=none, alpha=none, Linewidths=none,
                            verts=none, edgecolors=none, hold=none, data= None, **kwargs)

参数：
x,y:相同长度的数组序列
s :散点的大小标量或形同数组，可选参数，默认20
c :散点的色彩或颜色序列，可选
maker:标记风格，可选，默认是‘o’
norm:数据的亮度
alpha:散点的透明度