Python数据分析23——matplotlib可视化（五）之自定义图表

matplotlib自定义图表

matplotlib 模块是最基本的 Python 模块，在它上面还有更加高级的 API 封装库，比如 seaborn 模块和pyechart 模块。所以，matplotlib 模块可以轻松的完成自定义图表的设置。

准备工作

导入我们下面用到的相关的库和模块。

import numpy as np
import pandas as pd
from pandas import Series, DataFrame
%matplotlib inline
import matplotlib.pyplot as plt

创建子图

matplotlib绘制的图像在 figure对象中，通过figure() 函数可以创建一个新的figure，而它的参数figsize 可以设置图表的长宽比。下面，通过add_subplot() 函数创建子图。

fig = plt.figure(figsize=(10,6))
ax1 = fig.add_subplot(2,2,1)
ax2 = fig.add_subplot(2,2,2)
ax3 = fig.add_subplot(2,2,3)

其中，每一个ax对象都代表一个子图。

图表布局

把三个ax对象都绘制图表。同时，采用的数据是之前用过的year年份跟gdp生产总值。

years = [1950, 1960,1970,1980,1990, 2000,2010]
gdp = [300.2, 543.3, 1075.9, 2826.5, 5979.6, 10289.7, 14958.3]
ax1.scatter(years, gdp)
ax2.plot(years, gdp)
ax3.bar(years, gdp)

看到这里，你会想：怎么定位其中的某一个图表呢？答案就在下面的代码中。

fig, axes = plt.subplots(2,2,figsize=(10,6))
axes[1,1].plot(years, gdp)

这里，新建一个两行两列布局的四个子图，并在第一行第一列的子图中绘制线形图。

注意：这里的行和列是从数字0开始计算的。
还有，可以通过subplots_adjust() 函数修改子图之间的间距。subplots_adjust() 函数具体的参数如下：

subplots_adjust(left=None, right=None, bottom=None, top=None, wspace=None, hspace=None)

下面指定子图的两个边距创建子图。

fig, axes=plt.subplots(2,2)
plt.subplots_adjust(wspace=0.3, hspace=0.3)

文本注解

可以通过text() 函数设置文本注释。

data = [23,85, 72, 43, 52]
labels = ['A', 'B', 'C', 'D', 'E']
plt.xticks(range(len(data)), labels)
plt.xlabel('Class')
plt.ylabel('Amounts')
plt.title('Example')
plt.bar(range(len(data)), data)
for x,y in zip(range(len(data)), data):
    plt.text(x,y,y,ha='center', va='bottom') # 文本注释

上面一串代码，需要注意的是 for 循环中的执行语句。text(）函数中的第一和第二参数是注释的坐标（x,y）,第三和第四个参数就是设置注释的相对位置了。

样式

如果你觉得上面的代码设置很麻烦，你也可以直接使用内置的样式。这样，你只需要一行代码。

plt.style.use('ggplot')

注意：它的副作用就是样式会保留，你之后绘制的图表一样会使用这个样式。不过，你可以通过下面的代码把样式重新设置回默认的样式。

import matplotlib as mpl
mpl.rcParams.update(mpl.rcParamsDefault)
plt.plot(range(10))

字体

matplotlib不能直接使用中文，需要指定字体，不然就会发生乱码的情况。

plt.rcParams['font.sans-serif'] = ['simhei']
plt.rcParams['axes.unicode_minus'] = False
plt.title('案列')