python数据分析与展示-Matplotlib库入门

北理工嵩天老师的慕课课程 《python数据分析与展示》学习笔记！

1. Matplotlib库的介绍

数据可视化第三方库，支持超过100种的数据可视化效果。
Matplotlib库由各种可视化类构成，内部结构复杂。matplotlib.pyplot是绘制各类可视化图形的命令子库，相当于快捷方式。

import matplotlib.pyplot as plt

import matplotlib.pyplot as plt

plt.plot([0, 2, 4, 6, 8], [3, 1, 4, 5, 2])
plt.xlabel("i am x")
plt.ylabel("i am y")
plt.axis([-1, 10, 0, 6])
plt.savefig('rest_1', dpi=600)
plt.show()

plt.savefig() 将输出图形存储为文件，默认为PNG格式，可以通过dpi修改输出质量，dpi的值表示在每英寸中所包含的像素点的数量。
plt.plot(x,y) 当有两个以上参数时，按照X轴和Y轴顺序绘制数据点。
plt.axis([x_st, x_ed, y_st, y_ed]) x轴的坐标起始于x_st，终止于x_ed，y轴的坐标起始于y_st，终止于y_ed。
plt.subplot(nrows, ncols, plot_number) 将一个绘制区域分割成nrows个横轴，ncols个纵轴（即nrows*ncols块）的子区域，plot_number表示当前的绘图区在哪一块（从左上角开始由1计数）。

import numpy as np
import matplotlib.pyplot as plt

def f(t):
    return np.exp(-t) * np.cos(2*np.pi*t)

a = np.arange(0.0, 5.0, 0.02)
plt.subplot(211)
plt.plot(a, f(a))
plt.subplot(2,1,2)
plt.plot(a, np.cos(2*np.pi*a), 'r--')
plt.show()

2. pyplot的plot()函数

plt.plot(x, y, format_string, **kwargs)

x：X轴数据，列表或数组，可选。（当绘制多条曲线时，各条曲线的x不能省略！）
y：Y轴数据，列表或数组
format_string：控制曲线的格式字符串，可选（具体可参照如下三表内容）
**kwargs：第二组或更多(x, y, format_string)

此外，也可以使用参数命令来实现

color：控制颜色，color=‘green’
linestyle：线条风格，linestyle=‘dashed’
marker：标记风格，marker=‘o’
markerfacecolor：标记颜色，markerfacecolor=‘blue’
markersize：标记尺寸，markersize=20

颜色字符	说明	颜色字符	说明
‘b’	蓝色	‘m’	洋红色magenta
‘g’	绿色	‘y’	黄色
‘r’	红色	‘k’	黑色
‘c’	青绿色 cyan	‘w’	白色
‘#008000’	RGB某颜色	‘0.8’	灰度值字符串

风格字符	说明
’ - ’	实线
’ - - ’	破折线
’ - . ’	点划线
’ : ’	虚线
’ ’	无线条

标记字符	说明	标记字符	说明	标记字符	说明
’ . ’	点标记	’ 1 ’	下花三角标记	’ h ’	竖六边形标记
’ , ’	像素标记（极小点）	’ 2 ’	上花三角标记	’ H ’	横六边形标记
’ o ’	实心圈标记	’ 3 ’	左花三角标记	’ + ’	十字标记
’ v ’	倒三角标记	’ 4 ’	右花三角标记	’ x ’	x标记
’ ^ ’	上三角标记	’ s ’	实心方形标记	’ D ’	菱形标记
’ > ’	右三角标记	’ p ’	实心五角标记	’ d ’	瘦菱形标记
’ < ’	左三角标记	’ * ’	星型标记	’ |’	垂直线标记

以上颜色字符、风格字符和标记字符可以组合使用。

import numpy as np
import matplotlib.pyplot as plt

a = np.arange(10)
plt.plot(a, a*1.5, 'go-', a, a*2.5, 'rx', a, a*3.5, '*', a, a*4.5, 'b-.')
plt.show()

3. pyplot的中文显示

3.1 第一种方法：使用rcParams修改字体显示

通过这种方法，会改变绘图中所有出现的文本。

import numpy as np
import matplotlib.pyplot as plt
import matplotlib

matplotlib.rcParams['font.family'] = 'SimHei'
matplotlib.rcParams['font.size'] = '12'
a = np.arange(0.0, 5.0, 0.02)
plt.xlabel("横轴")
plt.ylabel("纵轴")
plt.plot(a, np.cos(2*np.pi*a), 'r--')
plt.show()

属性	说明
‘font.family’	用于显示字体的名字
‘font.style’	字体风格，正常’normal’或斜体’italic’
‘font.size’	字体大小，整数字号或者’large’、‘x-small’

中文字体	说明
‘SimHei’	中文黑体
‘Kaiti’	中文楷体
‘LiSu’	中文隶书
‘FangSong’	中文仿宋
‘YouYuan’	中文幼圆
‘STSong’	华文宋体

3.2 第二种方法：在有中文输出的地方，增加一个属性fontproperties

通过这种方法，只对所规定的特定的地方起作用，绘图中其他部分没有影响。

import numpy as np
import matplotlib.pyplot as plt

a = np.arange(0.0, 5.0, 0.02)
plt.xlabel("横轴", fontproperties='SimHei', fontsize=20)
plt.ylabel("纵轴", fontproperties='SimHei', fontsize=20)
plt.plot(a, np.cos(2*np.pi*a), 'r--')
plt.show()

4. pyplot的文本显示

函数	说明
plt.xlabel()	对x轴增加文本标签
plt.ylabel()	对y轴增加文本标签
plt.title()	对图形整体增加文本标签
plt.text()	在任意位置增加文本
plt.annotate()	在图形中增加带箭头的注释

对于提到的plt.annotate()方法，它常用的形式是：
plt.annotate(s, xy=arrow_crd, xytext=text_crd, arrowprops=dict)

s：要注释的内容
xy：箭头的所在位置，必须用xy= 作为引导，并且后边必须是元组类型
xytext：文本的所在位置，必须用xytext= 作为引导，并且后边必须是元组类型
arrowprops：箭头的属性。“facecolor ”指代箭头的颜色，“width ”指代箭头的宽度，“shrink ”指代箭头两侧缩进

import numpy as np
import matplotlib.pyplot as plt

a = np.arange(0.0, 5.0, 0.02)
plt.xlabel("横轴", fontproperties='SimHei', fontsize=15, color='green')
plt.ylabel("纵轴", fontproperties='SimHei', fontsize=15)
plt.title(r'正弦波实例 $y=cos(2\pi x)$', fontproperties='SimHei', fontsize=20)
plt.text(1,1, r'$\mu=100$',fontsize=10)
plt.annotate(r'$\mu=100$', xy=(2,1), xytext=(3,1.5), arrowprops=dict(facecolor='black', shrink=0.1, width=2))
plt.axis([-1,6,-2,2])
plt.grid(True) # 显示网格！
plt.plot(a, np.cos(2*np.pi*a), 'r--')
plt.show()

5. pyplot的子绘图区域

5.1 划分网格

理念：设定网格，选中网格，确定选中行列区域数量，编号从0开始。
plt.subplot2grid(GridSpec, CurSpec, colspan=1, rowspan=1)

GridSpec：将一个区域分割成何种网格形状
CurSpec：当前被选中的网格
colspan：由当前选中网格开始在列方向上的延伸
rowspan：由当前选中网格开始在行方向的延伸

5.2 GridSpec类

使用以下方法更简便：

import matplotlib.pyplot as plt
import matplotlib.gridspec as gridspec

gs = gridspec.GridSpec(3,3)
ax1 = plt.subplot(gs[0, :])
ax2 = plt.subplot(gs[1, :2])
ax3 = plt.subplot(gs[1:, 2])
ax4 = plt.subplot(gs[2, 0])
ax5 = plt.subplot(gs[2, 1])
plt.show()