Python数据可视化库——Matplotlib

Matplotlib是一个非常强大的画图工具，对数据的可视化起着很大的作用。Maplotlib可以画图线图，散点图，等高线图，条形图，柱形图，3D图形，图形动画等。

目录

基础用法

figure图像

设置坐标轴1

设置坐标轴2

1.替换下标

2.设置边框属性

3.调整移动坐标轴

legend图例

Annotation标注

tick能见度

画不同的图形

1.scatter散点图

2.bar条形图

3.coutours等高线图

image图片

3D数据

Subplot

1.多合一显示

2.分格显示

图中图

次坐标轴

---

• 基础用法

x=np.linspace(-1,1,50)  #定义x
y1=2*x+1  #定义y数据范围
y2=x**2
plt.figure()  #定义图像窗口
plt.plot(x,y1)  #画出曲线
plt.plot(x,y2)
plt.show() #显示图像

 

• figure图像

x=np.linspace(-3,3,50) #在（-3,3）之间生成50个样本数
y1=2*x+1
y2=x**2
plt.figure(num=1,figsize=(8,5)) #定义编号为1，大小为（8,5）
plt.plot(x,y1,color='red',linewidth=2,linestyle='--')  #
plt.plot(x,y2)
plt.show()

 

• 设置坐标轴1

plt.rcParams['font.sans-serif'] = ['SimHei'] #用于正常显示中文
plt.rcParams['axes.unicode_minus'] = False   #解决保存图像是负号'-'显示为方块的问题,或者转换负号为字符串
x=np.linspace(-3,3,50) #在（-3,3）之间生成50个样本数
y1=2*x+1
y2=x**2
plt.figure(num=1,figsize=(8,5)) #定义编号为1，大小为（8,5）
plt.plot(x,y1,color='red',linewidth=2,linestyle='--')  
plt.plot(x,y2)
plt.xlim(-1,2) #x轴的范围
plt.ylim(-2,3) #y轴的范围
plt.xlabel("x轴")
plt.ylabel("y轴")
plt.show()

 

• 设置坐标轴2

1.替换下标

plt.rcParams['font.sans-serif'] = ['SimHei'] #用于正常显示中文
plt.rcParams['axes.unicode_minus'] = False   #解决保存图像是负号'-'显示为方块的问题,或者转换负号为字符串
x=np.linspace(-3,3,50) #在（-3,3）之间生成50个样本数
y1=2*x+1
y2=x**2
plt.figure(num=2,figsize=(8,5)) #定义编号为2，大小为（8,5）
plt.plot(x,y1,color='red',linewidth=2,linestyle='--')  
plt.plot(x,y2)
plt.xlim(-1,2) #x轴的范围
plt.ylim(-2,3) #y轴的范围
plt.xlabel("x轴")
plt.ylabel("y轴")

new_ticks=np.linspace(-1,2,5)  #-1到2分成5段，包含端点
plt.xticks(new_ticks)  #进行替换新下标
plt.yticks([-2,-1,0,1,2,],
          [r'$really\ bad$','$bad$','$0$','$well$','$really\ well$'])

plt.show()

2.设置边框属性

#设置边框属性
plt.rcParams['font.sans-serif'] = ['SimHei'] #用于正常显示中文
plt.rcParams['axes.unicode_minus'] = False   #解决保存图像是负号'-'显示为方块的问题,或者转换负号为字符串
x=np.linspace(-3,3,50) #在（-3,3）之间生成50个样本数
y1=2*x+1
y2=x**2
plt.figure(num=2,figsize=(8,5)) #定义编号为2，大小为（8,5）
plt.plot(x,y1,color='red',linewidth=2,linestyle='--')  
plt.plot(x,y2)
plt.xlim(-1,2) #x轴的范围
plt.ylim(-2,3) #y轴的范围
plt.xlabel("x轴")
plt.ylabel("y轴")

new_ticks=np.linspace(-1,2,5)  #-1到2分成5段，包含端点
plt.xticks(new_ticks)  #进行替换新下标
plt.yticks([-2,-1,0,1,2,],
          [r'$really\ bad$','$bad$','$0$','$well$','$really\ well$'])


ax=plt.gca()  #get current axis
ax.spines['right'].set_color('none') #边框属性设置为None 不显示
ax.spines['top'].set_color('none')


plt.show()

 

3.调整移动坐标轴

#调整移动坐标轴

plt.rcParams['font.sans-serif'] = ['SimHei'] #用于正常显示中文
plt.rcParams['axes.unicode_minus'] = False   #解决保存图像是负号'-'显示为方块的问题,或者转换负号为字符串
x=np.linspace(-3,3,50) #在（-3,3）之间生成50个样本数
y1=2*x+1
y2=x**2
plt.figure(num=2,figsize=(8,5)) #定义编号为2，大小为（8,5）
plt.plot(x,y1,color='red',linewidth=2,linestyle='--')  
plt.plot(x,y2)
plt.xlim(-1,2) #x轴的范围
plt.ylim(-2,3) #y轴的范围
plt.xlabel("x轴")
plt.ylabel("y轴")

new_ticks=np.linspace(-1,2,5)  #-1到2分成5段，包含端点
plt.xticks(new_ticks)  #进行替换新下标
plt.yticks([-2,-1,0,1,2,],
          [r'$really\ bad$','$bad$','$0$','$well$','$really\ well$'])


ax=plt.gca()  #get current axis
ax.spines['right'].set_color('none') #边框属性设置为None 不显示
ax.spines['top'].set_color('none')


ax.xaxis.set_ticks_position('bottom')  #设置x坐标刻度数字或名称的位置，所有属性为：top,bottom,both,default,none
ax.spines['bottom'].set_position(('data',0)) # 设置.spines边框x轴，设置.set_position设置边框的位置，y=0位置；位置所有属性有outward,axes,data
ax.yaxis.set_ticks_position('left')
ax.spines['left'].set_position(('data',0)) #坐标中心点在（0,0）位置


plt.show()

 

• legend图例

x=np.linspace(-3,3,50)
y1=2*x+1
y2=x**2
plt.figure(num=2,figsize=(8,5))
plt.xlim(-1,2)
plt.ylim(-2,3)

new_ticks=np.linspace(-1,2,5) 
plt.xticks(new_ticks)
plt.yticks([-2,-1,1,2,],
          [r'$really\ bad$','$bad$','$well$','$really\ well$'])

l1,=plt.plot(x,y1,color='red',linewidth=2,linestyle='--',label='linear line')
l2,=plt.plot(x,y2,label='square line') 
plt.legend(loc='best') #显示在最好的位置,自动分配


plt.show() #显示图

单独修改label的信息：

x=np.linspace(-3,3,50)
y1=2*x+1
y2=x**2
plt.figure(num=2,figsize=(8,5))
plt.xlim(-1,2)
plt.ylim(-2,3)

new_ticks=np.linspace(-1,2,5) 
plt.xticks(new_ticks)
plt.yticks([-2,-1,1,2,],
          [r'$really\ bad$','$bad$','$well$','$really\ well$'])

l1,=plt.plot(x,y1,color='red',linewidth=2,linestyle='--',label='linear line')
l2,=plt.plot(x,y2,label='square line') 

#单独修改label的信息
plt.legend(loc='best',handles=[l1,l2],labels=['up','down']) #显示在最好的位置,自动分配


plt.show() #显示图

loc中的参数：

best
upper right
upper left
lower left
lower right
right
center right
lower center
upper center
center

 

• Annotation标注

x=np.linspace(-3,3,50)
y=2*x+1
plt.figure(num=1,figsize=(8,5))
plt.plot(x,y)

#移动坐标轴
ax=plt.gca()
ax.spines['right'].set_color('none')
ax.spines['top'].set_color('none')
ax.xaxis.set_ticks_position('bottom')
ax.spines['bottom'].set_position(('data',0))
ax.yaxis.set_ticks_position('left')
ax.spines['left'].set_position(('data',0))

#标注信息
x0=1
y0=2*x0+1
plt.scatter(x0,y0,color='b')
plt.plot([x0,x0],[y0,0],'k--',lw=2.5)  #连接两个点，k表示黑色，lw=line weight 线粗细

plt.annotate(r'$2x0+1=%s$' % y0,xy=(x0,y0),xycoords='data',xytext=(+30,-30),textcoords='offset points',fontsize=16,
             arrowprops=dict(arrowstyle='->',connectionstyle='arc3,rad=.2'))
#xycoords='data'  基于数据的值来选位置，xytext=(+30,-30),对于标注位置的描述，textcoords='offset points'，xy偏差值，arrowprops对图中箭头类型设置
plt.text(-3.7,3,r'$This\ is\ the\ some\ text. \mu\ \sigma_i\ \alpha_t$',fontdict={'size':16,'color':'r'})

plt.show()

 

• tick能见度

x=np.linspace(-3,3,50)
y=0.1*x
plt.figure()
plt.plot(x,y,linewidth=10,zorder=1)
plt.ylim(-2,2)

#移动坐标轴
ax=plt.gca()
ax.spines['right'].set_color('none')
ax.spines['top'].set_color('none')
ax.xaxis.set_ticks_position('bottom')
ax.spines['bottom'].set_position(('data',0))
ax.yaxis.set_ticks_position('left')
ax.spines['left'].set_position(('data',0))

#label.set_fontsize(12) 重新调整字体的大小，bbox设置目的内容透明度相关系数，facecolor调节box景色
#edgecolor设置边框 ,alpha设置透明度，zorder设置图层顺序
for label in ax.get_xticklabels()+ax.get_yticklabels():
    label.set_fontsize(12)
    label.set_bbox(dict(facecolor='red',edgecolor='None',alpha=0.7,zorder=2))

plt.show()

 

• 画不同的图形

1.scatter散点图

n=1024
X=np.random.normal(0,1,n)  
Y=np.random.normal(0,1,n)
T=np.arctan2(Y,X)  #arctan2返回给定的X和Y值的反正切值
#scatter画散点图，size=75,颜色为T,透明度为50%，利用xticks函数来隐藏x坐标轴
plt.scatter(X,Y,s=75,c=T,alpha=0.5)
plt.xlim(-1.5,1.5)
plt.xticks(())  #忽略xticks
plt.ylim(-1.5,1.5)
plt.yticks(()) #忽略yticks
plt.show()

2.bar条形图

n=12
X=np.arange(n)
Y1=(1-X/float(n))*np.random.uniform(0.5,1,n)
Y2=(1-X/float(n))*np.random.uniform(0.5,1,n)
plt.bar(X,+Y1,facecolor='#9999ff',edgecolor='white')
plt.bar(X,-Y2,facecolor='#ff9999',edgecolor='white')

#标记值
for x,y in zip(X,Y1):  #zip表示可以传递两个值
    plt.text(x+0.4,y+0.5,'%.2f'%y,ha='center',va='bottom')  #ha表示横向对齐，bottom表示向下对齐
for x,y in zip(X,Y2):
    plt.text(x+0.4,-y-0.05,'%.2f'%y,ha='center',va='top')
plt.xlim(-0.5,n)
plt.xticks(())
plt.ylim(-1.25,1.25)
plt.yticks(())

plt.show()

3.coutours等高线图

n=256
x=np.linspace(-3,3,n)
y=np.linspace(-3,3,n)
X,Y=np.meshgrid(x,y)  #从坐标向量返回坐标矩阵
#函数用来计算高度值，利用contour函数把颜色加进去，位置参数依次为x,y,f(x,y)，透明度为0.75，并将f(x,y)的值对应到camp之中
def f(x,y):
    return (1-x/2+x**5+y**3)*np.exp(-x**2-y**2)
plt.contourf(X,Y,f(X,Y),8,alpha=0.75,cmap=plt.cm.hot)  #8表示等高线分成多少份，alpha表示透明度，cmap表示color map

C=plt.contour(X,Y,f(X,Y),8,colors='black',linewidth=0.5)
plt.clabel(C,inline=True,fontsize=10)
plt.xticks(()) #隐藏坐标轴
plt.yticks(())

plt.show()

• image图片

import matplotlib.pyplot as plt
import numpy as np

a = np.array([0.313660827978, 0.365348418405, 0.423733120134,
              0.365348418405, 0.439599930621, 0.525083754405,
              0.423733120134, 0.525083754405, 0.651536351379]).reshape(3,3)

plt.imshow(a, interpolation='nearest', cmap='bone', origin='lower')
plt.show()

利用matplotlib打印出图像

#利用matplotlib打印出图像
a=np.array([0.313660827978,0.365348418405,0.423733120134,
           0.365348418405,0.439599930621,0.525083754405,
           0.423733120134,0.525083754405,0.651536351379]).reshape(3,3)
plt.imshow(a,interpolation='nearest',cmap='bone',origin='lower') #origin='lower'代表就是选择原点位置
plt.colorbar(shrink=.92) #shrink参数是将图片长度变为原来的92%
plt.xticks(())
plt.yticks(())
plt.show()

• 3D数据

import numpy as np
import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D   #需要导入模块Axes3D
fig=plt.figure() #定义图像窗口
ax=Axes3D(fig)  #在窗口上添加3D坐标轴
#将x和y值编织成栅格
X=np.arange(-4,4,0.25)
Y=np.arange(-4,4,0.25)
X,Y=np.meshgrid(X,Y)
R=np.sqrt(X**2+Y**2)
Z=np.sin(R)  #高度值

#将colormap ranbow填充颜色，之后将三维图像投影到XY平面做等高线图，其中rstride和cstride表示row和column的宽度
ax.plot_surface(X,Y,Z,rstride=1,cstride=1,cmap=plt.get_cmap('rainbow')) #rstride表示图像中分割线的跨图

#添加XY平面等高线 投影到Z平面
ax.contourf(X,Y,Z,zdir='z',offset=-2,cmap=plt.get_cmap('rainbow')) #把图像进行投影的图形 offset表示比0坐标轴低两个位置
ax.set_zlim(-2,2)
plt.show()

• Subplot

1.多合一显示

均匀图中图：MatPlotLib可以组合许多的小图在大图中显示，使用的方法叫做subplot.

plt.figure()
plt.subplot(2,2,1)  #表示将整个图像分割成2行2列，当前位置为1
plt.plot([0,1],[0,1]) #横坐标变化为[0,1] 竖坐标变化为[0,2]

plt.subplot(2,2,2)
plt.plot([0,1],[0,2])

plt.subplot(2,2,3)
plt.plot([0,1],[0,3])

plt.subplot(2,2,4)
plt.plot([0,1],[0,4])
plt.show()

不均匀图中图

plt.figure()
plt.subplot(2,1,1)  #表示将整个图像分割成2行1列，当前位置为1
plt.plot([0,1],[0,1]) #横坐标变化为[0,1] 竖坐标变化为[0,2]

plt.subplot(2,3,4)
plt.plot([0,1],[0,2])

plt.subplot(2,3,5)
plt.plot([0,1],[0,3])

plt.subplot(2,3,6)
plt.plot([0,1],[0,4])
plt.show()

2.分格显示

方法一

#方法一
import matplotlib.gridspec as gridspec  #引入新模块
plt.figure()
#使用plt.subplot2grid创建一个小图，（3,3）表示将整个图像分割成三行三列，（0,0）表示从第0行0列开始作图，
#colspan=3表示列的跨度为3.colspan和rowspan缺省时默认跨度为1
ax1=plt.subplot2grid((3,3),(0,0),colspan=3)  
ax1.plot([1,2],[1,2])
ax1.set_title('ax1_title')  #设置图的标题

#将图像分割成3行3列，从第1行0列开始作图，列的跨度为2
ax2=plt.subplot2grid((3,3),(1,0),colspan=2)

#将图像分割成3行3列，从第1行2列开始作图，行的跨度为2
ax3=plt.subplot2grid((3,3),(1,2),rowspan=2)

#将图像分割成3行3列，从第2行0列开始作图，行与列的跨度默认为1
ax4=plt.subplot2grid((3,3),(2,0))
ax4.scatter([1,2],[2,2])
ax4.set_xlabel('ax4_x')
ax4.set_ylabel('ax4_y')

ax5=plt.subplot2grid((3,3),(2,1))
plt.show()

方法二

#方法二
plt.figure()
gs=gridspec.GridSpec(3,3)  #将图像分割成三行三列
ax6=plt.subplot(gs[0,:]) #gs[0:1]表示图占第0行和所有列
ax7=plt.subplot(gs[1,:2]) #gs[1,:2]表示图占第1行和前两列
ax8=plt.subplot(gs[1:,2]) #gs[1,:]表示图占后两行的最后一列
ax9=plt.subplot(gs[-1,0]) 
ax10=plt.subplot(gs[-1,-2]) #gs[-1,-2]表示这个图占倒数第一行和倒数第2列
plt.show()

方法三

#方法三
#建立一个2行2列的图像窗口，sharex=True表示共享x轴坐标，sharey=True表示共享y轴坐标，
#((ax11,ax12),(ax13,ax14))表示从左到右一次存放ax11,ax12,ax13,ax14
f,((ax11,ax12),(ax13,ax14))=plt.subplots(2,2,sharex=True,sharey=True)
ax11.scatter([1,2],[1,2]) #坐标范围x为[1,2],y为[1,2]
plt.tight_layout() #表示紧凑显示图像
plt.show()

• 图中图

fig=plt.figure()
#创建数据
x=[1,2,3,4,5,6,7]
y=[1,3,4,2,5,8,6]

#绘制大图：假设大图的大小为10，那么大图被包含在由（1,1）开始，宽8高8的坐标系之中
left,bottom,width,height=0.1,0.1,0.8,0.8
ax1=fig.add_axes([left,bottom,width,height]) #main axes
ax1.plot(x,y,'r')  #绘制大图，颜色为red
ax1.set_xlabel('x') #横坐标名称为x
ax1.set_ylabel('y')
ax1.set_title('title') #图名称为title

#绘制小图，注意坐标系位置和大小的改变
ax2=fig.add_axes([0.2,0.6,0.25,0.25])
ax2.plot(y,x,'b') #颜色为bule
ax2.set_xlabel('x')
ax2.set_title('title inside 1')

#绘制第二个小图
plt.axes([0.6,0.2,0.25,0.25])
plt.plot(y[::-1],x,'g')  #将y进行逆序
plt.xlabel('x')
plt.ylabel('y')
plt.title('title inside 2')
plt.show()

• 次坐标轴

x=np.arange(0,10,0.1)
y1=0.5*x**2
y2=-1*y1
fig,ax1=plt.subplots()

ax2=ax1.twinx()  #镜像显示
ax1.plot(x,y1,'g-')
ax2.plot(x,y2,'b-')

ax1.set_xlabel('x data')
ax1.set_ylabel('Y1 data',color='g') #第一个y坐标轴
ax2.set_ylabel('Y2 data',color='b') #第二个y坐标轴
plt.show()