matplotlib学习笔记（一）几种绘图方法，颜色，标签，图例等

matplotlib入门笔记（一）

学习《利用Python进行数据分析》第2版，一些笔记将在后续更新

内容部分引用于《利用Python进行数据分析》第2版（Wes McKinney著，徐敬一译）、慕课网上的课程内容笔记以及我个人总结笔记，仅供大家一起学习交流

绘图是数据分析中最重要的任务之一！
matplotlib是一个用于生成出版级质量图表的桌面绘图包，在python环境下进行matlab风格的绘图
在matplotlib的官网里有相关的参考文档，如有需要可自行查询

===============================================
需要开发环境的可以看下我之前写的，我是用pycharm，传送门在此

安装Anaconda，使用pycharm开发环境

当然，最简单的方式是在Jupyter notebook中使用交互式绘图

安装Jupyter Notebook的方法（使用anaconda）

===============================================
本篇中使用 jupyter 来编写

导入matplotlib

import matplotlib.pyplot as plt

========================
绘制折线

import numpy as np
import matplotlib.pyplot as plt
data=np.arange(10)
plt.plot(data)

========================
使用plt.figure生成一个空白绘图窗口

fig=plt.figure()

需要使用add-subplot创建一个或多个子图

注意：jupyter在每个单元格运行后，图表都被重置，因此这里我们要将所有绘图命令放在同一个单元格里，即打完一行直接回车，不加shift

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

是不是感觉和matlab语法很像呢！！！

========================
试试画图

fig=plt.figure()
ax1=fig.add_subplot(2,2,1)
ax2=fig.add_subplot(2,2,2)
ax3=fig.add_subplot(2,2,3)
plt.plot(np.random.randn(50).cumsum(),'k--')

会在最后一个子图上绘制图像
这里的 np.random.randn() 函数是生成随机正态分布的数据
cumsum() 返回给定axis上的累计和

========================
画直方图

fig=plt.figure()
ax1=fig.add_subplot(2,2,1)
ax1.hist(np.random.randn(100),bins=20,color='k',alpha=0.3)

bins 柱子个数，alpha 透明度

========================
画散点图

fig=plt.figure()
ax2=fig.add_subplot(2,2,2)
ax2.scatter(np.arange(30),np.arange(30)+3*np.random.randn(30))

========================
子图的间距调整
使用 subplots-adjust 方法
wspace 宽
hspace 高

========================
颜色
用绿色破折号绘制x对y的线
用 ax.plot(x,y,‘g–’) 或者 后面 color=‘g’

========================
线类型、标记

必须写在颜色后面

plt.plot(np.random.randn(30).cumsum(), color='k', linestyle='dashed', marker='o')

========================
生成图例

plt.plot(np.random.randn(30).cumsum(), 'ko-', label='Mark')
plt.plot(np.random.randn(30).cumsum(), 'k-', drawstyle='steps-post', label='steps-post')
plt.legend(loc='best')

由于向plot传递了label，我们可以使用plt.legend为每条线生成一个用以区分的图例

========================
对于大多数图表修饰工作，有2种主要方式：

1. 使用matplotlib.pyplot 接口
2. 面向对象的原生 matplotlib API

pyplot 接口设计为交互式使用，包含像xlim、xticks、xticklabels等方法
用以控制绘图范围，刻度位置，刻度标签

plt.xlim() 返回当前的x轴范围
plt.xlim([0,10]) 将x轴的范围设置为0到10

========================
自定义轴

fig=plt.figure()
ax=fig.add_subplot(1,1,1)
ax.plot(np.random.randn(1000).cumsum())

绘制随机漫步

set_xticks 在数据范围内设定刻度的位置

set_xticklabels 为标签赋值

fig=plt.figure()
ax=fig.add_subplot(1,1,1)
ax.plot(np.random.randn(1000).cumsum())
ticks=ax.set_xticks([0,250,500,750,1000])

fig=plt.figure()
ax=fig.add_subplot(1,1,1)
ax.plot(np.random.randn(1000).cumsum())
labels=ax.set_xticklabels(['','one','two','three','four','five','six'],rotation=30,fontsize='small')
ax.set_title('My plot')
ax.set_xlabel('Stages')

========================
添加注释
text 、arrow、 annote 方法

========================
图片保存到文件
plt.savefig 方法

plt.savefig('figpath.png',dpi=400,bbox_inches'tight'）

将图片写到所有文件型对象中

from io import BytesIO
buffer=BytesIO()
plt.savefig(buffer)
plot_data=buffer.getvalue()

先写这么多，我要好好学习好好学习，有空更~

如有错误，请多指教，笔记会持续更新的~
谢谢大家！