使用matplotlib进行绘图

环境介绍

IDE是PyCharm专业版，社区版好像不支持图形可视化（不确定）。
库是matplotlib、numpy、pandas。
本文参考《利用python进行数据分析》一书，github地址请点这里

基本示例

简单尝试

#导入matplotil库，用于画图
import matplotlib.pyplot as plt
#导入numpy库，用于数据处理
import numpy as np
#画图
data = np.arange(10)
plt.plot(data)
#使图像展示出来
plt.show()

上面的代码展示了最简单的图片绘制。总结起来有一下几个步骤：

导入绘图和数据处理需要的库
导入需要绘制成图的数据，处理这些数据。比如本例中执行data = np.arange(10)生成从0-9的整数。
绘图并展示。这里需要说明，如果不执行plt.show()，在PyCharm中不会自动弹出绘制出来的图形，需要在PyCharm界面的最右侧点击‘Sciview’按钮进行查看。另在，如果是在Jupyter中绘图，需要加入代码matplotlib notebook，如果是在Ipython中运行，则需要加入代码matplotlib。

上述代码的执行效果如下所示。

子图

#导入matplotil库，用于画图
import matplotlib.pyplot as plt
#导入numpy库，用于数据处理
import numpy as np
#画图
data = np.arange(10)
#第一种生成子图的方式
fig = plt.figure() #生成一个图片对象
#将fig划分成2行2列4个子图 ，a1表示第1个子图，对应subplot的三个参数。
a1 = fig.add_subplot(2,2,1)
#在生成两个子图
a2 = fig.add_subplot(2,2,2)
a3 = fig.add_subplot(2,2,3)

#绘图
plt.plot(np.random.randn(50).cumsum(),'k--')
_ = a1.hist(np.random.randn(100),bins=20,color = 'k',alpha=0.3)
a2.scatter(np.arange(30),np.arange(30)+2*np.random.randn(30))

#第二种生成子图的方式。
#生成2行3列的子图，sharex表示所有子图横坐标范围相同
fig,axs = plt.subplots(2,3,sharex=True)
#对在第1行第2列的子图进行绘制
axs[0,1].hist(np.random.randn(100),bins=20,color = 'k',alpha=0.3)
#使图像展示出来
plt.show()

常用的生成子图的方式有两种。

对于第一种，先生成一个图片对象，然后在图片对象中添加子图。之后在自图上进行绘制。这里注意，如果直接执行plt.plot，默认是在最后生成的一张子图上进行绘制。比如本例中使用plt.plot(np.random.randn(50).cumsum(),'k--')绘制的图出现在了第子图中。‘k--’线条的一些属性，在下一节具体列出。也可以通过'子图名称.XXX'的方法来具体指定在哪个子图中绘制。如本例中使用a1.hist()命令在a1中绘制了柱状图。常见的图片类型见下表，更丰富的指令请参见官方文档。地址请点我！

关键词	图片种类
angle_spectrum	角度光谱
bar	条形图
barh	水平条图
hist	直方图
hist2d	2D直方图
phase_spectrum	相位频谱
pie	饼图
ploar	极性图
psd	功率光谱密度
scatter	散点图
specgram	光谱图
stackplot	堆叠区域图
step	步骤图

第一种的图片效果如下所示;

第二种创建子图的方式与第一种类似。使用subplots创建一组图，其中参数中的2,3表示2行3列，sharex参数表示所有子图共享同样的横坐标范围。subplots还有一些其他的参数，具体请查看官网文档。在绘制子图时，可以使用如本例中axs[0,1]的方式进行指定，[0,1]参数表示第一行第二列的子图（行和列的计数从零开始）。效果如下所示。
可以使用plt.subplots_adjust()函数来调整子图间距。

颜色、标记、线性

#导入matplotil库，用于画图
import matplotlib.pyplot as plt
#导入numpy库，用于数据处理
import numpy as np
from numpy.random import randn
#画图
data = np.random.randn(30).cumsum()
plt.plot(data,color='k', linestyle='dashed', marker='o', label='One')
plt.plot(data,'r-', drawstyle='steps-post', label='Two')
#生成图例
plt.legend(loc='best')
plt.show()

上面的代码中有两个plt.plot，所以可以在同一个图中绘制两条不同的线。

在第一句plt.plot的参数中，‘color’表示颜色，在这里k表示黑色，linestyle表示线条的类型，marker表示标记的类型。它们也可以简写成一个参数：‘ko--’，如第二句plt.plot中的参数‘r-’（代表红色实线）就是这种写法。需要注意的是，如果要用这种简写的方式指定标记的类型，该参数需要紧跟在颜色参数之后。比如‘ko--’中，o要紧跟在k之后。
如果不指定drawstyle参数，则默认使用线性内插的方式使图像连续，在第二条线中，这个参数被指定为steps-post，意思是折现法内插，label属性相当于给每条线一个名字，便于生成图例。
plt.legend表示要生成图例，loc参数是指图例出现的位置，best是指自动选择位置。
更多关于颜色、线条、标记的属性请参见官网文档。请点这里！

效果如下所示：

刻度，坐标轴，注释

# 导入matplotil库，用于画图
import matplotlib.pyplot as plt
# 导入numpy库，用于数据处理
import numpy as np
from numpy.random import randn

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

# 设置x轴上，哪些坐标处需要加刻度
ticks = ax.set_xticks([0, 250, 500, 750, 1000])
# 设置刻度的内容
labels = ax.set_xticklabels(['one', 'two', 'three', 'four', 'five'], rotation=45, fontsize='small')
# 设置横坐标的名称
ax.set_xlabel('Stages')
plt.show()

ax.set_xticks可以设置在哪些坐标处需要加刻度。
set_xticklabels可以设置刻度的内容，rotation参数可以用来设置旋转的角度，fontsize可以用来设置刻度的大小。
set_xlabel可以用来设置x轴的名称。

效果如下所示。

# 导入matplotil库，用于画图
import matplotlib.pyplot as plt
# 导入numpy库，用于数据处理
import numpy as np
from numpy.random import randn

from datetime import datetime
import pandas as pd

fig = plt.figure()
ax = fig.add_subplot(1, 1, 1)

data = pd.read_csv('C:/Users/Nighthink/Downloads/pydata-book/examples/spx.csv', index_col=0, parse_dates=True)
spx = data['SPX']

spx.plot(ax=ax, style='k-')

crisis_data = [
    (datetime(2007, 10, 11), 'Peak of bull market'),
    (datetime(2008, 3, 12), 'Bear Stearns Fails'),
    (datetime(2008, 9, 15), 'Lehman Bankruptcy')
]

for date, label in crisis_data:
    ax.annotate(label, xy=(date, spx.asof(date) + 75),
                xytext=(date, spx.asof(date) + 225),
                arrowprops=dict(facecolor='black', headwidth=4, width=2,
                                headlength=4),
                horizontalalignment='left', verticalalignment='top')

# Zoom in on 2007-2010
ax.set_xlim(['1/1/2007', '1/1/2011'])
ax.set_ylim([600, 1800])

ax.set_title('Important dates in the 2008-2009 financial crisis')

可以使用set_xlim函数来设置横坐标的显示范围，同理将x换成y可以设置纵坐标的显示范围。
set_title函数可以给图片添加一个标题
可以使用ax.annotate方法来在指定的x和y坐标上绘制标签。