------------------------------------------------------------------
#========================================================
#第3章 绘制并定制化图表 65
#========================================================
3．1 简介 65
#==============================================================================
# 3．2 定义图表类型——柱状图、线形图和堆积柱状图 66
#==============================================================================
3．2．1 准备工作 66
3．2．2 操作步骤 66
3．2．3 工作原理 69
3．2．4 补充说明 70
from matplotlib.pyplot import *
x = [1,2,3,4]; y = [5,4,3,2]
figure()
subplot(231)
plot(x, y)
subplot(232)
bar(x, y)
#horizontal bar-charts
subplot(233)
barh(x, y)
#stacked bar-charts
subplot(234)
bar(x, y)
y1 = [7,8,5,3]
bar(x, y1, bottom=y, color = 'r')
subplot(235)
boxplot(x)
subplot(236)
scatter(x,y)
show()
'''
同一个箱线图可以显示五种数据：
最小值
最大值
中值
第二四分位数：其以下数据集合中较低的25%的数据
第三四分位数：其以上数据集合中较高的25%的数据
from pylab import *
dataset = [113, 115, 119, 121, 124,
124, 125, 126, 126, 126,
127, 127, 128, 129, 130,
130, 131, 132, 133, 136]
subplot(121)
boxplot(dataset, vert=False)
subplot(122)
hist(dataset)
show()
#========================================================
#3．3 简单的正弦图和余弦图 71
#========================================================
3．3．1 准备工作 71
3．3．2 操作步骤 71
from pylab import *
import numpy as np
# generate uniformly distributed
# 256 points from -pi to pi, inclusive
x = np.linspace(-np.pi, np.pi, 256, endpoint=True)
y = np.cos(x)
plot(x, y)
y1 = np.sin(x)
plot(x, y1)
title("Functions $\sin$ and $\cos$")
xlim(-3.0, 3.0)# set x limit
ylim(-1.0, 1.0)# set y limit
# format ticks at specific values
xticks([-np.pi, -np.pi/2, 0, np.pi/2, np.pi], [r'$-\pi$', r'$-\pi/2$', r'$0$', r'$+\pi/2$', r'$+\pi$'])
yticks([-1, 0, +1], [r'$-1$', r'$0$', r'$+1$'])
show()
#==============================================================================
# 3．4 设置坐标轴长度和范围 74
#==============================================================================
3．4．1 准备工作 74
3．4．2 操作步骤 74
3．4．3 工作原理 74
3．4．4 补充说明 76
from pylab import *
axis() #0.0,1.0,0.0,1.0
#添加新的坐标轴
axis([-1,1,-10,10])
axhline() #绘制y=0的线
axvline() #绘制x=0的线
axhline(4) #绘制y=4
#grid()
grid(which=u'both',axis=u'both')
#==============================================================================
# 3．5 设置图表的线型、属性和格式化字符串 76
#==============================================================================
3．5．1准备工作 77
3．5．2 操作步骤 77
3．5．3 工作原理 77
import numpy as np
x = np.arange(0,4*math.pi,0.1)
y = sin(x)
#或者 plot(x,y,linewidth=1.5)
#或者 line = plot(x,y,linewidth=1.5)
#或者
lines = plot(x,y)
#setp(lines,marker=7)
setp(lines,alpha=1)
'''
'b':蓝
'g':绿
'r':红
'c'
'm':
'y':黄
'k':黑
'w':白
'''
setp(lines,color='r')
setp(lines,color='#eeefff')
setp(lines,color=[0.3,0.3,0.3])
#setp(lines,dashes=[1,1]) #数组为序列各段的宽度,
'''
- :实线
-- :破折线
-. :点划线
'''
setp(lines,linestyle='--')
setp(lines,label='das')
setp(lines,'linewidth',1.5)
setp(lines,linewidth=1.5)
setp(lines,lw=1.5)
'''线条标记
'o':圆圈
'D':菱形
'd':小菱形
'h':六边形
'H':六边形
'_':水平线
'',' ','None',None:无
'8':八边形
'p':五边形
',':像素
'+'
'.':
's':正方形
'*':
'v':三角形
'<':三角形
'>':三角形
'^':三角形
'|':竖线
'x':
'''
setp(lines,marker=',')
#标记边缘宽度
setp(lines,markeredgewidth=1)
setp(lines,mew=1)
#标记的边缘颜色
setp(lines,markeredgecolor='g')
setp(lines,mec='g')
#标记颜色
setp(lines,markerfacecolor='g')
setp(lines,mfc='g')
#subplot(111,axisbg=(0.1843,0.3098,0.3098))
#==============================================================================
# 3．6 设置刻度、刻度标签和网格 80
#==============================================================================
3．6．1 准备工作 80
3．6．2 操作步骤 81
from pylab import *
import matplotlib as mpl
import datetime
fig = figure()
ax = gca()# get current axis
# set some daterange
start = datetime.datetime(2013, 01, 01)
stop = datetime.datetime(2013, 12, 31)
delta = datetime.timedelta(days = 1)
dates = mpl.dates.drange(start, stop, delta) # convert dates for matplotlib
values = np.random.rand(len(dates))# generate some random values
ax = gca()
ax.plot_date(dates, values, linestyle='-', marker='')# create plot with dates
date_format = mpl.dates.DateFormatter('%Y-%m-%d')# specify formater
ax.xaxis.set_major_formatter(date_format)# apply formater
# autoformat date labels
# rotates labels by 30 degrees by default
# use rotate param to specify different rotation degree
# use bottom param to give more room to date labels
fig.autofmt_xdate()
show()
#==============================================================================
# 3．7 添加图例和注解 83
#==============================================================================
3．7．1 准备工作 84
3．7．2 操作步骤 84
3．7．3 工作原理 85
from matplotlib.pyplot import *
# generate different normal distributions
x1 = np.random.normal(30, 3, 100)
x2 = np.random.normal(20, 2, 100)
x3 = np.random.normal(10, 3, 100)
# plot them
plot(x1, label='plot')
plot(x2, label='2nd plot')
plot(x3, label='last plot')
# generate a legend box
legend(bbox_to_anchor=(0., 1.02, 1., .102), loc=3, ncol=3, mode="expand", borderaxespad=0.)
# annotate an important value
annotate("Important value", (55,20), xycoords='data', xytext=(5,38), arrowprops=dict(arrowstyle='->'))
show()
#==============================================================================
# 3．8 移动轴线到图中央 86
#==============================================================================
3．8．1 操作步骤 86
3．8．2 工作原理 87
3．8．3 补充说明 87
import matplotlib.pyplot as plt
import numpy as np
x = np.linspace(-np.pi, np.pi, 500, endpoint=True)
y = np.sin(x)
plt.plot(x, y)
ax = plt.gca()
# hide two spines
ax.spines['right'].set_color('none')
ax.spines['top'].set_color('none')
# move bottom and left spine to 0,0
ax.spines['bottom'].set_position(('data',0))
ax.spines['left'].set_position(('data',0))
# move ticks positions
ax.xaxis.set_ticks_position('bottom')
ax.yaxis.set_ticks_position('left')
plt.show()
#==============================================================================
# 3．9 绘制直方图 87
#==============================================================================
3．9．1 准备工作 88
3．9．2 操作步骤 88
3．9．3 工作原理 90
import numpy as np
import matplotlib.pyplot as plt
mu = 100
sigma = 15
x = np.random.normal(mu, sigma, 10000)
ax = plt.gca()
# the histogram of the data
'''相关参数
bins:
range:bin的范围
normed:若为True,直方图的值将进行归一化,形成概率密度
histtype:
barstacked
step
stepfilled
align:
color:
orientation:
orientation
horizontal
'''
ax.hist(x, bins=35, color='r',normed=True,histtype='stepfilled')
ax.set_xlabel('Values')
ax.set_ylabel('Frequency')
ax.set_title(r'$\mathrm{Histogram:}\ \mu=%d,\ \sigma=%d$' % (mu, sigma))
plt.show()
#==============================================================================
# 3．10 绘制误差条形图 90
#==============================================================================
3．10．1 准备工作 90
3．10．2 操作步骤 90
3．10．3 工作原理 91
3．10．4 补充说明 92
import numpy as np
import matplotlib.pyplot as plt
x = np.arange(0, 10, 1)# generate measures from gaussian distribution
y = np.log(x) # values computed from "measured"
# add some error samples from standard normal distribution
xe = 0.1 * np.abs(np.random.randn(len(y)))
'''# draw and show errorbar
width
bottom:柱状图的初始高度
edgecolor:误差条边界颜色
ecolor：误差条颜色
linewidth
orientation:vertical,horizontal
xerr,yerr:在柱状图上生成误差条
'''
plt.bar(x, y, yerr=xe, width=0.4, align='center', ecolor='r', color='cyan',label='experiment #1');
# give some explainations
plt.xlabel('# measurement')
plt.ylabel('Measured values')
plt.title('Measurements')
plt.legend(loc='upper left')
plt.show()
#==============================================================================
# 3．11 绘制饼图 92
#==============================================================================
3．11．1 准备工作 92
3．11．2 操作步骤 93
import matplotlib.pyplot as plt
plt.figure(1, figsize=(8, 8))
ax = plt.axes([0.1, 0.1, 0.8, 0.8])
labels = 'Spring', 'Summer', 'Autumn', 'Winter'
values = [15, 16, 16, 28]
explode =[0.1, 0.1, 0.1, 0.1]
'''
startangle:
0 :扇区将从x轴开始逆时针排列;
90:从y轴开始逆时针排列
'''
plt.pie(values, explode=explode, labels=labels, autopct='%1.1f%%', startangle=90)
plt.title('Rainy days by season')
plt.show()
#==============================================================================
# 3．12 绘制带填充区域的图表 94
#==============================================================================
3．12．1 准备工作 94
3．12．2 操作步骤 94
3．12．3 工作原理 95
3．12．4 补充说明 96
from matplotlib.pyplot import figure, show, gca
import numpy as np
x = np.arange(0.0, 2, 0.01)
y1 = np.sin(2*np.pi*x)
y2 = 1.2*np.sin(4*np.pi*x)
fig = figure()
ax = gca()
ax.plot(x, y1, x, y2, color='black')
ax.fill_between(x, y1, y2, where=y2>=y1, facecolor='darkblue', interpolate=True)
ax.fill_between(x, y1, y2, where=y2<=y1, facecolor='deeppink', interpolate=True)
#针对水平曲线 ax.fill_betweenx()
#ax.fill_betweenx()
#fill 对任意多边形填充颜色或者阴影线
ax.set_title('filled between')
show()
#==============================================================================
# 3．13 绘制带彩色标记的散点图 96
#==============================================================================
3．13．1 准备工作 96
3．13．2 操作步骤 96
3．13．3 工作原理 98
import numpy as np
import matplotlib.pyplot as plt
mu = 100
sigma = 15
x = np.random.normal(mu, sigma, 10000)
ax = plt.gca()
# the histogram of the data
'''相关参数
bins:
range:bin的范围
normed:若为True,直方图的值将进行归一化,形成概率密度
histtype:
barstacked
step
stepfilled
align:
color:
orientation:
orientation
horizontal
'''
ax.hist(x, bins=35, color='r',normed=True,histtype='stepfilled')
ax.set_xlabel('Values')
ax.set_ylabel('Frequency')
ax.set_title(r'$\mathrm{Histogram:}\ \mu=%d,\ \sigma=%d$' % (mu, sigma))
plt.show()