python有趣画图代码_python画图代码集合

matplotlib介绍

基本图形展现

%matplotlib inline

import matplotlib.pyplot as plt

plt.plot([1,3,2,4]，[1,3,2,7],'ro')

plt.ylabel('some numbers')

plt.axis([0, 6, 0, 20])

plt.show()

上面例子里的plot里的list规定了x和y，如果缺省一个则将视为y值，后面的‘ro’表示红色的圈圈，可以做修改；

axis()命令给定了坐标范围，格式是[xmin, xmax, ymin, ymax]；

实际上，matplotlib不仅可以用于画向量，还可以用于画多维数据数组。

# evenly sampled time at 200ms intervals

t = np.arange(0., 5., 0.2)

# red dashes, blue squares and green triangles

plt.plot(t, t, 'r--', t, t**2, 'bs', t, t**3, 'g^')

plt.show()

格式设置

线形设置

有很多线的性质可供你设置：线宽，虚线格式，反锯齿补偿，等。进一步深入了解参数可以参见matplotlib.lines.Line2D

·我们可以通过'linewidth'来设置线宽，通过设定set_antialiased来确定是否消除锯齿

line = plt.plot([1,2,3,4], [1,4,9,16], '-', linewidth=2.0)

line.set_antialiased(False) # 关闭反锯齿

面我们都只画了一条线。这里，我们采用lines = plot(x1,y1,x2,y2)来画两条线。可以使用setp()命令，可以像MATLAB一样设置几条线的性质。 setp可以使用python 关键词，也可用MATLAB格式的字符串。(plt.setp(lines))

lines = plt.plot([1,2,3,4], [1,4,9,16], [1,2,3,4], [16,5,6,2])

# use keyword args

plt.setp(lines, color='r', linewidth=2.0)

# or MATLAB style string value pairs

plt.setp(lines, 'color', 'r', 'linewidth', 2.0)

我们在作图中经常用到的性质都在以下列表中给出了：

线型包括

线型 描述

'-' 实线

'--' 虚线

'-.' 点划线

':' 点

'None', '', 不画

线标记包括

标记 描述

'o' 圆圈

'D' 钻石

'h' 六边形1

'H' 六边形2

'x' X

'', 'None' 不画

'8' 八边形

'p' 五角星

',' 像素点

'+' 加号

'.' 点

's' 正方形

'*' 星型

'd' 窄钻石

'v' 下三角

'

'>' 右三角

'^' 上三角

颜色 所有的颜色设置可以通过命令matplotlib.pyplot.colors()来查询

标记 颜色

'b' 蓝色

'g' 绿色

'r' 红色

'c' 蓝绿色

'm' 品红

'y' 黄色

'k' 黑色

'w' 白色

如果上面的颜色还是不够用，可以采用RGB3元组来定义，范围是0~1

比如：color = (0.3, 0.3, 0.4)

color可以被用在一系列和函数中，这里我们再title中改变color

修改坐标范围

默认情况下，坐标轴的最小值和最大值与输入数据的最小、最大值一致。也就是说，默认情况下整个图形都能显示在所画图片上，我们可以通过xlim(xmin, xmax)和ylim(ymin, ymax)来调整x,y坐标范围，见下：

xlim(-2.5, 2.5)

#设置y轴范围

ylim(-1, 1)

plt.plot(x, y1)

创建子图

你可以通过plt.figure创建一张新的图，plt.subplot来创建子图。subplot()指令包含numrows(行数), numcols(列数), fignum(图像编号)，其中图像编号的范围是从1到行数 * 列数。在行数 * 列数<10时，数字间的逗号可以省略。

def f(t):

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

t1 = np.arange(0.0, 5.0, 0.1)

t2 = np.arange(0.0, 5.0, 0.02)

plt.figure(1)

plt.subplot(211)

plt.plot(t1, f(t1), 'bo', t2, f(t2), 'k')

plt.subplot(212)

plt.plot(t2, np.cos(2*np.pi*t2), 'r--')

plt.show()

你可以多次使用figure命令来产生多个图，其中，图片号按顺序增加。这里，要注意一个概念当前图和当前坐标。所有绘图操作仅对当前图和当前坐标有效。通常，你并不需要考虑这些事，下面的这个例子为大家演示这一细节。

plt.figure(1) # 第一张图

plt.subplot(211) # 第一张图中的第一张子图

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

plt.subplot(212) # 第一张图中的第二张子图

plt.plot([4,5,6])

plt.figure(2) # 第二张图

plt.plot([4,5,6]) # 默认创建子图subplot(111)

plt.figure(1) # 切换到figure 1 ; 子图subplot(212)仍旧是当前图

plt.subplot(211) # 令子图subplot(211)成为figure1的当前图

plt.title('Easy as 1,2,3') # 添加subplot 211 的标题

添加文字

text()可以在图中的任意位置添加文字，并支持LaTex语法

xlable(), ylable()用于添加x轴和y轴标签

title()用于添加图的题目

mu, sigma = 100, 15

x = mu + sigma * np.random.randn(10000)

# 数据的直方图

n, bins, patches = plt.hist(x, 50, normed=1, facecolor='g', alpha=0.75)

plt.xlabel('Smarts')

plt.ylabel('Probability')

#添加标题

plt.title('Histogram of IQ')

#添加文字

plt.text(60, .025, r'$\mu=100,\ \sigma=15$')

plt.axis([40, 160, 0, 0.03])

plt.grid(True)

plt.show()

t0 = plt.text(0.35,0.5,'my text')

plt.setp(t0, color='b',fontsize=24)

t = plt.xlabel('my data', fontsize=14, color='red')

注释文本

在数据可视化的过程中，图片中的文字经常被用来注释图中的一些特征。使用annotate()方法可以很方便地添加此类注释。在使用annotate时，要考虑两个点的坐标：被注释的地方xy(x, y)和插入文本的地方xytext(x, y)

ax = plt.subplot(111)

t = np.arange(0.0, 5.0, 0.01)

s = np.cos(2*np.pi*t)

line, = plt.plot(t, s, lw=2)

plt.annotate('local max', xy=(2, 1), xytext=(3, 1.5),

arrowprops=dict(facecolor='black', shrink=0.05),

)

plt.ylim(-2,2)

plt.show()

图例

一个图例包含多个图例项，每个图例项由图例说明和图例标签构成

图例标签

由彩色的图案构成，位于图例说明的左侧

图例说明

图例标签的说明文字

使用legend()函数可以自动添加图例

line_up, = plt.plot([1,2,3], label='Line 2')

line_down, = plt.plot([3,2,1], label='Line 1')

plt.legend(handles=[line_up, line_down])

有时候多个图例图例分别添加在不同位置使图有更强的可读性。可以通过多次调用legned()函数来实现。添加图例的位置可以用关键词loc来指定。

line1, = plt.plot([1,2,3], label="Line 1", linestyle='--')

line2, = plt.plot([3,2,1], label="Line 2", linewidth=4)

# Create a legend for the first line.

first_legend = plt.legend(handles=[line1], loc=1)

# Add the legend manually to the current Axes.

ax = plt.gca().add_artist(first_legend)

# Create another legend for the second line.

plt.legend(handles=[line2], loc=4)

plt.show()

seaborn介绍

格式设置 Style management

seaborn有五种模版darkgrid, whitegrid, dark, white, and ticks可以选择

sns.set_style("whitegrid")

data = np.random.normal(size=(20, 6)) + np.arange(6) / 2

sns.boxplot(data=data);

可以用下面的命令去掉axes spines

sns.despine()

you can pass a dictionary of parameters to the rc argument of axes_style() and set_style()

sns.set_style("darkgrid", {"axes.facecolor": ".9"})

sinplot()

颜色设置

这里喜欢用的颜色：

渐变蓝色：

sns.palplot(sns.color_palette("Blues"))

渐变绿色：

sns.palplot(sns.color_palette("BuGn_r"))

渐变紫色：

sns.palplot(sns.cubehelix_palette(8))

颜色设置方法：

x, y = np.random.multivariate_normal([0, 0], [[1, -.5], [-.5, 1]], size=300).T

cmap = sns.cubehelix_palette(light=1, as_cmap=True)

sns.kdeplot(x, y, cmap=cmap, shade=True);

设置图像的大小和位置

f, ax = plt.subplots(figsize=(7, 3))

sns.countplot(y="deck", data=titanic, color="c");

各类图像

分布图

单变量分布图

在画分布图的时候可以选择是否加阴影(就是下面的填充)，可以选择是否按照什么分布fit，可以选择kde和hist

sns.distplot(x, bins=20, kde=False, rug=True，hist=False);

sns.kdeplot(x, bw=.2, label="bw: 0.2"，shade=True, cut=0)；

sns.distplot(x, kde=False, fit=stats.gamma);

两个变量关系图

从最简单的散点图开始：

sns.jointplot(x="x", y="y", data=df);

难一点的蜂窝图

x, y = np.random.multivariate_normal(mean, cov, 1000).T

with sns.axes_style("white"):

sns.jointplot(x=x, y=y, kind="hex", color="k");

以及密度核型图

sns.jointplot(x="x", y="y", data=df, kind="kde");

等高线图：

f, ax = plt.subplots(figsize=(6, 6))

sns.kdeplot(df.x, df.y, ax=ax)

sns.rugplot(df.x, color="g", ax=ax)

sns.rugplot(df.y, vertical=True, ax=ax);

还可以玩出花样：

g = sns.jointplot(x="x", y="y", data=df, kind="kde", color="m")

g.plot_joint(plt.scatter, c="w", s=30, linewidth=1, marker="+")

g.ax_joint.collections[0].set_alpha(0)

g.set_axis_labels("$X$", "$Y$");

pairplot

iris = sns.load_dataset("iris")

sns.pairplot(iris);

g = sns.PairGrid(iris)

g.map_diag(sns.kdeplot)

g.map_offdiag(sns.kdeplot, cmap="Blues_d", n_levels=6);

类别变量

sns.stripplot(x="day", y="total_bill", data=tips);

sns.swarmplot(x="day", y="total_bill", data=tips);

sns.swarmplot(x="total_bill", y="day", hue="time", data=tips);

sns.boxplot(x="day", y="total_bill", hue="time", data=tips);

sns.violinplot(x="total_bill", y="day", hue="time", data=tips);

可以将两个图叠加在一起

sns.violinplot(x="day", y="total_bill", data=tips, inner=None)

sns.swarmplot(x="day", y="total_bill", data=tips, color="w", alpha=.5);

对于图进行基本的统计：

sns.barplot(x="sex", y="survived", hue="class", data=titanic);

sns.countplot(x="deck", data=titanic, palette="Greens_d");

sns.pointplot(x="sex", y="survived", hue="class", data=titanic);

分面图：

sns.factorplot(x="day", y="total_bill", hue="smoker",

col="time", data=tips, kind="swarm");

线性关系图

sns.regplot(x="total_bill", y="tip", data=tips);

sns.lmplot(x="total_bill", y="tip", data=tips);