python matplotlib.pyplot模块画图用法
目录
-
- 说明
- 1. 导入模块与数据
- 2. 单幅图像绘制——常用函数
-
- 1. plt.figure()函数可以控制图像整体的比例，大小，像素等
- 2. plt.plot()函数，主要是传入数据进行画图
- 3. plt.tick_params()函数主要是调整刻度线相关的属性，如label字体大小，刻度线颜色之类的
- 4. plt.title()、plt.xlabel()、plt.ylabel()为图表、横坐标、纵坐标命名
- 3. 多幅图像绘制——plt.subplot()函数
说明
matplotlib.pyplot模块是一个功能强大的画图模块，可以对画图的多个参数进行调整，以纳斯达克100指数的数据为例，下面简要记录下主要用法。
PS：科研画图还是origin好使。。
1. 导入模块与数据
import matplotlib.pyplot as plt
import pandas as pd
file_path = r"I:\nasdaq100\small\nasdaq100_padding.csv"
df = pd.read_csv(file_path)
AAL = df['AAL']
2. 单幅图像绘制——常用函数
1. plt.figure()函数可以控制图像整体的比例，大小，像素等
figure(num=None, figsize=None, dpi=None, facecolor=None, edgecolor=None, frameon=True)
-
num:图像编号或名称，数字为编号 ，字符串为名称 figsize:指定figure的宽和高，单位为英寸 dpi参数指定绘图对象的分辨率，即每英寸多少个像素，缺省值为80 facecolor:背景颜色 edgecolor:边框颜色 frameon:是否显示边框
用法示例：
plt.figure(figsize=(4, 3), facecolor='white', edgecolor='black')
plt.plot(AAL, 'r')
plt.show()
2. plt.plot()函数，主要是传入数据进行画图
官方给的参数如下：
plot([x], y, [fmt], *, data=None, **kwargs)
plot([x], y, [fmt], [x2], y2, [fmt2], ..., **kwargs)
x可以缺省，此时x坐标为1，2，3…
y不能缺省，一般是列表类型
可以多个曲线一起画，如第二行代码所示的格式（但一般不建议，不如多用几行单个曲线，便于调整）…
fmt为定义线的基本属性，可缺省，加上像‘r–’，‘bo’这种控制线的颜色与类型，常用的部分控制语法见下图。
完整版参考来源
用法示例：
（先将数据量调小点，方便看效果）
AAL_100 = AAL[:100]
plt.figure(figsize=(4, 3), facecolor='white', edgecolor='black')
plt.plot(AAL_100, 'b--')
plt.show()
3. plt.tick_params()函数主要是调整刻度线相关的属性，如label字体大小，刻度线颜色之类的
plt.tick_params(axis='both',**kwargs)
实际可调整的参数很多，可以参考下面的图（参考来源）
一般其实用不到这么多。。
用法示例：
更完整的参考示例
AAL_100 = AAL[:100]
plt.figure(figsize=(4, 3), facecolor='white', edgecolor='black')
plt.plot(AAL_100, 'b--')
plt.tick_params(axis='x', direction='in', width=2, colors='c', labelsize=12)
plt.tick_params(axis='y', direction='inout', width=2, colors='m', labelsize=12)
plt.show() #花里胡哨的
4. plt.title()、plt.xlabel()、plt.ylabel()为图表、横坐标、纵坐标命名
主要可以改字体的大小、颜色、粗细、透明度等（一般也就命个名，调个字体而已）
title()参数：
对于xlabel()和ylabel()，一般不会改的太多，如示例所示。
用法示例：
plt.plot(AAL_100, ls='-.', c='rosybrown')
plt.tick_params(axis='x', direction='in', width=2, colors='c', labelsize=12)
plt.tick_params(axis='y', direction='inout', width=2, colors='m', labelsize=12)
plt.title('nasdaq100-ALL_100')
plt.xlabel('Day', fontsize=12, color='y')
plt.ylabel('Value', fontsize=12)
plt.show()
3. 多幅图像绘制——plt.subplot()函数
一幅图像画多个子图，一般用的也不多，画起来也相对麻烦点。
plt.subplot(nrows, ncols, index, **kwargs)
用三个整数描述子图的数量及索引（行，列，子图索引），以下两种表达效果一致。
plt.subplot(232) # 两行三列、一共6个图，当前为第二个子图
plt.subplot(2,3,2) # 相当于表示当前在编辑第一个图
编辑好之后，就按照上述单张图片进行编辑，需要注意的是，plt.show()应当放在所有子图的最后。
用法示例：
AAL = df['AAL']
AAL_100 = AAL[:100]
ADBE = df['ADBE']
ADBE_100 = ADBE[:100]
plt.subplot(221)
plt.plot(AAL, 'r')
plt.tick_params(axis='x', direction='in', width=2, colors='c', labelsize=6)
plt.tick_params(axis='y', direction='inout', width=2, colors='m', labelsize=6)
plt.title('nasdaq100-ALL')
plt.xlabel('Day')
plt.ylabel('Value')
plt.subplot(222)
plt.plot(AAL_100, ls='-.', c='rosybrown')
plt.tick_params(axis='x', direction='in', width=2, colors='c', labelsize=6)
plt.tick_params(axis='y', direction='inout', width=2, colors='m', labelsize=6)
plt.title('nasdaq100-ALL_100')
plt.xlabel('Day', fontsize=6, color='k')
plt.ylabel('Value', fontsize=6)
plt.subplot(223)
plt.plot(ADBE, 'r')
plt.tick_params(axis='x', direction='in', width=2, colors='c', labelsize=6)
plt.tick_params(axis='y', direction='inout', width=2, colors='m', labelsize=6)
plt.title('nasdaq100-ADBE')
plt.xlabel('Day')
plt.ylabel('Value')
plt.subplot(224)
plt.plot(ADBE_100, ls='-.', c='rosybrown')
plt.tick_params(axis='x', direction='in', width=2, colors='c', labelsize=6)
plt.tick_params(axis='y', direction='inout', width=2, colors='m', labelsize=6)
plt.title('nasdaq100-ADBE_100')
plt.xlabel('Day', fontsize=6, color='k')
plt.ylabel('Value', fontsize=6)
plt.show()
