数据可视化Matplotlib使用1-基本介绍

安装

pip install matplotlib 

Matplotlib 图像结构

  • 一般, Matplotlib图像可以分成三层结构
  • 第一层是底层的容器层, 主要包括Canvas, Figure, Axes
  • 第二层为辅助显示层,主要包括axis,spines, grid, legend, title等
  • 第三层为图像层, 就是通过plotscatter等方法绘制的图像
    数据可视化Matplotlib使用1-基本介绍_第1张图片

容器层

  • Canvas 是位于最底层的系统层, 在绘图过程中就是充当画板的角色,(放置画布(Figure)的工具)
  • Figure 是Canvas(画板)上方的第一层,在绘图的过程中充当画布的角色, 可以设置画布的大小和分辨率
  • Axes 是Canvas层上方的第二层, 在绘图的过程中相当于画布上的绘图区的角色, (一个Axes就是一个绘图区), 一个Figure对象可以包含多个Axes对象,每个Axes都是一个独立的坐标系,绘图过程中的所有图像都是基于坐标系绘制的
    数据可视化Matplotlib使用1-基本介绍_第2张图片

辅助显示层

  • 辅助显示层是Axes层内的除了根据绘制出的图像以外的内容

  • 主要包括Axes外观(facecolor)、边框线(spines)、坐标轴(axis)、坐标轴名称(axis label)、坐标轴刻度标签(tick label)、网格线(grid)、图例(legend)、标题(title)等内容

  • 该层的设置可使图像显示更加直观更加容易被用户理解,但又不会对图像产生实质的影响
    数据可视化Matplotlib使用1-基本介绍_第3张图片

图像层

  • 图像层值 Axes内通过 plot、scatter、bar、histogram、pie等函数根据数据绘制出的图像

数据可视化Matplotlib使用1-基本介绍_第4张图片

Canvas(画板)位于最底层,用户一般接触不到
Figure(画布)建立在Canvas之上
Axes(绘图区)建立在Figure之上
坐标轴(axis)、图例(legend)等辅助显示层以及图像层都是建立在Axes之上

绘制图像-pyplot

先导入

from matplotlib import pyplot as plt
#在使用jupyter notebook时调用matplotlib.pyplot的绘图函数plot()进行绘图的时候,或者生成一个figure画布的时候,需要加上%matplotlib
%matplotlib inline

x = range(1,8) 
y = [17, 17, 18, 15, 11, 11, 13]
plt.plot(x,y) 
plt.show()

数据可视化Matplotlib使用1-基本介绍_第5张图片

  • 绘制图形需要确定 x , y 的值,(x和y的个数要相同)
  • plt.plot(x, y) : 根据传进去的x, y 进行绘制折线图
  • plt.show() : 显示绘制的图形
  • X轴和Y轴可以默认生成,也可以自定义
x = range(1,8) 
y = [17, 17, 18, 15, 11, 11, 13]
plt.plot(x, y, color='red',alpha=0.5,linestyle='-',linewidth=3,marker='o') 
plt.show()

数据可视化Matplotlib使用1-基本介绍_第6张图片

  • color='red' :设置线的颜色
  • alpha=0.5 :设置线的透明度,让其拥有似漏非漏的感觉
  • inestyle='—' :设置线的样式,- 实线(solid)、-- 短线(dashed)、-. 短点相间线(dashdot)、:虚点线(dotted)
  • linewidth=3 :设置线的宽度
  • marker='o' :设置折点的样式,默认是什么都没有

折点样式
数据可视化Matplotlib使用1-基本介绍_第7张图片

你可能感兴趣的:(Pandas,数据可视化,python,可视化,数据分析)