python基础笔记（三）_Matplotlib基础语法

图表绘制工具：Matplotlib

概念

• 一个python版的matlab绘图接口
• 以2D为主
• 支持python、numpy、pandas基本数据结构
• 有较丰富的图表库

图表窗口

• plt.show() ： 直接生成图表
• % matplotlib inline ： 魔法函数（常用）==》魔法函数，不需要 plt.show() 
• % matplotlib notebook ： 弹出可交互的matplotlib窗口
• % matplotlib qt5 ： 弹出matplotlib控制台

图表基本元素

• figsize：创建图表窗口，设置窗口大小
• plt.title('test')：设置图名
• plt.xlabel('Plot Number')：x轴标签
• plt.ylabel('Important var')：y轴标签
• plt.legend(loc = 'best')：显示图例，loc表示位置；loc : 数字从0到10 loc = 0-10
• plt.xlim([0,12])：x轴边界
• plt.ylim([0,1.5])：y轴边界
• plt.xticks(range(10))：设置x刻度
• plt.yticks([0,0.2,0.4,0.6,0.8,1.0,1.2])：设置y刻度
• fig.set_xticklabels('%.1f' %i for i in range(10))：x轴刻度标签
• fig.set_yticklabels('%.2f' %i for i in [0,0.2,0.4,0.6,0.8,1.0,1.2])：y轴刻度标签
• 网格设置 ：网格设置 ： plt.grid(True,color='gray',linewidth='0.5',axis='both')
  • True ： 显示网格
  • linestyle ： 线型
  • color ： 颜色
  • linewidth ： 宽度
  • axis：x，y，both ： 显示x/y/两者的格网
• 显示刻度 ： plt.tick_params(bottom='on',top='off',left='on',right='off')  
• 刻度的方向 ： in/out/inout
  • matplotlib.rcParams['xtick.direction'] = 'in'
  • matplotlib.rcParams['ytick.direction'] = 'inout'
• 坐标轴可见性
  • plt.axis('off') ： 关闭坐标轴
  • frame.axes.get_xaxis().set_visible(False) ： x轴不可见（True/False）
  • frame.axes.get_yaxis().set_visible(False) ： y轴不可见（True/False）

图表样式参数

• linestyle参数
  • 表示整体线型的样式
    • '-'       solid line style
    • '--'      dashed line style
    • '-.'      dash-dot line style
    • ':'       dotted line style
• marker参数
  • 表示具体的单个单个点的样式
• color参数
  • color
    • red-r
    • green-g
    • black-k
    • blue-b
    • yellow-y
  • colormap : 色板
    • 各类颜色首字母大写，尾部加s
    • 春夏秋冬海洋，字母小写
    • 各类色板后加 _r，表示颜色反转
• style参数
  • 可以包含linestyle，marker，color
  • 三者样式写于一个字符串内
• 整体风格样式
  • 导入模块 ; import matplotlib.style as psl
  • 查看样式列表 ： print(plt.style.available)
  • 一旦选用样式后，所有图表都会有样式，重启后方可关掉

刻度、注解和图表输出

• 刻度
  • 导入模块：from matplotlib.ticker import MultipleLocator, FormatStrFormatter
  • ax = plt.subplot(111) #注意:一般都在ax中设置,不在plot中设置
  • 刻度参数设置
    • 将x主刻度标签设置为10的倍数 ： xmajorLocator = MultipleLocator(10)
    • 设置x轴标签文本的格式 ： xmajorFormatter = FormatStrFormatter('%.0f')
    • 将x轴次刻度标签设置为5的倍数 ： xminorLocator = MultipleLocator(5)
    • 将y轴主刻度标签设置为0.5的倍数 ： ymajorLocator = MultipleLocator(0.5)
    • 设置y轴标签文本的格式 ： ymajorFormatter = FormatStrFormatter('%.1f')
    • 将此y轴次刻度标签设置为0.1的倍数 ： yminorLocator = MultipleLocator(0.1)
  • 设置主次刻度
    • 设置x轴主刻度 ： ax.xaxis.set_major_locator(xmajorLocator)
    • 设置x轴标签文本格式 ： ax.xaxis.set_major_formatter(xmajorFormatter)
    • 设置x轴次刻度 ： ax.xaxis.set_minor_locator(xminorLocator)
    • 设置y轴主刻度 ： ax.yaxis.set_major_locator(ymajorLocator)
    • 设置y轴标签文本格式 ： ax.yaxis.set_major_formatter(ymajorFormatter)
    • 设置y轴次刻度 ： ax.yaxis.set_minor_locator(yminorLocator)
  • 使用主次刻度
    • x坐标轴的网格使用主刻度 ： ax.xaxis.grid(True, which='both')
    • y坐标轴的网格使用次刻度 ： ax.yaxis.grid(True, which='minor')
  • 删除坐标轴刻度显示
    • ax.xaxis.set_major_formatter(plt.NullFormatter())
    • ax.yaxis.set_major_locator(plt.NullLocator())
• 注解
  • plt.text(4,1,'hahaha',fontsize=10)
  • 注解 → 横坐标，纵坐标，注解字符串
• 图表输出
  • plt.savefig('pic.png',dpi=800,bbox_inches = 'tight',facecolor = 'r',edgecolor = 'r')
  • dpi表示分辨率，越大越清晰；'tight',表示删除多余空白;facecolor 主体颜色;edgecolor 轮廓颜色

子图

• 概念
  • 在matplotlib中，整个图像为一个Figure对象
  • 在Figure对象中可以包含一个或者多个Axes对象
  • 每个Axes(ax)对象都是一个拥有自己坐标系统的绘图区域
• 创建及调整
  • fig1 = plt.figure(num=1,figsize=(8,6)) 绘图对象；num 表示图表序号
  • 创建方法一：先建立子图然后填充图表
    • 先创建图表figure ： fig = plt.figure(figsize=(20,12),facecolor = 'gray')
    • 添加子图 ： ax1 = fig.add_subplot(2,2,1)；(2,2,1)代表创建2*2的矩阵表格，然后选择第一个，顺序是从左到右从上到下
    • 绘制图表 ： 绘制到最后一个子图 ax1.plot(df)
  • 创建方法二：plt.subplots（返回numpy数组）
    • 创建多个子图 ： fig,axes = plt.subplots(2,3,figsize=(10,8))
    • 根据索引确定子图 ： ax1 = axes[0,2]
    • 填充子图 ： ax1.plot(ts)
    • 未填充子图保持空白，但有轮廓
  • 创建方法三：多系列图，分别绘制
    • plt.plot(subplots=True,layout=(2,3))
    • layout设置布局矩阵，按顺序填充
    • subplots为True表示绘制子图
  • 调整
    • sharex,sharey：是否共享x，y刻度（True/False）
    • plt.subplots_adjust(wspace=0,hspace=0) ：wspace,hspace：用于控制宽度和高度的百分比

基本图表绘制

• 图表生成
  • Series生成图表
  • DataFrame生成图表
  • 参数说明：
    • Series.plot()：series的index为横坐标，value为纵坐标
    • kind → line,bar,barh...（折线图，柱状图，柱状图-横...）
    • label → 图例标签，Dataframe格式以列名为label
    • style → 风格字符串，这里包括了linestyle（-），marker（.），color（g）
    • color → 颜色，有color指定时候，以color颜色为准
    • alpha → 透明度，0-1
    • use_index → 将索引用为刻度标签，默认为True
    • rot → 旋转刻度标签，0-360
    • grid → 显示网格，一般直接用plt.grid
    • xlim,ylim → x,y轴界限
    • xticks,yticks → x,y轴刻度值
    • figsize → 图像大小
    • title → 图名
    • legend → 是否显示图例，一般直接用plt.legend()
    • ax  选择子图
    • subplots → 是否将各个列绘制到不同图表，默认False
• 柱状图
  • 单系列（Series）;plt.plot(kind='bar/barh')
  • 多系列（DataFrame)；颜色采用 colormap（色板）
  • plt.bar(x,y,facecolor='yellowgreen',edgecolor='white',width = 1,yerr=0.1*y)
    • x,y参数：x，y值
    • width：宽度比例
    • facecolor柱状图里填充的颜色
    • edgecolor是边框的颜色
    • xerr/yerr ：x/y方向error bar
    • plt.text() 添加柱状图上的值，用zip函数，for遍历
• 堆叠图
  • stacked=True 参数设置
• 外嵌图表
  • 柱状图外添加表格 plt.table()
    • cellText：表格文本 （不包含标签和索引）
    • cellLoc：cell内文本对齐位置（center,left,right）
    • rowLabels：行标签（一般为索引）
    • colLabels：列标签（一般为标签）
    • rowLoc：行标签对齐位置（right,left,center）
    • loc：表格位置 → left，right，top，bottom（相对于图的位置）
    • plt.xticks([]) ： 不显示x轴标注
• 面积图
  • 创建方法
    • Series.plot.area()
    • DataFrame.plot.area()
  • 注意事项
    • stacked：是否堆叠，默认情况下，区域图被堆叠
    • 为了产生堆积面积图，每列必须是正值或全部负值
    • 当数据有NaN时候，自动填充0，所以需要清洗掉缺失值
• 填图
  • axes.fill(x,y)或者plt.fill(x,y,ax=axes)
    • axes.legend() 加载图例
    • axes.grid() 加载网格
  • axes.fill_between(x,y1,y2) 填充两个函数之间的区域
• 饼图
  • plt.pie()绘图
    • plt.axis('equal')   # 保证长宽相等
    • 第一个参数：数据
    • explode：指定每部分的偏移量（以列表传入）
    • labels：标签（一般为数据索引）
    • colors：颜色（以列表传入）
    • autopct：饼图上的数据标签显示方式（如 '%.2f %%'）
    • pctdistance：每个饼切片的中心和通过autopct生成的文本开始之间的比例 0.6
    • labeldistance：被画饼标记的直径,默认值：1.1
    • shadow：阴影 True
    • startangle：开始角度
    • radius：半径
    • frame：图框 False
    • counterclock：指定指针方向，顺时针或者逆时针
• 直方图
  • plt.hist()
    • x ： 数据源
    • bins：箱子的宽度（个数）
    • normed :标准化 (已换为density)
    • histtype 风格，bar，barstacked，step，stepfilled
    • orientation 水平还是垂直{‘horizontal’, ‘vertical’}
    • align : {‘left’,‘mid’, ‘right’}, optional(对齐方式)
  • 密度图；s.plot(kind = 'kde')
  • 堆叠直方图；添加参数 stacked
• 散点图
  • plt.scatter(x, y)
    • s：散点的大小
    • cmap：colormap
    • c = y ，相匹配的坐标列
    • marker ： 点的样式
  • pd.plottong.scatter_matrix()散点矩阵
    • diagonal：({‘hist’, ‘kde’})，必须且只能在{‘hist’, ‘kde’}中选择1个 → 每个指标的频率图
• 极坐标图
  • 概念
    • 由角度和距离构成
    • 调用subplot()创建子图时通过设置projection='polar',便可创建一个极坐标子图
    • 然后调用plot()在极坐标子图中绘图
      • ax1 = plt.subplot(121,projection='polar')
      • ax = fig.add_subplot(111,polar=True)
  • 参数
    • 参数1为角度（弧度制）
    • 参数2为value
    • lw → 线宽
    • set_theta_direction()：坐标轴正方向，默认逆时针1
    • set_thetagrids()：设置极坐标角度网格线显示及标签 → 网格和标签数量一致
    • set_rgrids()：设置极径网格线显示，其中参数必须是正数
    • set_theta_offset()：设置角度偏移，逆时针，弧度制
    • set_rlim()：设置显示的极径范围
    • set_rmax()：设置显示的极径最大值
    • set_rticks()：设置极径网格线的显示范围
  • 雷达图
    • 极坐标的折线图/填图 - plt.plot() ----未闭合
    • 极坐标的折线图/填图 - plt.polar() ----首尾闭合
  • 极轴图 - 极坐标的柱状图
• 箱型图
  • 基本概念
    • 是一种用作显示一组数据分散情况资料的统计图
    • 包含一组数据的：最大值、最小值、中位数、上四分位数（Q3）、下四分位数（Q1）、异常值
    • 中位数 → 一组数据平均分成两份，中间的数
    • 下四分位数Q1 → 是将序列平均分成四份，计算(n+1)/4与(n-1)/4两种，一般使用(n+1)/4
    • 上四分位数Q3 → 是将序列平均分成四份，计算(1+n)/4*3=6.75
    • 内限 → 最大值区间Q3+1.5IQR,最小值区间Q1-1.5IQR （IQR=Q3-Q1）
    • 外限 → 最大值区间Q3+3IQR,最小值区间Q1-3IQR （IQR=Q3-Q1）
    • 异常值 ：内限之外 - 中度异常，外限之外 - 极度异常
  • 绘制
    • plt.plot.box()绘制
      • color ： 样式填充（着色），传入字典序列
        • boxes → 箱线
        • whiskers → 分位数与error bar横线之间竖线的颜色
        • medians → 中位数线颜色
        • caps → error bar横线颜色
      • vert：是否垂直，默认True
      • position：箱型图占位，传入列表
    • plt.boxplot()绘制
      • sym 异常点形状，参考marker
      • vert = True 是否垂直
      • whis = 1.5, IQR，默认1.5
      • patch_artist = True, 上下四分位框内是否填充，True为填充
      • meanline = True,showmeans = True, 是否有均值线及其形状
      • showbox = True, 是否显示箱线
      • showcaps = True, 是否显示边缘线
      • showfliers = True, 是否显示异常值
      • notch = False, 中间箱体是否缺口
      • return_type = 'dict')    返回类型为字典 
        • boxes, 箱线
        • medians, 中位值的横线,
        • whiskers, 从box到error bar之间的竖线.
        • fliers, 异常值
        • caps, error bar横线
        • means, 均值的横线,

表格处理

• 表格样式
  • 按元素处理样式：df.style.applymap(def)；自动调用其中的函数
  • 按行/列处理样式：df.style.apply(def,参数设置)
    • axis：0为列，1为行，默认为0
    • subset：索引
  • 样式索引、切片
    • df.style.apply(highlight_max, axis = 1, subset = pd.IndexSlice[2:5,['b', 'd']])
    • 通过pd.IndexSlice[]调用切片
    • 也可：df[2:5].style.apply(highlight_max, subset = ['b', 'd']) → 先索引行再做样式
• 表格显示控制 df.style.format()
  • 按照百分数显示  df.head().style.format('{:.2%}')
  • 显示小数点数   df.head().style.format("{:.4f}")
  • 显示正负数   df.head().style.format("{:+.2f}")
  • 分列显示  df.head().style.format({'b':"{:.2%}", 'c':"{:+.3f}", 'd':"{:.3f}"})
• 表格样式调用
  • 定位空值   df.style.highlight_null(null_color='red')
  • 色彩映射  df.style.background_gradient(cmap='Greens',axis =1,low=0,high=1)
    • cmap：颜色
    • axis：映射参考，0为行，1以列
  • 条形图  df.style.bar(subset=['A', 'B'], color='#d65f4f', width=100)；width：最长长度在格子的占比
  • 分段式构建样式  df.style.bar(subset=['A', 'B'], color='#d65f5f', width=100).highlight_null(null_color='yellow')