matplotlib包的学习（一）

一.matplotlib是什么

matplotlib是一个在Python中将数据可视化的第三方包，和matlab中的plot指令，和gnuplot类似，都是将数据进行可视化的工具。matplotlib是一个数学绘图库，可以用它来制作折线图和散点图等的图表。

二.基础指令

折线图

1. 绘制折线图

首先导入matplotlib中的pyplot，pyplot中包含了很多画图的函数，和matlab中画图类似，需要以下几个要素：

1. 绘图区域
2. 横纵坐标
3. 数据
   因此根据这三个要素我们来绘制一幅折线图

import matplotlib.pyplot as plt #导入matplotlib
squares = [1, 4, 9, 16, 25] #数据点
plt.plot(squares) #绘制图表
plt.show() #显示图表

2. 修改标签文字和线条粗细

#导入matplotlib包
import matplotlib.pyplot as plt
from matplotlib.pylab import mpl
mpl.rcParams['font.sans-serif'] = ['SimHei']  # 显示中文
#设置数据点
squares = [1, 4, 9, 16, 25]
#设置图表标题
plt.title("计算平方和",fontsize = 24)
#给坐标轴添加标签
plt.xlabel("数值", fontsize = 14)
plt.ylabel("平方和", fontsize = 14)
#设置线条粗细
plt.plot(squares, linewidth = 5)
plt.show()

• title()给图表指定标题
• linewidth()设置plot()绘制的线条粗细
• xlabel()和ylabel()让你能够为每条轴设置标题

3. 矫正图形

我们发现4的平方并非是25，所出现的原因如下：我们为plot()提供一系列数字时，它的默认第一个数据点对应的x坐标值为0，但是我们第一个数据点对应的坐标值是1。为了改变这个情况，我们新建一个列表存放x轴的数据。

#导入matplotlib包
import matplotlib.pyplot as plt
from matplotlib.pylab import mpl
mpl.rcParams['font.sans-serif'] = ['SimHei']  # 显示中文
#设置数据点
input_value = [1, 2, 3, 4, 5]
squares = [1, 4, 9, 16, 25]
#设置图表标题
plt.title("计算平方和",fontsize = 24)
#给坐标轴添加标签
plt.xlabel("数值", fontsize = 14)
plt.ylabel("平方和", fontsize = 14)
#设置线条粗细
plt.plot(input_value, squares, linewidth = 5)
plt.show()

改变plot()中的参数，添加x轴数据，结果如下：

此时5²=25是正确的。

散点图

1.绘制散点图

绘制散点图的函数是scatter(),对他传递一对x和y坐标，就可以在指定位置绘制一个点。

plt.scatter(3, 9)
plt.show()

2.绘制一系列点

思路其实与折线图一样，用两个列表分别存储x和y坐标，再用scatter()把它们绘制出来就可以了

x_value = [1, 2, 3, 4, 5]
y_value = [3, 4, 7, 9, 11]
#s=100表示点的大小
plt.scatter(x_value, y_value, s=100)
plt.show()

结果如下图所示：

3.设置坐标区间

有时候需要显示的数据点很多，但我们只需要看一个范围内的数据，我们就可以设置图表的坐标轴取值范围。

#x坐标值从1到1000
x_value = list(range(1,1001))
y_value = [x**2 for x in x_value]
#s表示点的大小
plt.scatter(x_value, y_value, s=40)
#设置每个坐标轴的取值范围
plt.axis([0, 1100, 0, 1100000])
plt.show()

• axis([横坐标起点，横坐标终点，纵坐标起点，纵坐标终点])

结果如下：

4.修改数据点颜色

要修改数据点颜色时，在scatter()中传递实参c，c是一个列表，其中包含三个0-1之间的小数值，分别表示红色、绿色和蓝色分量（类似于RGB）

• 蓝色： ‘b’ (blue)
• 绿色： ‘g’ (green)
• 红色： ‘r’ (red)
• 蓝绿色(墨绿色)： ‘c’ (cyan)
• 红紫色(洋红)： ‘m’ (magenta)
• 黄色： ‘y’ (yellow)
• 黑色： ‘k’ (black)
• 白色： ‘w’ (white)
• 灰度表示： e.g. 0.75 ([0,1]内任意浮点数)
• RGB表示法： e.g. ‘#2F4F4F’ 或 (0.18, 0.31, 0.31)

#x坐标值从1到1000
x_value = list(range(1,1001))
y_value = [x**2 for x in x_value]
#s表示点的大小
plt.scatter(x_value, y_value, s=40, edgecolors='none',
            c = (0,1,0))
#设置每个坐标轴的取值范围
plt.axis([0, 1100, 0, 1100000])
plt.show()

5.渐变色

在数据可视化中，我们可以用较浅的颜色来表示小数值，用较深的颜色来显示较大的值。

plt.scatter(x_value, y_value, s=40, edgecolors='none',
            c = y_value , cmap = plt.cm.Blues)

• 将参数c设置成了一个y值列表，并使用参数cmap告诉pyplot使用哪个颜色映射。这些代码将y值较小的点显示为浅蓝色，并将y值较大的点显示为深蓝色，结果如下

6.保存图表

savefig()可以自动将图表保存到文件中，该函数的第一个实参指定要以什么样的文件名保存图表，一般来说这个文件将存储在该代码所在的目录中；第二个实参将图表多余的空白区域裁剪掉。

7.清空图表

• plt.cla()

• plt.close(0)# 关闭图 0

• plt.close(‘all’) 关闭所有图