数据分析——matplotlib（3）图片的基本操作
上一节：数据分析——matplotlib（2）第一个分析图
上一次我们使用matplotlib制作了第一个分析图，接下来我们对这个分析图进行一些基本操作。
主要操作有：
- 设置图片大小(想要一个高清无码大图)
- 保存到本地
- 描述信息（比如x轴和y轴表示什么,这个图表示什么）
- 调整x或者y的刻度的间距
- 调整字体大小
- 线条的样式(比如颜色,透明度等)
- 绘制网格
- 图例
- 标记出特殊的点(比如告诉别人最高点和最低点在哪里)
- 给图片添加一个水印(防伪,防止盗用)
1、设置图片大小(想要一个高清无码大图)
import matplotlib.pyplot as plt
# figsize：图片大小（宽，高），整数的元组（以英尺为单位，一英尺为2.54厘米），默认为none
#dpi：分辨率，整数，默认为none
plt.figure(figsize=(12,8),dpi=80)
x = range(2,26,2)
y = [16,13,11.5,17,24,25,26,22,25,22,18,15]
plt.plot(x,y) #传入x、y，通过plot绘制折线图
plt.show() #执行程序时展示图形
效果
2、保存到本地
import matplotlib.pyplot as plt
# figsize：图片大小（宽，高），整数的元组（以英尺为单位，一英尺为2.54厘米），默认为none
#dpi：分辨率，整数，默认为none
plt.figure(figsize=(12,8),dpi=80)
x = range(2,26,2)
y = [16,13,11.5,17,24,25,26,22,25,22,18,15]
plt.plot(x,y) #传入x、y，通过plot绘制折线图
#在绘制图片后才保存，可以保存为svg这种矢量格式，图片放大后不会锯齿
plt.savefig('./demo1.svg')
plt.show() #执行程序时展示图形
效果
3、描述信息
import matplotlib.pyplot as plt
# figsize：图片大小（宽，高），整数的元组（以英尺为单位，一英尺为2.54厘米），默认为none
#dpi：分辨率，整数，默认为none
plt.figure(figsize=(12,8),dpi=80)
x = range(2,26,2)
y = [16,13,11.5,17,24,25,26,22,25,22,18,15]
plt.plot(x,y) #传入x、y，通过plot绘制折线图
plt.xlabel('时间') #设置x轴信息
plt.ylabel('温度') #设置y轴信息
plt.title('某一天温度随时间变化情况') #设置标题
#在绘制图片后才保存，可以保存为svg这种矢量格式，图片放大后不会锯齿
#plt.savefig('./demo1.svg')
plt.show() #执行程序时展示图形
这里可以看到，中文并没有正确显示，因为matplotlib默认不支持中文字符，因此需要先设置中文。
首先，找到matplotlib位置
import matplotlib
print(matplotlib.matplotlib_fname())
更改路径为/home/pyvip/.virtualenvs/pro_analysis/lib/python3.6/site-packages/matplotlib/mpl-data/fonts/ttf
网上下载SimHei.tff字体，通过Xftp 6（po jie 版下载地址：https://www.7down.com/soft/268955.html）导入tff文件夹中（如图）
接着，添加如下代码
plt.rcParams['font.sans-serif']=['SimHei'] #用来正常显示中文标签
plt.rcParams['axes.unicode_minus']=False #用来正常显示负号
整体代码
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif']=['SimHei'] #用来正常显示中文标签
plt.rcParams['axes.unicode_minus']=False #用来正常显示负号
# figsize：图片大小（宽，高），整数的元组（以英尺为单位，一英尺为2.54厘米），默认为none
#dpi：分辨率，整数，默认为none
plt.figure(figsize=(12,8),dpi=80)
x = range(2,26,2)
y = [16,13,11.5,17,24,25,26,22,25,22,18,15]
plt.plot(x,y) #传入x、y，通过plot绘制折线图
plt.xlabel('时间') #设置x轴信息
plt.ylabel('温度') #设置y轴信息
plt.title('某一天温度随时间变化情况') #设置标题
#在绘制图片后才保存，可以保存为svg这种矢量格式，图片放大后不会锯齿
#plt.savefig('./demo1.svg')
plt.show() #执行程序时展示图形
效果
4、调整x或者y的刻度的间距
1. 显示刻度
#设置x、y轴上的刻度
_x_ticks = ['{}时'.format(i) for i in x]
_y_ticks = ['{}℃'.format(i) for i in y]
#传入的x和_x_ticks数据会在x轴上一一对应，二者数据长度必须一样，否则不能完全覆盖，rotation表示旋转度数
plt.xticks(x,_x_ticks,rotation=45)
plt.yticks(y,_y_ticks)
整体代码
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif']=['SimHei'] #用来正常显示中文标签
plt.rcParams['axes.unicode_minus']=False #用来正常显示负号
# figsize：图片大小（宽，高），整数的元组（以英尺为单位，一英尺为2.54厘米），默认为none
#dpi：分辨率，整数，默认为none
plt.figure(figsize=(12,8),dpi=80)
x = range(2,26,2)
y = [16,13,11.5,17,24,25,26,22,25,22,18,15]
plt.plot(x,y) #传入x、y，通过plot绘制折线图
plt.xlabel('时间') #设置x轴信息
plt.ylabel('温度') #设置y轴信息
plt.title('某一天温度随时间变化情况') #设置标题
#设置x、y轴上的刻度
_x_ticks = ['{}时'.format(i) for i in x]
_y_ticks = ['{}℃'.format(i) for i in y]
#传入的x和_x_ticks数据会在x轴上一一对应，二者数据长度必须一样，否则不能完全覆盖，rotation表示旋转度数
plt.xticks(x,_x_ticks,rotation=45)
plt.yticks(y,_y_ticks)
#在绘制图片后才保存，可以保存为svg这种矢量格式，图片放大后不会锯齿
#plt.savefig('./demo1.svg')
plt.show() #执行程序时展示图形
效果
2. 调整距离
简单来讲，修改步长就可以了
plt.xticks(x[::4],_x_ticks[::4],rotation=45) #设置步长为4
效果
那么，如果像在原来的基础上缩小刻度呢？
其实很简单，重新定义x变量就可以了（重新定义x时，代码需要放在ptl.plot(x,y)后面，因为x和y必须相对应），定义y轴同理
plt.plot(x,y) #传入x、y，通过plot绘制折线图
#重新定义x
x = [i/2 for i in range(4,49,2)]
整体代码
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif']=['SimHei'] #用来正常显示中文标签
plt.rcParams['axes.unicode_minus']=False #用来正常显示负号
# figsize：图片大小（宽，高），整数的元组（以英尺为单位，一英尺为2.54厘米），默认为none
#dpi：分辨率，整数，默认为none
plt.figure(figsize=(12,8),dpi=80)
x = range(2,26,2)
y = [16,13,11.5,17,24,25,26,22,25,22,18,15]
plt.plot(x,y) #传入x、y，通过plot绘制折线图
#重新定义x
x = [i/2 for i in range(4,49,2)]
plt.xlabel('时间') #设置x轴信息
plt.ylabel('温度') #设置y轴信息
plt.title('某一天温度随时间变化情况') #设置标题
#设置x、y轴上的刻度
_x_ticks = ['{}时'.format(i) for i in x]
_y_ticks = ['{}℃'.format(i) for i in y]
#传入的x和_x_ticks数据会在x轴上一一对应，二者数据长度必须一样，否则不能完全覆盖，rotation表示旋转度数
plt.xticks(x,_x_ticks,rotation=45)
plt.yticks(y,_y_ticks)
#在绘制图片后才保存，可以保存为svg这种矢量格式，图片放大后不会锯齿
#plt.savefig('./demo1.svg')
plt.show() #执行程序时展示图形
效果
5、调整字体大小
添加参数fontsize=xx，如：
plt.xlabel('时间',fontsize=20) #设置x轴信息
plt.ylabel('温度',fontsize=20) #设置y轴信息
plt.title('某一天温度随时间变化情况',fontsize=20) #设置标题
plt.xticks(x,_x_ticks,rotation=45,fontsize=20)
plt.yticks(y,_y_ticks,fontsize=20)
效果
6、线条的样式
| plot参数 | 含义 |
|---|---|
| color | 颜色 |
| linestyle | 线条风格 |
| linewidth | 线条粗细 |
| alpha | 透明度 |
| color颜色样式 | linestyle风格字符 |
|---|---|
| r 红色 | - 实线 |
| g 绿色 | – 虚线 |
| … | -. 点划线 |
| #00ff00 16进制 | : 点虚线 |
| 0.8 灰度值字符串 | ’ ’ 无线条 |
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif']=['SimHei'] #用来正常显示中文标签
plt.rcParams['axes.unicode_minus']=False #用来正常显示负号
# figsize：图片大小（宽，高），整数的元组（以英尺为单位，一英尺为2.54厘米），默认为none
#dpi：分辨率，整数，默认为none
plt.figure(figsize=(12,8),dpi=80)
x = range(2,26,2)
y_1 = [16,13,11.5,17,24,25,26,22,25,22,18,15]
y_2 = [11,15,10.5,17,25,25,27,22,25,21,18,17]
plt.plot(x,y_1,linewidth=6,color='0.5',alpha=0.5) #传入x、y，通过plot绘制折线图，linewidth：线条粗细 alpha：透明度，0-1
plt.plot(x,y_2,linewidth=3,linestyle='-.') #传入x、y，通过plot绘制折线图，linestyle表示线条风格
#重新定义x
x = [i/2 for i in range(4,49,2)]
plt.xlabel('时间',fontsize=15) #设置x轴信息
plt.ylabel('温度',fontsize=15) #设置y轴信息
plt.title('某一天温度随时间变化情况',fontsize=15) #设置标题
#设置x、y轴上的刻度
_x_ticks = ['{}时'.format(i) for i in x]
# _y_ticks = ['{}℃'.format(i) for i in y]
#传入的x和_x_ticks数据会在x轴上一一对应，二者数据长度必须一样，否则不能完全覆盖，rotation表示旋转度数
plt.xticks(x,_x_ticks,rotation=45,fontsize=15)
# plt.yticks(y,_y_ticks,fontsize=15)
#在绘制图片后才保存，可以保存为svg这种矢量格式，图片放大后不会锯齿
#plt.savefig('./demo1.svg')
plt.show() #执行程序时展示图形
效果
7、绘制网格
方法：grid
plt.grid(alpha=0.7,linewidth=0.5,color='black') #绘制网格
效果
8、图例
每一条线都有自己的意义，因此需要添加对应的图例。
| 参数 | 含义 |
|---|---|
| label | 标签、图例内容 |
| loc | 图例位置 |
loc参数对应的值
plt.plot(x,y_1,linewidth=6,color='0.5',alpha=0.5,label='A') #传入x、y，通过plot绘制折线图，linewidth：线条粗细 alpha：透明度，0-1 label：图例内容
plt.plot(x,y_2,linewidth=3,linestyle='-.',label='B') #传入x、y，通过plot绘制折线图，linestyle表示线条风格
plt.legend(loc='best') #loc：图例位置
效果
9、标记出特殊的点
颜色 参数：color
支持的颜色缩写：
‘b’：蓝色(blue)
‘g’：绿色(green)
‘r’：红色(red)
‘c’：青色(cyan)
‘m’：品红(magenta)
‘y’：黄色(yellow)
‘k’：黑色(black)
‘w’：白色(white)
标记点 参数：marker
支持的类型：
‘.’：点(point marker)
‘,’：像素点(pixel marker)
‘o’：圆形(circle marker)
‘v’：朝下三角形(triangle_down marker)
‘^’：朝上三角形(triangle_up marker)
‘<‘：朝左三角形(triangle_left marker)
‘>’：朝右三角形(triangle_right marker)
‘1’：(tri_down marker)
‘2’：(tri_up marker)
‘3’：(tri_left marker)
‘4’：(tri_right marker)
‘s’：正方形(square marker)
‘p’：五边星(pentagon marker)
‘*’：星型(star marker)
‘h’：1号六角形(hexagon1 marker)
‘H’：2号六角形(hexagon2 marker)
‘+’：+号标记(plus marker)
‘x’：x号标记(x marker)
‘D’：菱形(diamond marker)
‘d’：小型菱形(thin_diamond marker)
‘|’：垂直线形(vline marker)
‘_’：水平线形(hline marker)
示例图：
#获取y最大值
max_y_1 = max(y_1)
max_y_2 = max(y_2)
#获取y最大值对应的x下标
index_x_1 = y_1.index(max_y_1)
index_x_2 = y_2.index(max_y_2)
#绘制对应的标记
plt.plot(x[index_x_1],max_y_1,color='k',marker='*') # marker：标记
plt.plot(x[index_x_2],max_y_2,color='red',marker='o')
效果
10、给图片添加一个水印
方法：text
| 参数 | 含义 |
|---|---|
| x,y | 坐标值 |
| s | 内容 |
| fontsize | 字体大小 |
| verticalalignment | 垂直对齐方式 （参数：‘center’、‘top’、‘bottom’、‘baseline’） |
| horizontalalignment | 方式 （参数：’center’、‘right’、‘left’） |
| bbox | 标题的外框 |
| bbox参数 | 含义 |
|---|---|
| boxstyle | 方框 |
| facecolor(简写fc) | 背景颜色 |
| edgecolor(简写ec) | 边框线条颜色 |
#设置水印 bbox：水印外框（boxstyle：外框类型，fc：背景颜色，ec：边框颜色）
plt.text(6, 15, '这是一个水印!!!',color='red',fontsize=50,rotation=30,alpha=0.2,
bbox=dict(boxstyle='round',fc='pink',ec='red')
)
#绘制水印
plt.draw()
效果
下一节：数据分析——matplotlib（4）绘制常用统计图
