文章目录
前言
1、解决坐标轴刻度负号乱码
plt.rcParams['axes.unicode_minus']=False
2、解决中文乱码问题
# 以下方式二选一
plt.rcParams['font.sans-serif']=['Simhei']
mpl.rcParams['font.sans-serif'] = ['Microsoft YaHei']
3、图形展现形式
在jupyter notebook中有2种图形展现形式
%matplotlib notebook:运行这句命令会在notebook中启动交互式图形
%matplotlib inline:运行这句命令会在notebook中启动静态图形
如果没有运行该命令，默认展示静态图形
%matplotlib notebook
%matplotlib inline
一、图形绘制
1.折线图plot
- 展现变量的趋势变化
- 调用方式：plt.plot(x,y,ls=‘-’,lw=w,label=‘plot figure’)
- 参数：
x：x轴的数值
y：y轴的数值
ls：折现图的线条风格（linestyle）
lw：折现图的线条宽度（lineweight）
label：标记图形内容的标签文本
color：图形颜色
x=np.linspace(0.05,20,200)
y=np.sin(x)
fig = plt.figure()#创建一个图形（画板）
plt.plot(x,y,ls='--',lw=2,label='sin(x)',color='r')#调用画图函数画图（类似于在画板上贴画纸进行绘画）
plt.legend() #legend将标签显示出来
plt.show()
fig.savefig('test.png')
2.散点图plot&scatter
- plt.plot()
x=np.linspace(0,10,30)
y=np.sin(x)
plt.plot(x,y,marker='o',color='c')
plt.show()
- plt.scatter()比plt.plot()更加灵活，比如可以单独空值每个散点与数据匹配，也可以让每个散点具有不同的属性
函数功能：寻找变量之间关系
调用方式plt.scatter(x,y,c=‘b’,label=‘scatter,figure’)
x：x轴数值
y：y轴数值
c：散点标记颜色
label：标签文本
x=np.random.randn(100)
y=np.random.randn(100)
plt.scatter(x,y,c='c',label='散点图')
plt.show()
x=np.random.randn(100)
y=np.random.randn(100)
colors=np.random.randn(100)
size=np.random.randint(20,500,100)
plt.scatter(x,y,c=colors,s=size,alpha=0.3,cmap='hsv')
plt.colorbar() #显示颜色条
plt.show()
3.柱状图plt.bar&条形图plt.barh
函数功能：在x轴上绘制定性数据的分布特征，调用方式：plt.bar(x,y)，与之相对应的是条形图
参数
- x：在X轴上的定性数据类别
- y：每种定性数据类别数量
- align：柱体对齐方式
- color：柱体颜色
- tick_label：刻度标签值
- alpha：柱体透明度
- hatch：柱体填充样式
x=[i for i in range(6)]
y=np.random.randint(45,100,6)
z=('a','b','c','d','e','f')
plt.ylabel('数据')
plt.bar(x,y,align='center',color='c',tick_label=z,hatch='///')
plt.show()
4.直方图plt.hist&堆积直方图
函数功能：在X轴绘制定量数据的分布特征
参数说明
x：在X轴上绘制箱体的定量数据输入值
bins：用于确定柱体的个数或柱体边缘范围，除了最后一个柱体作用都为闭区间，其他柱体为左闭右开区间
color：柱体颜色
histype：柱体类型
- bar：传统的条形直方图，如果是多个数据给出并排排列的条形图
- step：生成默认的线图填补
- stepfilled：生成默认的线图填充
label：图例内容
rwidth：柱体宽度
x=np.random.normal(loc=10000,scale=3000,size=1000)
bins=range(0,20000,500)
plt.hist(x,bins=bins,histtype='bar',color='c',alpha=0.6)
plt.xlabel('test')
plt.ylabel('数据')
plt.show()
堆积直方图和直方图相比，多添加2个参数
x：参数X需要对应两个数据对象，可以用列表装载
stacked：true即两个直方图堆积，false表示两个直方图并列
label：因为展示两类数据，所有标签需额外设置
x0=np.random.normal(loc=10000,scale=3000,size=1000)
x1=np.random.normal(loc=7000,scale=3000,size=1000)
bins=range(0,20000,500)
x=(x0,x1)
plt.hist(x,bins=bins,histtype='bar',label=['x0','x1'],stacked=True,alpha=0.6)
plt.xlabel('test')
plt.ylabel('数据')
plt.legend(loc='upper right')
plt.show()
当stacked=False时：
5.饼图plt.pie
主要参数
x：定性数据的不同类别的百分比
explode：饼片边缘偏离半径的百分比（如果制作分裂式饼图，添加该参数即可）
labels：标记每份饼片的文本标签内容
autopct：饼片文本标签内容对应的数值百分比样式
startangle：从X轴起始位置开始，第一个饼片逆时针旋转的角度
shadow：是否绘制饼片的阴影
colors：饼片的颜色
其他参数：
pctdistance：每个饼片中心与开始之间的比率，默认值为0.6
labeldistance：绘制饼图标签的径向问题距离，默认1.1
percent='0.1','0.15','0.3','0.2','0.2','0.05'
explode=0.1,0.1,0.1,0.1,0.1,0.5 #如果突出某部分，可把对应值修改
autopacts="%.2f%%"
startangle=45
types='优','良','中','一般','次','差'
colors=['r','g','b','c','y','y']
plt.pie(x=percent,explode=explode,labels=types,autopct=autopacts,startangle=startangle,colors=colors)
plt.show()
不传explode参数时
6.单个、多个箱线图boxplot
箱体由第一四分位、中位数（第二四分位）和第三四分位数组成，箱须末端之外为离群值
参数：
x：输入数据
whis：四分位距的倍数，用来确定箱须，包括数据范围大小
widths：设置箱体宽度
sym：离群值的标记样式
labels：绘制每一个数据集的刻度标签
patch_artist：是否给箱体添加颜色
notch：如果为True，则箱体由凹痕
- 单个箱线图
x=np.random.randn(1000)
plt.boxplot(x=x,whis=1.5,widths=0.3,sym='o',labels=['箱体图'],notch=False)
plt.grid(axis='y',ls=':',lw=1,color='grey',alpha=0.4)
plt.show()
- 多个箱线图
数据集参数X需传入多个数据集对象
标签参数labels列表要包含多个标签字符串
二、绘图风格设置
1.图片保存及查看
x=np.linspace(0.05,20,200)
y=np.sin(x)
fig = plt.figure()#创建一个图形（画板）
plt.plot(x,y,ls='--',lw=2,label='sin(x)',color='r')#调用画图函数画图（类似于在画板上贴画纸进行绘画）
plt.legend() #legend将标签显示出来
plt.show()
fig.savefig('test.png')
from IPython.display import Image
Image('test.png')
2.设置坐标轴上下限
plt.xlim：设置X轴范围
plt.ylim：设置y轴范围
x=np.linspace(0.05,20,200)
y=np.sin(x)
fig = plt.figure()#创建一个图形（画板）
plt.plot(x,y,ls='--',lw=2,label='sin(x)',color='r')#调用画图函数画图（类似于在画板上贴画纸进行绘画）
plt.legend() #legend将标签显示出来
plt.xlim(0.1,20)
plt.ylim(-2,2)
plt.show()
3.axis获取或设置某些轴的便捷方法
-
使用方法一：plt.axis(xmin,xmax,ymin,ymax)
xmin：x轴最小取值范围
xmax：x轴最大取值范围
ymin：y轴最小取值范围
ymax：y轴最大取值范围
-
使用方法二：plt.axis(str)
‘on’：打开轴线和标签
‘off’：关闭轴线和标签。等于设置相等的缩放比例，改变轴限制
‘scaled’：设置相等的缩放比例，改变绘图狂尺寸
‘tight’：设置限制大小足以显示所有数据
‘auto’：自动缩放（带数据的填充框）
4.轴标签xlabel()，ylabel()
xlabel()函数功能：设置X轴标签文本
调用方式：plt.xlabel(string)
string：标签文本内容
fontsize：字体大小
平移性：上面的函数功能，调用签名和参数说明同样可以平移到函数ylabel上
5.文本标签图例legend()
函数功能：标识不同图形的文本标签图例
调用方式：plt.legend(loc=‘lower left’)
主要参数：
- loc：图例在图中的地理位置
upper right（右上角）、upper left（左上角）、upper center（中间靠上）
lower left（左下角）、lower right（右下角）、lower center（中间靠下）
center（中间）、center right（中间靠右）、center left（中间靠左） - title：图例标签内容标题参数
- shadow：线框阴影，True或False
- fancybox：线框圆角处理参数，True或False
6.设置轴刻度和刻度标签
通过plt.xticks()和plt.yticks()函数给x轴和y轴设定刻度，同时通过这2给函数中的label参数来给这些刻度贴上标签
7.网格线设置grid()
函数功能：绘制刻度线的网格线
调用方式：plt.grid(linestyle=‘:’,color=‘’)
8.参考线axhline()
函数功能：绘制平行于x轴的水平参考线，与之对应的方法为plt.axvline()
调用方式：plt.axhline(y=0,c=‘r’,ls=‘:’,lw=‘’)
y：水平参考线的出发点
c：参考线的线调颜色
ls：参考线的线条风格
lw：参考线的线条宽度
9.参考区域axvspan()
函数功能：绘制垂直于x轴的参考区域，与之相应的函数为axhspan()
调用方式：plt.axvspan(xmin=1.0,xmax=2,facecolor=‘y’,alpha=0.3)
xmin：参考区域起始位置
xmax：参考区域终止位置
facecolor：参考区域填充颜色
alpha：参考区域填充颜色的透明度
10.指向性注释annotate()
函数功能：添加图形内容细节的指向型注释文本
调用方式：plt.annotate(string,xy=(,),xytext=(,),color=‘b’,arrowprops=dict(arrowstyle=‘->’,color=‘b’)
string：图形内容的注释文本
xy:被注释图形内容的位置坐标
xytext：注释文本的位置坐标
color：注释文本的字体颜色
arrowprops：指示被注释内容的箭头的字典属性：
- arrowstyle：‘-’,‘->’,‘-[’,‘|-|’,‘-|’,‘<-’,‘<->’,‘<|-’,‘<|-|>’,fancy,simple,wedge(注释文本字体粗细)
- color：颜色
plt.annotate('测试说明',xy=(np.pi/2,1),xytext=(2.5,1),weight='bold',
color='r',arrowprops=dict(arrowstyle='->',color='c'))
11.text()图形内容细节的无指向注释文本
调用方式：plt.text(x,y,string,weight=‘bold’,color=‘b’)
x：注释文本位置横坐标
y：注释文本位置纵坐标
string：文本内容
weight：字体大小
color：字体颜色
plt.text(2,0.8,'sin(x)曲线',fontsize='12',color='c')
12.title()添加图形内容标题
调用方式plt.title(string)
string：标题文本
loc：center/left/right
fontdict：可以用字典存储，包含以下参数：
- family：字体类别
- size：字体大小
- color：字体颜色
- style：字体风格
plt.title('y=sin(x)',color='r',loc='center',fontsize=13)
三、绘图进阶
1.子图plt.subplot
subplot(C,R,P)：划分C行P列，从最左上角向右数起，序号P依次增加，直到换一行，序号页是从左向右增加
x=np.linspace(-2*np.pi,2*np.pi,200)
y1=np.sin(x)
y2=np.cos(x)
y3=x
y4=x**2
plt.subplot(221)
plt.plot(x,y1,label='sin(x)')
plt.subplot(222)
plt.plot(x,y2,label='cos(x)')
plt.subplot(223)
plt.plot(x,y3,label='x')
plt.subplot(224)
plt.plot(x,y4,label='x**2')
plt.show()
2.子图plt.subplots
plt.subplots()其实会返回两个对象，一个是figure画布实例，一个是坐标轴实例axes
- figure：可以看作一个图形实例，用来包括坐标轴，图形，文字标签等
- axes：表示一个坐标轴实例，是一个带有刻度和标签的矩阵
- 先有了figure、axes，就可以使用ax.plot进行绘图了
因为ax[0]表示第一个子图的实例，ax[1]表示第二个子图实例，所有可以通过ax[0]回到第一个子图绘图
fig,ax=plt.subplots(2,1) # 把fig想象成一块画板，ax想象成两张画纸
x=np.linspace(-2*np.pi,2*np.pi,200)
y_01=np.sin(x)
y_02=x**2
ax[0].plot(x,y_01,label="sin(x)")
ax[0].legend()
ax[0].set_title("图一")
ax[1].plot(x,y_02,label="x**2")
ax[1].legend()
ax[1].set_title("图二")
#如果在画完两幅子图之后，在这个时候想再往图一添加折线图y=x，可以直接通过实例ax[0].plot()来画：
ax[0].plot(x,x,color="r",ls="--",alpha=0.3)
plt.show()
3.plt.figure
语法：plt.figure(num, figsize, dpi, facecolor, edgecolor, frameon）
参数
- num：整数或字符串，可选，默认值：无
如果未提供，将创建新图形和图形编号。图形对象将此数字保存在“数字”中
如果提供了num，将在该编号的图形中绘图；如果num是一个字符串，该字符串作为图标题。 - figsize：整数元组，可选，默认值：无；[宽度，高度]（英寸）；如果未提供，则默认为[6.4,4.8]
- dpi：整数，可选，默认值：无；这个数字的分辨率。如果未提供，则默认为100
- facecolor：背景颜色。如果未提供，则默认为"w"。
- edgecolor：边框颜色。如果未提供，则默认为"w"。
- frameon：布尔型，可选，默认值：True。如果为False，则禁止绘制图框。
fig_01=plt.figure(1,figsize=[3,3]) #建立“画布1”
ax_01=plt.axes()
fig_02=plt.figure(2,figsize=[2,2]) #建立“画布2”
ax_02=plt.axes()
plt.show()
4.plt.axes
plt.axes用来创建一个新的全窗口轴:
语法：plt.axes([left, bottom, width, height]…)
以左下角为原点，右上角为1，设置轴域的[左坐标，底坐标，宽度，高度]
- 上面的轴域取值范围是左下角（原点）为0，右上角为1。
- 左坐标和底坐标两个参数对应的就是——该坐标轴的原点位置，为该图形宽度和高度比例。
- 宽度和高度的参数就是——该坐标轴原点往外扩展，宽度和高度为图形的比例长度。
x=np.linspace(-2*np.pi,2*np.pi,200)
y=np.sin(x)
fig=plt.figure(1,facecolor="gray") #建立“画布1”，设为灰色
ax_1=plt.axes([0,0,0.4,0.4],facecolor="w") #轴域（画纸）颜色设置成白色
ax_1.plot(x,y,ls="-.",color="r")
ax_2=plt.axes([0.4,0.4,0.6,0.6],facecolor="b") #轴域（画纸）颜色设成绿色
ax_2.plot(x,y,ls="-",color="c")
plt.show()
5.其他建立figure、axes方法
1）通过plt.subplots
x=np.linspace(0,10,1000)
y=np.sin(x)
fig,((ax_01,ax_02),(ax_03,ax_04))=plt.subplots(2,2) # 通过plt.subplots()返回“画板”和“画纸”
ax_01.plot(x,y)
plt.show()
2）通过plt.add_subplot
fig = plt.figure() # 先创建“画板”
ax_01 = fig.add_subplot(221) # 通过“画板”来调用“画纸”
ax_01.plot(x,y)
ax_02 = fig.add_subplot(222)
ax_03 = fig.add_subplot(223)
ax_04 = fig.add_subplot(224)
plt.show()
6.面向对象绘图
1）折线图ax.plot
x=np.linspace(-2*np.pi,2*np.pi,200)
y=np.sin(x)
fig = plt.figure()
ax = plt.axes()
ax.plot(x,y,ls='--',color='c',label='test')
ax.legend()
plt.show()
2）散点图ax.scatter
fig = plt.figure()
ax = plt.axes()
x=np.linspace(0.05,20,500)
y=np.random.randint(1,100,500)
# ax.scatter(x,y,label="scatter figure")
# ax.legend()
plt.scatter(x,y,label="scatter figure")
plt.legend()
plt.show()
3）柱状图ax.bar
fig = plt.figure()
ax = plt.axes()
x=[i for i in range(1,6)]
y= np.random.randint(45,100,5)
z=("a","b","c","d","e")
ax.set_ylabel("text")
ax.grid(linestyle="-.",color="r",axis="y",alpha=0.15)
ax.bar(x,y,align="center",color="c",tick_label=z,hatch="|")
plt.show()
4）plt和ax部分区别
1、绝大多数plt函数都可以直接转换成ax方法，比如plt.plot()–>ax.plot()、plt.legend()–>ax.legend()等。
2、在设置坐标轴上下限、坐标轴标题和图形标题方面，会稍有不同：
- 设置坐标轴标题：
plt.xlabel()–>ax.set_xlabel()
plt.ylabel()–>ax.set_ylabel() - 设置坐标轴上下限：
plt.xlim()–>ax.set_xlim()
plt.ylim()–>ax.set_ylim() - 设置图形标题：
plt.title()–>ax.set_title()
3、使用面向对象的方式绘制气泡图,不能设置colorbar,不加colorbar()就不会报错
