TYD_初识python数据可视化库-Matplotlib

基本操作

子图与标注

风格

基本操作

import numpy as np
import matplotlib.pyplot as plt

plt.plot([1,2,3,4,5],[1,4,9,16,25],'-.',color='r')   #横标，纵标，线条样式与颜色
plt.xlabel('xlabel',fontsize = 16)
plt.ylabel('ylabel',fontsize = 16)

图像如下，以及属性值表

子图与标注

标注

import numpy as np
import matplotlib.pyplot as plt

x = np.linspace(-10,10,) #linspace是均分计算指令，用于产生x1,x2之间的N点行线性的矢量。其中x1、x2、N分别为起始值、终止值、元素个数。若默认N，默认点数为100。
y = np.sin(x)
plt.plot(x,y,linewidth=3,color='b',linestyle=':',marker='o',markerfacecolor='r',markersize=5,alpha=0.4,)  #线宽度，颜色，样式，标记点样式，标记点颜色，标记点规格

line = plt.plot(x,y)
plt.setp(line,linewidth=3,color='b',linestyle=':',marker='o',markerfacecolor='r',markersize=5,alpha=0.4)  #这两句话和之前一句效果相同
plt.text(0,0,'zhangjinlong')       #在某个坐标点加文本
plt.grid(True)                     #加上网格
plt.annotate('thisisaannotate',xy=(-5,0),xytext=(-2,0.3),arrowprops=dict(facecolor='red',shrink=0.05,headlength=10,headwidth=10))   #箭头注释，arrow箭头，xy箭头尖端坐标，xytext文本坐标，

子图

import numpy as np
import matplotlib.pyplot as plt

# 211 表示一会要画的图是2行一列的 最后一个1表示的是子图当中的第1个图
plt.subplot(211)
plt.plot(x,y,color='r')

# 212 表示一会要画的图是2行一列的 最后一个1表示的是子图当中的第2个图
plt.subplot(212)
plt.plot(x,y,color='b')

风格

bmh风格

x = np.linspace(-10,10)
y = np.sin(x)
plt.style.use('bmh')   #使用这种风格

条形图

np.random.seed(0)
x = np.arange(5)
y = np.random.randint(-5,5,5)
print(y)
fig,axes = plt.subplots(ncols=2)             #两个图，分占两列。如果没有参数则只有一个图。，返回一个包含figure和axes对象的元组
v_bars = axes[0].bar(x,y,color='red')        #条形图按行画，返回元组中axes用得较多
h_bars = axes[1].barh(x,y,color='red')       #条形图按列画

axes[0].axhline(0,color='grey',linewidth=2)   #画横轴线
axes[1].axvline(0,color='grey',linewidth=2)   #画纵轴线

fig,axes = plt.subplots()
v_bars = axes.bar(x,y,color='lightblue')
for bar,height in zip(v_bars,y):          #zip() 函数用于将可迭代的对象作为参数，将对象中对应的元素打包成一个个元组，然后返回由这些元组组成的列表。
    if height<0:
        bar.set(edgecolor='darkred',color='red',linewidth=3)   #画一个条形图，对其中值小于0的单独设置风格

x = np.linspace(0,10,200)
y1 = 2*x+1
y2 = 3*x+1.2
y_mean = 0.5*x*np.cos(2*x)+2.5*x+1.1
fig,ax = plt.subplots()
ax.fill_between(x,y1,y2,color='red')
ax.plot(x,y_mean,color='black')

条形图细节

mean_values = [1,2,3]
variance = [0.2,0.4,0.5]
bar_label = ['bar1','bar2','bar3']

x_pos = list(range(len(bar_label)))                  #list将元组转换为列表
plt.bar(x_pos,mean_values,yerr=variance,alpha=0.3)   #绘图，参数分别为横标，纵标，误差帮，透明度
max_y = max(zip(mean_values,variance))    #两个数组传入，返回两个最大值
plt.ylim([0,(max_y[0]+max_y[1])*1.2])     #乘以1.2留白部分
plt.ylabel('variable y')                  #y轴名字
plt.xticks(x_pos,bar_label)               #x轴的位置以及每个位置的标签
plt.show()

x1 = np.array([1,2,3])
x2 = np.array([2,5,3])

fig = plt.figure(figsize=(8,5))  #图像的长度和宽度
y_pos = np.arange(len(x1))       


plt.barh(y_pos,x1,color='g',alpha=0.5)
plt.barh(y_pos,-x2,color='b',alpha=0.5)

plt.xlim(-max(x2)-1,max(x1)+1)   #对四方留白的设置
plt.ylim(-1,len(x1))

green_data = [1, 2, 3]
blue_data = [3, 2, 1]
red_data = [2, 3, 3]
labels = ['group 1', 'group 2', 'group 3']

pos = list(range(len(green_data))) 
width = 0.2 
fig, ax = plt.subplots(figsize=(8,6))

#重点关注第一个元素的定位
plt.bar(pos,green_data,width,alpha=0.5,color='g',label=labels[0])
plt.bar([p+width for p in pos],blue_data,width,alpha=0.5,color='b',label=labels[1])
plt.bar([p+width*2 for p in pos],red_data,width,alpha=0.5,color='r',label=labels[2])

条形图外观

import matplotlib.plot as plt

data = range(200, 225, 5)
bar_labels = ['a', 'b', 'c', 'd', 'e']
fig = plt.figure(figsize=(10,8))
y_pos = np.arange(len(data))
plt.yticks(y_pos, bar_labels, fontsize=16)          #给y轴加刻度
bars = plt.barh(y_pos,data,alpha = 0.5,color='g')   #注意这里是barh所以是给y轴标数据
plt.vlines(min(data),-1,len(data)+0.5,linestyle = 'dashed')  #-1代表图形下方的空间，len(data)代表上方
for b,d in zip(bars,data):         
 plt.text(b.get_width()+b.get_width()*0.05,b.get_y()+b.get_height()/2,'{0:.2%}'.format(d/min(data)))
plt.show()

import matplotlib.plot as plt
import matplotlib.colors as col
import matplotlib.cm as cm       #彩色地图


mean_values = range(10,18)
x_pos = range(len(mean_values))

cmap1 = cm.ScalarMappable(col.Normalize(min(mean_values),max(mean_values),cm.hot))
cmap2 = cm.ScalarMappable(col.Normalize(0,20,cm.hot))

plt.subplot(121)
plt.bar(x_pos,mean_values,color = cmap1.to_rgba(mean_values))

plt.subplot(122)
plt.bar(x_pos,mean_values,color = cmap2.to_rgba(mean_values))

plt.show()

patterns = ('-', '+', 'x', '\\', '*', 'o', 'O', '.')

fig = plt.gca()

mean_value = range(1,len(patterns)+1)
x_pos = list(range(len(mean_value)))

bars = plt.bar(x_pos,mean_value,color='white')

for bar,pattern in zip(bars,patterns):
    bar.set_hatch(pattern)
plt.show()

盒图绘制

盒图细节如上，median为中位数，Q1为左边的中位数，同理Q2，在边界外的数称之为离群点。

import matplotlib.pyplot as plt
import numpy as np
%matplotlib inline


zhang_data = [np.random.normal(0,std,100) for std in range(1,4)] #构造3个正态分布数据，每个一百个点，均值都为0，方差1到3
fig = plt.figure(figsize=(8,6))
bplot = plt.boxplot(zhang_data,notch=False,sym='o',vert=True，patch_artist=True)  #绘制盒图，sym表示离群点的表示方法，vert表示是否是竖直绘图，notch表示v型刻痕，patch_article表示是否填充箱体颜色

plt.xticks([y+1 for y in range(len(zhang_data))],['table1','table2','table3']) #x轴贴标签，range是从零开始的所以y+1
plt.xlabel('x')
plt.title('box plot')

colors = ['pink','lightblue','lightgreen']
for pathch,color in zip(bplot['boxes'],colors):
    pathch.set_facecolor(color)

小提琴图

import matplotlib.pyplot as plt
import numpy as np
%matplotlib inline


fig,axes = plt.subplots(nrows=1,ncols=2,figsize=(12,5))
data = [np.random.normal(0,std,100) for std in range(6,10)]
axes[0].violinplot(data,showmeans=True,showmedians=True)
axes[0].set_title('violin plot')

axes[1].boxplot(data)
axes[1].set_title('boxplot plot')

for ax in axes:
    ax.yaxis.grid(True)
    ax.set_xticks([y+1 for y in range(len(data))])
plt.setp(axes,xticks=[y+1 for y in range(len(data))],xticklabels=['x1','x2','x3','x4'])

绘图细节设置

import math 
x = np.random.normal(loc=0.0,scale=1.0,size=300)
width = 0.5
bins = np.arange(math.floor(x.min())-width,math.ceil(x.max())+width,width)  #横标左右两边留白，最后一个参数代表每个网格的宽度
ax = plt.subplot(111)   #因为只有一个图，所以参数不能设置为subplots

ax.spines['top'].set_visible(False)  #spines  脊椎，去掉上横线
ax.spines['right'].set_visible(False)

plt.tick_params(bottom='off',top='off',left='off',right='off')  #去掉轴上的锯齿
plt.grid()
plt.hist(x,alpha=0.5,bins=bins)   #绘制直方图

ax = plt.subplot(111)

x = np.arange(10)
for i in range(1,4):
    plt.plot(x,i*x**2,label='Group %d'%i)
ax.legend(loc='upper canter',bbox_to_anchor=(0.8,1.15),ncol=3)   #legend图例的意思，anchor锚，

3D图

import matplotlib.pyplot as plt
import numpy as np
from mpl_toolkits.mplot3d import Axes3D   #注意不要写错了

fig = plt.figure()    #创建一个图形实例

#绘制3D图形有两种方法 第二种是  ax = fig.add_subplot(111, projection='3d')
ax = Axes3D(fig)      

x = np.arange(-4,4,0.25)
y = np.arange(-4,4,0.25)
X,Y = np.meshgrid(x,y)      #绘制网格
Z = np.sin(np.sqrt(X**2+Y**2))
ax.plot_surface(X,Y,Z,rstride=1,cstride=1,cmap='rainbow')   #绘制面（bar绘制直方图，scatter绘制散点图），rstride 和cstride控制面方形粒度
ax.contour(X,Y,Z,zdim='z',offset=-2,cmap='rainbow')  #绘制等高线
plt.show()

pi图

import matplotlib.pyplot as plt
%matplotlib inline

#数据
m = 51212.
f = 40742.
m_perc = m/(m+f)
f_perc = f/(m+f)
colors = ['navy','lightcoral']
labels = ["Male","Female"]

plt.figure(figsize=(6,6))
paches,texts,autotexts = plt.pie([m_perc,f_perc],labels = labels,autopct='%1.4f%%',explode=[0,0.05],colors=colors)  
 #autopct='%1.4f%%'表示数据表示格式，小数点后保留四位，explode表示子饼间距

for text in texts+autotexts:
    text.set_fontsize(20)
for text in autotexts:
    text.set_color('white')

子图布局

ax1 = plt.subplot2grid((3,3),(0,0),rowspan=3)  #span是跨度的意思，跨行。
ax2 = plt.subplot2grid((3,3),(0,1),colspan=2)
ax3 = plt.subplot2grid((3,3),(1,1))
ax4 = plt.subplot2grid((3,3),(1,2))
ax5 = plt.subplot2grid((3,3),(2,2))

嵌套图

import numpy as np

x = np.linspace(0,10,1000)
y2 = np.sin(x**2)
y1 = x**2

fig,ax1 = plt.subplots()   #第一个返回值是在某一个图中设置，第二个是跨图设置
left,bottom,width,height = [0.22,0.45,0.3,0.35]
ax2 = fig.add_axes([left,bottom,width,height])  #注意这里用到了ax1

ax1.plot(x,y1)
ax2.plot(x,y2)

import matplotlib.pyplot as plt
from mpl_toolkits.axes_grid1.inset_locator import inset_axes

#传入一个条形图函数的返回值，bar函数除了绘图以外，还会返回一个由每个竖条组成的数组？
def autolabel(rects):
    for rect in rects:
        height = rect.get_height()
        ax1.text(rect.get_x()+rect.get_width()/2.,1.02*height,"{:,}".format(float(height)),ha='center',va='bottom',fontsize='18')
    
#数据    
top10_arrivals_countries = ['CANADA','MEXICO','UNITED\nKINGDOM',\
                            'JAPAN','CHINA','GERMANY','SOUTH\nKOREA',\
                            'FRANCE','BRAZIL','AUSTRALIA']
top10_arrivals_values = [16.625687, 15.378026, 3.934508, 2.999718,\
                         2.618737, 1.769498, 1.628563, 1.419409,\
                         1.393710, 1.136974]
arrivals_countries = ['WESTERN\nEUROPE','ASIA','SOUTH\nAMERICA',\
                      'OCEANIA','CARIBBEAN','MIDDLE\nEAST',\
                      'CENTRAL\nAMERICA','EASTERN\nEUROPE','AFRICA']
arrivals_percent = [36.9,30.4,13.8,4.4,4.0,3.6,2.9,2.6,1.5]


fig,ax1 = plt.subplots(figsize=(20,12))
zhang = ax1.bar(range(10),top10_arrivals_values,color='blue')  #返回的是元组或者列表什么的
plt.xticks(range(10),top10_arrivals_countries,fontsize=18)
ax2 = inset_axes(ax1,width=6,height=6,loc='upper right')                  #关键步骤，实现在bar图中嵌入饼图 loc属性和饼图的位置有关
explode = (0.08, 0.08, 0.05, 0.05,0.05,0.05,0.05,0.05,0.05)
patches,texts,autotexts = ax2.pie(arrivals_percent,labels = arrivals_countries,autopct='%1.3f%%',explode=explode)

for text in texts+autotexts:
    text.set_fontsize(16)
for spine in ax1.spines.values():
    spine.set_visible(False)
    
autolabel(zhang)

来源：CSDN

作者：南征_北战

链接：https://blog.csdn.net/weixin_42141116/article/details/104223381

标签

axes

数据可视化

条形图

plot

python

mean