Matplotlib学习记录

原创 已于 2023-03-27 17:09:15 修改 · 593 阅读 · 0 ·
本内容遵循CC 4.0 BY-SA版权协议
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
标签
#数据挖掘 #机器学习
于 2020-03-09 21:30:16 首次发布
本文详细介绍了使用Matplotlib进行数据可视化的基础知识，包括折线图、散点图、柱状图、直方图和饼图的绘制方法。通过实例展示了如何设置画布属性、优化坐标轴、添加图例及网格，以及如何利用面向对象的方式创建多个坐标系。

Matplotlib数据可视化

mat = matrix 矩阵；二维数组
plot 画图
lib = library 库

一、基础操作和知识

#pyplot模块中包括了一系列在当前图形的当前坐标系画图的函数
import matplotlib.pyplot as plt
%matplotlib inline

#创建画布，开辟一块内存装东西
plt.figure()
#画图，第一个传入的序列是横坐标，第二个序列是纵坐标
plt.plot([1,0,9],[4,5,6])
#显示图像（这里是个折线图）
plt.show()

在这里插入图片描述

三层结构

1）容器层

  • 画板层 Canvas：
    隐式创建，打开就有
  • 画布层 Figure：
    显式创建，plt.figure()，上面可以有多个绘图区
  • 绘图区/坐标系 Axes：
    ①如未显式创建，默认有一个，显式创建时使用plt.subplots()
    ②每个绘图区有横纵坐标（两个axis）
    ③辅助显示层和图像层都在绘图区上

2）辅助显示层

  • 使图像更加易懂，方便观察理解（比如网格横线等）

3）图像层

  • 每个绘图区可以画不同的图
  • 画图是在图像层上画

二、折线图

一周的气温折线图

#创建画布
plt.figure()
#绘制图像
plt.plot([1,2,3,4,5,6,7],[17,17,18,15,11,11,13])
#显示图像
plt.show()

在这里插入图片描述
1、设置画布属性和保存图片

plt.figure(figsize=(20,8), dpi=80)
	figsize:指定图的长宽
	dpi:图像清晰度

plt.save(path)
	保存图像(一定要用在show之前，否则保存的是空的，因为show函数会释放图像资源)

2、辅助显示层上的优化功能

e.g.画出某城市11-12点每分钟的温度变化

import random
#准备数据
x = range(60)#生成代表60分钟的列表
#生成一个60个元素的随机的从15到18正态分布的列表作为气温 
y_shanghai = [random.uniform(15,18) for i in x]

#三步画图
plt.figure(figsize=(20,8),dpi=80)
plt.plot(x,y_shanghai)
plt.show()

在这里插入图片描述
1）这个时候可以看到Y轴的刻度不太合适，看起来波动很大，X轴也没显示成11点多少，继续优化

plt.xticks(x, **kwargs)
	x是要显示的刻度值，传入一个列表
plt.yticks(y, **kwargs)
	y是要显示的刻度值，传入一个列表

对上图的修改：

import random
#准备数据
x = range(60)#生成代表60分钟的列表
#生成一个60个元素的随机的从15到18正态分布的列表作为气温 
y_shanghai = [random.uniform(15,18) for i in x]

#画图
plt.figure(figsize=(20,8),dpi=80)
plt.plot(x,y_shanghai)

#坐标优化
#
#创建格式化字符串来作为横坐标标签（用于修饰原来的坐标)
#对坐标和坐标的标签都用切片使步长为5
xLabel = ["11点{}分".format(i) for i in x]
plt.xticks(x[::5], xLabel[::5])
#可用range生成0~40的列表再切片设置步长为5
#也可直接用range设置步长为5作为坐标，效果一致
plt.yticks(range(0,40,5))

plt.show()

在这里插入图片描述
2）没有中文，需要增加字体（windows的方法）
①下载安装simhei字体(直接网上搜)
②删除matplotlib缓存文件：
C:\Users\Username.matplotlib下删除
③修改E:\Anaconda\envs\tfgpu\Lib\site-packages\matplotlib\mpl-data\matplotlibrc（我自己是在ananconda里的虚拟环境里做的，如果装在原装python上的话，你就去python的根目录里找），更改几项：

font.family : sans-serit
font.sans-serit : SimHei
axes.unicode_minus : False

3）增加网格显示和文字描述

#网格显示
plt.grid(linestyle="--", alpha=0.5)

#描述信息
plt.xlabel("时间变化")
plt.ylabel("温度变化")
plt.title("上海11点到12点每分钟的温度变化状况")

3、图像层的优化

1）添加一个新的城市，一图两线

#添加北京当日的温度变化情况，温度在1~3°C
#准备北京的数据
#画图
y_beijing = [random.uniform(1,3) for i in x]
plt.plot(x, y_beijing)

现在修改后的代码是：

import random
#准备数据
x = range(60)#生成代表60分钟的列表
#生成60个元素的随机的正态分布的列表作为气温 
y_shanghai = [random.uniform(15,18) for i in x]
y_beijing = [random.uniform(1,3) for i in x]
#画图
plt.figure(figsize=(20,8),dpi=80)
plt.plot(x,y_shanghai)#上海的线
plt.plot(x,y_beijing)#北京的线

#坐标优化
#
#创建格式化字符串来作为横坐标标签（时间）
#用切片方式使步长为5并作为坐标的标签
xLabel = ["11点{}分".format(i) for i in x]
plt.xticks(x[::5], xLabel[::5])
#可用range生成0~40的列表再切片设置步长为5
#也可直接用range设置步长为5作为坐标，效果一致
plt.yticks(range(0,40,5))

#网格显示
plt.grid(linestyle="--", alpha=0.5)


#描述信息
plt.xlabel("时间变化")
plt.ylabel("温度变化")
plt.title("上海和北京11点到12点每分钟的温度变化状况")

plt.show()

在这里插入图片描述
2）可以在plot函数里增加参数更改绘制折线的颜色和风格
颜色风格参数可查点击链接

plt.plot(x, y, color='red',linestyle="--")
#绘制红色的虚线

在这里插入图片描述
3）也可显示图例(默认右上角)
调整图例位置参见点击链接

#先在plot函数里增加label
plt.plot(x, y_shanghai, color='red',linestyle="--", label="上海")
plt.plot(x, y_beijing, label = "北京")
#再在辅助显示层上显示图例(legend有图例的意思)
plt.legend()

在这里插入图片描述
4）多个坐标系显示plt.subplots(面向对象的画图方法)
需求：把北京上海显示到两张图上

默认是一行一列，即一张图
函数会返回一个图像和绘图区列表
#plt.subplots(nrows=1, ncols=1, **flg_kw)
创建一行两列两张图
figure, axes = plt.subplots(nrows=1, ncols=2, **flg_kw)

不能用之前那样的plt.[函数名]来画图了，需要用绘图区的面向过程的画图方法axes.set_方法名()来操作 (参考文档点击链接）
代码修改了一些部分

import random
#准备数据
x = range(60)
y_shanghai = [random.uniform(15,18) for i in x]
y_beijing = [random.uniform(1,3) for i in x]


#创建两个子图
figure, axes = plt.subplots(nrows=1, ncols=2, figsize=(20, 8), dpi=80)


#第一个绘图区画上海，第二个绘图区画北京
axes[0].plot(x,y_shanghai, color='red', linestyle='--', label="shanghai")
axes[1].plot(x,y_beijing, label="beijing")


#两图坐标优化，要加上set_
xLabel = ["11min{}sec".format(i) for i in x]
axes[0].set_xticks(x[::5])#只有两个参数，ticks和minor，不能用来改label
axes[0].set_xticklabels(xLabel[::5])#需要新用这个函数来改label
axes[0].set_yticks(range(0,40,5))
axes[1].set_xticks(x[::5])
axes[1].set_xticklabels(xLabel[::5])
axes[1].set_yticks(range(0,30,5))


#显示两个图的图例
axes[0].legend()
axes[1].legend()

#两个网格显示
axes[0].grid(linestyle="--", alpha=0.5)
axes[1].grid(linestyle="--", alpha=0.5)


#两图描述信息，要加set_
axes[0].set_xlabel("时间变化")
axes[0].set_ylabel("温度变化")
axes[0].set_title("上海11点到12点每分钟的温度变化状况")
axes[1].set_xlabel("时间变化")
axes[1].set_ylabel("温度变化")
axes[1].set_title("北京11点到12点每分钟的温度变化状况")


plt.show()

在这里插入图片描述
5）折线图应用场景

  • 显示某指标随时间的变化状况
  • 可以画数学函数图像
import numpy as np

#准备数据
#准备-10~10间的1000个数
x = np.linspace(-10, 10, 1000)
y = np.sin(x)

#画图
plt.figure(figsize=(20, 8), dpi=80)
plt.plot(x, y)
plt.grid(linestyle='--',alpha=0.5)
plt.show()

在这里插入图片描述

三、散点图

  • 场景：画出坐标点，判断变量之间是否有关联趋势，展示离群点（分布规律）
  • 需求：探求房屋面积和价格间的规律 画图时用plt.scatter(x, y)
#数据
x = [225.98, 247.07, 253.14, 457.85, 241.58, 301.01, 20.67, 288.64,
163.56, 120.06, 207.83, 342.75, 147.9 , 53.06, 224.72, 29.51,
21.61, 483.21, 245.25, 399.25, 343.35]
y = [196.63, 203.88, 210.75, 372.74, 202.41, 247.61, 24.9 , 239.34,
140.32, 104.15, 176.84, 288.23, 128.79, 49.64, 191.74, 33.1 ,
30.74, 400.02, 205.35, 330.64, 283.45]
plt.figure(figsize=(20,8), dpi=80)
#画图
plt.scatter(x, y)
plt.show()

在这里插入图片描述

四、柱状图

  • 数量统计或者对比数量的时候使用

  • 画图用plt.bar(x, y, width, align=‘center’, **kwargs)

  • 需求1：对比每部电影的票房收入

#准备数据
movie_name = ['Talk to the moon', 'Let it go', 'Global storm', 'chicken you very beautiful', 'kungfu chick']
tickets = [73853, 57767, 8725, 99999, 42412]
xticks = range(len(movie_name))#横轴坐标的数字形式


#画布
plt.figure(figsize=(20,8), dpi=80)
#绘制柱状图
#width是指占一整块的比例，为1时所有矩形连在一起
#颜色以列表按顺序传入
plt.bar(xticks, tickets, width=0.3, color=['b','r','g','y','c'])


#修改x的刻度为名称
plt.xticks(xticks, movie_name)
#增加标题和网格
plt.title('Movie tickets rank')
plt.grid(linestyle='--', alpha=0.5)


plt.show()

在这里插入图片描述

  • 需求2：对比相同天数的票房
#准备数据
movie_name = ['Talk to the moon', 'Let it go', 'Global storm', 'chicken you very beautiful', 'kungfu chick']
firstday_tickets = [73853, 57767, 8725, 99999, 42412]
weekend_tickets = [140000, 234441, 55323, 65634, 43532]
xticks = range(len(movie_name))#横轴坐标的数字形式


#画布
plt.figure(figsize=(20,8), dpi=80)
#绘制两个柱状图(第一个和第二个图的第一个参数（横坐标的数字形式）要错开数值)
plt.bar(xticks, firstday_tickets, width=0.3)
plt.bar([xticks[i]+0.3 for i in xticks], weekend_tickets, width=0.3)


#修改x的刻度为名称
plt.xticks(xticks, movie_name)
#增加标题和网格
plt.title('Movie tickets rank')
plt.grid(linestyle='--', alpha=0.5)


plt.show()

在这里插入图片描述

五、直方图

  • 对数据的分组，然后统计每组内的数据元数量
  • 组数：数据按照不同范围分了几个组，分成组的个数是组数
    组距：每一组两个端点的差
  • 直方图展示的是数据的分布，柱状图比较的是数据的大小
  • plt.hist(x, bins=None, density=None, **kwargs)
    x是数据的序列，bins是组数，density纵坐标是否显示为频率而不是频数
time = [131,  98, 125, 131, 124, 139, 131, 117, 128, 108, 135, 138, 131, 102, 107, 114, 119, 128, 121, 142, 127, 130, 124, 101, 110, 116, 117, 110, 128, 128, 115,  99, 136, 126, 134,  95, 138, 117, 111,78, 132, 124, 113, 150, 110, 117,  86,  95, 144, 105, 126, 130,126, 130, 126, 116, 123, 106, 112, 138, 123,  86, 101,  99, 136,123, 117, 119, 105, 137, 123, 128, 125, 104, 109, 134, 125, 127,105, 120, 107, 129, 116, 108, 132, 103, 136, 118, 102, 120, 114,105, 115, 132, 145, 119, 121, 112, 139, 125, 138, 109, 132, 134,156, 106, 117, 127, 144, 139, 139, 119, 140,  83, 110, 102,123,107, 143, 115, 136, 118, 139, 123, 112, 118, 125, 109, 119, 133,112, 114, 122, 109, 106, 123, 116, 131, 127, 115, 118, 112, 135,115, 146, 137, 116, 103, 144,  83, 123, 111, 110, 111, 100, 154,136, 100, 118, 119, 133, 134, 106, 129, 126, 110, 111, 109, 141,120, 117, 106, 149, 122, 122, 110, 118, 127, 121, 114, 125, 126,114, 140, 103, 130, 141, 117, 106, 114, 121, 114, 133, 137,  92,121, 112, 146,  97, 137, 105,  98, 117, 112,  81,  97, 139, 113,134, 106, 144, 110, 137, 137, 111, 104, 117, 100, 111, 101, 110,105, 129, 137, 112, 120, 113, 133, 112,  83,  94, 146, 133, 101,131, 116, 111,  84, 137, 115, 122, 106, 144, 109, 123, 116, 111,111, 133, 150]
x = time
distance = 2#组距
bins = int((max(time) - min(time)) / distance)

plt.figure(figsize=(20,8), dpi=80)
plt.hist(x, bins)

plt.xticks(range(min(x), max(x), distance) )
plt.grid(linestyle='--',alpha=0.5)
plt.title('the length of movies')
plt.xlabel("length of time")
plt.ylabel("number of movies")

plt.show()

在这里插入图片描述

六、饼图

  • 观察比例
  • 类别太多时不用饼图，用柱状图
  • plt.pies(x, labels=, autopct=, colors=)
    x是数据的序列，labels是每部分的名称，autopct可使占比显示指定为%1.2f%%，colors颜色
#准备数据
movie_name = ['Talk to the moon', 'Let it go', 'Global storm', 'chicken you very beautiful', 'kungfu chick']
tickets = [73853, 57767, 8725, 99999, 42412]


#画布
plt.figure(figsize=(20,8), dpi=80)
#绘制饼图
plt.pie(tickets, labels=movie_name, colors=['b','r','g','y','c'], autopct="%1.2f%%" )

#axis可以调整饼图的角度
plt.axis('equal')#圆形

#增加标题和网格
plt.title('Movie tickets rank')
#增加图例
plt.legend()

plt.show()

在这里插入图片描述

捡BUG的人
关注
matplotlib教程
weixin_40809507的博客
11-30 2954
目录 文章目录目录三、matplotlib概述1. matplotlib基本功能四、matplotlib基本功能详解1. 基本绘图1）绘图核心API2）设置线条属性( 线型、线宽...）3）设置坐标轴范围4）设置坐标刻度5) 设置坐标文字6）设置坐标轴7）图例8）设置特殊点9）备注2. 图形对象（图形窗口）1）子图2）刻度定位器3）刻度网格线5）填充6）散点图7）条形图（柱状图）8）饼图 三、matplotlib概述 matplotlib是python的一个绘图库。使用它可以很方便的绘制出版质量级别的图形。
C#基于ScottPlot进行可视化
mingupup的博客
01-13 2550
本文以一个控制台应用与一个winform程序为例向大家介绍了C#如何基于ScottPlot进行数据可视化，并介绍了实现动态绘图的两种方式，一种是使用定时器，另一种是使用异步操作，希望对你有所帮助。
用Matplotlib画等高线图
Cheuk__Ho的博客
02-28 1129
所用到的函数如下： matplotlib.pyplot.contour(*args, **kwargs) matplotlib.pyplot.contourf(*args, **kwargs) 两个函数的keyword是一致的，由于两个函数的返回值相同，所以可以结合使用。前者是绘制等高线，后者是填充等高线。 keyword建议查看官方文档。 导入库 import numpy as np impor...
matplotlib简介
qq_43369406的博客
11-14 528
matplotlib
matplotlib学习记录
2301_79543300的博客
05-26 1999
matplotlib学习记录
小白学习matplotlib（数据可视化）记录
qq_45383880的博客
07-07 352
小白学习matplotlib（数据可视化）记录----准备工作
Matplotlib学习总结梳理【Matplotlib学习记录】
m0_38052500的博客
06-20 549
首先粗略介绍各个方法 首先开头：plt.figure() ---- 表示铺开一张作图的白纸，且若仅有一个图时可以省略，且其作用域影响的是下一个plt.figure出现前的所有plt点出的方法。 结尾必用：plt.show() ---- 表示展示图像。 线图时用：plt.plot() ---- 装载数据且指定其颜色、形状、宽度、图列中对应的标签。 下面介绍的各个方法均介于figure和show之间。 坐标轴的取值范围、显示标签、文字刻度 xlim |ylim ---- 设置取值范围 xlabel | y
matplotlib自己学习记录
m0_46191268的博客
03-27 1836
matplotlib学习笔记 基本语法 基础plt import matplotlib.pyplot as plt import numpy as np x = np.linspace(-1,1,10) y = x**2 plt.plot(x,y) plt.show() figure布局 figure类似一张画布 import matplotlib.pyplot as plt import numpy as np x = np.linspace(-3, 3, 50) y1 = 2 * x + 1 y2
20-OpenCVSharp-- matplotlib详细使用方法
最新发布
weixin_45590420的博客
12-04 878
尽管 OpenCVSharp 和matplotlib的集成并不直接支持 C# 环境，借助 Python.NET 等技术，你可以在 C# 中使用 Python 的matplotlib绘制和显示图像。对于 OpenCVSharp 来说，推荐使用其自带的图像显示功能 (Cv2.ImShow) 进行图像展示，只有在特殊需求下（如图像绘制的自定义需求）才考虑引入 Python 中的matplotlib。
绘图神器-matplotlib入门
xu547823501的博客
01-07 2518
这次，让我们使用一个非常有名且十分有趣的玩意儿来完成今天的任务，它就是jupyter。 一、安装jupyter matplotlib入门之前，先安装好jupyter。这里只提供最为方便快捷的安装方式：pip install jupyter。 启动jupyter也十分简单：jupyter notebook 执行命令后，自动启动服务，并自动打开浏览器，jupyter就长这样 找到你想要的目录，右上角...
matplotlib绘图基础
BoscoQ的博客
04-17 443
一、绘图基础 1、基础部分 import numpy as np import matplotlib.pyplot as plt %matplotlib inline #确保图形可以展示出来 x = np.linspace(0,100,1000) y = np.sin(x) plt.plot(x,y,c='red',lw = 2,ls ='-') #lw：线宽。ls：线的形状 plt.show()...
PythonNet，Csharp如何白嫖Python生态和使用Matplotlib
qq_44695769的博客
01-22 1880
我既然用Csharp去尝试学习机器视觉，我就想试试用Csharp去使用Python的库。这个世界上有没有编程语言既有Python的开发效率，又有C/C++/PythonNet给了Csharp一个白嫖Python生态的机会。虽然启动还是很慢的，但是起码代码能跑。而且是直接白嫖，这个就太牛逼了，相当于Python有什么库，我都可以通过这个方式直接白嫖库的使用。
Matplotlib 学习记录
m0_59038116的博客
09-08 259
python利用Matplotlib绘图
MATPLOTLIB简单学习记录
datie666的博客
10-26 240
MATPLOTLIB学习资料
记录Matplotlib库的学习
qq_57187936的博客
07-08 218
记录Matplotlib库的学习前言函数图像的绘制三级目录 前言 本文是记录自己学习python当中Matplotlib的个人笔记，方便自己也会随时随地都可以查阅。 函数图像的绘制 本文主要是介绍利用python当中Matplotlib库绘制函数图像的个人笔记部分，在利用Matplotib绘制函数图像的时候，我们不仅仅需要导入Matplotib库，还需要导入numpy，代码如下： #库的导入 import matplotlib.pyplot as plt import numpy as np 这只是最基本
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值