plot画图多个变量 python_Python中matplotlib的部分用法整理

最新推荐文章于 2025-06-26 23:21:21 发布

原创最新推荐文章于 2025-06-26 23:21:21 发布 · 1.9k 阅读

4 ·

本内容遵循CC 4.0 BY-SA版权协议

标签

#plot画图多个变量 python

本文介绍了Python中使用matplotlib进行数据可视化的技巧，包括如何绘制简单折线图、双y轴图表、柱状图和饼图。通过实例展示了如何设置颜色、标签、坐标轴标题，以及处理中文标签的问题。同时，还讲解了如何在柱状图上标注数值和创建饼图。

导入的拓展包

matplotlib是Python中常用的画图工具, 在日常使用往往需要用到中文, 导入的同时也加入中文拓展包, 会方便很多.

import matplotlib.pyplot as plt
from pyplotz.pyplotz import PyplotZ
from pyplotz.pyplotz import plt

pltz = PyplotZ()
pltz.enable_chinese()

可以在导入程序包的同时, 设定好画图的分辨率以及画布的大小.

plt.rcParams['figure.dpi'] = 200
plt.rcParams['figure.figsize'] = [10,5]

简单折线图

给定一个pandas dataframe, 可以直接采用.plot()的方法画图 (无需import matplotlib).

import pandas as pd

index = [k for k in np.arange(0,1,0.001)]
c1 = pd.Series([k for k in index], index = index, name = 'y=x')
c2 = pd.Series([k*k for k in index], index = index, name = 'y=x^2')
df = pd.concat([c1,c2], axis = 1)

df.plot()

这样可以很方便地画出一个dataframe里面所有列的折线图, label就是列名. 而如果想要个性化列名的话, 可以选择一列一列地画. 对于pandas series来说, 当横坐标输入参数缺省时默认为series的index. 通过参数"color"和"label"可以来决定折线的颜色, 以及折线的标签.

plt.plot(df.iloc[:,0], color = 'black', label = 'y=x')
plt.plot(df.iloc[:,1], color = 'red', label = 'y=square(x)')
plt.legend()

而当需要标签为中文时, plt.legend()由于字体不包括中文, 会出问题. 而使用pltz.legend()就可以囊括中文.

plt.plot(df.iloc[:,0], color = 'black', label = '线性函数')
plt.plot(df.iloc[:,1], color = 'red', label = '抛物线')
pltz.legend()

还可以设定x坐标轴的标签, y坐标轴的标签, 以及整个图的标题.

plt.plot(df.iloc[:,0], color = 'black', label = '线性函数')
plt.plot(df.iloc[:,1], color = 'red', label = '抛物线')
pltz.legend()
pltz.xlabel('x轴')
pltz.ylabel('y轴')
pltz.title('图1: 线性函数与抛物线的函数图像')

当dataframe的列数过多时, 使用循环遍历画图即可. 全画完后再设定坐标标签, 标题, 图形标签等内容即可.

双y轴画图

有时画图的两个数据量级差距太大, 但又想画在同一张图上进行比较. 这个时候可以采用双y轴画图的方法. 注意对于坐标轴的处理要在每个axis的时候声明.

import numpy as np
import pandas as pd

index = [k for k in np.arange(0.1,1,0.001)]
c1 = pd.Series([1/k for k in index], index = index, name = 'y = 1/x')
c2 = pd.Series([np.log(k) for k in index], index = index, name = 'y = log(x)')
df = pd.concat([c1,c2], axis = 1)

fig = plt.figure()

ax1 = fig.add_subplot(111)
ax1.set_ylim([0,15])

ax1.plot(df.iloc[:,0], c = 'C0', label = 'y = 1/x')
ax1.legend()


ax2 = ax1.twinx()
ax2.set_ylim([-3,0])

ax2.plot(df.iloc[:,1], c = 'C1', label = 'y = log(x)')
ax2.legend()

当想给两个纵坐标都取标题的时候, 右边的坐标取标题需要旋转一下角度 (通过参数 rotation 实现), 比较美观. 同时还可以调整坐标轴的标签与坐标轴的距离(通过参数labelpad调整).

import numpy as np
import pandas as pd

index = [k for k in np.arange(0.1,1,0.001)]
c1 = pd.Series([1/k for k in index], index = index, name = 'y = 1/x')
c2 = pd.Series([np.log(k) for k in index], index = index, name = 'y = log(x)')
df = pd.concat([c1,c2], axis = 1)

fig = plt.figure()

ax1 = fig.add_subplot(111)
ax1.set_ylim([0,15])

ax1.plot(df.iloc[:,0], c = 'C0', label = 'y = 1/x')
ax1.legend()
plt.ylabel('y = 1/x')

ax2 = ax1.twinx()
ax2.set_ylim([-3,0])

ax2.plot(df.iloc[:,1], c = 'C1', label = 'y = log(x)')
ax2.legend()
plt.ylabel('y = log(x)', rotation = 270, labelpad = 15);

如果需要让两个图的label放在一起的话，则需要手动设置一下label.

柱状图

DataFrame可以直接绘制柱状图。

import pandas as pd
import numpy as np

index = ['Tom','Amy','Lily']
math = pd.Series([90,95,100], index = index, name = 'Math')
art = pd.Series([100,95,90], index = index, name = 'Art')
df = pd.concat([math,art], axis = 1)
df.plot.bar();

柱子的宽度可以通过传递参数 width 来设置，一个label对应的宽度就是 width，上例中因为一个label对应两根柱子，所以每根柱子的宽度就是 width/2，width 的默认参数一般为0.8.

如果有需要，还可以在柱状图上标注具体的数值

index = ['Tom','Amy','Lily']
math = pd.Series([90,95,100], index = index, name = 'Math')
art = pd.Series([100,95,90], index = index, name = 'Art')
df = pd.concat([math,art], axis = 1)

width = 0.5

df.plot.bar(width = width);

plt.xticks(range(0,len(df)), df.index, rotation = 0);

for a, b in zip(range(0,len(df)), df.Math):
    plt.text(a-width/4, b, str(b), ha='center', va='bottom', fontsize=10)
for a, b in zip(range(0,len(df)), df.Art):
    plt.text(a+width/4, b, str(b), ha='center', va='bottom', fontsize=10)

或者也可以绘制横着的柱状图

import pandas as pd
import numpy as np

index = ['Tom','Amy','Lily']
math = pd.Series([90,95,100], index = index, name = 'Math')
art = pd.Series([100,95,90], index = index, name = 'Art')
df = pd.concat([math,art], axis = 1)
df.plot.barh();

有需要的话也可以类似地在柱子上标注具体的数字

index = ['Tom','Amy','Lily']
math = pd.Series([90,95,100], index = index, name = 'Math')
art = pd.Series([100,95,90], index = index, name = 'Art')
df = pd.concat([math,art], axis = 1)

width = 0.5

df.plot.barh(width = width);

plt.yticks(range(0,len(df)), df.index, rotation = 0);

for a, b in zip(range(0,len(df)), df.Math):
    plt.text(b,a-width/4, str(b), ha='left', va='center', fontsize=10)
for a, b in zip(range(0,len(df)), df.Art):
    plt.text(b,a+width/4, str(b), ha='left', va='center', fontsize=10)

饼图

成分构成的饼图可以通过 pd.DataFrame.plot.pie() 直接绘制。

import pandas as pd

index = ['Tom','Amy','Lily']

component = pd.Series([0.15,0.25,0.3,0.1,0.2],
                      index = ['A','B','C','D','E'], 
                      name = 'component')
component.plot.pie()

可以通过参数 autopct 来给饼图贴上标签。他的取值可以是一个函数，输入变量为 DataFrame 中的数值，输出变量通过函数来自定义。

component.plot.pie(autopct = lambda x: '%.2f'%x+'%')