Python数据可视化——matplotlib使用

总第57篇

01|Figure和Subplot:

matplotlib的图像都位于figure对象中，相当于一块画布。figure的属性figsize是用来设置figure的大小的。subplot是用来存放坐标系的，一个figure中可以有多个subplot。

%matplotlib inline import matplotlib.pyplot as plt from numpy.random import randn import numpy as np fig=plt.figure() ax1=fig.add_subplot(2,2,1)#表示在figure中建立2*2个坐标系，ax1位于第一个坐标中 ax2=fig.add_subplot(2,2,2) ax3=fig.add_subplot(2,2,3)

在程序开头加（%matplotlib）是为了显示figure，如果不加则不会跳出figure图框。而（%matplotlib inline)则是直接显示在编程界面，不重新跳出做图框。

如果我们没有指定在哪个ax上进行作图，matplotlib会默认选择最后一个（如果没有则创建一个）上进行绘制。下面这条命令就没有指定。

plt.plot(randn(50).cumsum(),"k--")

ax1.hist(randn(100),bins=20,color='k',alpha=0.3)#在ax1上作图 ax2.scatter(np.arange(30),np.arange(30)+3*randn(30))#在ax2上作图

也可以直接一次性创建多个图框，然后在使用的时候进行索引使用就行，比如下面的subplots(2,3)就是一次性建立两行三列个坐标，而axes[0,1]则表示利用第0行第2列对应的图框。

fig,axes=plt.subplots(2,3) _=axes[0,1].hist(randn(100),bins=20,color='k',alpha=0.3)#加“_=”视为让其不输出randn产生的随机数组

subplots的参数：除几行几列外，还有sharex和sharey，表示x（y）轴的刻度是否要保持相等的刻度。默认情况是False，即不相等。

调整subplot周围的间距：默认情况下，matlibplot会在subplot外围以及sbuplot之间留下一定的边距。图像的大小和间距是相关的，如果你调整了图像大小，间距也会自动调整。利用Figure的subplots_adjust方法可以用来修改间距。

plt.subplots_adjust(left=None,right=None,top=None,bottom=None,wspace=None,hspace=None)#分别表示左右上下边距，以及宽度和高度百分比。

02|颜色，标记和线型:

常用颜色用英文字母的首字母来代替。

b---blue c---cyan g---green k----black m---magenta r---red w---white y----yellow

标记是用在线性图上来强调实际数据点的。

. Point marker

, Pixel marker o Circle marker v Triangle down marker ^ Triangle up marker < Triangle left marker > Triangle right marker 1 Tripod down marker 2 Tripod up marker 3 Tripod left marker 4 Tripod right marker s Square marker p Pentagon marker * Star marker h Hexagon marker H Rotated hexagon D Diamond marker d Thin diamond marker | Vertical line (vlinesymbol) marker _ Horizontal line (hline symbol) marker + Plus marker x Cross (x) marker

线性是表示线的形状。

- 实线 -- 短线 -. 短点相间线 ： 虚点线

plot(randn(30).cumsum(),color="k",linestyle="--",marker="o")

03|刻度、标签和标题:

fig=plt.figure() ax=fig.add_subplot(1,1,1) ax.plot(randn(1000).cumsum()) ticks=ax.set_xticks([0,250,500,750,1000])#设置x轴的刻度，y轴把x换成y即可 lables=ax.set_xticklabels(["one","two","three","four","five"],rotation=30,fontsize="small")#设置x轴对应的标签，y轴把x换成y即可 ax.set_title("my first matplotlib plot")#为坐标轴设置标题

04|图例：

在添加subplot的时候传入label参数，然后调用ax.legend()或plt.legend()即可。

fig=plt.figure() ax=fig.add_subplot(1,1,1) ax.plot(randn(1000).cumsum(),label="one")#创建label标签 ax.plot(randn(1000).cumsum(),label="two")#创建label标签 ax.plot(randn(1000).cumsum(),label="three")#创建label标签 ax.legend(loc="best")#loc是用来说明图例的放置位置

06|Pandas作图：

matplotlib是一种比较低级的工具，要组装一张图表，需要用到它的各种组件才可以，包括图表类型（线型图、柱状图、盒形图、散布图、等值线图等）、图例、标题、刻度标签以及其他注释信息。这是因为制作一张完整的图表都需要用到这些，但是matplotlib要实现这种功能需要很多行代码，而pandas可能只需要几行代码就可以搞定。

1. 线型图：Series和DataFrame都有自己的plot方法，plot默认创建的是线形图，Series.plot()和DataFrame.plot()。
2. 柱状图：需要给plot方法传入参数kind，其中kind="bar"表垂直柱状图、kind="barh"表水平柱状图。Series和DataFrame的索引将会被用作X（或Y）轴的刻度。柱状图中有个特例就是堆积柱状图，只需要给plot传入参数stacked="True"即可。还可以利用s.value_counts().plot(kind="bar")来图形化显示Series中各值出现的频率。
3. 直方图：是一种可以对值频率离散化显示的柱状图。通过调用Series.hist()方法即可创建。
4. 密度图：与直方图相关的一种类型图，是通过计算“可能会产生观测数据的连续概率分布的估计”而产生的，通过给plot传入参数kind="kde"即可。
5. 散布图：是观测两个一维数据序列之间关系的有效手段，使用pd.scatter_matrix()即可建立。