数据可视化初体验，matplotlib快速上手！
大家好，我是小雨，
今天给大家介绍数据可视化领域的知识！
matplotlib是python中的绘图工具库，也是平面数据可视化领域应用最广泛的绘图工具之一，接下来我们就从最常用函数的角度向大家介绍matplotlib的具体用法！
<<< 左右滑动见更多 >>>
一、plot()函数
1. 函数功能
展现变量的趋势变化，通常用于绘制线图。
2. 实例代码
import matplotlib.pyplot as plt
import numpy as np
x = np.linspace(0.01, 12, 100) # 生成100个从0.01到12的均匀数值
y = np.cos(x) # 余弦函数
plt.plot(x,y,ls='-',color='r',lw=2,label='plot figure') # 设置绘图属性
plt.legend() # 让代码产生效果，如图例的名称
plt.show() # 显示图像
参数说明：
- x：x轴上的数字
- y：y轴上的数字
- ls：折线的风格
- color：线条的颜色
- lw: 折线线条的宽度
- label：标记图形内容的标签文本
常用的颜色简写：
简写 | 颜色 |
|---|---|
'b' | 蓝色(blue) |
'g' | 绿色(green) |
'r' | 红色(red) |
'c' | 青色(cyan) |
'm' | 洋红(magenta) |
'y' | 黄色(yellow) |
'k' | 黑色(black) |
'w' | 白色(white) |
3. 效果
二、scatter()函数
1. 函数功能
寻找变量之间的关系，用于绘制散点图。
2.实例代码
import matplotlib.pyplot as plt
import numpy as np
x = np.linspace(2, 9, 500) # 从2到9均匀取500个数
y = np.random.randn(500) # 在标准正态分布中随机取500个数
plt.scatter(x,y,s=10,c='g',label='scatter figure') # x,y的数据规模必须要相同
plt.legend()
plt.show()
参数说明：
- s：散点的大小，默认为50
- c：散点的颜色，默认为蓝色，这里设为
g表示green绿色。 - label：标记图形内容的标签文本
3.效果
三、xlim()函数
1. 函数功能
设置x轴的显示范围
2.实例代码
import matplotlib.pyplot as plt
import numpy as np
x = np.linspace(2,9,500)
y = np.random.randn(500)
plt.scatter(x, y,c='g',s=10,label="scatter figure")
plt.legend()
plt.xlim(0,10)
plt.ylim(0,1)
plt.show()
参数说明：
对x轴操作plt.xlim(xmin,xmax)，同理对y轴操作plt.ylim(ymin,ymax)
- xmin：x轴上的刻度最小值
- xmax：x轴上的刻度最大值
3.效果
生成同样的散点分布图，如果把x轴刻度调成与生成范围一致(2~9)，我们就会发现散点均匀的分布满了x轴范围。
x = np.linspace(2,9,500)
y = np.random.randn(500)
plt.scatter(x, y,c='g',s=10,label="scatter figure")
plt.legend()
plt.xlim(2,9)
plt.ylim(0,1)
plt.show()
x轴刻度2~9
四、xlabel()函数
1. 函数功能
设置x轴标签文本
2.实例代码
import matplotlib.pyplot as plt
import numpy as np
x = np.linspace(0.1, 10, 100)
y = np.cos(x)
plt.plot(x,y,ls='-.',lw=2,c='g',label='xlable')
plt.legend()
plt.xlabel('x-label') # 设置x轴文本标签
plt.ylabel('y-label') # 设置y轴文本标签
plt.show()
参数说明：
设置坐标轴x轴文本标签xlabel(string)设置y轴文本标签ylabel(string)
3.效果
设置坐标轴文本标签的函数图像
五、grid()函数
1. 函数功能
绘制刻度线的网格线
2.实例代码
import matplotlib.pyplot as plt
import numpy as np
x = np.linspace(0.1, 10, 100)
y = np.cos(x)
plt.plot(x,y,ls='-',lw=2,c='r',label='grid figure')
plt.legend()
plt.grid(linestyle=":",color='g')
plt.show()
参数说明：
- linestyle: 网格线线条风格，
：表示虚线,-表示实线
3.效果
带网格的函数图像
六、axhline()函数
1.函数功能
绘制平行于x轴的水平参考线
2. 实例代码
import matplotlib.pyplot as plt
import numpy as np
x = np.linspace(0.1, 10, 500)
y = np.cos(x)
plt.plot(x,y,ls='-',c='c',lw=2,label='axhline figure')
plt.legend()
plt.axhline(y=0.0,c='r',ls='--',lw=1)
plt.axvline(x=2.0,c='g',ls='--',lw=1)
plt.show()
参数说明：
绘制水平参考线axhline(y=0.0,c='r',ls='--',lw='1')制制垂直参考线axvline(x=2.0,c='g',ls='--',lw='1')
- y：水平参考线的y轴位置
- x:：垂直参考线的x轴位置
3. 效果
参考线
七、axvspan函数
1.函数功能
绘制垂直与x轴的参考区域
2. 实例代码
import matplotlib.pyplot as plt
import numpy as np
x = np.linspace(0.1, 17, 500)
y = np.sin(x)
plt.plot(x,y,ls='--',lw=2,c='c',label='axvspan figure')
plt.legend()
plt.axvspan(5, 10, facecolor='b', alpha=0.2)
plt.axhspan(0.0, 0.5, facecolor='g', alpha=0.2)
plt.show()
参数说明：
绘制垂直与x轴的参考区域：plt.axvspan(xmin=5,xmax=10,facecolor='b',alpha=0.2)
- xmin：参考区域的其实位置
- xmax：参考区域的终止位置
- facecolor：参考区域的填充颜色
- alpha：参考区域填充颜色的透明度
3. 效果
带参考区域的函数图像
八、annotate()函数
1.函数功能
设置指向性注释文本
2. 实例代码
import matplotlib.pyplot as plt
import numpy as np
x = np.linspace(0.1, 10, 100)
y = np.cos(x)
plt.plot(x,y,ls='-.',lw=2,c='c',label='annotate figure')
plt.legend()
plt.annotate('minimum', # 图形注释的文本
xy=(np.pi,-1.0), # 被注释的图形内容坐标
xytext=(5,-0.75), # 注释文本位置坐标
weight='bold', # 注释文本字体粗细
color='r', # 注释文本字体颜色
arrowprops=dict(arrowstyle='->',connectionstyle='arc3',color='r')) # 箭头的属性
plt.show()
参数说明：
添加图形内容细节指向性箭头注释plt.annotate(string,xy=(np.pi,-1.0),xytext=(5,-0.75),weight='bold',color='r',arrowprops=dict(arrowstyle='->',connectionstyle='arc3',color=''r))
- string：注释文本内容
- xy：被注释的图形位置坐标
- xytext：注释的文本坐标
- weight：注释的文本的粗细风格
- color：注释文本的颜色
- arrowprops：注释指向性箭头的属性，属性值字典里包含了箭头的类型、风格、颜色
3. 效果
指向性注释的函数图像
九、text()函数
1.函数功能
添加无指向型注释
2. 实例代码
import matplotlib.pyplot as plt
import numpy as np
x = np.linspace(0.1, 5, 100)
y = np.tan(x)
plt.plot(x,y,ls='-.',lw=1,c='g',label='text figure')
plt.legend()
plt.text(2,0.5,'y=tan(x)',weight='bold',color='r')
plt.show()
参数说明：
在图中添加注释文本plt.text(x,y,string,weight='bold',color='r')
- x：注释位置的横坐标
- y：注释位置的纵坐标
- string：注释的文本内容
3. 效果
十、title()函数
1.函数功能
添加图表标题
2. 实例代码
import matplotlib.pyplot as plt
import numpy as np
x = np.linspace(0.1,5,100)
y = np.tan(x)
plt.plot(x,y,ls='-.',lw=1,c='c',label='title figure')
plt.legend()
plt.title('y = tan(x) figure')
plt.show()
参数说明：
添加图表标题：plt.title(string)
- string：表示标题文本内容
3. 效果
带标题的函数图像
十一、legend()函数
1.函数功能
显示图表图例，并设置图例位置
2. 实例代码
import matplotlib.pyplot as plt
import numpy as np
x = np.linspace(0.1,8,100)
y = np.sin(x)
z = np.cos(x)
plt.plot(x,y,ls='-',lw=1,c='c',label='legend figure 1')
plt.plot(x,z,ls='-.',lw=1,c='r',label='legend figure 2')
plt.legend(loc='lower left')
plt.show()
参数说明：
标识图例plt.legend(loc='lower left')
- loc：图例在图表中的位置，值可以设置方位字符串，也可以设置方位置编号。
位置字符串 | 含义 | 位置代码 |
|---|---|---|
'best' | 自动寻找最佳位置 | 0 |
'upper right' | 右上 | 1 |
'upper left' | 左上 | 2 |
'lower left' | 左下 | 3 |
'lower right' | 右下 | 4 |
'right' | 右 | 5 |
'center left' | 左中 | 6 |
'center right' | 右中 | 7 |
'lower center' | 中下 | 8 |
'upper center' | 中上 | 9 |
'center' | 正中 | 10 |
3. 效果
定义图例及位置的函数图像
十二、本节知识点总结
知识点总结
十三、综合练习
1. 题目
根据我们本节所介绍的matplotlib知识点，请绘制出以下函数图像：
2. 答案
小伙伴们可以根据前面的讲解，手动敲一下，试一试自己能不能独立做出来。
如果想查看答案可以后台回复关键字：数据可视化01，
可获取本题答案，也包含本文中所有函数对应的完整源码。
如果觉得有用的话，点个在看，下次要用的时候就能快速翻出来查阅啦