前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >数据可视化初体验,matplotlib快速上手!

数据可视化初体验,matplotlib快速上手!

作者头像
小雨coding
发布2021-07-27 16:06:56
1.3K0
发布2021-07-27 16:06:56
举报
文章被收录于专栏:小雨编程

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
代码语言:javascript
复制
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
代码语言:javascript
复制
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
代码语言:javascript
复制
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。

代码语言:javascript
复制
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
代码语言:javascript
复制
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
代码语言:javascript
复制
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
代码语言:javascript
复制
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
代码语言:javascript
复制
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
代码语言:javascript
复制
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
代码语言:javascript
复制
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
代码语言:javascript
复制
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
代码语言:javascript
复制
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'

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

本文参与 腾讯云自媒体同步曝光计划,分享自微信公众号。
原始发表:2021-07-03,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 小雨编程 微信公众号,前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
目录
  • 一、plot()函数
  • 二、scatter()函数
  • 三、xlim()函数
  • 四、xlabel()函数
  • 五、grid()函数
  • 六、axhline()函数
  • 七、axvspan函数
  • 八、annotate()函数
  • 九、text()函数
  • 十、title()函数
  • 十一、legend()函数
  • 十二、本节知识点总结
  • 十三、综合练习
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档