目录
最著名Python绘图库, 主要用于二维绘图
– 画图质量高
– 方便快捷的绘图模块
代码如下所示:
import matplotlib.pyplot as plt
plt.plot(range(7),[3, 4, 7, 6, 3, 7, 9]) # 设立X,Y轴坐标,X轴不写也可以默认从零开始
plt.show()
运行结果如下所示:
代码如下所示:
import matplotlib.pyplot as plt
import numpy as np
t = np.arange(0., 2., 0.1) # 生成数据
plt.plot(t, t, t, t+2, t, t**3) # 绘制多组数据
plt.show()
运行结果如下所示:
代码如下所示:
import matplotlib.pyplot as plt
plt.scatter(range(7),[3, 4, 7, 6, 3, 7, 9]) # 绘制散点图
plt.show()
除了使用scatter函数之外,还可以使用plot函数后加参数'o'来实现,代码如下所示:
import matplotlib.pyplot as plt
plt.plot(range(7),[3, 4, 7, 6, 3, 7, 9],'o') # 绘制散点图
plt.show()
运行结果如下所示:
代码如下所示:
import matplotlib.pyplot as plt
plt.bar(range(7),[3, 4, 7, 6, 3, 7, 9]) # 绘制条形图
plt.show()
运行结果如下所示:
代码如下所示:
import matplotlib.pyplot as plt
plt.barh(range(7),[3, 4, 7, 6, 3, 7, 9]) # 绘制横的条形图
plt.savefig('E:\截图\绘图\huitu2.jpg')
plt.show()
运行结果如下所示:
代码如下所示:
import matplotlib.pyplot as plt
plt.pie([3, 4, 7, 6, 3, 7, 9], labels=range(7), autopct='%1.2f%%', startangle=90) # 绘制饼图,labels设置标签,autopct设置显示百分比,startangle显示起始角度
plt.savefig('E:\截图\绘图\huitu3.jpg')
plt.show()
运行结果如下所示:
Matplotlib可以控制许多的默认属性,本文只举一些属性来介绍;
可以用savefig()函数来保存绘制好的图片,代码如下所示:
import matplotlib.pyplot as plt
plt.plot(range(7),[3, 4, 7, 6, 3, 7, 9],"r-.")
plt.savefig('E:\截图\绘图\Fui.jpg') # 填保存路径即可
plt.show()
符号 | b | g | r | c | m | y | k | w |
---|---|---|---|---|---|---|---|---|
颜色 | blue | green | red | cyan(青色) | magenta(洋红色) | yellow | black | white |
线型 | '-' | '--' | '-.' | ':' | 'None' | ' ' | '' |
---|---|---|---|---|---|---|---|
描述 | 实线 | 长虚线 | 虚线加点 | 点虚线 | 无 | 无 | 无 |
标记 | "o" | "v" | "s" | "^" | "p" | "*" | "h" | "+" | "D" |
---|---|---|---|---|---|---|---|---|---|
描述 | 散点 | 倒三角 | 正方形 | 正三角 | 五边形 | 五角星 | 六边形 | 加号 | 菱形 |
只展示了一部分常用的格式,具体每个色彩和样式就不一一展示,只展示几个色彩样式,代码如下所示:
import matplotlib.pyplot as plt
plt.plot(range(7),[3, 4, 7, 6, 3, 7, 9],"r*")
plt.show()
运行结果如下所示:
代码如下所示:
import matplotlib.pyplot as plt
plt.plot(range(7),[3, 4, 7, 6, 3, 7, 9],"c:")
plt.show()
运行结果如下所示:
可以在图上加标题、横坐标的标签和纵坐标的标签,还可以将数轴上的数字用文字来表示。具体代码如下所示:
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif'] = ['SimHei'] # 设置中文字体,不然显示不了中文
plt.title('标题')
plt.xlabel('X 标签')
plt.ylabel('Y 标签')
plt.plot( [3, 4, 7, 6])
index_name=['1季度', '2季度', '3季度', '4季度'] # 设置X坐标的标签
plt.xticks(range(4), index_name) # 显示X坐标的标签
plt.savefig('E:\截图\绘图\huitu.jpg')
plt.show()
运行结果如下所示:
将简述图的大小、精度、颜色、线型、线宽、图例等等属性,代码如下所示:
import matplotlib.pyplot as plt
import numpy as np
plt.figure(figsize=(8, 6), dpi=100) # 图的大小,还有精度
t = np.arange(0., 2., 0.1)
plt.plot(t, t, color='red', linestyle='-', linewidth=3, label='Line 1') # 颜色、线型、线宽、图例的设定
plt.plot(t, t + 2, color='green', linestyle='', marker='*', linewidth=3, label='Line 2')
plt.plot(t, t ** 3, color='blue', linestyle='', marker='+', linewidth=3, label='Line 3')
plt.legend(loc='upper left') # 图例的位置,可以设为'best',会自动放到最合适的地方
plt.savefig('E:\截图\绘图\huitu1.jpg')
plt.show()
运行结果如下所示:
在 subplot()里,有三个参数,第一个是有几行,第二个是有几列,第三个是图的编号,也就是第几个,比如plt.subplot(211)的意思就是,有两行,这是第一行第一个图。
代码如下所示:
import numpy as np
import matplotlib.pyplot as plt
x = np.linspace(-np.pi, np.pi, 300) # 产生均匀区间的一组数据
plt.figure() # 默认创建,缺省
plt.subplot(211) # 第一个子图
plt.plot(x, np.sin(x), color='r')
plt.subplot(212) # 第二个子图
plt.plot(x, np.cos(x), color='g')
plt.savefig('E:\截图\绘图\huitu1.jpg')
plt.show()
运行结果如下所示:
相对于subplot来说,subplots使用起来更加灵活,具体代码如下所示:
import numpy as np
import matplotlib.pyplot as plt
x = np.linspace(-np.pi, np.pi, 300)
fig, (ax0, ax1) = plt.subplots(2, 1)
# 指定子图是2行1列的,函数的第一个返回值是图对象本身,第二个返回值是各子图
# 后续绘图可以直接使用子图对象的plot()方法来实现
ax0.plot(x, np.sin(x), color='r')
ax0.set_title('subplot1')
plt.subplots_adjust(hspace=0.5) # hspace表示垂直方向距离,wspace表示水平方向距离
ax1.plot(x, np.cos(x), color='g')
ax1.set_title('subplot2')
plt.savefig('E:\截图\绘图\huitu4.jpg')
plt.show()
运行结果如下所示:
相对于subplot()/subplots()函数来说,axes()函数的图是重叠在一起的,所以要对其参数进行设定,具体代码如下所示:
axes([left,bottom,width,height]) 参数范围为(0,1)
import numpy as np
import matplotlib.pyplot as plt
x = np.linspace(-np.pi, np.pi, 300)
plt.axes([.1, .1, 0.8, 0.8]) # 设置到边框的距离
plt.plot(x, np.sin(x), color='r')
plt.axes([0.3, 0.15, 0.4, 0.3]) # 设置到边框的距离
plt.plot(x, np.cos(x), color='g')
plt.savefig('E:\截图\绘图\huitu5.jpg')
plt.show()
运行结果如下所示:
Pandas绘图基础在日后进行补充