阅读量:0
matplotlib概述
Mat指的是Matlab，plot指的是画图，lib即library，顾名思义，matplotlib是python专门用于开发2D图表的第三方库，使用之前需要下载该库，使用pip命令即可下载。
pip install matplotlib 1、matplotlib画图流程
matplotlib可分为三层结构，分别为：容器层(canvas)，辅助显示层和显示层，而容器显示层又可以分为画板层，画布层和绘图区。辅助显示层主要是添加网格，图例等，增加可读性。而显示层则负责是将图像显现出来。
# 简单画图-折线图 import matplotlib.pyplot as plt plt.figure() # 容器层 plt.plot([1, 0, 9], [4, 5, 6]) # 三个点(1,4)(0,5)(9,6) 并连线 plt.show() # 显示图像 结果如下，依次将三点连线
2、常用操作
(a)是否添加网格
plt.grid(visible,linstyle,alpha) # visible传入布尔值，为True表示可见 # linestyle 表示线的形状 # alpha 表示透明系数 (b) 修改刻度
plt.xticks(ticks, [labels], **kwargs) # ticks：数组类型，用于设置X轴刻度间隔 # [labels]：数组类型，用于设置每个间隔的显示标签 # **kwargs：用于设置标签字体倾斜度和颜色等外观属性。 (c )设置x,y轴说明以及标题
plt.xlabel('name') # 设置x轴名称 plt.ylabel('name') # 设置y轴名称 plt.title('title') # 设置标题 (d)设置图例
plt.legend(loc='best') # loc指的为图例位置，还有其他取值，不过一般设为best即可 (e) 设置多个绘图区
如果想要在一幅图上显示多个图像，可以使用如下方法：
figure,axes = plt.subplots(nrows,ncols) # 划分绘图区，参数表示几行几列，默认一行一列，即一个绘图区 # 其返回值为一个figure对象和axes，使用axes[i]可以操作对应画图 # 设置每个子图区和上面大部分操作相同，但是对于修改x,y轴标题和刻度的时候需要修改一下方法名 # 修改对应的刻度使用axes[i].set_xticks(),修改x,y轴说明和标题用set_xlabel(),set_ylabel(),set_title() (f)设置图片大小
plt.figure(figsize,dpi) # figsize传入一个元组，指定figure的宽和高，单位为英寸 # dpi指定绘图对象的分辨率，即每英寸多少个像素，缺省值为80 (g)图片的保存
plt.savefig(loc) # loc指存储路径，默认为当前目录 # 注意保存必须在plt.show()之前进行，否则保存出来是一个空白图片 3、常用的图形(折线图，柱状图，饼状图，直方图，散点图)
(a) 折线图(plot)
plt.plot(x,y,color,linestyle,label) """ x:横轴数据 y:纵轴数据 color:颜色，可以使用RGB或者英语单词 linestyle:线的类型 label:标签，如果后面设置图例，需要在此设置label """ 需求：利用折线图绘制上海和北京两地上午11点到12点的气温变化，要求创建两个绘图区并显示图例，加上网格以及x轴、y轴说明，x轴时间刻度为每5分钟显示一次，y轴显示气温为0到40之间，一小格代表5摄氏度。上海温度在25-28摄氏度之间，北京温度在20-27摄氏度之间。
import matplotlib.pyplot as plt import random plt.rcParams['font.family'] = 'STFangsong' # 正常显示中文：仿宋体 # 准备数据 x = range(60) y_shanghai = [random.uniform(25, 28) for i in x] y_beijing = [random.uniform(20, 27) for i in x] figure, axes = plt.subplots(nrows=1, ncols=2, figsize=(20, 8), dpi=80) # 创建两个绘图区，一行两列 axes[0].plot(x, y_shanghai, color='red', label='上海') axes[1].plot(x, y_beijing, color='green', linestyle='--', label='北京') # 设置刻度 time = ['11点{}分'.format(i) for i in range(0, 60, 5)] axes[0].set_xticks(x[::5], time) axes[1].set_xticks(x[::5], time) # 设置y轴刻度 axes[0].set_yticks(range(0, 40, 5)) axes[1].set_yticks(range(0, 40, 5)) # 设置x,y轴说明 axes[0].set_xlabel("时间") axes[1].set_xlabel("时间") axes[0].set_ylabel("温度") axes[1].set_ylabel("温度") # 设置图例，和前面plot中的label对应 axes[0].legend() axes[1].legend() # 加入网格，透明度为0.5 axes[0].grid(True, linestyle='--', alpha=0.5) axes[1].grid(True, linestyle='--', alpha=0.5) # 加标题 axes[0].set_title("上海中午11点到12点气温折线图") axes[1].set_title("北京中午11点到12点气温折线图") plt.show() 示意图如下所示：
(b)散点图(scatter)
plt.scatter(x,y) """ x:横轴数据 y:纵轴数据 散点图只在坐标系上描出对应的点，可以看出变量之间的关系 """ 需求：用散点图画出房价和面积之间的关系，数据如下：房价(万元)：[195.53, 203.88, 210.75, 372.74, 202.41, 247.61, 24.9, 239.34, 140.32, 104.15, 176.84, 288.23, 128.79, 49.64, 191.74, 33.1, 30.74, 400.02,205.35, 330.64, 283.45]，对应的面积(平方米)：[225.98, 247.97, 253.14, 457.85, 241.58, 301.01, 20.67, 288.64, 163.56,120.06, 207.83, 342.75, 147.9, 53.06, 224.72, 29.51, 21.61, 483.21,245.25, 399.25, 343.35]
import matplotlib.pyplot as plt plt.rcParams['font.family'] = 'STFangsong' # 创建画布 plt.figure(figsize=(20, 8), dpi=80) # 绘制图形 x = [225.98, 247.97, 253.14, 457.85, 241.58, 301.01, 20.67, 288.64, 163.56, 120.06, 207.83, 342.75, 147.9, 53.06, 224.72, 29.51, 21.61, 483.21, 245.25, 399.25, 343.35] y = [195.53, 203.88, 210.75, 372.74, 202.41, 247.61, 24.9, 239.34, 140.32, 104.15, 176.84, 288.23, 128.79, 49.64, 191.74, 33.1, 30.74, 400.02, 205.35, 330.64, 283.45] plt.scatter(x, y) plt.xlabel("房屋面积(平方米)") plt.ylabel("房屋价格(万元)") plt.xticks(range(0, 500, 50)) plt.show() 示意图如下所示：
经图像分析，房屋面积和房屋价格呈正相关。
(c )柱状图(Bar)
plt.bar(x,y,color) # x 表示x轴数据 # y 表示y轴数据 # color 表示颜色，可以传入一个列表 需求：画出电影与对应票房的柱状图
movie = [“头脑特工队2”,
“沙丘：第二部分”,
“哥斯拉大战金刚：新帝国”,
“功夫熊猫4”,
“猩球崛起：王国”,
“小丑2：双重疯狂”,
“捉鬼敢死队：冰冻帝国”,
“鲍勃·马利：一爱”,
“养蜂人”,
“木法沙：狮子王”
]
data = [
850.5, # 百万美元（预测）
720, # 百万美元（预测）
650, # 百万美元（预测）
600, # 百万美元（预测）
450, # 百万美元（估计）
800, # 百万美元（预测）
188, # 百万美元
177, # 百万美元
153, # 百万美元
690 # 百万美元（预测）
]
import matplotlib.pyplot as plt plt.rcParams['font.family'] = 'STFangsong' movie = [ "头脑特工队2", "沙丘：第二部分", "哥斯拉大战金刚：新帝国", "功夫熊猫4", "猩球崛起：王国", "小丑2：双重疯狂", "捉鬼敢死队：冰冻帝国", "鲍勃·马利：一爱", "养蜂人", "木法沙：狮子王" ] data = [ 850.5, # 百万美元（预测） 720, # 百万美元（预测） 650, # 百万美元（预测） 600, # 百万美元（预测） 450, # 百万美元（估计） 800, # 百万美元（预测） 188, # 百万美元 177, # 百万美元 153, # 百万美元 690 # 百万美元（预测） ] plt.figure(figsize=(20, 8), dpi=80) color = ['b', 'r', 'g', 'y', 'c', 'm', 'y', 'k', 'c', 'g'] plt.bar(movie, data, color=color) plt.grid(True, linestyle="--", alpha=0.5) plt.title("电影票房") plt.xlabel("电影名称") plt.ylabel("票房(百万美元)") plt.show() 示意图如下所示：
(d)直方图(hist)
直方图与柱状图的区别为：直方图各个柱状之间是连续的，而柱状图是离散的。
plt.hist(x,bins,**kwargs(density)) # x为数据，bins为组数，density为频率，为True则显示为频率 需求：描绘电影时长的频率分布直方图，时长数据见具体程序。
import matplotlib.pyplot as plt plt.rcParams['font.family']='STFangsong' movie_time = [131, 98, 125, 131, 124, 139, 131, 117, 128, 108, 135, 138, 131, 102, 107, 114, 119, 128, 121, 142, 127, 130, 124, 101, 110, 116, 117, 110, 128, 128, 115, 99, 136, 126, 134, 95, 138, 117, 111, 78, 132, 124, 113, 150, 110, 117, 86, 95, 144, 105, 126, 130, 126, 130, 126, 116, 123, 106, 112, 138, 123, 86, 101, 99, 136, 123, 117, 119, 105, 137, 123, 128, 125, 104, 109, 134, 125, 127, 105, 120, 107, 129, 116, 108, 132, 103, 136, 118, 102, 120, 114, 105, 115, 132, 145, 119, 121, 112, 139, 125, 138, 109, 132, 134, 156, 106, 117, 127, 144, 139, 139, 119, 140, 83, 110, 102, 123, 107, 143, 115, 136, 118, 139, 123, 112, 118, 125, 109, 119, 133, 112, 114, 122, 109, 106, 123, 116, 131, 127, 115, 118, 112, 135, 115, 146, 137, 116, 103, 144, 83, 123, 111, 110, 111, 100, 154, 136, 100, 118, 119, 133, 134, 106, 129, 126, 110, 111, 109, 141, 120, 117, 106, 149, 122, 122, 110, 118, 127, 121, 114, 125, 126, 114, 140, 103, 130, 141, 117, 106, 114, 121, 114, 133, 137, 92, 121, 112, 146, 97, 137, 105, 98, 117, 112, 81, 97, 139, 113, 134, 106, 144, 110, 137, 137, 111, 104, 117, 100, 111, 101, 110, 105, 129, 137, 112, 120, 113, 133, 112, 83, 94, 146, 133, 101, 131, 116, 111, 84, 137, 115, 122, 106, 144, 109, 123, 116, 111, 111, 133, 150] plt.figure(figsize=(20, 8), dpi=80) plt.hist(movie_time, bins=int((max(movie_time)-min(movie_time))//2), density=True) # 频率分布直方图，所有density为True plt.xticks([i for i in range(min(movie_time), max(movie_time)+2, 2)]) # 加2因为range是左闭右开，防止最大值取不到，所以加2 plt.grid(linestyle='--', alpha=0.5) plt.title("电影时长分布直方图") plt.xlabel("时长") plt.ylabel("频率") plt.show() 示意图如下所示：
(e)饼状图
plt.pie(x,labels,autopct,colors) # x:数量，根据数量自动计算百分比 # labels:每部分名称，需要和x一一对应 # autopct:占比指定%1.2f%% # colors:每部分颜色 # 一般超过9个类的时候就不用饼图了，而使用柱形图 需求：描绘电影和对应票房的饼状图。
movie_name = [‘雷神3：诸神黄昏’, ‘正义联盟’, ‘东方快车谋杀案’, ‘寻梦环游记’, ‘全球风暴’, ‘降魔传’, ‘追捕’, ‘七十七天’, ‘密战’,‘狂兽’, ‘其它’]
place_count = [60605, 54546, 45819, 28243, 13270, 9945, 7679, 6799, 6101, 4621, 20105]
import matplotlib.pyplot as plt plt.rcParams['font.family'] = 'STFangsong' movie_name = ['雷神3：诸神黄昏', '正义联盟', '东方快车谋杀案', '寻梦环游记', '全球风暴', '降魔传', '追捕', '七十七天', '密战', '狂兽', '其它'] place_count = [60605, 54546, 45819, 28243, 13270, 9945, 7679, 6799, 6101, 4621, 20105] plt.figure(figsize=(20, 8), dpi=80) plt.pie(place_count, labels=movie_name, autopct="%1.2f%%", colors=['b', 'r', 'g', 'y', 'c', 'm', 'y', 'k', 'c', 'g', 'y']) plt.legend() # 将长径和短径设为相等，构成一个圆，否则为椭圆 plt.axis('equal') plt.show() 示意图如下所示：
4、总结
对于各类图形的绘画，发现只是在方法名和参数上有所不同，只需要掌握折线图对应plot，散点图对应scatter，柱状图对应bar，饼图对应pie，直方图对应hist，再传入具体的参数即可。
折线图：plt.plot(x,y) # x为横轴数据，y为纵轴数据
散点图：plt.scatter(x,y) # x为横轴数据，y为纵轴数据
柱状图：plt.bar(x,y) # x为横轴数据，y为纵轴数据
饼图：plt.pie(x,labels) # x轴数据，labels为对应的标签
直方图：plt.hist(x,bins,density) # x为数据，bins为组数，density为是否按照频率显示，默认为False
