手把手教你学Python之Matplotlib绘图（一文掌握数据可视化库-Matplotlib）
目录
Matplotlib介绍
线形图（折线图）
直方图
条形图
饼状图
散点图
Matplotlib介绍
matplotlib是一个Python 的2D绘图库，提供了一套表示和操作图以及图内部对象的函数，借助它可以绘制多种多样的数据图，如线形图、饼状图等。
Matplotlib中提供了两种绘图接口：
基于MATLAB：自动创建和管理图和坐标系，用 pyplot 中函数作图；
基于面向对象：显示创建图和坐标系，再调用对象的方法来作图。
本文介绍的绘图都是基于MATLAB的绘图接口。
Pyplot 是一个有命令风格的函数集合，和MATLAB很相似，通过调用函数不断完善绘图，最开始时图中什么都没有，需要什么就调用对应函数进行添加。pyplot 子库中的figure()用来创建图，subplot()用来创建子图。所有的操作都是在子图上进行，pyplot 表示当前子图，若没有就创建一个子图，实际应用中经常直接用pyplot调用相关函数。
Python标准库中默认不包含 matplotlib，需要自己下载安装：
命令行安装 pipinstall matplotlib （安装过程中会涉及到相关依赖包的安装，稍微有点慢）
借助于第三方软件，例如通过Anaconda进行软件的安装和包管理。
Matplotlib中的所有对象都称为Artist，大致可分为两类：
容器类：图、坐标系、坐标轴、刻度；（图中可包含若干个坐标系，坐标系中又包含多个坐标轴，坐标轴上包含多个刻度）
基础类：线、点、文本、图例、网格、标题等
Matplotlib中图的构成如图所示，（该图来源于官网），主要包括：图（figure）、坐标系（axes）、坐标轴（axis）、主刻度（Major tick）、分刻度（Minor tick）、主刻度标签（Major tick label）、分刻度标签（ Minor tick label）、Y 轴标签（Y axis label）、X 轴标签（X axis label）、线（line）、点（marker）、图例（legend）、网格（grid）、标题（title）等。
注意：并不是所有图中都包含这些内容，图中默认什么都没有，需要什么调用相应的方法即可将其添加进去。Pyplot中常见的方法如下：
pyplot.figure()
num：整数或字符串，可选的，如果没有传值，则采用自增值，可通过number属性访问；如果传递整数，则会检查是否存在对应的图，存在则直接返回，否则创建新的图；如果传的是字符串，则设置为窗口的标题；
figsize：浮点型元组，可选。图的宽、高值，单位为英寸，默认为[6.4, 4.8]；
dpi：整数，可选。分辨率 ，默认为100；
facecolor：背景颜色，默认为白色；
edgecolor：边框颜色，默认为白色，默认看不出效果，需要将linewidth设置为一个比较大的值才能观察到；
frameon:是否绘制边框和背景，默认为True；
FigureClass: 图对应的类；
clear: 是否清空画布，默认为False，设置为True，且图已存在时，会清空已有内容;
kwargs:其他关键字参数，例如线条宽度。
可以同时创建和显示多个图（figure）。
pyplot.subplot()
如果想在同一个图中绘制多个坐标系，可调用多次调用subplot()方法，每次在当前图中添加一个子块，返回一个坐标系对象。方法定义如下：
- args：可变参数，可传递3个整数，如①所示，分别表示行数、列数以及当前的位置；也可传递一个3位整数，如②所示，第1位表示行数、第2位表示列数、第3位表示当前位置，此时要求所有数字都小于10。此时将当前图划分为 nrows * ncols 网格，子块的位置左上角为1，从左到右，从上到下不断增大。如果多次调用subplot() 时，会在对应位置添加新内容，如果已有内容则覆盖。每次画图前需要指定位置，默认会执行subplot(1,1,1)。
- kwargs:其他关键字参数，例如可以通过projection指定坐标系类型、通过polar指定是否为极坐标、通过sharex或sharey指定共享x轴或y轴坐标等。例如下面代码将整个图划分为2行2列4个区域。
线形图（折线图）
线形图主要是通过线条将序列中相邻的两个点进行连接而成，使用非常广泛，通过plot()函数绘制，可以指定线条的样式，点的标记以及颜色等。使用plot()方法绘制点或线等，需指定所有点的坐标，可同时绘制多条线。调用方式有如下两种：
plot([x], y, [fmt], *, data=None, **kwargs)
plot([x], y, [fmt], [x2], y2, [fmt2], ..., **kwargs)
主要参数及其含义如下：
x：x轴坐标，可选，当没有传值时，采用默认值，值的个数与y轴坐标个数相同，从0开始不断增大；
y：y轴坐标，不可省略，通常是一个数或一维数组；
data: 通常为可检索的对象，例如字典、DataFrame等；
fmt:定义基本样式，由[颜色][点的标记][线条样式]三部分字符组成，也可通过关键字参数设置；
kwargs：关键字参数，例如：color（颜色）、marker（标记）、linestyle（线条样式）、linewidth（线条宽度）、markersize（标记大小）、label（标签，用于图例）等。
如果通过color关键字参数单独设置颜色，可使用颜色单词全称（如“green”）以及十六进制字符串（如“#aabbcc”）。
注意：三种字符顺序可打乱，也可省略部分，没指定线条样式时，将不显示线条，没指定标记则不显示点。
线形图案例
参考代码：
注意：pyplot 默认不支持中文显示，两种解决方案：
使用 rcParams['font.family']属性修改字体，此时，整个图中的字体都会改变；
在需要显示中文的地方，增加一个属性：fontproperties，此时只修饰部分地方，其他地方的字体不会跟随改变；
rcParams中关键的属性及其默认值如下：
采用中文字体时，部分字体下，负号不能正常显示，需设置 axes.unicode_minus为 False。
绘制正弦曲线、余弦曲线
思路：首先需要一系列的X轴坐标，可通过numpy中的arange()函数生成，例如从0 到 4，步长为0.02；然后借助 numpy 中的正弦、余弦函数对每个x坐标分别求值；最后根据x坐标和对应的y坐标画图。
运行效果图如下：
参考代码如下：
直方图
直方图是用一系列等宽不等高的长方形来表示数据，宽度表示数据范围的间隔，高度表示在给定间隔内数据出现的频数，矩形的高度跟落在间隔内的数据数量成正比，变化的高度形态反映了数据的分布情况。
直方图的一些效果举例：
pyplot 中使用hist() 绘制直方图，并以元组形式返回直方图的计算结果，包括各区间中元素的数量，区间的取值范围，以及具体每个区间对象。
hist (x,bins=None, range=None, density=False,weights=None, cumulative=False, bottom=None,histtype='bar', align='mid', orientation='vertical',**kwargs)
一些关键参数说明：
x：数组或者数组序列（不要求每个数组长度相同），用于存放数据；
bins: 整数、序列或字符串，整数表示等宽区间的个数，自动计算区间范围，序列则表示区间的范围，除了最后一个以外，都是包含左边不包含右边，字符串则表示对应的策略，默认为hist.bins；
range:元组，指定最小值和最大值，默认为数据中的最小值和最大值，如果bins是一个序列，则range没什么影响；
density：布尔值，可选，如果为True，则返回的是归一化的概率密度，所有区间的概率之和为1；
weight：类似于数组的值，可选，形状和 x 相同，表示每个值对应的权重，默认情况下所有数据的权重相同；
cumulative：布尔值或-1，累积求和，表示小于某个数的所有元素个数之和，随着数的增大而不断增大，如果为-1，则反转方向，表示大于某个数的所有元素个数之和，随着数量增大而不断减小；
histtype :直方图类型，'bar'（多个并列摆放）, 'barstacked'（多个堆叠摆放）, 'step'（生成对应的折线）, 'stepfilled'（填充相关区域）；
orientation: 直方图的方向，默认为垂直。
直方图案例
思路：随机生成1000个以10为中心的正态分布的数，和1000个以12为中心的正态分布的数，然后将结果取值范围划分为30个等距离的区间，然后统计各个区间上数出现的个数，最终绘制出直方图。如图所示。
参考代码如下：
条形图
条形图跟直方图类似，只不过 x 轴表示的不是数值而是类别。直方图的各矩形通常是连续排列，而条形图则是分开排列。使用 pyplot 的 bar()函数绘制的条形图。
bar(x, height, width=0.8, bottom=None, *, align='center', data=None,**kwargs)
x：x 轴的位置序列，即条形的起始位置；
height：y轴的数值序列，即条形图的高度，需展示的数据；
width：每个矩形的宽度，可选，默认为0.8；
bottom ：y轴坐标的基线，默认为0；
align：对齐方式，可选，center和edge两种，默认为'center'；
color：条形图的填充颜色；
edgecolor：条形图边框的颜色；
orientation：方向，vertical（垂直）、 horizontal（水平）
如果需要在一个图上显示多种条形图，可调整位置和宽度让多个条形图并列摆放，也可以堆叠摆放。
条形图案例
饼状图
饼状图显示一个数据系列中各项的大小与各项总和的比例。Pyplot中绘制饼状图的函数为 pie()，主要参数如下：
x：饼图中每一块的比例，通常是一个数组。如果 sum(x) > 1 会使用归一化后的比例，即每一块除以sum(x)，如果sum(x) < 1，则按照实际比例，此时有一部分为空白；
explode：指定饼图中每块离开中心的距离，通常是一个数组，默认为0；
labels：为饼图添加标签说明，类似于图例说明，标签列表；
colors：指定饼图的填充色，颜色列表；
autopct：设置饼图内每块百分比显示样式，可以使用format字符串或者格式化函数'% width. Precision f %%'指定饼图内百分比的数字显示宽度和小数的位数；
radius：设置饼图的半径；
labeldistance：每块旁边的文本标签的位置离饼的中心点的距离；
shadow：是否有阴影效果，默认为False。
案例：已知一个员工一天的活动时间分配为：工作8小时、睡觉7小时、吃饭3小时，玩乐6小时，根据这些信息，绘制该员工一天时间分配饼状图，效果如下。
参考代码如下：
散点图
散点图是以一个变量为横坐标，另一变量为纵坐标，利用散点的分布形态反映变量统计关系的一种图形，以不同颜色、不同大小的点表示数据之间的关系。Pyplot 中绘制散点图的函数为scatter()，主要参数如下：
scatter(x, y, s=None, c=None,marker=None, cmap=None,norm=None, vmin=None,vmax=None, alpha=None,**kwargs)
x：散点图中点的x轴坐标；
y：散点图中点的y轴坐标；
s：散点图点的大小，默认为20，标量或数组；
c：散点图点的颜色，默认为蓝色，标量或数组；
marker：指定散点图点的形状，默认为圆形；
cmap：颜色映射，可选，将颜色映射到已有色系，例如plt.cm.Blues；
norm：将亮度数据归一化到 0-1 之间；
vmin：亮度的最小值；
vmax：亮度的最大值；
alpha：设置散点的透明度；
编程程序，绘制散点图，要求图中的每个散点随机呈现不同的大小和颜色。效果如图所示，随机生成30个点，x轴坐标和y轴坐标都在0-10之间，颜色取值在0-30之间。大小在30-300之间。效果图如下：
代码参考如下：
更多关于手把手教你学Python的文章请关注微信公众号：Python资源分享。详细的视频讲解可查看 CSDN学院 里的手把手教你学Python系列视频：https://edu.csdn.net/lecturer/5686。
完整课件下载网址如下：
数据可视化-matplotlib（课件）_python数据可视化课件-Python文档类资源-CSDN下载详细介绍Python中数据可视化第三方库Matplotlib的使用，包括绘图基础以及一些经典图的绘制python数据可视化课件更多下载资源、学习资料请访问CSDN下载频道.https://download.csdn.net/download/Dream_Gao1989/13624911?spm=1001.2014.3001.5503
手把手教你学Python之Matplotlib绘图（一文掌握数据可视化库-Matplotlib）相关推荐
- 手把手教你学Python之Pandas（一文掌握数据分析与处理库-Pandas）
目录 基本结构之Series Series对象的创建 Index对象介绍 Series中数据的访问 Series中常用方法 基本结构之DataFrame DataFrame的创建 DataFrame ...
- python绘制不带颜色曲线图_Python数据可视化库-Matplotlib——折线图，子图绘制
# coding:utf-8 import pandas as pd import numpy as np from matplotlib import pylab as plt # 导入数据可视化库 ...
- python global用法_14_手把手教你学Python之函数（下）
变量作用域:根据变量定义的位置,可将变量分为全局变量和局部变量. 全局变量:定义在函数外面的变量,可以在多个函数中进行访问,但不能执行赋值操作.如果有赋值语句,相当于创建了一个同名的局部变量: 局部变 ...
- oracle数据库更新语句_20_手把手教你学Python之操作数据库
数据库是数据的仓库,将大量数据按照一定的方式组织并存储起来,方便进行管理和维护,例如快速检索和统计等.数据库的主要特点: 以一定的方式组织.存储数据: 能为多个用户共享: 与程序彼此独立. -- 数据 ...
- python中字典的value可以为任意对象_手把手教你学Python之字典
字典是一种无序可变的容器,字典中的元素都是"键(key):值(value)"对, "键"和"值"之间用冒号隔开,所有"键值对&qu ...
- 手把手教你学Python之波士顿房价预测（scikit-learn的应用）
目录 1.波士顿房价预测介绍 2.线性回归算法 3.调用scikit-learn库实现房价预测 1.波士顿房价预测介绍 问题描述:波士顿房价数据集统计的是20世纪70年代中期波士顿郊区房价的中位数,统 ...
- 手把手教你学Python之常见运算符
目录 算术运算符 关系运算符 逻辑运算符 位运算符 成员运算符 身份运算符 前面给大家介绍了Python中的一些基本数据类型,这些数据之间如何进行运算呢?这就需要借助于一些运算符了,Python中提供 ...
- 手把手教你学Python之文件操作（一文掌握文件操作）
目录 1.Python中文本文件的读写 2.Python中常用的文件与文件夹操作方法 3.Python中Excel文件的读写 4.Python读取Excel文件案例 为了保存数据,方便修改和分享,数 ...
- aws python sns_手把手教你用Python抓取AWS的日志(CloudTrail)数据
原标题:手把手教你用Python抓取AWS的日志(CloudTrail)数据 作者: Gang TAO 大数据时代,利用数据做决策是大数据的核心价值. 本文手把手,教你使用python进行AWS的Cl ...
最新文章
- java培训分享：学习java开发的优势是什么
- SharePoint 2013: The New Web Application button is disabled is the central administration
- 【CV】关注度越来越高的行人重识别，有哪些热点？
- 使用Yeoman定制前端脚手架
- 利用 Python / R 对数据集进行「长」「宽」转换
- [指数型生成函数专练]chocolate，红色病毒问题，排列组合，字串数
- JavaScript replace string 替换字符
- WebAPI 和 WebService的区别
- 遇到代码缺陷不要慌，马上教你快速检测和修复
- 设计模式之观察者模式PHP实现
- BUAA OO 2019 第一单元作业总结
- 5101是多大的电阻_电阻标准阻值换算表
- 【解决Windows】修改win10默认开机启动动画
- 2019世界互联网大会 聚焦网络安全发展新动能新要求 最新等保测评机构名录发布10月版
- 算法分析与设计实验报告——实现汽车加油问题
- DBMS_AW_EXP: BIN$XXXXXXX==$0 not AW$
- 2019年最新中文TTS算法实现个合成样本
- PTA 一维数组 7-3 删除指定数据
- Adaptive Clustering-based Malicious TrafficClassification at the Network Edge论文阅读笔记
- 虚拟机安装出现directory ezboot not found error loading image:CDMENU.EZB的问题解决方案