jupyter入门之Matplotlib
jupyter入门之Matplotlib
一. Matplotlib基础知识
Matplotlib中的基本图表包括的元素
x轴和y轴 axis 水平和垂直的轴线
轴标签 axisLabel 水平和垂直的轴标签
x轴和y轴刻度 tick 刻度标示坐标轴的分隔,包括最小刻度和最大刻度
x轴和y轴刻度标签 tick label 表示特定坐标轴的值
绘图区域(坐标系) axes 实际绘图的区域
画布 figure 呈现所有的坐标系
可以用下图来概括
1.子画布
依赖导入
import numpy as np
import pandas as pd
from pandas import Series,DataFrameimport matplotlib.pyplot as plt
%matplotlib inline
只含单一曲线的图
1、可以使用多个plot函数(推荐),在一个图中绘制多个曲线
2、也可以在一个plot函数中传入多对X,Y值,在一个图中绘制多个曲线
x = np.arange(0,10,step=1)
s1 = Series(x,index=list('abcdefghij'))
s2 = Series(x**2,index=s1.index)# 索引和值一起设置
plt.plot(x,x*2,x,x*3,x,x)
设置子画布
axes = plt.subplot()
# 221的含义是将画布分为两行两列,
# axes1在第一个位置
axes1 = plt.subplot(2,2,1)
axes1.plot(x,x**2)
# axes2在第四个位置
axes2 = plt.subplot(2,2,4)
axes2.plot(x,x**3)
# 子画布可以按照不同的比例进行拆分,可以在一个版面内共存,
# 但是,如果两个子画布有重叠部分,后绘制的画布会覆盖先绘制的画布
axes2 = plt.subplot(2,2,1)
axes2.plot(x,x**2)axes1 = plt.subplot(3,3,1)
axes1.plot(x,x*2)
网格线
2. 绘制正弦余弦
x = np.linspace(0,2*np.pi,100)
y1 = np.sin(x)
y2 = np.cos(x)
# 自动选择最近的画布进行开启
plt.grid(True)
plt.plot(x,y1,x,y2)
axes1 = plt.subplot(221)
# True 开启网格线
# linewidth设置网格线的粗细
axes1.grid(True,linewidth=2)axes2 = plt.subplot(222)
# alpha设置透明度 0-1之间的数
axes2.grid(True,alpha=0.5)axes3 = plt.subplot(223)
axes3.grid(True,color='green')axes4 = plt.subplot(224)
# 设置网格线方向
# linestyle/ls设置虚线
axes4.grid(True,axis='x')
使用plt.grid方法可以开启网格线,使用plt面向对象的方法,创建多个子图显示不同网格线
- lw代表linewidth,线的粗细
- alpha表示线的明暗程度
- color代表颜色
- axis显示轴向
坐标轴界限
plt.axis([xmin,xmax,ymin,ymax])
plt.plot(x,y1)
# 注意:必须x,y轴同时设置界限
plt.axis([-1,7.2,-2,2])
# 画圆
x = np.linspace(-1,1,100)
f = lambda x:(1-x**2)**0.5
plt.plot(x,f(x),x,-f(x))
# 使用axis函数设置坐标轴的显示风格
plt.axis('equal')
axes = plt.subplot(111)
axes.plot(x,f(x),x,-f(x))
axes.axis('equal')
xlim方法和ylim方法
除了plt.axis方法,还可以通过xlim,ylim方法设置坐标轴范围
# 分别设置x轴和y轴界限
plt.plot(x,y2)
plt.xlim(-2,20)
plt.ylim(-2,2)
面向对象风格设置画布样式
axes = plt.subplot(111)
axes.plot(x,y2)
# 使用面向对象风格设置画布样式,如果属性找不到,就使用set_XX函数设置
# .+Tab键,快捷查看对象属性和方法
axes.set_xlim(-5,5)
axes.set_ylim(-5,5)
坐标轴标签
xlabel方法和ylabel方法
plt.ylabel(‘y = x^2 + 5’,rotation = 60)旋转
- color 标签颜色
- fontsize 字体大小
- rotation 旋转角度
plt.plot(x,y1)
plt.xlabel('x_label',fontsize=35)
plt.ylabel('y-label',color='pink',fontsize=40)
axes = plt.subplot(111)
axes.plot(x,y1)
# HTML支持的字体设置,在这里都可以使用color fontsize linestyle linewidth
# fontsize 字体大小
# color 字体颜色
# rotation 旋转角度
axes.set_ylabel('y_label',fontsize=30,color='red',rotation=90)# 使用字典设置字体
axes.set_xlabel('x_label',fontdict={'fontsize':40,'color':'blue'
})
标题
plt.title()方法
- loc {left,center,right}
- color 标签颜色
- fontsize 字体大小
- rotation 旋转角度
plt.plot(x,y1)# loc设置标题显示位置(left,right,center)plt.title('SIN(X)',fontsize=60,color='purple',rotation=45,loc='left')
注:matplotlib显示中文如何处理?
Windows:
from pylab import mpl
# 指定默认字体
mpl.rcParams['font.sans-serif'] = ['FangSong']
# 解决保存图像是负号'-'显示为方块的问题
mpl.rcParams['axes.unicode_minus'] = False
Mac:
import numpy as np
import matplotlib
import matplotlib.pyplot as plt
from matplotlib.font_manager import
FontProperties
# 导入本地字体文件
font = FontProperties(fname='/Library/Fonts/Songti.ttc')# Fixing random state for reproducibility
np.random.seed(19680801)
# 设置为FALSE 解决负号显示为框的问题
matplotlib.rcParams['axes.unicode_minus'] = False
fig, ax = plt.subplots()
ax.plot(10*np.random.randn(100), 10*np.random.randn(100), 'o')
# 用fontproperties参数设置字体为自定义字体
ax.set_title(u'散点图',fontproperties=font,fontsize=30)
plt.show()
3.图例
原始方法
# 相关依赖导入
...
df = DataFrame(data=np.random.randint(0,100,size=(5,3)),columns=list('abc'))
df.plot()
legend方法
两种传参方法:
- 分别在plot函数中增加label参数,再调用legend()方法显示
- 直接在legend方法中传入字符串列表
x = np.arange(0,10,step=1)
plt.plot(x,x,x,x*2,x,x/2)
# 传入一个列表参数,参数内容就是每一个data的说明
plt.legend(['fast','normal','slow'])
第二种传参
plt.plot(x,x,label='normal')
plt.plot(x,x*2,label='fast')
plt.plot(x,x/2,label='slow')
plt.legend(loc=10)
loc参数
- loc参数用于设置图例标签的位置,一般在legend函数内
- matplotlib已经预定义好几种数字表示的位置
loc参数可以是2元素的元组,表示图例左下角的坐标
- [0,0] 左下
- [0,1] 左上
- [1,0] 右下
- [1,1] 右上
- 图例也可以超过图的界限loc = (-0.1,0.9)
plt.plot(x,x,label='normal')
plt.plot(x,x*2,label='fast')
plt.plot(x,x/2,label='slow')
plt.legend(loc=[0.4,1.1],ncol=3)
ncol参数
ncol控制图例中有几列,在legend中设置ncol,需要设置loc
linestyle、color、marker
修改线条样式
4.保存图片
使用figure对象的savefig的函数
filename
含有文件路径的字符串或Python的文件型对象。图像格式由文件扩展名推断得出,例如,.pdf推断出PDF,.png推断出PNG (“png”、“pdf”、“svg”、“ps”、“eps”……)dpi
图像分辨率(每英寸点数),默认为100facecolor
图像的背景色,默认为“w”(白色)
# 获取figure对象(画布对象)
# 设置画布的背景色
figure = plt.figure(facecolor='cyan')# 设置坐标系的背景色
axes = plt.subplot(111,facecolor='blue')# 设置线条的颜色
axes.plot(x,x,x,x*2,color='yellow')# dpi设置像素大小
figure.savefig('18011.png',dpi=50)
二. 设置plot的风格和样式
plot语句中支持除X,Y以外的参数,以字符串形式存在,来控制颜色、线型、点型等要素,语法形式为: plt.plot(X, Y, ‘format’, …)
1.点和线的样式
颜色
参数color
或c
plt.plot(x,x,color='c')
常用色彩名与别名
透明度
alpha
plt.plot(x,x,alpha=0.3,color='r')
背景色
设置背景色,通过plt.subplot()
方法传入facecolor
参数,来设置坐标系的背景色
# 设置坐标系的背景
plt.subplot(facecolor='red')
plt.plot(x,np.sin(x))
线型
参数linestyle
或ls
plt.plot(x,x,ls=':')
plt.plot(x,x*2,ls='steps')
plt.plot(x,x/2,ls='None')
常用线型
线宽
linewidth
或lw
参数
不同宽度的破折线
dashes
参数 eg.dashes = [20,50,5,2,10,5]
设置破折号序列各段的宽度
# dashes自定义破折线的样式
plt.plot(x,x,dashes=[10,2,3,5])
点型
- marker 设置点形
- markersize 设置点形大小
x = np.random.randint(0,10,size=6)
plt.plot(x,marker='s',markersize=60)
常用点型参数设置
plt.plot(x,marker='4',markersize=30)
plt.plot(x,x*2,marker='3',markersize=40)
标记 | 描述 | 标记 | 描述 |
---|---|---|---|
’s’ | 正方形 | ‘p’ | 五边形 |
‘h’ | 六边形1 | ‘H’ | 六边形2 |
‘8’ | 八边形 |
plt.plot(np.random.randint(0,10,size=10),marker='h',markersize=20,label='六边形1',)
plt.plot(np.random.randint(0,10,size=10),marker='H',markersize=20,label='六边形2')
plt.plot(np.random.randint(0,10,size=10),marker='8',markersize=20,label='八边形')
plt.plot(np.random.randint(0,10,size=10),marker='p',markersize=20,label='五边形')
plt.legend()
标记参数
2.多参数连用
颜色、点型、线型,可以把几种参数写在一个字符串内进行设置 ‘r-.o’
# 参数连用需要对不同的线进行分别设置
plt.plot(x,x,'r:v',x,x*2,'b--h')
更多点和线的设置
- markeredgecolor = ‘green’,
- markeredgewidth = 2,
- markerfacecolor = ‘purple’
多个曲线同一设置
属性名声明,不可以多参数连用
plt.plot(x1, y1, x2, y2, fmt, …)
x = np.arange(0,10,1)
# 统一设置
plt.plot(x,x,x,x*2,x,x/2,linewidth=3,color='blue')
# 分别设置
plt.plot(x,x,'r-.s',x,x*2,'b--h')
多曲线不同设置
多个都进行设置时,多参数连用 plt.plot(x1, y1, fmt1, x2, y2, fmt2, …)
三种设置方式
向方法传入关键字参数
- import matplotlib as mpl
对实例使用一系列的setter方法
plt.plot()方法返回一个包含所有线的列表,设置每一个线需要获取该线对象
- eg: lines = plt.plot(); line = lines[0]
- line.set_linewith()
- line.set_linestyle()
- line.set_color()
对坐标系使用一系列的setter方法
axes = plt.subplot()获取坐标系
- set_title()
- set_facecolor()
- set_xticks、set_yticks 设置刻度值
- set_xticklabels、set_yticklabels 设置刻度名称
例:
lines = plt.plot(x,x,x,x*2,x,x/2)# 根据line对象设置line的属性
lines[0].set_linewidth(3)
lines[1].set_color('cyan')
lines[2].set_linestyle('--')
X、Y轴坐标刻度
plt.xticks()和plt.yticks()方法
- 需指定刻度值和刻度名称 plt.xticks([刻度列表],[名称列表])
- 支持fontsize、rotation、color等参数设置
x = np.linspace(0,2*np.pi,100)
plt.plot(x,np.sin(x))# xticks函数设置坐标轴刻度和标签
plt.xticks([0,np.pi/2,np.pi,3*np.pi/2,2*np.pi],['0','π/2','π','3π/2','2π'])
axes = plt.subplot(111)
axes.plot(x,np.sin(x))
# 使用画布对象设置坐标轴刻度和坐标轴刻度标签
axes.set_xticks([0,np.pi/2,np.pi,3*np.pi/2,2*np.pi])
axes.set_xticklabels(['0','$\pi$/2','π','3π/2','2π'],fontsize=20)axes.set_yticks([-1,0,1])
axes.set_yticklabels(['min',0,'max'],fontsize=20)
三、2D图形
1.直方图
【直方图的参数只有一个x!!!不像条形图需要传入x,y】
hist()的参数
- bins
可以是一个bin数量的整数值,也可以是表示bin的一个序列。默认值为10 - normed
如果值为True,直方图的值将进行归一化处理,形成概率密度,默认值为False - color
指定直方图的颜色。可以是单一颜色值或颜色的序列。如果指定了多个数据集合,颜色序列将会设置为相同的顺序。如果未指定,将会使用一个默认的线条颜色 - orientation
通过设置orientation为horizontal创建水平直方图。默认值为vertical
x = np.random.randint(0,100,size=100)
plt.hist(x,bins=5)
2. 条形图
【条形图有两个参数x,y】
- width 纵向设置条形宽度
- height 横向设置条形高度
- bar()、barh()
x = np.array([2,5,7,9,4,3,8])
# x 就是底轴刻度标签
# height 就是柱形图的柱高
# width 表示柱宽 (0-1取值)
plt.bar(x=list('abcdefg'),height=x,width=1)# y 就是底轴刻度标签
# width 就是柱形图的柱高
# height 表示柱宽
plt.barh(y=list('abcdefg'),width=x,height=1)
3. 饼图
【饼图也只有一个参数x!】
pie()
饼图适合展示各部分占总体的比例,条形图适合比较各部分的大小
普通部分占满饼图
x = [45,6]
plt.pie(x)
普通未占满饼图
x = [0.4,0.3]
plt.pie(x)
饼图阴影、分裂等属性设置
- labels参数设置每一块的标签;
- labeldistance参数设置标签距离圆心的距离(比例值,只能设置一个浮点小数)
- autopct参数设置比例值的显示格式(%1.1f%%);
- pctdistance参数设置比例值文字距离圆心的距离
- explode参数设置每一块顶点距圆形的长度(比例值,列表);
- colors参数设置每一块的颜色(列表);
- shadow参数为布尔值,设置是否绘制阴影
- startangle参数设置饼图起始角度
# labeldistance只能设置一个小数
plt.pie(x,labels=['男','女'],labeldistance=0.3,autopct="%1.2f%%",pctdistance=0.8,explode=[0.1,0.0],colors=['blue','yellow'],startangle=90,shadow=True)
4. 散点图
【 散点图需要两个参数x,y,但此时x不是表示x轴的刻度,而是每个点的横坐标!】
scatter()
x = np.random.normal(size=1000)
y = np.random.normal(size=1000)# 生成1000个随机颜色
colors = np.random.random(size=(1000,3))
# 使用c参数来设置颜色
plt.scatter(x,y,marker='d',c=colors)
四.3D图
曲面图
导包
- from mpl_toolkits.mplot3d.axes3d import Axes3D
使用mershgrid函数切割x,y轴
- X,Y = np.meshgrid(x, y)
创建3d坐标系
- axes = plt.subplot(projection=’3d’)
绘制3d图形
- p = axes.plot_surface(X,Y,Z,color=’red’,cmap=’summer’,rstride=5,cstride=5)
添加colorbar
- plt.colorbar(p,shrink=0.5)
例>
def createZ(x,y):return np.sin(x) + np.cos(y)*2 - np.pi/5from mpl_toolkits.mplot3d.axes3d import Axes3D
axes = plt.subplot(projection='3d')x = np.linspace(-np.pi,np.pi,100)
y = np.linspace(-np.pi,np.pi,100)# 使用x,y生成一组网格
X,Y = np.meshgrid(x,y)
Z = createZ(X,Y)p = axes.plot_surface(X,Y,Z,cmap='summer',rstride=5,cstride=5)plt.colorbar(p,shrink=0.5)
五.玫瑰图/极坐标条形图
创建极坐标,设置polar属性
- plt.axes(polar = True)
绘制极坐标条形图
- index = np.arange(-np.pi,np.pi,2*np.pi/6)
- plt.bar(x=index ,height = [1,2,3,4,5,6] ,width = 2*np.pi/6)
# 玫瑰图
x = np.array([2,5,7,9,4,3,8])
plt.axes(polar = True)
plt.bar(x=list('abcdefg'),height=x)
六.图形内的文字、注释、箭头
1.控制文字属性的方法
Prop
所有的方法会返回一个matplotlib.text.Text对象
# 画布
figure = plt.figure()
# figure.text(x=1,y=1,s='这是figure对象的注释')
figure.suptitle('figure title')
# 等差数列
x = np.linspace(-np.pi,np.pi,100)
axes1 = plt.subplot(221)
axes1.plot(x,np.sin(x))
# x,y是以坐标轴刻度为准的一组数据,描述了注释信息的注释位置
axes1.text(x=0.5,y=0.5,s='这是一段注释')axes2 = plt.subplot(222)
axes2.plot(x,np.cos(x),color='red')
2.图形内的文字
text()
3. 注释
annotate()
- xy参数设置箭头指示的位置
- xytext参数设置注释文字的位置
- arrowprops参数以字典的形式设置箭头的样式
- width参数设置箭头长方形部分的宽度
- headlength参数设置箭头尖端的长度,
- headwidth参数设置箭头尖端底部的宽度
- shrink参数设置箭头顶点、尾部与指示点、注释文字的距离(比例值),可以理解为控制箭头的长度
figure = plt.figure(figsize=(8,6))
axes = plt.subplot(111)
axes.plot(x,np.sin(x))# s 注释的文字
# xy 箭头指向的位置
# xytext 注释文字放置的位置
# arrowprops没有arrowstyle键的设置方式
axes.annotate(s='this is a annotate',xy=(0.5,0.5),xytext=(0.8,0.8),arrowprops = {'width':10,'headlength':12,'headwidth':15,'shrink':0.2})# 使用arrowstyle设置箭头样式
axes.annotate(s='this is a good text',xy=(-0.2,-0.2),xytext=(-0.4,-0.6),arrowprops = {'arrowstyle': 'fancy'})
jupyter入门之Matplotlib相关推荐
- 《面向机器智能的TensorFlow实践》一 2.8 测试TensorFlow、Jupyter Notebook及matplotlib...
本节书摘来自华章出版社<面向机器智能的TensorFlow实践>一书中的第2章,第2.8节,作者 山姆·亚伯拉罕(Sam Abrahams)丹尼亚尔·哈夫纳(Danijar Hafner) ...
- AI基础:数据可视化简易入门(Matplotlib 和 Seaborn)
0 导语 Matplotlib 是一个 Python 的 2D 绘图库,它以各种硬拷贝格式和跨平台的交互式环境生成出版质量级别的图形 . 通过 Matplotlib,开发者可以仅需要几行代码,便可以生 ...
- matplotlib 对称图_Python入门向:Matplotlib自救指南篇,从此做图不求人(一)
今天本来开开心心去洗了个牙,结果拍片子的时候居然发现,我的妈呀,长了智齿,还是那种横着长的,我居然浑然不知. 图: 我的牙齿裸照 吓死我了,一定是平时没怎么更新文章,导致上天给了惩罚.(明明就是懒惰, ...
- 【Jupyter】【Matplotlib】无法显示中文问题
问题:Jupyter使用Matplotlib中文显示为▢方块问题解决. 1.准备字体 1.1.下载字体 - SimHei:以黑体为例(下载地址:http://www.downcc.com/font/7 ...
- jupyter notebook中matplotlib inline 关闭或打开
import matplotlib.pyplot as plt import numpy as np import mplcursors np.random.seed(42) inline 打开 %m ...
- 数据分析入门之Matplotlib数据可视化基础(散点图、折线图、直方图、饼图、箱线图)
文章目录 1.掌握pyplot基础语法 1.1.基本绘图流程 1.2.创建画布与创建子图 1.2.1.设置画布大小 1.2.2.添加图列 1.2.3.解决中文乱码 1.3.添加画布内容 1.4.保存与 ...
- 使用jupyter中的matplotlib库绘制简单图表4
一.设置图表样式与映射表 (1)使用rc()函数修改图表样式 (2)设置颜色映射表可以使用关键字cmap或者直接调用set_cmap()函数进行设置 1.代码 import numpy as np i ...
- jupyter入门之图像处理
scipy图片处理 导入库 import numpy as np import pandas as pd from pandas import Series,DataFrame # 图像处理库 imp ...
- python条形图x轴设定_Python入门--利用matplotlib绘制折线图和条形图(1)
目标一:绘制一幅折线图 # 代码如下: import matplotlib.pyplot as plt input_values = [1, 2, 3, 4, 5] squares = [1, 4, ...
最新文章
- Daily Scrum M2 10-29
- MFC笔记2(控件位置调整)
- 人工通道会取消吗_二七政策将用于ETC?高速或将取消人工收费通道
- 阿里云物联网边缘计算加载MQTT驱动
- Comparable和Comparator接口是干什么的?列出它们的区别。
- Eclipse修改相同内容的高亮显示(pydev编辑python)
- Python3.x的print()输出问题
- HR:你为什么选择计算机这个行业?
- # java 核心技术卷1 (原书第11版)通读 第一章:java的基本程序设计结构
- 本特利330906-02-12-05-02-CN传感器
- 当前系统license已过期什么意思_Windows10为什么老是显示系统许可证已过期
- 2022煤矿井下爆破考试题库模拟考试平台操作
- 微商城支付开发(二)
- 金刚菩提子开裂自动修复此计算机,金刚菩提子裂了怎么办 教你这些修复方法...
- win10清理C盘空间
- 【论文精读】TACRED Revisited: A Thorough Evaluation of the TACRED Relation Extraction Task
- 支付宝个人收款解决方案之支付宝签约方案
- 现在java开发用什么工具
- Vue-cli搭建SPA项目
- 北京积分落户2021年新政策细则详解