Python进阶Matplotlib库图绘制
目录
- 1、基本使用
- 1.1、线条样式 & 颜色
- 1.2、轴&标题
- 1.3、marker设置
- 1.4、注释文本
- 1.5、设置图形样式
- 2、条形图
- 2.1、横向条形图 范例
- 2.2、分组条形图
- 2.3、堆叠条形图
- 3、直方图
- 3.1、直方图
- 3.2、频率直方图
- 3.3、直方图
- 4、散点图
- 5、饼图
- 6、箱线图
- 7、雷达图
# 字体设置plt.rcParams['font.sans-serif'] = ["SimHei"]plt.rcParams["axes.unicode_minus"] = False
1、基本使用 Matplotlib:是一个Python的2D绘图库,通过Matplotlib,开发者可以仅需要几行代码,便可以生成折线图,直方图,条形图,饼状图,散点图等。
plot
是一个画图的函数,他的参数:plot([x],y,[fmt],data=https://www.it610.com/article/None,**kwargs)
1.1、线条样式 & 颜色
(1)点线形式
文章图片
(2)线条颜色
文章图片
import matplotlib.pyplot as pltimport numpy as np# 原始线图plt.plot(range(10),[np.random.randint(0,10) for x in range(10)])# 点线图plt.plot(range(10),[np.random.randint(0,10) for x in range(10)],"*")# 线条颜色plt.plot([1,2,3,4,5],[1,2,3,4,5],'r') #将颜色线条设置成红色
运行结果:
文章图片
1.2、轴&标题
- 1、设置图标题:plt.title
- 2、设置轴标题:plt.xlabel & plt.ylabel-标题名称
- 3、设置轴刻度:plt.xticks & plt.yticks-刻度长度,刻度标题
x = range(10)y = [np.random.randint(0,10) for x in range(10)]plt.plot(x,y,linewidth=10,color='red')# 设置图标题plt.title("sin函数")# 设置轴标题plt.xlabel("x轴")plt.ylabel("y轴")# 设置轴刻度plt.xticks(range(10),["第%d天"%x for x in range(1,10)])plt.yticks(range(10),["第%d天"%x for x in range(1,10)])# 加载字体plt.rcParams['font.sans-serif'] = ["SimHei"]plt.rcParams["axes.unicode_minus"] = False
运行结果:
文章图片
【Python进阶Matplotlib库图绘制】
1.3、marker设置
marker:关键点重点标记
范例:
x = range(10)y = [np.random.randint(0,10) for x in range(10)]plt.plot(x,y,linewidth=10,color='red')# 重点标记plt.plot(x,y,marker="o",markerfacecolor='k',markersize=10)
运行结果:
文章图片
1.4、注释文本
annotate:注释文本
范例:
x = range(10)y = [np.random.randint(0,10) for x in range(10)]plt.plot(x,y,linewidth=10,color='red')# 重点标记plt.plot(x,y,marker="o",markerfacecolor='k',markersize=10)# 注释文本设置plt.annotate('local max', xy=(5, 5), xytext=(10,15),arrowprops=dict(facecolor='black',shrink=0.05),)
运行结果:
文章图片
1.5、设置图形样式
plt.figure:调整图片的大小和像素 `num`:图的编号, `figsize`:单位是英寸, `dpi`:每英寸的像素点, `facecolor`:图片背景颜色, `edgecolor`:边框颜色, `frameon`:是否绘制画板。
范例:
x = range(10)y = [np.random.randint(0,10) for x in range(10)]# 设置图形样式plt.figure(figsize=(20,10),dpi=80)plt.plot(x,y,linewidth=10,color='red')
运行结果:
文章图片
2、条形图 应用场景:
- 1. 数量统计。
- 2. 频率统计。
barh:条形图
- 1. `x`:一个数组或者列表,代表需要绘制的条形图的x轴的坐标点。
- 2. `height`:一个数组或者列表,代表需要绘制的条形图y轴的坐标点。
- 3. `width`:每一个条形图的宽度,默认是0.8的宽度。
- 4. `bottom`:`y`轴的基线,默认是0,也就是距离底部为0.
- 5. `align`:对齐方式,默认是`center`,也就是跟指定的`x`坐标居中对齐,还有为`edge`,靠边对齐,具体靠右边还是靠左边,看`width`的正负。
- 6. `color`:条形图的颜色。
2.1、横向条形图 范例
movies = {"流浪地球":40.78,"飞驰人生":15.77,"疯狂的外星人":20.83,"新喜剧之王":6.10,"廉政风云":1.10,"神探蒲松龄":1.49,"小猪佩奇过大年":1.22,"熊出没·原始时代":6.71}plt.barh(np.arange(len(movies)),list(movies.values()))plt.yticks(np.arange(len(movies)),list(movies.keys()),fontproperties=font)plt.grid()
运行结果:
文章图片
2.2、分组条形图
范例:
movies = {"流浪地球":[2.01,4.59,7.99,11.83,16],"飞驰人生":[3.19,5.08,6.73,8.10,9.35],"疯狂的外星人":[4.07,6.92,9.30,11.29,13.03],"新喜剧之王":[2.72,3.79,4.45,4.83,5.11],"廉政风云":[0.56,0.74,0.83,0.88,0.92],"神探蒲松龄":[0.66,0.95,1.10,1.17,1.23],"小猪佩奇过大年":[0.58,0.81,0.94,1.01,1.07],"熊出没·原始时代":[1.13,1.96,2.73,3.42,4.05]}plt.figure(figsize=(20,8))width = 0.75bin_width = width/5movie_pd = pd.DataFrame(movies)ind = np.arange(0,len(movies))# 第一种方案for index in movie_pd.index:day_tickets = movie_pd.iloc[index]xs = ind-(bin_width*(2-index))plt.bar(xs,day_tickets,width=bin_width,label="第%d天"%(index+1))for ticket,x in zip(day_tickets,xs):plt.annotate(ticket,xy=(x,ticket),xytext=(x-0.1,ticket+0.1))# 设置图例plt.ylabel("单位:亿")plt.title("春节前5天电影票房记录")# 设置x轴的坐标plt.xticks(ind,movie_pd.columns)plt.xlimplt.grid(True)plt.show()
运行结果:
文章图片
2.3、堆叠条形图
范例:
menMeans = (20, 35, 30, 35, 27)womenMeans = (25, 32, 34, 20, 25)groupNames = ('G1','G2','G3','G4','G5')xs = np.arange(len(menMeans))plt.bar(xs,menMeans)plt.bar(xs,womenMeans,bottom=menMeans)plt.xticks(xs,groupNames)plt.show()
运行结果:
文章图片
3、直方图 plt.hist:直方图
- 1. x:数组或者可以循环的序列;
- 2. bins:数字或者序列(数组/列表等);
- 3. range:元组或者None,如果为元组,那么指定`x`划分区间的最大值和最小值;
- 4. density:默认是`False`,如果等于`True`,那么将会使用频率分布直方图;
- 5. cumulative:如果这个和`density`都等于`True`,那么返回值的第一个参数会不断的累加,最终等于`1`。
- 1. 显示各组数据数量分布的情况。
- 2. 用于观察异常或孤立数据。
- 3. 抽取的样本数量过小,将会产生较大误差,可信度低,也就失去了统计的意义。因此,样本数不应少于50个。
3.1、直方图
范例:
durations = [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=(15,5))nums,bins,patches = plt.hist(durations,bins=20,edgecolor='k')plt.xticks(bins,bins)for num,bin in zip(nums,bins):plt.annotate(num,xy=(bin,num),xytext=(bin+1.5,num+0.5))plt.show()
运行结果:
文章图片
3.2、频率直方图
density:频率直方分布图
范例:
nums,bins,patches = plt.hist(durations,bins=20,edgecolor='k',density=True,cumulative=True)plt.xticks(bins,bins)for num,bin in zip(nums,bins):plt.annotate("%.4f"%num,xy=(bin,num),xytext=(bin+0.2,num+0.0005))
运行结果:
文章图片
3.3、直方图
cumulative参数:nums的总和为1
范例:
plt.figure(figsize=(15,5))nums,bins,patches = plt.hist(durations,bins=20,edgecolor='k',density=True,cumulative=True)plt.xticks(bins,bins)for num,bin in zip(nums,bins):plt.annotate("%.4f"%num,xy=(bin,num),xytext=(bin+0.2,num+0.0005))
运行结果:
文章图片
4、散点图 plt.scatter:散点图绘制:
- 1. x,y:分别是x轴和y轴的数据集。两者的数据长度必须一致。
- 2. s:点的尺寸。
- 3. c:点的颜色。
- 4. marker:标记点,默认是圆点,也可以换成其他的。
plt.scatter(x =data_month_sum["sumprice"]#传入X变量数据,y=data_month_sum["Quantity"]#传入Y变量数据,marker='*'#点的形状,s=10#点的大小,c='r'#点的颜色)plt.show()
运行结果:
文章图片
5、饼图 饼图:一个划分为几个扇形的圆形统计图表,用于描述量、频率或百分比之间的相对关系的。
在
matplotlib
中,可以通过plt.pie
来实现,其中的参数如下:x
:饼图的比例序列。labe
ls
:饼图上每个分块的名称文字。explode
:设置某几个分块是否要分离饼图。autopct
:设置比例文字的展示方式。比如保留几个小数等。shadow
:是否显示阴影。textprops
:文本的属性(颜色,大小等)。 范例plt.figure(figsize=(8,8),dpi=100,facecolor='white')plt.pie(x = StockCode.values,#数据传入radius=1.5,#半径autopct='%.2f%%'#百分比显示,pctdistance=0.6,#百分比距离圆心比例labels=StockCode.index,#标签labeldistance=1.1,#标签距离圆心比例wedgeprops ={'linewidth':1.5,'edgecolor':'green'}, #边框的线宽和颜色textprops={'fontsize':10,'color':'blue'})#文本字体大小和颜色plt.title('商品销量占比',pad=100)#设置标题及距离坐标轴的位置plt.show()
运行结果:
文章图片
6、箱线图 箱图的绘制方法是:
- :1、先找出一组数据的上限值、下限值、中位数(Q2)和下四分位数(Q1)以及上四分位数(Q3)
- :2、然后连接两个四分位数画出箱子
- :3、再将最大值和最小值与箱子相连接,中位数在箱子中间。
上下四分位数:同样把数据排好序后,把数据等分为4份。出现在`25%`位置的叫做下四分位数,出现在`75%`位置上的数叫做上四分位数。但是四分位数位置的确定方法不是固定的,有几种算法,每种方法得到的结果会有一定差异,但差异不会很大。
上下限的计算规则是:
- IQR=Q3-Q1
- 上限=Q3+1.5IQR
- 下限=Q1-1.5IQR
matplotlib
中有plt.boxplot
来绘制箱线图,这个方法的相关参数如下:x
:需要绘制的箱线图的数据。notch
:是否展示置信区间,默认是False
。如果设置为True
,那么就会在盒子上展示一个缺口。sym
:代表异常点的符号表示,默认是小圆点。vert
:是否是垂直的,默认是True
,如果设置为False
那么将水平方向展示。whis
:上下限的系数,默认是1.5
,也就是上限是Q3+1.5IQR
,可以改成其他的。也可以为一个序列,如果是序列,那么序列中的两个值分别代表的就是下限和上限的值,而不是再需要通过IQR
来计算。positions
:设置每个盒子的位置。widths
:设置每个盒子的宽度。labels
:每个盒子的label
。meanline
和showmeans
:如果这两个都为True
,那么将会绘制平均值的的线条。范例:
#箱线图 - 主要观察数据是否有异常(离群点)#箱须-75%和25%的分位数+/-1.5倍分位差plt.figure(figsize=(6.4,4.8),dpi=100)#是否填充箱体颜色,是否展示均值,是否展示异常值,箱体设置,异常值设置,均值设置,中位数设置plt.boxplot(x=UnitPrice#传入数据,patch_artist=True#是否填充箱体颜色,showmeans=True#是否展示均值,showfliers=True#是否展示异常值,boxprops={'color':'black','facecolor':'white'}#箱体设置,flierprops={'marker':'o','markersize':4,'markerfacecolor':'red'} #异常值设置,meanprops={'marker':'o','markersize':6,'markerfacecolor':'indianred'} #均值设置,medianprops={'linestyle':'--','color':'blue'}#中位数设置)plt.show()
运行结果:
文章图片
7、雷达图 雷达图:又被叫做蜘蛛网图,适用于显示三个或更多的维度的变量的强弱情况
plt.polar来绘制雷达图,
x
轴的坐标点应该为弧度(2*PI=360°)范例:
import numpy as npproperties = ['输出','KDA','发育','团战','生存']values = [40,91,44,90,95,40]theta = np.linspace(0,np.pi*2,6)plt.polar(theta,values)plt.xticks(theta,properties)plt.fill(theta,values)
运行结果:
文章图片
注意事项:
- 因为
polar
并不会完成线条的闭合绘制,所以我们在绘制的时候需要在theta
中和values
中在最后多重复添加第0个位置的值,然后在绘制的时候就可以和第1个点进行闭合了。 polar
只是绘制线条,所以如果想要把里面进行颜色填充,那么需要调用fill
函数来实现。polar
默认的圆圈的坐标是角度,如果我们想要改成文字显示,那么可以通过xticks
来设置。
推荐阅读
- Python|Python xpath,JsonPath,bs4的基本使用
- python数学建模之Matplotlib|python数学建模之Matplotlib 实现图片绘制
- python|python GUI库图形界面开发之PyQt5表格控件QTableView详细使用方法与实例
- python|python+selenium获取excel表格数据
- python|跑PIN码破解无线网络WIFI密码的原理分析(转)
- Python UI自动化测试实操
- python对RabbitMQ的简单入门使用教程
- python|python+selenium常用语法操作
- 不是吧(30秒|不是吧?30秒 就能学会一个python小技巧?!)
- 干货|干货 | 用python3+dlib教你的程序察言观色