| FazBrowse GitHub Viewer | Trending | | Home |
| Tools: [Download Repo ZIP] [View Raw Code] [Original HTTPS Page] |
导包 : import matplotlib.pyplot as plt (绘制子图必须创建画布)
创建画布 : plt.figure(num=None, figsize=None, dpi=None, facecolor=None, edgecolor=None, frameon=True, FigureClass=Figure, clear=False, **kwargs)
参数
| 参数 | 描述 |
|---|---|
| num | 图像编号或名称，数字为编号 ，字符串为名称 |
| figsize | 指定figure (画布) 的宽和高，单位为英寸 |
| dpi | 参数指定绘图对象的分辨率，即每英寸多少个像素，缺省值为80 1英寸等于2.5cm,A4纸是 21*30cm的纸张 |
| facecolor | 背景颜色 |
| edgecolor | 边框颜色 |
| frameon | 是否显示边框 |
应对不显示中文与显示中文后不显示正负号
# 默认不支持显示中文,需要将字体改为 雅黑
plt.rcParams['font.sans-serif'] = 'SimHei'
# 设置中文后不显示正负号,设置显示负号
plt.rcParams['axes.unicode_minus'] = False实例
import matplotlib.pyplot as plt
# 创建画布
plt.figure()
# 默认不支持显示中文,需要将字体改为 雅黑
plt.rcParams['font.sans-serif'] = 'SimHei'
# 设置中文后不显示正负号,设置显示负号
plt.rcParams['axes.unicode_minus'] = False画图步骤
准备数据 (x,y 轴数据)
传入数据 : plt.plot(*args, scalex=True, scaley=True, data=None, **kwargs)
plt.plot() 两种使用方式
可选参数 [fmt] : 可选参数[fmt] 是一个字符串来定义图的基本属性如：颜色（color），点型（marker），线型（linestyle），
具体形式 fmt = '[color][marker][line]'
两种接收参数方式
fmt接收的是每个属性的单个字母缩写，例如：plot(x, y, 'bo-') # 蓝色圆点实线
若属性用的是全名则不能用fmt参数来组合赋值,应该用关键字参数对单个属性赋值
plot(x,y2,color='green', marker='o', linestyle='dashed', linewidth=1, markersize=6)常见的颜色参数 :colors (也可以对关键字参数color赋十六进制的RGB字符串如 color='#900302')
| 参数值 | 描述 |
|---|---|
| b | 蓝 blue |
| g | 绿 green |
| r | 红 red |
| c | 蓝绿 cyan |
| m | 洋红 magenta |
| y | 黄 yellow |
| k | 黑 black |
| w | 白 white |
点型参数 : Markers (用关键字参数对单个属性赋值，如：marker='+'这个只有简写，英文描述不被识别)
| 参数值 | 描述 |
|---|---|
| . | 点标记 point marker |
| , | 像素标记 pixel marker |
| o | 圆圈标记 circle marker |
| v | 下三角标记 triangle_down marker |
| ^ | 上三角标记 triangle_up marker |
| < | 左三角标记 triangle_left marker |
| > | 右三角标记 triangle_right marker |
| 1 | 向下标记 tri_down marker |
| 2 | 向上标记 tri_up marker |
| 3 | 向左标记 tri_left marker |
| 4 | 向右标记 tri_right marker |
| s | 方块标记 square marker |
| p | 五边形标记 pentagon marker |
| ***** | 星花*标记 star marker |
| h | 六边形标记1 hexagon1 marker |
| H | 六边形标记2 hexagon2 marker |
| + | 加号标记 plus marker |
| x | x标记 x marker |
| D | 方菱形标记 diamond marker |
| d | 瘦菱形标记 thin_diamond marker |
| | | 竖线标记 vline marker |
| _ | 下划线标记 hline marker |
线型参数 : Line Style (用关键字参数对单个属性赋值，如：linestyle='-')
| 参数值 | 描述 |
|---|---|
| _ | solid line style 实线 |
| __ | dashed line style 虚线 |
| _. | dash-dot line style 点画线 |
| : | dotted line style 点线 |
添加 x, y 轴说明 : plt.xlabel() 与 plt.ylabel
plt.xlabel('日期')
plt.ylabel('温度/℃')设置 x,y 轴刻度,更改其原有刻度
显示 x 轴数字信息为 周日期显示 : plt.xticks(rotation=旋转度数)
plt.xticks(x_data, labels=["星期一", "星期二", "星期三", "星期四", "星期五", "星期六", "星期日", ])显示 y 周信息 ，改变其跨度 : plt.yticks()
plt.yticks(np.arange(-10, 41, 5))增加点位上的显示信息 : plt.text(x坐标, y坐标, "显示信息") 在每个数据上显示其数值信息，使用 zip 对两轴数据压缩后进行显示
# 增加显示信息
# plt.text(2, 9, "13")
for x, y in zip(x_data, y_data):
plt.text(x, y+1, y)增加图例，图例列表内数据与画图顺序一一对应 : plt.legend(["第一条线表示信息", "第二条线表示信息"])
# 增加图例, 和画图顺序保持一致 plt.legend(["北京", "上海"])
实例
import numpy as np
import matplotlib.pyplot as plt
# 默认不支持显示中文,需要将字体改为 雅黑
plt.rcParams['font.sans-serif'] = 'SimHei'
# 设置中文后不显示正负号,设置显示负号
plt.rcParams['axes.unicode_minus'] = False
# 创建画布
plt.figure()
# 画图
# 1. 准备数据,x 轴数据, y 轴数据
x_data = np.arange(1, 8)
y_data = [10, 12, 9, 8, -4, 8, 9]
y_data1 = [-10, -9, -8, 0, 8, 0, -4]
plt.plot(x_data, y_data, marker='4')
plt.plot(x_data, y_data1, marker="^")
# x,y 轴说明
plt.xlabel('日期')
plt.ylabel('温度/℃')
# 设置 x 轴刻度
# 对其原有刻度信息，显示为字符串
# plt.xticks(x_data, labels=["星期一", "星期二", "星期三", "星期四", "星期五", "星期六", "星期日", ])
plt.xticks(x_data[::2], labels=["星期一", "星期三", "星期五", "星期日", ])
# 更改 y 轴刻度
plt.yticks(np.arange(-10, 41, 5))
# 增加显示信息
# plt.text(2, 9, "13")
for x, y in zip(x_data, y_data):
plt.text(x, y+1, y)
# 增加图例, 和画图顺序保持一致
plt.legend(["北京", "上海"])
# 显示数据
plt.title('天气预报')
# 保存数据
plt.savefig("天气预报.png")
plt.show()修饰信息 (标题, x/y 轴设置)
增加标题 plt.title()
保存数据 (必须在显示图像之前,渲染之后)
# 保存数据
plt.savefig("天气预报.png")显示数据 : plt.show()
绘制子图必须要创建画布
绘制多个子图步骤
为准备绘制的每个子图分配空间 (fig.add_subplot(图片占行数, 图片占列数, 第几个图片) : 将画布分为多好航多少列，每一个图所占位置,在该位置内绘制该图)
import numpy as np
import matplotlib.pyplot as plt
# 子图的绘制必需窗间画布
fig = plt.figure()
# sin 函数 cos 函数
fig.add_subplot(2, 2, 1)
# 绘制第一个子图
fig.add_subplot(2, 2, 2)
# 绘制第二个子图
fig.add_subplot(2, 2, 3)
# 绘制第三个子图
fig.add_subplot(2, 2, 4)
# 绘制第四个子图设置子图间间距 : fig.subplots_adjust() (wspace 调整子图之间的宽度 [0, 1] 之间的值 [0.5表示子图间宽度占子图宽度的 50%], hspace 调整子图之间的高度 [0, 1] 之间的值 [0.5表示子图间高度占子图高度的 50%] )
# 调整子图间间距
# wspace 调整子图之间的宽度 [0, 1] 之间的值
# hspace 调整子图之间的高度 [0, 1] 之间的值
fig.subplots_adjust(wspace=1, hspace=0.5)在准备的空间内绘制需要的图形
对绘制图形添加各种属性
实例
import numpy as np
import matplotlib.pyplot as plt
# 子图的绘制必需窗间画布
fig = plt.figure()
# 准备数据
x_data = np.arange(-2*np.pi, 2, 0.1)
sin_data = np.sin(x_data)
cos_data = np.cos(x_data)
# sin 函数 cos 函数
fig.add_subplot(2, 2, 1)
# 绘制第一个子图, 添加关于此子图的配制
plt.plot(x_data, sin_data, marker='>')
fig.add_subplot(2, 2, 2)
# 绘制第二个子图, 添加关于此子图的配制
plt.scatter(x_data, cos_data, marker='*')
fig.add_subplot(2, 2, 3)
# 绘制第三个子图, 添加关于此子图的配制
plt.scatter(sin_data, cos_data)
fig.add_subplot(2, 2, 4)
# 绘制第四个子图, 添加关于此子图的配制
plt.scatter(sin_data*2, cos_data*2)
plt.show()应用场景 :
plt.scatter(x, y, s=None, c=None, marker=None, cmap=None, norm=None, vmin=None, vmax=None, alpha=None, linewidths=None, verts=cbook.deprecation._deprecated_parameter, edgecolors=None, *, plotnonfinite=False, data=None, **kwargs)
参数
| 参数 | 描述 |
|---|---|
| x,y | 表示的是大小为(n,)的数组，也就是我们即将绘制散点图的数据点 |
| s | 一个实数或者是一个数组大小为(n,)，这个是一个可选的参数。 |
| c | 颜色，也是一个可选项。默认是蓝色'b',表示的是标记的颜色，或者可以是一个表示颜色的字符，或者是一个长度为n的表示颜色的序列等等 |
| marker | 标记的样式，默认的是'o' |
| cmap | Colormap实体或者是一个colormap的名字，cmap仅仅当c是一个浮点数数组的时候才使用。如果没有申明就是image.cmap |
| norm | Normalize实体来将数据亮度转化到0-1之间，也是只有c是一个浮点数的数组的时候才使用。如果没有申明，就是默认为colors.Normalize。 |
| vmin、vmax | 实数，当norm存在的时候忽略。用来进行亮度数据的归一化 |
| alpha | 实数，0-1之间 (阿尔法值) |
| linewidths | 标记点的长度。 |
| edgecolors | 边缘颜色 |
| facecolor | 内部颜色 |
应用场景 : 少量对象在做对比分析时使用
柱状图与直方图的异同
相同点 : 使用柱子代表高度
区别
| 柱状图 | 直方图(频数分布图) | |
|---|---|---|
| 间隙 | 柱子之间是有间隙的 | 柱子之间间隙很小，只有当某一值为空时才会有很宽间隙 |
| x 轴 | x 轴是一条线,描述分类变量 | x轴是分类变量,描述数值变量 |
| Y轴 | 柱形图的Y轴可以是数值 | 直方图的Y轴是频率 |
| 描述 | 一般用来描述称名数据或顺序数据 | 一般用来描述等距数据或等比数据 |
plt.bar(x, height, width=0.8, bottom=None, *, align='center', data=None, **kwargs)
参数
| 参数 | 描述 |
|---|---|
| x | x坐标 int,float |
| height | 条形的高度 |
| width | 线条的宽度 0~1，默认是0.8 |
| bottom | 条形的起始位置 也就是y轴的起始坐标 |
| align | 条形的中心位置 center”,"lege"边缘 |
| data | 1. color :条形的颜色 2. edgecolor : 边框的颜色 3. linewidth : 边框的宽度 4. tick_label : 下标的标签 可以是元组类型的字符组合 5. log : y轴使用科学计算法表示 6. orientation : 竖直："vertical"，水平条："horizontal" |
直方图概念: 直方图是一种统计报告图，形式上也是一个个的长条形，但是直方图用长条形的面积表示频数，所以长条形的高度表示频数组距频数/组距，宽度表示组距，其长度和宽度均有意义。当宽度相同时，一般就用长条形长度表示频数。
plt.hist(x, bins=None, range=None, density=False, weights=None, cumulative=False, bottom=None, histtype='bar', align='mid', orientation='vertical', rwidth=None, log=False, color=None, label=None, stacked=False, *, data=None, **kwargs)
参数
| 参数 | 描述 |
|---|---|
| x | 必选参数,绘图数据 |
| bins | 划分间隔，可以采用 整数来指定间隔的数量，然后由程序由间隔的数量来确定每一个间隔的范围，也可以通过列表来直接指定间隔的范围 |
| range | 可选,全局间隔(min, max)，tuple 类型 如果bins为列表形式，则range对其无影响 |
| density | True : 频率直方图 False : 频数直方图,显示的是频数统计结果 |
| color | 更换直方图颜色 |
| histtype | 可选{'bar', 'barstacked', 'step', 'stepfilled'}之一，默认为bar，推荐使用默认配置，step使用的是梯状，stepfilled则会对梯状内部进行填充，效果与bar类似 |
| align | 可选{'left', 'mid', 'right'}之一，默认为'mid'，控制柱状图的水平分布，left或者right，会有部分空白区域，推荐使用默认 |
| log | bool，默认False,即y坐标轴是否选择指数刻度 |
| stacked | bool，默认为False，是否为堆积状图 |
| Back | FazBrowse Home | New Git URL |