【網易微專業】圖表繪製工具Matplotlib

01 與圖片的交互方式設置

這一小節簡要介紹一下Matplotlib的交互方式

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt

np.random.seed(111)
X = np.random.rand(1000)
y = np.random.rand(1000)

# 圖表窗口1 → plt.show()

plt.plot(X)
plt.show()
# 直接生成圖表

# 圖表窗口2 → 魔法函數，嵌入圖表

% matplotlib inline  
plt.scatter(X, y)
# 直接嵌入圖表，不用plt.show()
# <matplotlib.collections.PathCollection at ...> 代表該圖表對象

# 圖表窗口3 → 魔法函數，彈出可交互的matplotlib窗口，缺點是特別佔內存

% matplotlib notebook
s = pd.Series(X)
s.plot(style = 'k--o',figsize=(10,5))
# 可交互的matplotlib窗口，不用plt.show()
# 可做一定調整

# 圖表窗口4 → 魔法函數，彈出matplotlib控制檯，這種情況下就不是嵌入在網頁中了，而是有單獨的GUI

% matplotlib qt5
df = pd.DataFrame(np.random.rand(50,2),columns=['A','B'])
df.hist(figsize=(12,5),color='g',alpha=0.8)
# 可交互性控制檯
# 如果已經設置了顯示方式（比如notebook），需要重啓然後再運行魔法函數
# 網頁嵌入的交互性窗口 和 控制檯，只能顯示一個

#plt.close()    
# 關閉窗口

#plt.gcf().clear()  
# 每次清空圖表內內容

02 座標軸的刻度、圖中的網格設置

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
%matplotlib inline

np.random.seed(11)
df = pd.DataFrame(np.random.rand(10, 2), columns=['A', 'B'])

df

	A	B
0	0.180270	0.019475
1	0.463219	0.724934
2	0.420204	0.485427
3	0.012781	0.487372
4	0.941807	0.850795
5	0.729964	0.108736
6	0.893904	0.857154
7	0.165087	0.632334
8	0.020484	0.116737
9	0.316367	0.157912

fig = plt.figure(figsize=(10, 2))
print(fig, type(fig))

Figure(720x144) <class 'matplotlib.figure.Figure'>
<Figure size 720x144 with 0 Axes>

fig = df.plot(kind='bar')
plt.title('df')   # 設置表的標題
plt.xlabel('x')   # 設置x軸
plt.ylabel('y', rotation=360)   # 設置y軸，rotation可以將label轉到合適的角度
plt.legend(loc='best')  # 設置圖例顯示在圖的哪一邊

# 可選值如下
# best
# upper right
# upper left
# lower left
# lower right
# right
# center left
# center right
# lower center
# upper center
# center

plt.xlim(0, 12)  # 設置x軸的長度，輸入兩個數a,b，表示x從a到b
plt.ylim(0, 1.2)  # 設置y軸的長度，輸入兩個數a,b，表示x從a到b

plt.xticks(range(12), rotation=360)  # 設置x軸的刻度，輸入是列表或者range數據結構；設置rotation
plt.yticks(np.linspace(0, 1.2, 11))

# 爲原本的座標刻度設置‘label’，同理y軸也可以這麼設置
fig.set_xticklabels(['A', 'B', 'C', 'D', 'E', 'F', 'G', 'H', 'I', 'J', 'K']);



x = np.linspace(-np.pi, np.pi, 256, endpoint=True)
a, b = np.cos(x), np.sin(x)

plt.plot(x, a, '--', label='cos')
plt.plot(x, b, label='sin')   # 要想顯示圖例需要設置label屬性，然後再利用legend方法顯示
plt.legend(loc='best')    

# x和y座標軸刻度顯示的方式，'inout'正好插入座標軸，'in'朝內，'out'朝外
plt.rcParams['xtick.direction'] = 'out'
plt.rcParams['ytick.direction'] = 'inout'

#座標軸的刻度是否顯示，如果顯示則是True，若是不顯示，則是False
plt.tick_params(bottom=True, left=False, right=True, top=True)
plt.grid(True, linestyle='--', color='purple', axis='both')

frame = plt.gca()
# plt.axis('off')  # 整個關閉座標軸
# 關閉座標軸
frame.axes.get_xaxis().set_visible(True)   # 設置座標軸是否可見
frame.axes.get_yaxis().set_visible(True)   # True可見，False不可見