python必備庫 學習筆記 matplotlib

Matplotlib

Matplotlib介紹

• Matplotlib專門用於開發2D圖表(也支持3D圖表)，是一個畫二維圖表的python庫
• Matplotlib以漸進、交互方式實現數據可視化，使用起來簡單

爲什麼要學習Matplotlib

• Matplotlib能將數據進行可視化，更直觀的呈現，幫助理解數據，方便選擇更合適的分析方法
• Matplotlib使數據更加客觀，更具有說服力

Matplotlib簡單實例

畫一條簡單直線

修改點的座標即可畫出折線圖

Matplotlib圖像結構

Matplotlib三層結構

容器層

容器層主要由Canvas(畫板)、Figure(畫布)、Axes(圖表)組成。

• Canvas位於最底層的系統層，在繪圖的過程中充當畫板的角色，即放置畫布的工具，通常情況下，我們並不需要對Canvas特別的聲明，當我們需要在其他模塊調用Matplotlib模塊繪圖時，就需要聲明Canvas，相當於我們在自家畫畫不用強調畫板，出去寫真時卻需要帶一塊畫板
• Figure是Canvas上方的第一層，也是需要用戶來操作的第一層，在繪圖的過程中充當畫布的角色。當我們對Figure大小、背景色彩進行設置的時候，就相當於選擇畫布大小、材質的過程。因此，每當我們繪圖時，寫的第一行就是創建Figure的代碼。
• Axes是應用層的第二層，在繪圖的過程中相當於畫布上的繪圖區角色。一個Figure對象可以包含多個Axes對象，每個Axes都是一個獨立的座標系，繪圖過程中的所有圖像都是基於座標系繪製的。

輔助顯示層

輔助顯示層爲Axes內除根據數據畫出的圖像以外的內容，主要包括外觀(facecolor)、邊框線(spines)、座標軸(axis)、座標軸名稱(axis label)、座標軸刻度(tick)、座標軸刻度標籤(tick label)、網格線(grid)、圖例(legend)、標題(title)等。
該層的作用可使圖像更加直觀、更加容易理解，但對圖像沒有實質性的影響

圖像層

圖像層指的Axes內通過plot(折線圖)、hist(柱狀圖)、contour(輪廓圖)、bar(柱狀圖)、barbs、pie(餅圖)等函數繪製出的圖像。

總結

• Canvas（畫板）位於最底層，用戶一般接觸不到
• Figure（畫布）建立在Canvas之上
• Axes（繪圖區）建立在Figure之上
• 座標軸（axis）、圖例（legend）等輔助顯示層及圖像層都是建立在Axes之上

實例

定義多個figure畫多個圖像

在一個figure中畫多個圖像

折線圖與基礎繪圖功能

matplotlib.pyplot包含了一系列類似於matlab的畫圖函數，作用於當前圖形(figure)的當前座標系(axes)

折線圖繪製與保存圖片

1. 繪製一個簡單的折線圖
   
2. 設置畫布屬性與圖片保存

設置圖片的大小與清晰度

• plt.figure(figsize(a,b),dpi=)
  • figsize 設置圖形的大小，a 爲圖形的寬， b 爲圖形的高，單位爲英寸
  • dpi 爲設置圖形每英寸的點數
  • 該函數返回一個figure對象

保存圖片

• plt.savefig(路徑與名字)

注意 plt.show()會釋放figure資源，如果在顯示圖像之後保存圖片只能保存空圖片

設置x、y軸

• plt.xlim(*args,**kwargs)
  • 設置x軸顯示的刻度範圍
• plt.ylim(*args,**kwargs)
  • 設置y軸顯示的刻度範圍

• plt.xticks(x,**kwargs)
  • x : 要顯示的新刻度值
• plt.yticks(y,**kwargs)
  • y : 要顯示的新刻度值
    

中文亂碼問題

本意是顯示0點，1點等，亂碼就顯示如下

下載中文字體(黑體，看準系統版本)

• 下載SimHei字體(其他支持中文顯示的字體也行)

1. 安裝字體

• windows和mac中，雙擊安裝

• linux中，拷貝字體到/usr/share/fonts下

  sudo cp ~/SimHei.ttf /usr/share/fonts/SimHei.ttf
  

2. 刪除matplotlib緩存字體

• Mac
  • 刪除~/.matplotlib中的緩存文件

    cd ~/.matplotlib
    rm -r *
    

• Linux
  • 刪除~/.cache/matplotlib中的緩存文件

    cd ~/.cache/matplotlib
    rm -r *
    

3. 修改配置文件matplotlibrc

• Mac
  • 修改配置文件matplotlibrc

  vi ~/.matplotlib/matplotlibrc
  

  • 將文件內容修改爲

  font.family		: sans-serif
  font.sans-serif		: SimHei
  axes.unicode	 : False
  

• Linux
  • 修改配置文件matplotlibrc

  sudo find -name matplotlibrc
  

  • 返回結果

  ./.virtualenvs/ai/lib/python3.5/site-package/matplotlib/mpl-data/matplotlib
  

  • 將文件內容修改爲

  font.family		: sans-serif
  font.sans-serif		: SimHei
  axes.unicode	 : False
  

添加網格顯示

爲了更加清楚地觀察圖像對應地值
plt.grid(True，linestyle=‘–‘，alpha=0.5)

• True：代表是否添加網格
• linestyle：網格線的格式
• alpha：透明度
  

添加描述信息

• plt.xlabel(str)
  • str : 要顯示的x軸名稱
• plt.ylabel(str)
  • str : 要顯示的y軸名稱
• plt.title(str)
  • str：圖片的標題
    

在原圖上加一個圖層

一個圖就是一個plot，需要加圖層就是多定義一個plot

在圖層上添加說明
plt.plot(,label=str)

• str：直線的說明

plt.legend(loc=‘lower left’)

• loc：圖例顯示的位置
  
  

創建多個繪圖區

matplotlib.pyplot.subplots(nrows=1，ncols=1，**fig_kw)創建一個帶有多個axes(座標系/繪圖區)的圖

• nrows：行數，默認是一行
• ncols：列數，默認是一列

plt.函數名()相當於面向過程的畫圖方法，axes.set_函數名()相當於面向對象的畫圖方法

In

# 繪製0-12點的溫度變化圖
import matplotlib.pyplot as plt
#創建寬20高8英寸dpi爲80的畫布
figure,axes=plt.subplots(nrows=1,ncols=2,figsize=(20,8),dpi=80)

x=[0,1,2,3,4,5,6,7,8,9,10,11]#時間 x
y=[2,3,2,2,2,4,5,8,9,9,12,15]#溫度 y
y1=[12,9,8,9,7,5,5,2,0,9,12,15]#溫度 y1

axes[0].plot(x,y,label='picture1') #繪製圖像1
axes[1].plot(x,y1,label='picture2') #繪製圖像2

axes[0].legend(loc='lower left') #顯示圖例
axes[1].legend(loc='lower left') #顯示圖例

#設置兩個軸顯示刻度
y_label=['{}℃'.format(i)for i in y]
x_label=['{}h'.format(i)for i in x]

#添加網格
axes[0].grid(True,linestyle='--',alpha=0.5)
axes[1].grid(True,linestyle='--',alpha=0.5)
#添加描述信息
axes[0].set_xlabel('time/h')
axes[0].set_ylabel('tempreture/℃')
axes[0].set_title('tempreture_change_picture')

axes[1].set_xlabel('time/h')
axes[1].set_ylabel('tempreture/℃')
axes[1].set_title('tempreture_change_picture')

axes[0].set_xticks(x,x_label)
axes[0].set_yticks(y,y_label)

axes[1].set_xticks(x,x_label)
axes[1].set_yticks(y1,y_label)

plt.show()

Out

繪製數學函數

畫圖之前先寫出y的表達式

import numpy as np
import math
x=np.linspace(-1,1,1000)
y=-1*x*x #表達式y

plt.figure(figsize=(20,8),dpi=80)#創建畫布
plt.plot(x,y) #繪製圖形
plt.grid() #添加網格
plt.show()

柱狀圖

• 意義：能夠一眼看出各個數據的大小，方便統計和對比數據之間的差別

• mayplotlib.pyplot.bar(x，width，align=‘center’，**kwargs) 繪製柱狀圖
• 用途：比較多組數據之間的差別
  

#繪製公司的第一月份和第一年的收入圖
x=['company A','company B','company C','company D']
y_month=[1200,2100,4100,3110]
y_year=[5810,5120,8040,7410]
plt.figure(figsize=(6,4),dpi=80)#創建畫布
plt.bar([0,1,2,3],y_month,width=0.2,label='first month income',
        color=['r']) #繪製圖形
plt.bar([0.2,1.2,2.2,3.2],y_year,width=0.2,
        label='first year income') #繪製圖形
plt.legend()

plt.xticks(range(4),x)
plt.title('company income table')
plt.grid() #添加網格
plt.show()

直方圖

• 組數：在統計數據時，我們把數據按照不同的範圍分成幾個組，分成的組的個數稱爲組數
• 組距：每一組兩個端點的差
• 意義：直方圖展示數據的分佈
• matplotlib.pyplot.hist(x,bins=None,normed=None,**kwargs)
  • x：畫圖的數據
  • bins：組數

x=[143,152,164,148,165,157,159,162,170,176,148,154,165,158,149,172,157,164,168,157]

plt.figure(figsize=(6,4),dpi=80)#創建畫布
plt.hist(x,11)
plt.title('table')#標題
plt.xticks(range(min(x),max(x),3))
plt.show()

散點圖

• 意義：判斷變量之間是否存在數量關聯趨勢，展示數據分佈規律
• matplotlib.pyplot.scatter() 繪製散點圖
• 用途：探究不同變量之間的內在關係
  

餅圖

• matplotlib.pyplot.pie(x，labels=，autopct=，colors)
• x：數量
• labels：每部分名稱
• autopct：佔比顯示指定%1.2f%%
• colors：每部分顏色

name=['A','B','C','D','E','F']
count=[1250,900,850,749,1300,890]
plt.figure(figsize=(6,4),dpi=80)#創建畫布
plt.pie(count,labels=name,colors=['r','b','y','g','c','m'],autopct='%1.2f%%')
plt.title('table')#標題
#如果圖形不平整，加該行代碼
#plt.axis('equal')
plt.show()