Python数据分析与展示:matplotlib绘图库入门-6

简介: Python数据分析与展示:matplotlib绘图库入门-6

plot()绘图函数

plt.plot(x, y, format_string, **kwargs)
x x轴 列表或数组
y y轴 列表或数组
fromat_string 格式字符串
    颜色字符
        b,蓝色
        g,绿色
        r,红色
        c,青绿色cyan
        m,洋红色magenta
        y,黄色
        k,黑色
        w,白色
        #008000 RGB颜色
        0.8 灰度值
    风格字符
        -  实线
        -- 破折线
        -. 点划线
        : 虚线
        '' 无线条
    标记字符
        . 点标记 
        , 像素标记
        o 实心圈标记
        v 倒三角标记
        ^ 上三角标记
        > 右三角标记
        < 左三角标记
        1 下花三角标记
        2 上花三角标记
        3 左花三角标记
        4 右花三角标记
        s 实心方形标记
        p 实心五角标记
        * 星型标记
        h 竖六边形标记
        H 横六边形标记
        + 十字标记
        x x标记
        D 菱形标记
        d 瘦菱形标记
        | 垂直线标记
**kwargs
    color 控制颜色 color="green"
    linestyle 线条风格 linestyle="dashed"
    marker 标记风格 marker="o"
    markerfacecolor 标记颜色  markerfacecolor="blue"
    markersize 标记尺寸 markersize=20
    ...

中文显示

matpoltlib默认不支持中文
方式一:matplotlib.rcParams全局设置(字典)
    font.family 显示字体
        SimHei 中文黑体
        Kaiti 中文楷体
        LiSu  中文隶书
        FangSong  中文仿宋
        YouYuan  中文幼圆
        STSong  华文宋体
    font.style 字体风格 正常normal 斜体 italic
    font.size 字体大小  整数字号或large x-small
方式二 单独设置参数 fontproperties

pyplot文本显示函数

plt.xlabel()  x轴文本标签
plt.ylabel()  y轴文本标签
plt.title()  图形整体标签
plt.text()   任意位置增加文本
plt.annotate()  带箭头的注解

绘图区域

1、plt.subplot(nrows, ncols, plot_number)
2、plt.subplot2grid(GridSpec, CurSpec, colspan=1, rowspan=1)
    设定网格,选中网格,确定选中行列区域数量,编号从0开始
    例如:plt.subplot2grid((3,3), (1,0), colspan=2)
3、GridSpes类
    from matplotlib.gridspec import GridSpec
    gs = GridSpec(3, 3)
    ax1 = plt.subplot(gs[0, :])

代码实例

引入模块


# -*- coding: utf-8 -*-
# @File    : matplotlib_demo.py
# @Date    : 2018-05-06
from matplotlib import rcParams
import matplotlib.pyplot as plt
import numpy as np

绘制图形并保存

def foo1():
    # 设置y轴数值
    plt.plot([3, 1, 4, 5, 2])
    # 设置y轴标签
    plt.ylabel("grade")
    # 保存,默认为png, dpi图片质量
    plt.savefig("img1", dpi=600)
    # 显示
    plt.show()

image.png


绘制x 轴和 y 轴的数据

def foo2():
    plt.plot([1, 2, 3, 4, 5], [3, 1, 4, 5, 2])
    plt.ylabel("grade")
    # 设置x轴,y轴起止点坐标
    plt.axis([1, 5, 0, 6])
    plt.savefig("img2", dpi=600)
    plt.show()

image.png

多条线条

def foo3():
    a = np.arange(10)
    plt.plot(a, a*1.5, a, a*2.5, a, a*3.5, a, a*4.5)
    plt.savefig("img3", dpi=600)
    plt.show()

image.png


使用格式字符串

def foo4():
    a = np.arange(10)
    plt.plot(a, a*1.5, 'go-',
             a, a*2.5, 'rx',
             a, a*3.5, '*',
             a, a*4.5, 'b-.'
             )
    plt.savefig("img4", dpi=600)
    plt.show()

image.png


使用关键字标记

def foo5():
    a = np.arange(10)
    plt.plot(a, a*1.5, color="green", linestyle="dashed", marker='o')
    plt.savefig("img5", dpi=600)
    plt.show()

image.png


使用中文,方式一 全局设置

def foo6():
    # 设置中文样式
    rcParams["font.family"]="SimHei"  #黑体
    rcParams["font.size"]= 20
    # 绘制曲线
    a = np.arange(0.0, 5.0, 0.02)
    plt.plot(a, np.cos(2*np.pi*a), "r--")
    plt.xlabel("x轴坐标")
    plt.ylabel("y轴坐标")
    plt.savefig("img6", dpi=600)
    plt.show()

image.png

使用中文,方式二 局部设置

def foo7():
    # 绘制曲线
    a = np.arange(0.0, 5.0, 0.02)
    plt.xlabel("x轴坐标", fontproperties="SimHei", fontsize=20)
    plt.ylabel("y轴坐标", fontproperties="SimHei", fontsize=20)
    plt.plot(a, np.cos(2*np.pi*a), "r--")
    plt.savefig("img7", dpi=600)
    plt.show()

image.png


设置文本参数

def foo8():
    a = np.arange(0.0, 5.0, 0.02)
    plt.plot(a, np.cos(2*np.pi*a), "r--")
    plt.xlabel("横轴:时间", fontproperties="SimHei", fontsize=15, color="green")
    plt.ylabel("纵轴:振幅", fontproperties="SimHei", fontsize=15, color="red")
    plt.title("正弦波实例$y=cos(2\pi x)$", fontproperties="SimHei", fontsize=25)
    plt.text(5, 1, "$\mu=100$", fontsize=15)
    # 注解
    plt.annotate("$\mu=100$", xy=(2, 1), xytext=(3, 1.3), 
            arrowprops=dict(facecolor="black", shrink=0.1, width=2))
    plt.axis([-1, 6, -2, 2])
    plt.grid(True)  # 显示网格
    plt.savefig("img8", dpi=600)
    plt.show()

image.png


绘图区域1

def foo9():
    def f(t):
        return np.exp(-t) * np.cos(2*np.pi*t)
    a = np.arange(0.0, 5.0, 0.02)
    # 设置绘图区域
    plt.subplot(2, 1, 1)
    plt.plot(a, f(a))
    # 设置绘图区域
    plt.subplot(212)
    plt.plot(a, np.cos(2*np.pi*a), "r--")
    plt.savefig("img9", dpi=600)
    plt.show()

image.png


绘图区域2

def foo10():
    # 左上区域
    plt.subplot2grid((3,3), (0,0), colspan=2)
    plt.plot([1, 2, 3, 4, 5], [2, 1, 2, 1, 2])
    # 右边区域
    plt.subplot2grid((3,3), (0,2), rowspan=3)
    plt.plot([1, 2, 3, 4, 5], [2, 1, 2, 1, 2])
    # 左中区域
    plt.subplot2grid((3,3), (1,0), colspan=2)
    plt.plot([1, 2, 3, 4, 5], [2, 1, 2, 1, 2])
    # 左下区域
    plt.subplot2grid((3,3), (2,0), colspan=2)
    plt.plot([1, 2, 3, 4, 5], [2, 1, 2, 1, 2])
    plt.savefig("img10", dpi=600)
    plt.show()

image.png


绘图区域3

from matplotlib.gridspec import GridSpec
def foo11():
    # 分割绘图区域
    gs = GridSpec(3, 3)
    # 在绘图区域绘图
    ax1 = plt.subplot(gs[0, :])
    ax1.plot([1, 2, 3, 4, 5], [2, 1, 2, 1, 2])
    ax2 = plt.subplot(gs[1, 0:-1])
    ax2.plot([1, 2, 3, 4, 5], [2, 1, 2, 1, 2])
    ax3 = plt.subplot(gs[2, 0:-1])
    ax3.plot([1, 2, 3, 4, 5], [2, 1, 2, 1, 2])
    ax4 = plt.subplot(gs[1:, 2])
    ax4.plot([1, 2, 3, 4, 5], [2, 1, 2, 1, 2])
    plt.savefig("img11", dpi=600)
    plt.show()

image.png

相关文章
|
3天前
|
Web App开发 数据采集 前端开发
基于Python的Selenium详解:从入门到实践
基于Python的Selenium详解:从入门到实践
|
3天前
|
机器学习/深度学习 数据可视化 数据挖掘
Python数据分析:从入门到实践
Python数据分析:从入门到实践
|
3天前
|
数据采集 存储 数据可视化
Python数据分析从入门到实践
Python数据分析从入门到实践
|
2天前
|
数据可视化 数据挖掘 Python
Python中的数据可视化工具Matplotlib详解
本文将深入探讨Python中广泛应用的数据可视化工具Matplotlib,介绍其基本概念、常用功能和实际应用,帮助读者更好地利用Matplotlib进行数据可视化,提升技术水平。
|
2天前
|
存储 数据处理 开发者
从入门到精通:Python中的常用数据结构
Python是一种广泛使用的高级编程语言,其简洁明了的语法和强大的数据处理能力使得它成为了众多开发者的首选。本文将深入探讨Python中的常用数据结构,包括列表、元组、字典和集合,并介绍它们的应用场景,帮助读者更好地理解并掌握这些基础的数据结构。
|
3天前
|
机器学习/深度学习 IDE 开发工具
Python入门指南
Python入门指南
|
3天前
|
数据可视化 API 开发者
Python中的图形界面开发:Tkinter、PyQt或wxPython入门
Python中的图形界面开发:Tkinter、PyQt或wxPython入门
|
3天前
|
机器学习/深度学习 数据采集 算法
Python中的机器学习入门:从数据预处理到模型评估
Python中的机器学习入门:从数据预处理到模型评估
|
3天前
|
数据可视化 数据挖掘 数据处理
Python中的数据可视化:matplotlib与seaborn的用法
Python中的数据可视化:matplotlib与seaborn的用法
|
4天前
|
开发框架 数据可视化 数据挖掘
Python数据可视化神器Matplotlib及其应用
数据可视化在数据分析和展示中扮演着至关重要的角色,而Matplotlib作为Python中最流行的数据可视化库之一,提供了丰富的功能和灵活性,本文将介绍Matplotlib的基本用法和常见应用场景。