【100天精通Python】Day62:Python可视化_Matplotlib绘图基础,绘制折线图、散点图、柱状图、直方图和饼图,以及自定义图标外观和功能,示例+代码

简介: 【100天精通Python】Day62:Python可视化_Matplotlib绘图基础,绘制折线图、散点图、柱状图、直方图和饼图,以及自定义图标外观和功能,示例+代码

1 Matplotlib入门

Matplotlib是一个强大的Python绘图库,用于创建各种类型的图表和可视化。以下是Matplotlib的入门指南,包括安装、导入、基本概念、绘图过程、基本图表类型以及图表装饰的示例。

1.1 安装和导入Matplotlib库

首先,您需要确保已经安装了Matplotlib库。您可以使用以下命令通过pip安装:

pip install matplotlib

一旦安装完成,您可以在Python中导入Matplotlib:

import matplotlib.pyplot as plt

1.2 基本概念和背景介绍

在Matplotlib中,有三个关键概念:

  1. Figure(图):Figure是绘图的整个窗口或画布,可以包含多个Axes。您可以将Figure看作一个空白的画布。
  2. Axes(坐标轴):Axes是实际的绘图区域,可以理解为在Figure上创建的子图。每个Axes都包含一个或多个图表元素,如折线图、散点图等。
  3. Subplots(子图):Subplots是一种特殊类型的Axes,它们允许将多个Axes排列在一个Figure中,以创建多个子图。

1.3 绘图过程和流程

绘制图表的一般流程如下:

  1. 创建一个Figure对象,可以使用plt.figure()来完成。
  2. 在Figure中创建一个或多个Axes对象,可以使用fig.add_subplot()plt.subplots()来创建。
  3. 在Axes对象中绘制所需的图表。
  4. 可选地添加标题、标签、图例等装饰。
  5. 显示图表或保存为图像文件。

2 基本图表类型

基本图表类型包括折线图、散点图、柱状图、直方图和饼图示例。

2.1 折线图(Line Plot)

import matplotlib.pyplot as plt
import numpy as np
# 创建示例数据
x = np.linspace(0, 10, 100)
y1 = np.sin(x)
y2 = np.cos(x)
# 绘制线图
plt.figure(figsize=(8, 4))
plt.plot(x, y1, label='Sine Function', color='blue', linestyle='--')
plt.plot(x, y2, label='Cosine Function', color='red', linestyle='-')
plt.title('Line Plot Example')
plt.xlabel('X-axis')
plt.ylabel('Y-axis')
plt.legend()
plt.grid(True)
plt.show()

运行:

2.2 散点图(Scatter Plot)

import matplotlib.pyplot as plt
import numpy as np
# 创建示例数据
x = np.linspace(0, 10, 100)
y1 = np.sin(x)
y2 = np.cos(x)
# 绘制散点图
plt.figure(figsize=(6, 6))
plt.scatter(x, y1, label='Sine Data', color='green', marker='o', s=30)
plt.scatter(x, y2, label='Cosine Data', color='blue', marker='x', s=30)
plt.title('Scatter Plot Example')
plt.xlabel('X-axis')
plt.ylabel('Y-axis')
plt.legend()
plt.grid(True)
plt.show()

运行:

2.3 柱状图(Bar Chart)

import matplotlib.pyplot as plt
# 示例数据
categories = ['Category A', 'Category B', 'Category C', 'Category D', 'Category E']
data = [3, 5, 2, 7, 8]
# 绘制柱状图
plt.figure(figsize=(8, 4))
plt.bar(categories, data, color=['red', 'blue', 'green', 'purple', 'orange'])
plt.title('Bar Chart Example')
plt.xlabel('Categories')
plt.ylabel('Values')
plt.grid(axis='y')
plt.show()

运行:

2.4 直方图(Histogram)

import matplotlib.pyplot as plt
import numpy as np
# 创建随机示例数据
data = np.random.randn(1000)
# 绘制直方图
plt.figure(figsize=(8, 4))
plt.hist(data, bins=20, color='skyblue', edgecolor='black')
plt.title('Histogram Example')
plt.xlabel('Value')
plt.ylabel('Frequency')
plt.grid(axis='y')
plt.show()

运行:

2.5 饼图(Pie Chart)

import matplotlib.pyplot as plt
# 示例数据
sizes = [15, 30, 45, 10]
labels = ['Category A', 'Category B', 'Category C', 'Category D']
colors = ['red', 'blue', 'green', 'orange']
# 绘制饼图
plt.figure(figsize=(6, 6))
plt.pie(sizes, labels=labels, colors=colors, autopct='%1.1f%%', startangle=140)
plt.title('Pie Chart Example')
plt.show()

3  图表装饰

标题、标签和图例,坐标轴和刻度 、网格线 图表样式设置。

当使用Matplotlib自定义图标外观和功能时,可以通过一些参数来实现这些自定义。

3.1 更改线的颜色和样式

  • color: 指定线的颜色,例如 color='red'
  • linestyle: 指定线的样式,例如 linestyle='--' 表示虚线。
  • linewidth: 指定线的宽度,例如 linewidth=2 表示线宽为2。
  • alpha: 指定线的不透明度,取值范围为0到1。
plt.plot(x, y, color='red', linestyle='--', linewidth=2, alpha=0.7)

3.2 添加标记和线宽

  • marker: 指定标记的类型,例如 'o' 表示圆点。
  • markersize: 指定标记的大小。
  • markerfacecolor: 指定标记的填充颜色。
  • markeredgecolor: 指定标记的边缘颜色。
plt.plot(x, y, marker='o', markersize=5, markerfacecolor='blue', markeredgecolor='black', linewidth=2)

3.3 设置标题和标签

  • title: 设置图表标题。
  • xlabelylabel: 设置X轴和Y轴的标签。
  • 可以使用参数如 fontsizefontweightfontstylefontfamily 来调整字体样式。
plt.title('My Plot', fontsize=16, fontweight='bold') 
plt.xlabel('X-axis', fontsize=12, fontstyle='italic') 
plt.ylabel('Y-axis', fontsize=12, fontfamily='serif')

3.4 添加图例

  • legend: 添加图例。
  • loc: 指定图例的位置,例如 'upper right'
  • fontsize: 设置图例文字的字体大小。
  • title: 设置图例标题。
plt.legend(['Data1', 'Data2'], loc='upper right', fontsize=12, title='Legend') 

3.5 绘制网格线

1. grid: 添加网格线。

2. linestyle: 设置网格线的样式。

3. alpha: 设置网格线的不透明度。

4. which: 设置要绘制网格线的刻度,例如 'both'

5. axis: 设置要绘制网格线的轴,例如 'both'

plt.grid(True, linestyle='--', alpha=0.5, which='both', axis='both')

3.6 设置刻度标签

1. xticksyticks: 设置X轴和Y轴的刻度标签。

2. rotation: 旋转刻度标签的角度。

plt.xticks([0, 1, 2, 3, 4], ['Zero', 'One', 'Two', 'Three', 'Four'], fontsize=10, rotation=45)
plt.yticks(fontsize=10)

3.7 添加注释

1. annotate: 添加注释文本。

2. xy: 指定注释的位置。

3. xytext: 指定注释文本的位置。

4.arrowprops: 设置注释的箭头样式。

plt.annotate('Important Point', xy=(2, 3), xytext=(3, 4), fontsize=12, arrowprops=dict(facecolor='black', shrink=0.05, width=1.5, headwidth=8))

3.8 更改坐标轴范围

xlimylim: 设置X轴和Y轴的范围。

plt.xlim(0, 10) 
plt.ylim(-1, 1)

3.9 更改坐标轴刻度

xticksyticks: 设置X轴和Y轴的刻度位置和标签。

plt.xticks(np.arange(0, 11, 2), ['Zero', 'One', 'Two', 'Three', 'Four'], fontsize=10)
plt.yticks(fontsize=10)

3.10 更改颜色映射和颜色栏

scattercolorbar: 绘制散点图并添加颜色栏。

sc = plt.scatter(x, y, c=z, cmap='viridis', s=50, alpha=0.7) 
plt.colorbar(sc, label='Color Bar', orientation='vertical'

3.11 设置图表的尺寸和背景色

plt.figure(figsize=(8, 6), facecolor='lightgray')

       使用figsize参数设置图表的尺寸,以元组形式指定宽度和高度(单位为英寸)。使用facecolor参数设置图表的背景色。

4 扩展示例

示例一:Matplotlib自定义折线图示例 - 外观和功能定制

import matplotlib.pyplot as plt
import numpy as np
# 创建示例数据
x = np.linspace(0, 10, 100)
y1 = np.sin(x)
y2 = np.cos(x)
# 创建一个图形对象,设置图形大小
plt.figure(figsize=(8, 4))
# 绘制第一个线图
plt.plot(x, y1, label='Sine Function', color='blue', linestyle='--', marker='o', markersize=5, linewidth=2)
# 绘制第二个线图
plt.plot(x, y2, label='Cosine Function', color='red', linestyle='-', marker='s', markersize=5, linewidth=2)
# 添加标题和轴标签
plt.title('Customized Line Plot', fontsize=16, fontweight='bold')
plt.xlabel('X-axis', fontsize=12)
plt.ylabel('Y-axis', fontsize=12)
# 添加图例并设置位置
plt.legend(loc='upper right', fontsize=12)
# 添加网格线
plt.grid(True, linestyle='--', alpha=0.5)
# 自定义X轴刻度标签
plt.xticks(np.arange(0, 11, 2), ['Zero', 'Two', 'Four', 'Six', 'Eight', 'Ten'], fontsize=10)
# 自定义Y轴刻度标签
plt.yticks(fontsize=10)
# 添加注释
plt.annotate('Important Point', xy=(2, 0), xytext=(4, 0.5),
             arrowprops=dict(facecolor='black', shrink=0.05),
             fontsize=12, bbox=dict(boxstyle='round,pad=0.3', edgecolor='black', facecolor='yellow'))
# 显示图形
plt.show()

 示例二:Matplotlib散点图示例 - 自定义外观和功能

import matplotlib.pyplot as plt
import numpy as np
# 创建示例数据
x = np.random.rand(50)  # 生成随机的X坐标数据
y = np.random.rand(50)  # 生成随机的Y坐标数据
colors = np.random.rand(50)  # 生成随机颜色
# 绘制散点图
plt.figure(figsize=(8, 6))  # 设置图表大小
plt.scatter(x, y, c=colors, cmap='viridis', s=100, alpha=0.7, label='Data Points')  # 绘制散点图
# 添加图表装饰
plt.title('Scatter Plot Example')  # 设置标题
plt.xlabel('X-axis')  # 设置X轴标签
plt.ylabel('Y-axis')  # 设置Y轴标签
plt.legend()  # 添加图例
plt.grid(True, linestyle='--', alpha=0.5)  # 添加网格线
# 添加颜色栏
sc = plt.scatter(x, y, c=colors, cmap='viridis', s=100, alpha=0.7)
plt.colorbar(sc, label='Color Bar', orientation='vertical')
# 显示图表
plt.show()

示例中的详细说明:

  1. 创建示例数据:通过np.random.rand()生成随机的X坐标数据和Y坐标数据,以及随机的颜色数据。
  2. 绘制散点图:使用plt.scatter()函数绘制散点图。参数包括X坐标数据x,Y坐标数据y,颜色数据colors,颜色映射cmap,标记大小s,透明度alpha和图例label
  3. 图表装饰:使用plt.title()设置标题,plt.xlabel()plt.ylabel()设置轴标签,plt.legend()添加图例,plt.grid()添加网格线。
  4. 添加颜色栏:使用plt.colorbar()添加颜色栏,可以通过label参数设置颜色栏标题,orientation参数设置颜色栏的方向。
  5. 显示图表:使用plt.show()显示图表。

这个示例演示了如何创建散点图并自定义其外观和功能,包括颜色映射和颜色栏。您可以根据实际需求调整参数以创建不同样式的散点图。

目录
相关文章
|
19小时前
|
分布式计算 DataWorks 调度
阿里云DataWorks-部署自定义python项目问题
阿里云DataWorks-多种方式部署自定义python项目并进行调度
|
2天前
|
机器学习/深度学习 调度 Python
SOFTS: 时间序列预测的最新模型以及Python使用示例
这是2024年4月《SOFTS: Efficient Multivariate Time Series Forecasting with Series-Core Fusion》中提出的新模型,采用集中策略来学习不同序列之间的交互,从而在多变量预测任务中获得最先进的性能。
15 4
|
3天前
|
Python
Python学习笔记之Matplotlib模块入门(直线图、折线图、曲线图、散点图、柱状图、饼状图、直方图、等高线图和三维图的绘制)-2
Python学习笔记之Matplotlib模块入门(直线图、折线图、曲线图、散点图、柱状图、饼状图、直方图、等高线图和三维图的绘制)
|
3天前
|
数据可视化 开发者 Python
Python学习笔记之Matplotlib模块入门(直线图、折线图、曲线图、散点图、柱状图、饼状图、直方图、等高线图和三维图的绘制)-1
Python学习笔记之Matplotlib模块入门(直线图、折线图、曲线图、散点图、柱状图、饼状图、直方图、等高线图和三维图的绘制)
|
8天前
|
SQL 数据可视化 算法
【python可视化】折线图精粹:重点突出的艺术与技巧
【python可视化】折线图精粹:重点突出的艺术与技巧
|
10天前
|
存储 NoSQL MongoDB
深入解析 MongoDB 与 Python:基本语法、实用示例与最佳实践
深入解析 MongoDB 与 Python:基本语法、实用示例与最佳实践
|
17天前
|
程序员 Python
Python中的变量作用域:深入解析与示例
Python中的变量作用域:深入解析与示例
6 1
|
19天前
|
索引 Python
Python中的异常处理与自定义异常
Python中的异常处理与自定义异常
19 0
|
1月前
|
SQL 测试技术 网络安全
Python之SQLMap:自动SQL注入和渗透测试工具示例详解
Python之SQLMap:自动SQL注入和渗透测试工具示例详解
73 0
|
4天前
|
数据可视化 Python Windows
使用Python进行数据可视化(一、matplotlib)
使用Python进行数据可视化(一、matplotlib)