机器学习中许多时候需要将数据可视化，方便更直观地表现目前的数据。
安装方法：
pip install matplotlib
matplotlib是一个庞大的绘图库模块。pyplot子模块可以完成许多图表绘制。
认识matplotlib.pyplot模块的主要函数
| 函数名称 | 说明 |
| plot | 绘制折线图 |
| scatter | 绘制散点图 |
| hist | 绘制直方图 |
| 函数名称 | 说明 |
| title(标题) | 设定坐标轴的标题 |
| axis() | 可以设定坐标轴的最小和最大刻度范围 |
| xlim(x_Min,x_Max) | 设定x轴的刻度范围 |
| ylim(y_Min,y_Max) | 设定y轴的刻度范围 |
| label(名称) | 设定图表标签图例 |
| xlabel(名称) | 设定x轴的名称 |
| ylabel(名称) | 设定y轴的名称 |
| xticks(刻度值) | 设定x轴刻度值 |
| yticks(刻度值) | 设定y轴刻度值 |
| tick_params() | 设定坐标轴的刻度大小、颜色 |
| legend() | 设定坐标的图例 |
| text() | 在坐标轴指定位置输出字符串 |
| grid() | 图表增加网格线 |
| show() | 显示图表 |
| cla() | 清除图表 |
| 函数名称 | 说明 |
| imread(文件名) | 读取图片文件 |
| savefig(文件名) | 将图片存入文件 |
绘制简单的折线图plot()
常用语法格式如下：
plot(x, y, lw=x, ls='x', label='xxx', color)
x：x轴系列值。
y：y轴系列值。
lw：linewidth的缩写，折线图的线条宽度。预设线条宽度是1，参数设定线条的粗细。
ls：linestyle的缩写，折线图的线条样式。
color：缩写是c，设置色彩。
label：图表的标签
画线基础实践
square[]列表有9笔数据代表y轴值，数据基本上是x轴索引0~8的平方值序列。
import matplotlib.pyplot as plt
x=[x for x in range(9)]
squares=[0,1,4,9,16,25,36,49,64]
plt.plot(x,squares)
plt.show()
运行结果：
省略x轴数据
import matplotlib.pyplot as plt
squares=[0,1,4,9,16,25,36,49,64]
plt.plot(squares)
plt.show()
运行结果如同上一个实例。
将x轴刻度设为0~8，y轴刻度设为0~70。
import matplotlib.pyplot as plt
squares=[0,1,4,9,16,25,36,49,64]
plt.plot(squares)
plt.axis(0,8,0,70)
plt.show()
运行结果：
增加网络线
import matplotlib.pyplot as plt
squares=[0,1,4,9,16,25,36,49,64]
plt.plot(squares)
plt.axis([0, 8, 0, 70])
plt.grid()
plt.show()
运行结果
线条宽度linewidth
设定线条宽度是10，使用lw=10。
import matplotlib.pyplot as plt
squares=[0,1,4,9,16,25,36,49,64]
plt.plot(squares,lw=10)
plt.show()
运行结果
标题的显示
title(标题名称，fontsize=字号)
xlabel(标题名称，fontsize=字号)
ylabel(标题名称，fontsize=字号)
默认字号大小是12。
使用默认字号为图表与x、y轴建立标题。
import matplotlib.pyplot as plt
squares=[0,1,4,9,16,25,36,49,64]
plt.plot(squares,lw=10)
plt.title('Test Chart')
plt.xlabel('Value')
plt.ylabel('Square')
plt.show()
运行结果：
使用设定字号24建立图标标题，字号16建立x、y轴标题。
import matplotlib.pyplot as plt
squares=[0,1,4,9,16,25,36,49,64]
plt.plot(squares,lw=10)
plt.title('Test Chart',fontsize=24)
plt.xlabel('Value',fontsize=16)
plt.ylabel('Square',fontsize=16)
plt.show()
运行结果：
坐标轴刻度的设定
在设计图表时可以使用tick_params()设计设定坐标轴的刻度大小、颜色以及应用范围。
tick_paramas(axis='xx', labelsize=xx, color='xx')
如果axis的xx是both，代表应用到x轴和y轴；如果xx是x，代表应用到x轴；如果xx是y，代表应用到y轴；
使用不同刻度与颜色绘制图表。
import matplotlib.pyplot as plt
squares = [0, 1, 4, 9, 16, 25, 36, 49, 64]
plt.plot(squares, lw=10) # 列表squares数据是y轴的值, 线条宽度是10
plt.title('Test Chart', fontsize=24)
plt.xlabel('Value', fontsize=16)
plt.ylabel('Square', fontsize=16)
plt.tick_params(axis='both', labelsize=12, color='red')
plt.show()
运行结果：
多组数据的应用
plot(seq，第一组数据，seq，第二组数据，...)
设计含多组数据的图表。
import matplotlib.pyplot as plt
data1 = [1, 4, 9, 16, 25, 36, 49, 64] # data1线条
data2 = [1, 3, 6, 10, 15, 21, 28, 36] # data2线条
seq = [1,2,3,4,5,6,7,8]
plt.plot(seq, data1, seq, data2) # data1&2线条
plt.title("Test Chart", fontsize=24)
plt.xlabel("x-Value", fontsize=14)
plt.ylabel("y-Value", fontsize=14)
plt.tick_params(axis='both', labelsize=12, color='red')
plt.show()
运行结果：
线条色彩与样式
| 色彩字符 | 色彩说明 |
| 'b' | blue（蓝色） |
| 'c' | cyan（青色） |
| 'g' | green（绿色） |
| 'k' | black（黑色） |
| 'm' | magenta（品红） |
| 'r' | red（红色） |
| 'w' | white（白色） |
| 'y' | yellow（黄色） |
| 字符 | 说明 |
| ‘-’或‘solid’ | 实线 |
| ‘--’或‘dashed’ | 虚线 |
| ‘-.’或‘dashdot’ | 虚点线 |
| ‘:’或‘dotted’ | 点线 |
| ‘.’ | 点标记 |
| ‘,’ | 像素标记 |
| ‘o’ | 圆标记 |
| ‘v’ | 反三角标记 |
| ‘^’ | 三角标记 |
| ‘<’ | 左三角形 |
| ‘>’ | 右三角形 |
| ‘s’ | 方形标记 |
| ‘p’ | 五角标记 |
| ‘*’ | 星星标记 |
| ‘+’ | 加号标记 |
| ‘-’ | 减号标记 |
| ‘x’ | X标记 |
| ‘H’ | 六边形1标记 |
| ‘h’ | 六边形2标记 |
上述可以混合使用，例如‘r-.’代表红色虚点线。
采用不同色彩与线条样式绘制图表
import matplotlib.pyplot as plt
data1 = [1, 2, 3, 4, 5, 6, 7, 8] # data1线条
data2 = [1, 4, 9, 16, 25, 36, 49, 64] # data2线条
data3 = [1, 3, 6, 10, 15, 21, 28, 36] # data3线条
data4 = [1, 7, 15, 26, 40, 57, 77, 100] # data4线条
seq = [1, 2, 3, 4, 5, 6, 7, 8]
plt.plot(seq, data1, 'g--', seq, data2, 'r-.', seq, data3, 'y:', seq, data4, 'k.')
plt.title("Test Chart", fontsize=24)
plt.xlabel("x-Value", fontsize=14)
plt.ylabel("y-Value", fontsize=14)
plt.tick_params(axis='both', labelsize=12, color='red')
plt.show()
重新设计上图绘制线条 ，同时为各个点加上标记。
import matplotlib.pyplot as plt
data1 = [1, 2, 3, 4, 5, 6, 7, 8] # data1线条
data2 = [1, 4, 9, 16, 25, 36, 49, 64] # data2线条
data3 = [1, 3, 6, 10, 15, 21, 28, 36] # data3线条
data4 = [1, 7, 15, 26, 40, 57, 77, 100] # data4线条
seq = [1, 2, 3, 4, 5, 6, 7, 8]
plt.plot(seq, data1, '-*', seq, data2, '-o', seq, data3, '-^', seq, data4, '-s')
plt.title("Test Chart", fontsize=24)
plt.xlabel("x-Value", fontsize=14)
plt.ylabel("y-Value", fontsize=14)
plt.tick_params(axis='both', labelsize=12, color='red')
plt.show()
刻度设计
假设3大品牌车辆2021-2023的销售数据如下：
import matplotlib.pyplot as plt
Benz = [3367, 4120, 5539] # Benz线条
BMW = [4000, 3590, 4423] # BMW线条
Lexus = [5200, 4930, 5350] # Lexus线条
seq = [2021, 2022, 2023] # 年度
plt.plot(seq, Benz, '-*', seq, BMW, '-o', seq, Lexus, '-^')
plt.title("Sales Report", fontsize=24)
plt.xlabel("Year", fontsize=14)
plt.ylabel("Number of Sales", fontsize=14)
plt.tick_params(axis='both', labelsize=12, color='red')
plt.show()
运行结果：
使用pyplot模块的xticks()、yticks()分别设置x、y轴刻度。
import matplotlib.pyplot as plt
Benz = [3367, 4120, 5539] # Benz线条
BMW = [4000, 3590, 4423] # BMW线条
Lexus = [5200, 4930, 5350] # Lexus线条
seq = [2021, 2022, 2023] # 年度
plt.xticks(seq) # 设定x轴刻度
plt.plot(seq, Benz, '-*', seq, BMW, '-o', seq, Lexus, '-^')
plt.title("Sales Report", fontsize=24)
plt.xlabel("Year", fontsize=14)
plt.ylabel("Number of Sales", fontsize=14)
plt.tick_params(axis='both', labelsize=12, color='red')
plt.show()
图例legend()
plot.plot()时需同时设置label。参数loc可以设置图例的位置。
'best'：0
'upper right'：1
'upper left‘：2
'lower left’：3
'lower right‘：4
'right'：5（与'center right'相同）
'Center'：6
'center right'：7
'lower center‘：8
'upper center’：9
‘center'：10
代码如下：
import matplotlib.pyplot as plt
Benz = [3367, 4120, 5539] # Benz线条
BMW = [4000, 3590, 4423] # BMW线条
Lexus = [5200, 4930, 5350] # Lexus线条
seq = [2021, 2022, 2023] # 年度
plt.xticks(seq) # 设定x轴刻度
plt.plot(seq, Benz, '-*', label='Benz')
plt.plot(seq, BMW, '-o', label='BMW')
plt.plot(seq, Lexus, '-^', label='Lexus')
plt.legend(loc='best')
plt.title("Sales Report", fontsize=24)
plt.xlabel("Year", fontsize=14)
plt.ylabel("Number of Sales", fontsize=14)
plt.tick_params(axis='both', labelsize=12, color='red')
plt.show()
运行结果如下：
保存与开启文件
图表设计完成，可以使用savefig()保存文件，这 个方法需放在show()的前方，表示 先储存再显示图表。
代码如下：
import matplotlib.pyplot as plt
Benz = [3367, 4120, 5539] # Benz线条
BMW = [4000, 3590, 4423] # BMW线条
Lexus = [5200, 4930, 5350] # Lexus线条
seq = [2021, 2022, 2023] # 年度
plt.xticks(seq) # 设定x轴刻度
plt.plot(seq, Benz, '-*', label='Benz')
plt.plot(seq, BMW, '-o', label='BMW')
plt.plot(seq, Lexus, '-^', label='Lexus')
plt.legend(loc='best')
plt.title("Sales Report", fontsize=24)
plt.xlabel("Year", fontsize=14)
plt.ylabel("Number of Sales", fontsize=14)
plt.tick_params(axis='both', labelsize=12, color='red')
plt.savefig('out1_14.jpg', bbox_inches='tight')
plt.show()
plt.savefig()中第一个参数是所存的文件名，第二个参数是将图表外多余的空间删除。
要开启文件可以使用matplotlib.image模块。
代码如下：
import matplotlib.pyplot as plt
import matplotlib.image as img
fig = img.imread('out1_14.jpg')
plt.imshow(fig)
plt.show()
在图上标记文件
在绘制图表过程中，有时需要在图上标记文字，这时可以使用text()函数，此函数基本格式如下：
text(x,y,'文件符串')
x,y是文字输出的左下角坐标，它不是绝对坐标，是相对坐标，大小会随着坐标刻度增减。
代码如下：
import matplotlib.pyplot as plt
squares = [0, 1, 4, 9, 16, 25, 36, 49, 64]
plt.plot(squares) # 列表squares数据是y轴的值
plt.axis([0, 8, 0, 70]) # x轴刻度0-8, y轴刻度0-70
plt.text(2, 30, 'Deepen your mind')
plt.grid()
plt.show()
运行结果：
绘制散点图scatter()
基本散点图的绘制
绘制散点图可以使用scatter()，基本语法如下：
scatter(x, y, s, c, cmap)
x,y：在（x,y）位置绘图 c：颜色
s：绘图点的大小，预设是20。 cmap：彩色图表
在坐标轴（5，5）绘制一个点。
import matplotlib.pyplot as plt
plt.scatter(5, 5)
plt.show()
运行结果：
绘制系列点
代码如下：
import matplotlib.pyplot as plt
xpt = [1,2,3,4,5]
ypt = [1,4,9,16,25]
plt.scatter(xpt, ypt)
plt.show()
运行结果如下：
绘制黄色的系列点，这个系列点有100点，x轴的点由rang(1，100）产生，相对应y轴的值 则是x的平方值 。
代码如下：
import matplotlib.pyplot as plt
xpt = list(range(1,101)) # 建立1-100序列x坐标点
ypt = [x**2 for x in xpt] # 以x平方方式建立y坐标点
plt.scatter(xpt, ypt, color='y')
plt.show()
运行结果如下：
设定绘图区间
使用axis()设定绘图区间，语法格式如下：
axis([xmin, xmax, ymin, ymax]) #分别 代表x轴和y轴的最小和最大的区间
设定绘图区间为[0，100，0，10000]的应用。
import matplotlib.pyplot as plt
xpt = list(range(1,101)) # 建立1-100序列x坐标点
ypt = [x**2 for x in xpt] # 以x平方方式建立y坐标点
plt.axis([0, 100, 0, 10000]) # 留意参数是列表
plt.scatter(xpt, ypt, color=(0, 1, 0)) # 绿色
plt.show()
运行结果如下：
numpy模块
numpy是Python的一个扩充模块，可以支持多维度空间的数组与矩阵运算。
导入numpy模块，如下所示：
import numpy as np
建立一个简单的数组linspace()和arange()
在numpy模块中最基本的就是linspace()方法，使用它可以方便地产生等矩的数组，它的语法如下：
linspace(start,end,num)
start是起始值，end是结束值，num是设定产生多少个等距点的数组值，num的默认值是50。
arange()的语法如下：
arange(start, stop, step)
start是起始值，如果省略默认值是0。stop是结束值，但是所产生的数组不包含此值。step是数组相邻元素的间距，如果省略默认值是1。
建立0，1，……，9，10的数组。
import numpy as np
x1 = np.linspace(0, 10, num=11) # 使用linspace()产生数组
print(type(x1), x1)
x2 = np.arange(0,11,1) # 使用arange()产生数组
print(type(x2), x2)
x3 = np.arange(11) # 简化语法产生数组
print(type(x3), x3)
运行结果如下：
[Running] python -u "c:\Users\a-xiaobodou\OneDrive - Microsoft\Projects\tempCodeRunnerFile.py"
<class 'numpy.ndarray'> [ 0. 1. 2. 3. 4. 5. 6. 7. 8. 9. 10.]
<class 'numpy.ndarray'> [ 0 1 2 3 4 5 6 7 8 9 10]
<class 'numpy.ndarray'> [ 0 1 2 3 4 5 6 7 8 9 10]
[Done] exited with code=0 in 2.785 seconds
绘制波形
单纯给点为可以使用scatter()方法，此方法使用格式如下：
scatter(x, y, market='.',c(或color)='颜色') #market如果省略会使用预设
绘制sin()和con()的波形，调用plt.scatter()方法2次，相当于绘制2次波形图表。
import matplotlib.pyplot as plt
import numpy as np
xpt = np.linspace(0, 10, 500) # 建立含500个元素的数组
ypt1 = np.sin(xpt) # y数组的变化
ypt2 = np.cos(xpt)
plt.scatter(xpt, ypt1, color=(0, 1, 0)) # 绿色
plt.scatter(xpt, ypt2) # 预设颜色
plt.show()
运行结果如下：
使用系统默认颜色，绘制不同波形的应用。
import matplotlib.pyplot as plt
import numpy as np
left = -2 * np.pi
right = 2 * np.pi
x = np.linspace(left, right, 100)
f1 = 2 * np.sin(x) # y数组的变化
f2 = np.sin(2*x)
f3 = 0.5 * np.sin(x)
plt.plot(x, f1)
plt.plot(x, f2)
plt.plot(x, f3)
plt.show()
运行结果如下：
建立不等宽度的散点图
代码如下：
import matplotlib.pyplot as plt
import numpy as np
xpt = np.linspace(0, 5, 500) # 建立含500个元素的数组
ypt = 1 - 0.5*np.abs(xpt-2) # y数组的变化
lwidths = (1+xpt)**2 # 宽度数组
plt.scatter(xpt, ypt, s=lwidths, color=(0, 1, 0)) # 绿色
plt.show()
运行结果如下：
填满区间
在绘制波形时，如要填满区间，此时可以使用matplotlib模块的fill_between()方法，基本语法如下：
fill_bwtween(x,y1,y2,color,alpha,options, ...) #options是其他设置。
上述会填满所有相对x轴数列y1至y2的区间，如果不指定填满颜色，则会使用预设的线条颜色填满，通常填满颜色 会用较淡的颜色，所以可以设置alpha参数将颜色调谈
填满区间0~y，所使用的y轴值是函数式sin(3x)。
import matplotlib.pyplot as plt
import numpy as np
left = -np.pi
right = np.pi
x = np.linspace(left, right, 100)
y = np.sin(3*x) # y数组的变化
plt.plot(x, y)
plt.fill_between(x, 0, y, color='green', alpha=0.1)
plt.show()
运行结果如下：
填满区间-1~y，所使用的y轴值是函数式sin(3x)。
import matplotlib.pyplot as plt
import numpy as np
left = -np.pi
right = np.pi
x = np.linspace(left, right, 100)
y = np.sin(3*x) # y数组的变化
plt.plot(x, y)
plt.fill_between(x, -1, y, color='yellow', alpha=0.3)
plt.show()
运行结果如下：
色彩映射
camp，color map，指定使用哪一种色彩映射值。
色彩映射的应用。
import matplotlib.pyplot as plt
import numpy as np
x = np.arange(100)
y = x
t = x
plt.scatter(x, y, c=t, cmap='rainbow')
plt.show()
运行结果：
设置固定点的宽度为50，将色彩改为依y轴值变化，同时使用hsv色彩映射表。
import matplotlib.pyplot as plt
import numpy as np
xpt = np.linspace(0, 5, 500) # 建立含500个元素的数组
ypt = 1 - 0.5*np.abs(xpt-2) # y数组的变化
plt.scatter(xpt, ypt, s=50, c=ypt, cmap='hsv') # 色彩随y轴值变化
plt.show()
运行结果：
将色彩改为依x轴值变化
import matplotlib.pyplot as plt
import numpy as np
xpt = np.linspace(0, 5, 500) # 建立含500个元素的数组
ypt = 1 - 0.5*np.abs(xpt-2) # y数组的变化
plt.scatter(xpt, ypt, s=50, c=xpt, cmap='hsv') # 色彩随x轴值变化
plt.show()
运行结果：
colormap绘制数组数据。
imshow(img. cmap='xx')
参数img可以图片，也可以数组数据。
绘制矩形数组数据。
import matplotlib.pyplot as plt
import numpy as np
img = np.array([[0, 1, 2, 3],
[4, 5, 6, 7],
[8, 9 , 10, 11],
[12, 13, 14, 15]])
plt.imshow(img, cmap='Blues')
plt.colorbar()
plt.show()
运行结果： 
图表显示中文
以中文显示报表：
import matplotlib.pyplot as plt
from pylab import mpl
mpl.rcParams["font.sans-serif"] = ["SimHei"] # 使用黑体
Benz = [3367, 4120, 5539] # Benz线条
BMW = [4000, 3590, 4423] # BMW线条
Lexus = [5200, 4930, 5350] # Lexus线条
seq = [2021, 2022, 2023] # 年度
plt.xticks(seq) # 设定x轴刻度
plt.plot(seq, Benz, '-*', label='Benz')
plt.plot(seq, BMW, '-o', label='BMW')
plt.plot(seq, Lexus, '-^', label='Lexus')
plt.legend(loc='best')
plt.title(u"销售报表", fontsize=24)
plt.xlabel(u"年度", fontsize=14)
plt.ylabel(u"销售量", fontsize=14)
plt.tick_params(axis='both', labelsize=12, color='red')
plt.show()
运行结果如下：
993
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
