Python基础12_Matplotlib

目录

一、概念

二、应用场景

三、常用API

1、绘图类型

2、Image函数

3、Axis函数

4、Figure函数

四、pylab模块

五、常用函数

plot函数

figure函数

axes.legend()

axes.legend()

subplot函数

subplots函数

subplot2grid函数

grid函数

set_xlim 和 set_ylim函数

set_xticks 和 set_yticks函数

twinx 和 twiny函数

柱状图

直方图

饼图

折线图

散点图

---

一、概念

---

Matplotlib 库

是一款用于数据可视化的 Python 软件包，支持跨平台运行，它能够根据 NumPy ndarray 数组来绘制 2D 图像，它使用简单、代码清晰易懂。

Matplotlib 图形组成

Figure：指整个图形，可以把它理解成一张画布，它包括了所有的元素，比如标题、轴线等

Axes：绘制 2D 图像的实际区域，也称为轴域区，或者绘图区

Axis：指坐标系中的垂直轴与水平轴，包含轴的长度大小、轴标签（指 x 轴，y轴）和刻度标签

Artist：在画布上看到的所有元素都属于 Artist 对象，比如文本对象（title、xlabel、ylabel）、Line2D 对象（用于绘制2D图像）等

Matplotlib 功能扩展包：许多第三方工具包都对 Matplotlib 进行了功能扩展，其中有些安装包需要单独安装，也有一些允许与 Matplotlib 一起安装。常见的工具包如下：

• Basemap：这是一个地图绘制工具包，其中包含多个地图投影，海岸线和国界线

• Cartopy：这是一个映射库，包含面向对象的映射投影定义，以及任意点、线、面的图像转换能力

• Excel tools： 这是 Matplotlib 为了实现与 Microsoft Excel 交换数据而提供的工具

• Mplot3d：它用于 3D 绘图

• Natgrid：这是 Natgrid 库的接口，用于对间隔数据进行不规则的网格化处理

二、应用场景

---

数据可视化主要有以下应用场景：

• 企业领域：利用直观多样的图表展示数据，从而为企业决策提供支持

• 股票走势预测：通过对股票涨跌数据的分析，给股民提供更合理化的建议

• 商超产品销售：对客户群体和所购买产品进行数据分析，促使商超制定更好的销售策略

• 预测销量：对产品销量的影响因素进行分析，可以预测出产品的销量走势

三、常用API

---

1、绘图类型

函数名称	描述
Bar	绘制条形图
Barh	绘制水平条形图
Boxplot	绘制箱型图
Hist	绘制直方图
his2d	绘制2D直方图
Pie	绘制饼状图
Plot	在坐标轴上画线或者标记
Polar	绘制极坐标图
Scatter	绘制x与y的散点图
Stackplot	绘制堆叠图
Stem	用来绘制二维离散数据绘制（又称为火柴图）
Step	绘制阶梯图
Quiver	绘制一个二维按箭头

2、Image函数

函数名称	描述
Imread	从文件中读取图像的数据并形成数组
Imsave	将数组另存为图像文件
Imshow	在数轴区域内显示图像

3、Axis函数

函数名称	描述
Axes	在画布(Figure)中添加轴
Text	向轴添加文本
Title	设置当前轴的标题
Xlabel	设置x轴标签
Xlim	获取或者设置x轴区间大小
Xscale	设置x轴缩放比例
Xticks	获取或设置x轴刻标和相应标签
Ylabel	设置y轴的标签
Ylim	获取或设置y轴的区间大小
Yscale	设置y轴的缩放比例
Yticks	获取或设置y轴的刻标和相应标签

4、Figure函数

函数名称	描述
Figtext	在画布上添加文本
Figure	创建一个新画布
Show	显示数字
Savefig	保存当前画布
Close	关闭画布窗口

四、pylab模块

---

PyLab 是一个面向 Matplotlib 的绘图库接口，其语法和 MATLAB 十分相近。

pylab 是 matplotlib 中的一个模块，它将 matplotlib.pyplot 和 numpy 的功能组合在一起，使得你可以直接使用 numpy 的函数和 matplotlib.pyplot 的绘图功能，而不需要显式地导入 numpy 和 matplotlib.pyplot。

优点

• 方便快捷：pylab 的设计初衷是为了方便快速绘图和数值计算，使得你可以直接使用 numpy 的函数和 matplotlib.pyplot 的绘图功能，而不需要显式地导入 numpy 和 matplotlib.pyplot。

• 简化代码：使用 pylab 可以减少导入语句的数量，使代码更简洁。

缺点

• 命名空间污染：pylab 将 numpy 和 matplotlib.pyplot 的功能组合在一起，可能会导致命名空间污染，使得代码的可读性和可维护性降低。

• 不适合大型项目：对于大型项目或需要精细控制的项目，pylab 可能不够灵活。

pyplot 是 matplotlib 中的一个模块，提供了类似于 MATLAB 的绘图接口。它是一个更底层的接口，提供了更多的控制和灵活性。

使用 pyplot 需要显式地导入 numpy 和 matplotlib.pyplot，代码量相对较多。例如：

import matplotlib.pyplot as plt
import numpy as np

五、常用函数

---

plot函数

pylab.plot 是一个用于绘制二维图形的函数。它可以根据提供的 x 和 y 数据点绘制线条和/或标记。

语法

pylab.plot(x, y, format_string=None, **kwargs)

参数

• x: x 轴数据，可以是一个数组或列表。

• y: y 轴数据，可以是一个数组或列表。

• format_string: 格式字符串，用于指定线条样式、颜色等。

• **kwargs: 其他关键字参数，用于指定线条的属性。

def mat_plot():
    x = np.linspace(-20,20,100)
    y = 1 / (x**2 - 4)

    # plot 根据x、y值画出曲线
    plt.plot(x,y)
    # show() 显示图片
    plt.show()

 plot 函数可以接受一个或两个数组作为参数，分别代表 x 和 y 坐标。如果你只提供一个数组，它将默认用作 y 坐标，而 x 坐标将默认为数组的索引。

格式字符串

格式字符串由颜色、标记和线条样式组成。例如：

• 颜色：

'b'：蓝色 'g'：绿色 'r'：红色 'c'：青色 'm'：洋红色 'y'：黄色 'k'：黑色 'w'：白色

• 标记：

'.'：点标记 ','：像素标记 'o'：圆圈标记 'v'：向下三角标记 '^'：向上三角标记 '<'：向左三角标记 '>'：向右三角标记 's'：方形标记 'p'：五边形标记 '*'：星形标记 'h'：六边形标记 1 'H'：六边形标记 2 '+'：加号标记 'x'：叉号标记 'D'：菱形标记 'd'：细菱形标记 '|'：竖线标记 '_'：横线标记

• 线条样式：

'-'：实线 '--'：虚线 '-.'：点划线 ':'：点线

figure函数

figure() 函数来实例化 figure 对象，即绘制图形的对象，可以通过这个对象，来设置图形的样式等

axes.legend()

它指定了一个有数值范围限制的绘图区域。在一个给定的画布（figure）中可以包含多个 axes 对象，但是同一个 axes 对象只能在一个画布中使用。

axes.legend()

legend 函数用于添加图例，以便识别图中的不同数据系列。图例会自动显示每条线或数据集的标签。

"""
figure函数
实例化 figure 对象，即绘制图形的对象，可以通过这个对象，来设置图形的样式
  - figsize：指定画布的大小，(宽度,高度)，单位为英寸
  - dpi：指定绘图对象的分辨率，即每英寸多少个像素，默认值为80
  - facecolor：背景颜色
  - dgecolor：边框颜色
  - frameon：是否显示边框
"""
def mat_figure():
    # 生成画布
    # figsize 设置画布的宽度和高度
    fig = plt.figure(figsize=(8,4))
    # 在画布上生成绘图区域
    """
    figure.add_axes() 
      指定了一个有数值范围限制的绘图区域
      参数  [left, bottom, width, height]
        left 和 bottom 是轴域左下角的坐标，范围从 0 到 1。
        width 和 height 是轴域的宽度和高度，范围从 0 到 1。
    """
    ax = fig.add_axes([0.1, 0.1, 0.8, 0.8])

    x = np.linspace(-10,10,100)
    y = x**2
    y1 = np.sin(x)

    # 绘制曲线并设置标签
    # 可将label定义在plot方法中，调用legend方法时不用再定义labels，会自动添加label
    line1 = ax.plot(x,y, label='x^2')
    line2 = ax.plot(x,y1, label='sinx')

    """
    axes.legend()
      用于添加图例
        - labels 是一个字符串序列，用来指定标签的名称
        - loc 是指定图例位置的参数，其参数值可以用字符串或整数来表示
        - handles 参数，它也是一个序列，它包含了所有线型的实例
    """
    # 添加图例，手动指定标签
    # ax.legend(handles=[line1, line2], labels=['x^2', 'sinx'], loc='best')
    # loc 默认为best

    ax.legend(loc='upper right')
    ax.set_title('函数')

    plt.show()

subplot函数

相比subplot函数，add_subplot 是一个更灵活的函数，它是 Figure类的一个方法，用于向图形容器中添加子图。推荐使用 add_subplot，因为它提供了更好的灵活性和控制。

"""
fig.add_subplot(nrows, ncols, index)
  用于在画布中添加绘图区域
  
    nrows 绘图区域所占行数
    ncoks 绘图区域所占列数
    index 绘图区域编号
"""
def mat_subplot():
    x = np.linspace(0,10,100)
    y1 = np.sin(x)
    y2 = np.cos(x)
    y3 = np.tan(x)

    fig = plt.figure(figsize=(12,6))
    ax1 = fig.add_subplot(1,3,1)
    ax1.plot(x,y1,label='sin(x)')
    ax1.set_title('sin(x)')
    # 设置x, y轴标签
    ax1.set_xlabel('X-axis')
    ax1.set_ylabel('Y-axis')
    ax1.legend()

    ax2 = fig.add_subplot(1,3,2)
    ax2.plot(x,y2,label='cos(x)')
    ax2.set_title('cos(x)')
    ax2.set_xlabel('X-axis')
    ax2.set_ylabel('Y-axis')
    ax2.legend()

    ax3 = fig.add_subplot(1,3,3)
    ax3.plot(x,y3,label='tan(x)')
    ax3.set_title('tan(x)')
    ax3.set_xlabel('X-axis')
    ax3.set_ylabel('Y-axis')
    ax3.legend()

    # plt.tight_layout()
    plt.show()

subplots函数

subplots 是 matplotlib.pyplot 模块中的一个函数，用于创建一个包含多个子图（subplots）的图形窗口。subplots 函数返回一个包含所有子图的数组，这使得你可以更方便地对每个子图进行操作。

"""
subplots()
  用于创建一个包含多个子图（subplots）的图形窗口
  subplots 函数返回一个包含所有子图的数组
  
  fig, axs = plt.subplots(nrows, ncols, figsize=(width, height))
    - nrows: 子图的行数。
    - ncols: 子图的列数。
    - figsize: 图形的尺寸，以英寸为单位
"""
def mat_subplots():
    x = np.linspace(0,10,100)
    y1 = np.sin(x)
    y2 = np.cos(x)
    y3 = np.tan(x)

    # 创建图形和子图
    fig, axs = plt.subplots(2,3,figsize=(12,6))
    # 第一个子图
    axs[0,0].plot(x,y1,label='sin(x)')
    axs[0,0].legend()

    # 第二个子图
    axs[0,1].plot(x,y2,label='cos(x)')
    axs[0,1].legend()

    # 第三个子图
    axs[0,2].plot(x,y3,label='tan(x)')
    axs[0,2].legend()

    plt.show()

subplot2grid函数

subplot2grid 是 matplotlib.pyplot 模块中的一个函数，用于在网格中创建子图。subplot2grid 允许你更灵活地指定子图的位置和大小，以非等分的形式对画布进行切分，使得你可以创建复杂的布局。

"""
subplot2grid()
  用于在网格中创建子图
  
  ax = plt.subplot2grid(shape, loc, rowspan=1, colspan=1)
    - shape: 网格的形状，格式为 (rows, cols)，表示网格的行数和列数，在figure中式全局设置。
    - loc: 子图的起始位置，格式为 (row, col)，表示子图在网格中的起始行和列。
    - rowspan: 子图占据的行数，默认为 1。
    - colspan: 子图占据的列数，默认为 1。
"""
def mat_subplot2grid():
    x = np.linspace(0,10,100)
    y1 = np.sin(x)
    y2 = np.cos(x)
    y3 = np.tan(x)
    y4 = np.arcsin(x)

    ax1 = plt.subplot2grid((3,3),(0,0))
    ax1.plot(x,y1)

    ax2 = plt.subplot2grid((3,3),(0,1))
    ax2.plot(x,y2)

    ax3 = plt.subplot2grid((2,2),(1,0))
    ax3.plot(x,y3)

    ax4 = plt.subplot2grid((2,2),(1,1))
    ax4.plot(x,y4)

    plt.tight_layout()
    plt.show()

grid函数

grid 是用于在图形中添加网格线的函数。网格线可以帮助读者更清晰地理解数据的分布和趋势。grid 函数可以应用于 Axes 对象，用于在子图中添加网格线。

"""
grid()
  用于在图形中添加网格线的函数
  ax.grid(b=None, which='major', axis='both', **kwargs)
    - b: 是否显示网格线，默认为 None，表示根据当前设置显示或隐藏网格线。
    - which: 指定要显示的网格线类型，可以是 'major'（主刻度）、'minor'（次刻度）或 'both'（主刻度和次刻度）。
    - axis: 指定要显示网格线的轴，可以是 'both'（两个轴）、'x'（X 轴）或 'y'（Y 轴）。
    - **kwargs: 其他可选参数，用于定制网格线的外观，如 color、linestyle、linewidth 等
"""
def mat_grid():
    x = np.linspace(0, 10, 100)
    y1 = np.sin(x)
    y2 = np.cos(x)
    y3 = np.tan(x)

    ax1 = plt.subplot2grid((3,3),(0,0))
    ax1.plot(x,y1)

    ax2 = plt.subplot2grid((3,3),(0,1))
    ax2.plot(x,y2)
    ax2.grid(True, which='both', axis='both')

    ax3 = plt.subplot2grid((2,2),(1,0))
    ax3.plot(x,y3)
    ax3.grid(True, axis='x', color='red',ls='--',lw=0.5)

    plt.tight_layout()
    plt.show()

set_xlim 和 set_ylim函数

set_xlim 和 set_ylim 函数用于设置坐标轴的范围。

语法

ax.set_xlim(left, right)
ax.set_ylim(bottom, top)

参数

• left 和 right: X 轴的范围，left 是 X 轴的最小值，right 是 X 轴的最大值。

• bottom 和 top: Y 轴的范围，bottom 是 Y 轴的最小值，top 是 Y 轴的最大值

set_xticks 和 set_yticks函数

Matplotlib 可以自动根据因变量和自变量设置坐标轴范围，也可以通过 set_xticks() 和 set_yticks() 函数手动指定刻度，接收一个列表对象作为参数，列表中的元素表示对应数轴上要显示的刻度。

"""
set_xticks() set_yticks()
  手动指定刻度
  接收一个列表对象作为参数，列表中的元素表示对应数轴上要显示的刻度
  
  ax.set_xticks(ticks)
  ax.set_yticks(ticks)
    ticks: 一个包含刻度位置的列表或数组
  
"""

def mat_ticks():
    x = np.linspace(0,10,100)
    y = np.sin(x)

    fig, ax = plt.subplots()
    ax.plot(x,y)

    ax.set_xticks([0,2,4,6,8,10])
    ax.set_yticks([-1,-0.5,0,0.5,1])

    plt.show()

twinx 和 twiny函数

twinx 和 twiny 函数用于在同一个图形中创建共享 X 轴或 Y 轴的多个子图。

twinx 函数用于创建共享 X 轴的子图，twiny 函数用于创建共享 Y 轴的子图。

"""
twinx  twiny
  用于在同一个图形中创建共享 X 轴或 Y 轴的多个子图
  ax2 = ax.twinx()
  ax2 = ax.twiny()
    - ax: 原始的 Axes 对象。
    - ax2: 新的 Axes 对象，共享原始 Axes 对象的 X 轴或 Y 轴。
"""
def mat_twin():
    x = np.linspace(0,10,100)
    y1 = np.sin(x)
    y2 = np.cos(x)

    fig, ax1 = plt.subplots()
    # 绘制曲线
    ax1.plot(x,y1)
    # 添加图例
    ax1.legend()

    # 创建共享 X 轴的子图
    ax2 = ax1.twinx()
    ax2.plot(x,y2)
    ax2.legend()

    # 显示图像
    plt.show()

柱状图

"""
柱状图 Bar Chart
  ax.bar(x, height, width=0.8, bottom=None, 
  align='center', **kwargs)
  
    - x: 柱状图的 X 轴位置。
    - height: 柱状图的高度。
    - width: 柱状图的宽度，默认为 0.8。
    - bottom: 柱状图的底部位置，默认为 0。
    - align: 柱状图的对齐方式，可以是 'center'（居中对齐）或 'edge'（边缘对齐）。
    - **kwargs: 其他可选参数，用于定制柱状图的外观，如 color、edgecolor、linewidth 等
"""
def mat_bar():
    x = ['A','B','C','D']
    y = [20,35,15,40]
    z = [15,20,25,30]

    fig, ax = plt.subplots()
    # 柱状图
    ax.bar(x,y, width=0.5, align='center', color='skyblue', label='Values 1')

    # 堆叠柱状图
    # 绘制第二个数据集的柱状图，堆叠在第一个数据集上
    ax.bar(x,z, bottom=y, width=0.5, label='Values 2')

    # 设置标题和标签
    ax.set_title('Stacked Bar Chart')
    ax.set_xlabel('X')
    ax.set_ylabel('Y')

    # 添加图例
    ax.legend()

    plt.show()

"""
分组柱状图
"""
def mat_bar01():
    x = ['A','B','C','D']
    y = [20,35,15,40]
    z = [15,20,25,30]

    # 创建图形和子图
    fig, ax = plt.subplots()
    width = 0.4

    # 计算柱状图的位置
    x1 = np.arange(len(x))
    ax.bar(x1-width/2, y, width, color='skyblue')
    ax.bar(x1+width/2, z, width)

    plt.show()

直方图

"""
直方图 Histogram
  ax.hist(x, bins=None, range=None, density=False, 
  weights=None, cumulative=False, **kwargs)
  
    - x: 数据数组。
    - bins: 直方图的柱数，可以是整数或序列。
    - range: 直方图的范围，格式为 `(min, max)`。
    - density: 是否将直方图归一化，默认为 `False`。
    - weights: 每个数据点的权重。
    - cumulative: 是否绘制累积直方图，默认为 `False`。
    - **kwargs: 其他可选参数，用于定制直方图的外观，如 `color`、`edgecolor`、`linewidth` 等。
"""
def mat_hist():
    x = np.random.randn(1000)

    # 创建图形和子图
    fig, ax = plt.subplots()
    # 绘制直方图
    ax.hist(x, bins=10, color='skyblue',edgecolor='black')

    plt.show()

饼图

"""
饼图 Pie Chart
  ax.pie(x, explode=None, labels=None, colors=None, 
  autopct=None, shadow=False, startangle=0, **kwargs)
  
    - x: 数据数组，表示每个扇区的占比。
    - explode: 一个数组，表示每个扇区偏离圆心的距离，默认为 `None`。
    - labels: 每个扇区的标签，默认为 `None`。
    - colors: 每个扇区的颜色，默认为 `None`。
    - autopct: 控制显示每个扇区的占比，可以是格式化字符串或函数，默认为 `None`。
    - shadow: 是否显示阴影，默认为 `False`。
    - startangle: 饼图的起始角度，默认为 0。
    - **kwargs: 其他可选参数，用于定制饼图的外观。
"""
def mat_pie():
    x = ['A','B','C','D']
    y = [10,20,30,40]

    # 创建图形和子图
    fig, ax = plt.subplots()
    # 绘制饼图
    ax.pie(y, labels=x, startangle=90)

    plt.show()

折线图

"""
折线图
  使用 plot 函数
"""
def mat_plot():
    x = np.linspace(0, 10, 100)
    y1 = np.sin(x)
    y2 = np.cos(x)

    # 创建图形和子图
    fig, ax = plt.subplots()

    # 绘制多条折线图
    ax.plot(x, y1, label='sin(x)', color='blue')
    ax.plot(x, y2, label='cos(x)', color='red')

    # 设置标题和标签
    ax.set_title('Multiple Line Charts')
    ax.set_xlabel('X-axis')
    ax.set_ylabel('Y-axis')

    # 添加图例
    ax.legend()

    # 显示图形
    plt.show()

散点图

"""
散点图
  ax.scatter(x, y, s=None, c=None, marker=None, cmap=None, 
  norm=None, vmin=None, vmax=None, alpha=None, linewidths=None, 
  edgecolors=None, **kwargs)
  
    - x: X 轴数据。
    - y: Y 轴数据。
    - s: 点的大小，可以是标量或数组。
    - c: 点的颜色，可以是标量、数组或颜色列表。
    - marker: 点的形状，默认为 'o'（圆圈）。
    - cmap: 颜色映射，用于将颜色映射到数据。
    - norm: 归一化对象，用于将数据映射到颜色映射。
    - vmin, vmax: 颜色映射的最小值和最大值。
    - alpha: 点的透明度，取值范围为 0 到 1。
    - linewidths: 点的边框宽度。
    - edgecolors: 点的边框颜色。
    - **kwargs: 其他可选参数，用于定制散点图的外观。
"""
def mat_scatter():
    fig = plt.figure()
    axes = fig.add_axes([.1, .1, .8, .8])

    x = ['Mon', 'Tue', 'Wed', 'Thu', 'Fri', 'Sat', 'Sun']
    data = [
        [120, 132, 101, 134, 90, 230, 210],
        [220, 182, 191, 234, 290, 330, 310],
    ]
    y0 = data[0]
    y1 = data[1]

    axes.scatter(x, y0, color='red')
    axes.scatter(x, y1, color='blue')

    axes.set_title('散点图')
    axes.set_xlabel('日期')
    axes.set_ylabel('数量')
    plt.legend(labels=['Email', 'Union Ads'], )

    plt.show()