Matplotlib 库 知识点

Matplotlib

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

- Figure：指整个图形，您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（图中轴长为 7）、轴标签（指 x 轴，y轴）和刻度标签 - Artist：您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

安装

pip install matplotlib==3.3.4 -i https://pypi.tuna.tsinghua.edu.cn/simple/

import matplotlib.pyplot as plt

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

常用API

绘图类型

Image 函数

Axis 函数

Figure 函数

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。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。

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。

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

• • • • • - 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。
        • 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。

警告日志关闭

• • • • • import logging
        • logging.captureWarnings(True)

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

参数

• • • • • - 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

figure.add_axes()

• • • • • Matplotlib 定义了一个 axes 类（轴域类），该类的对象被称为 axes 对象（即轴域对象），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。
        • 参数
          • 是一个包含四个元素的列表或元组，格式为 [left, bottom, width, height]，其中：
          • 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。

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。
        • 参数
          • - 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
            • legend() 函数 loc 参数：

• • • • • • - handles 参数，它也是一个序列，它包含了所有线型的实例
          • 也可以将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

title函数，标题（中文乱码）

.title("")函数

如果标题设置的是中文，会出现乱码

局部处理：

• • • • • plt.rcParams['font.sans-serif']=['SimHei']
        • plt.rcParams['axes.unicode_minus']=False

全局处理：

• • • • • 首先，找到 `matplotlibrc` 文件的位置，可以使用以下代码：
          • import matplotlib
          • print(matplotlib.matplotlib_fname())
        • 然后，修改 `matplotlibrc` 文件，找到 `font.family` 和 `font.sans-serif` 项，设置为支持中文的字体，如 SimHei。
        • 同时，设置 `axes.unicode_minus` 为 `False` 以正常显示负号。
        • 修改完成后，重启pyCharm。如果不能解决，尝试运行以下代码来实现：
          • from matplotlib.font_manager import _rebuild _rebuild()

subplot 函数

subplot 是一个较早的函数，用于创建并返回一个子图对象。它的使用比较简单，通常用于创建网格状的子图布局。subplot 的参数通常是一个三位数的整数，其中每个数字代表子图的行数、列数和子图的索引。

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)

• • • • • rows:绘图区域占的行数
        • cols:绘图区域占的列数
        • index:绘图区域的编号

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。

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。

subplot2gird 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。

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。

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。

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。

xscale和yscale函数

xscale和yscale函数用于设置坐标轴的刻度类型。默认情况下，坐标轴的刻度类型是线性的，但你可以使用xscale和yscale函数将其更改为对数刻度或其他类型的刻度。

ax.set_xscale(value)ax.set_yscale(value)

• • • • • value:刻度类型，可以是'linear'（线性刻度）、'log'（对数刻度）、'symlog'（对称对数刻度）、'logit'（对数几率刻度）等。

set_xlim和set_ylim函数

set_xlim和set_ylim函数用于设置坐标轴的范围。

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

• • • • • -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。

ax.set_xticks(ticks)ax.set_yticks(ticks)

• • • • • ticks:一个包含刻度位置的列表或数组。

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。

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。

柱状图

柱状图（BarChart）是一种常用的数据可视化工具，用于展示分类数据的分布情况。

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

堆叠柱状图

• • • • • bottom=values1：绘制第二个数据集的柱状图，堆叠在第一个数据集上

分组柱状图

直方图

直方图（Histogram）是一种常用的数据可视化工具，用于展示数值数据的分布情况。

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。

饼图

饼图（Pie Chart）是一种常用的数据可视化工具，用于展示分类数据的占比情况。

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。

折线图

使用 plot 函数

散点图

散点图（Scatter Plot）是一种常用的数据可视化工具，用于展示两个变量之间的关系。

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。

marker常用的参数值：

• • • • • - 'o': 圆圈
        • - 's': 正方形
        • - 'D': 菱形
        • - '^': 上三角形
        • - 'v': 下三角形
        • - '>': 右三角形
        • - '<': 左三角形
        • - 'p': 五边形
        • - '*': 星形
        • - '+': 加号
        • - 'x': 叉号
        • - '.': 点
        • - ',': 像素
        • - '1': 三叉戟下
        • - '2': 三叉戟上
        • - '3': 三叉戟左
        • - '4': 三叉戟右
        • - 'h': 六边形1
        • - 'H': 六边形2
        • - 'd': 小菱形
        • - '|': 竖线
        • - '_': 横线