代码收藏家 Python数据可视化三部曲之 Matplotlib 从上手到上头
Python数据可视化三部曲 之 Matplotlib 从上手到上头
文章目录
ʚʕ̯•͡˔•̯᷅ʔɞʚʕ̯•͡˔•̯᷅ʔɞʚʕ̯•͡˔•̯᷅ʔɞʚʕ̯•͡˔•̯᷅ʔɞʚʕ̯•͡˔•̯᷅ʔɞʚʕ̯•͡˔•̯᷅ʔɞʚʕ̯•͡˔•̯᷅ʔɞʚʕ̯•͡˔•̯᷅ʔɞ
ʚʕ̯•͡˔•̯᷅ʔɞʚʕ̯•͡˔•̯᷅ʔɞʚʕ̯•͡˔•̯᷅ʔɞʚʕ̯•͡˔•̯᷅ʔɞʚʕ̯•͡˔•̯᷅ʔɞʚʕ̯•͡˔•̯᷅ʔɞʚʕ̯•͡˔•̯᷅ʔɞʚʕ̯•͡˔•̯᷅ʔɞʚʕ̯•͡˔•̯᷅ʔɞʚʕ̯•͡˔•̯᷅ʔɞ
大家好，我是侯小啾！
本次blog，将为大家串讲一遍python的三大数据可视化库之一 —— matplotlib库。本篇博客侧重于基本功与面向对象绘图，更多细节小啾将在其他blog中分块儿呈现。
–安装命令–
pip install matplotlib
1.plot()方法基本
1.1 方法概述
plot()方法是最常用的方法之一，Matplotlib绘图基本主要使用plot()函数。其通常用来绘制折线图，也可以用来绘制散点图。
因为plot()方法的构造过于复杂，很难一次将所有的参数将清楚。所以这里分块进行，按照功能来一步一步解析。plot()每多设定一个参数，每多一个plt命令，图像就会多一部分细节。
plot(x,y,format_string,**kwargs)
这里暂先展示一小部分参数，
其中
参数x
x 指x轴的数据 可以是一个列表，元组，Series等。也可以是range对象。
参数y
指的y轴的数据，可以选择的格式同x：可以是一个列表，元组，Series等。也可以是range对象。。
参数format_string
指的是控制曲线格式的字符串
kwargs
通过kwargs可以传入键值参数。
1.2 不设置x时
当不设置x时，x轴默认为0,1，2…这样的数值类型。
import matplotlib.pyplot as plt
plt.plot([1, 1, 0, 0, -1, 0, 1, 1, -1])
plt.show()
1.3 x中元素的顺序
绘图时，绘图的顺序与x内数值本身的大小无关，数值在x中的顺序，即为绘图的先后顺序。
如：
import matplotlib.pyplot as plt
plt.plot([2, 1, 3, 4, 5], [2, 5, 8, 12, 18])
plt.show()
即绘制此折线图时，先绘制了(2,2)点，再绘制了(1,5)点，接着绘制了(3, 8)点。
在x中，只要存在一个数据是字符串类型，则x中所有的元素都视为字符串，这些元素在图像中不再有大小之分。
代码示例如下：
import matplotlib.pyplot as plt
plt.plot([3, 1, '2', 4, 5], [2, 8, 12, 5, 9])
plt.show()
2.设置坐标轴范围 plt.xlim() & plt.ylim()
plt.ylim() 设置y轴范围。
plt.xlim() 设置x轴范围。
import matplotlib.pyplot as plt
plt.plot([1, 1, 0, 0, -1, 0, 1, 1, -1])
plt.ylim(-3, 3)
plt.xlim(-10, 20)
plt.show()
3.设置坐标标签 plt.xticks() & plt.yticks()
设置标签，即可以将plot()中传入的x、y的元素值在坐标轴中以其他形式显示出来。
具体方法为
plt.xticks(location, lables,rotation)
plt.yticks(location, lables,rotation)
其中，location表示原x/y轴的数据（而不是位置索引下标），lables指新设定的标签，元素数量要与location相同，且与location相同位置上有着一一对应的关系。
rotation参数通过设定一个角度的数值，可以将设定的标签旋转一定的角度。（示例代码中将x轴标签旋转45度）
且在设置标签过程中，标签可以选择设置部分。没有设置的标签也不会再显示原值。（如下边代码中没有设置x轴上数值“2”处的标签）
具体示例如下：
import matplotlib.pyplot as plt
# 正常显示中文
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.plot([1, 2, 3, 4, 5, 6, 7, 8, 9], [1, 1, 0, 0, -1, 0, 1, 1, -1])
plt.ylim(-3, 3)
plt.xlim(-10, 20)
plt.xticks([1, 3, 4, 5, 6, 7, 8, 9],
['02-01', '02-03', '02-04',
'02-05', '02-06', '02-07', '02-08',
'02-09'], rotation=45)
plt.yticks([0, 1, -1], ['低', '高', '中'])
plt.show()
4.负号正常显示 与 中文正常显示 问题
负号正常显示
rcParams 是Matplotlib库中pyplot包绘图的参数字典，key为’axes.unicode_minus’的默认取值(value)为True,表示unicode的minus类型，有些字体对其兼容性支持不够，导致负号无法正常显示,现在将’axex.unicode_minus’的取值设为False，则可正常显示负号。
代码：
plt.rcParams[‘axes.unicode_minus’] = False
中文正常显示
默认情况下，图形中的中文为乱码形式
每次绘图前，通过代码更改参数。更改Matplotlib包中pyplot包的参数字（rcParams）字体的无衬线字体属性(font.sans-serif, 为参数字典的一个key)的取值(value)，现将其设定为以’SimHei’为元素的数组形式。
代码：
plt.rcParams[‘font.sans-serif’] = [‘SimHei’]
5. 设置坐标 轴 标签 plt.xlabel() & plt.ylabel()
在图像中添加坐标轴标题可以直观地显示坐标轴代表的数据变量。
plt.xlabel()
plt.ylabel()
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.plot([1, 2, 3, 4, 5, 6, 7, 8, 9], [1, 1, 0, 0, -1, 0, 1, 1, -1])
plt.xticks([1, 2, 3, 4, 5, 6, 7, 8, 9],
['02-01', '02-02', '02-03', '02-04',
'02-05', '02-06', '02-07', '02-08',
'02-09'], rotation=45)
plt.yticks([0, 1, -1], ['低', '高', '中'])
plt.xlabel('日期')
plt.ylabel('A指标')
plt.show()
6.增加标题 plt.title()
plt.title()
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.title('xxxxxxxxxxx图像')
plt.plot([1, 2, 3, 4, 5, 6, 7, 8, 9], [1, 1, 0, 0, -1, 0, 1, 1, -1])
plt.xticks([1, 2, 3, 4, 5, 6, 7, 8, 9],
['02-01', '02-02', '02-03', '02-04',
'02-05', '02-06', '02-07', '02-08',
'02-09'], rotation=45)
plt.yticks([0, 1, -1], ['低', '高', '中'])
plt.xlabel('日期')
plt.ylabel('A指标')
plt.show()
7.增加图例 和 网格 plt.legend() & plt.grid()
增加图例可以通过plt.plot()方法的label参数添加，也可以通过plt.legend()添加。
增加网格通过plt.grid()方法添加。
plt.legend()
第一个参数是一个可迭代对象，其元素为表示图例的字符串，其传入时的顺序与上边代码中线条绘制的顺序一一对应。
第二个参数是loc参数，表示图例显示的位置。
第三个参数为字体大小fontsize。
plt.grid(b=None,which=‘major’, axis=‘both’, **kwargs)
参数b:
布尔数据类型，设定是否显示grid。默认为None，不显示。如需显示，则将B设定为True。
参数which:
设定 分割标示线(tick) 的类型，取值为"major", “minor"或者"both”。
默认为"major"，表示以原本坐标轴分割标示线为准；
若取值为"minor"，则表示 进一步细分 坐标轴分割标示线，但是 分割标准要提前设定好。如果只是设定值为"minor",则图形不会显示grid。
“both"表示大小区间坐标轴分割线都有。
参数axis:
制定绘制grid的坐标轴，取值为"both”(default), “x”, 或者"y"。both表示X轴和Y轴的grid都绘制。 默认都绘制。
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False
plt.plot([5.12, 5.15, 5.13, 5.10, 5.2, 5.25, 5.19, 5.24, 5.31], label='股票A收盘价')
plt.plot([5.09, 5.13, 5.16, 5.12, 5.09, 5.25, 5.16, 5.20, 5.25], label='股票B收盘价')
plt.xticks(range(9), [
'2021-02-01', '2021-02-02', '2021-02-03', '2021-02-04',
'2021-02-05', '2021-02-06', '2021-02-07', '2021-02-08',
'2021-02-09'], rotation=45)
plt.title('某股票收盘价时序图')
plt.xlabel('日期')
plt.ylabel('价格')
plt.grid(True, axis='y')
plt.legend()
plt.show()
8. 设置样式（颜色，线条，标记）
8.1 线条颜色 color
修改图形的颜色通过设定plot()的color参数来实现,color参数也可以简写为c。
颜色的取值有多种方式指定，最常用的是直接设定颜色的名称或颜色名称的简写，也可以通过RGB数组(比如(1,1,0)等其他方式设定)。
常用的颜色简写有
| 颜色 | 简写 | 英文 |
|---|---|---|
| 蓝色 | b | blue |
| 红色 | r | red |
| 绿色 | g | green |
| 黄色 | y | yellow |
| 黑色 | k | black |
| 白色 | w | white |
| 洋红色（也称品红色） | m | magenta |
| 蓝绿色（即青色） | c | cyan |
此外，常用颜色还可以选择的有brown,purple,pink,orange,olive,gold,gray等。
8.2 线条样式 linestyle
plot()函数中的linestyle参数用于设定曲线的类型。为了书写方便，有时会用ls代替linestyle, 该参数的主要取值如表所示：
线条类型可能的取值有
| 类型 | 名称取值 | 符号取值 |
|---|---|---|
| 实线 | ‘solid’ | ‘-’ |
| 虚线（也称双画线） | ‘dashed’ | ‘—’ (两个短杠) |
| 线点 | ‘dashdot’ | ‘-.’ |
| 点线 | ‘dotted’ | ‘:’ |
| 不画线 | ‘None’ | ‘’ |
| 虚线（另一种） | ‘:’ |
8.3 标记样式 maker
除了线条样式外，还可以设置数据点的形状。数据点形状通过plot()方法的maker参数来设定。maker参数取值有很多，如表所示：
点的形状marker的部分值表
| 形状含义 | 符号取值(marker) |
|---|---|
| 点标记 | . |
| 像素标记 | , |
| 实心圆标记 | o |
| 向下三角形标记 | v |
| 向上三角形标记 | ^ |
| 向左三角形标记 | < |
| 向右三角形标记 | > |
| 实心正方形标记 | s |
| 实心五角星标记 | ‘p’ |
| 竖六边形标记 | ‘h’ |
| 横六边形标记 | ‘H’ |
| 下花三角标记 | 1 |
| 上花三角标记 | 2 |
| 左花三角标记 | 3 |
| 右花三角标记 | 4 |
| 加号标记 | ‘+’ |
| 叉号标记 | ‘x’ |
| 钻石标记(大菱形标记) | D |
| 小钻石标记(小菱形标记) | d |
| 星号标记 | ‘*’ |
| 竖线标记 | ‘|’ |
8.4 线条宽度 linewidth
线条的宽度通过参数linewidth来设定。参数linewidth也可以简写成lw。
8.5 标记的样式
参数mfc用于设置标记的颜色
参数ms用于设置标记的大小
参数mec用于设置标记的边框的颜色。
__
8.6 样式使用示例
绘制两条折线为例
一条为红色，线条样式为“点线”类型，标记为大菱形标记，线条宽度为2。
另一条为绿色，线条样式为虚线类型（’:’），标记为横六边形标记，线条宽度为4。
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False
plt.plot([5.12, 5.15, 5.13, 5.10, 5.2, 5.25, 5.19, 5.24, 5.31], label='股票A收盘价', c='r', ls='-.', marker='D', lw=2)
plt.plot([5.09, 5.13, 5.16, 5.12, 5.09, 5.25, 5.16, 5.20, 5.25], label='股票B收盘价', c='g', ls=':', marker='H', lw=4)
plt.xticks(range(9), \
['2021-02-01', '2021-02-02', '2021-02-03', '2021-02-04', \
'2021-02-05', '2021-02-06', '2021-02-07', '2021-02-08', \
'2021-02-09'], rotation=45)
plt.title('某股票开盘价&收盘价时序图')
plt.xlabel('日期')
plt.ylabel('价格')
plt.grid(True)
plt.legend()
plt.show()
图像展示如下：
9.面向对象绘图
9.1 面向对象绘图 – 创建画布对象
设置画布，Matplotlib绘图的一大特色，即面向对象绘图。
使用Matplotlib面向对象绘图，绘图前我们要先创建一个Figure对象，即所谓的“画布”，Figure对象是一个空白区域。Figure对象可以通过pyplot包中的figure函数进行创建。
fig = plt.figure(num=None, figsize=None, dpi=None, facecolor=None, edgecolor=None, frameon=True)
其中
num 指图像的编号或名称，数字为编号，字符串为名称。通过此参数来指定、区分不同的Figure对象。
figsize 指画布的宽和高，单位为英寸。(x, y)
dpi 指画布的分辨率，即每英寸有多少个像素，默认为80。
facecolor 指背景颜色。
edgecolor 指边框颜色。
frameon 指是否显示边框，默认为True，表示绘制边框。否则不绘制边框。
import matplotlib.pyplot as plt
fig = plt.figure(1, facecolor='r', figsize=(5, 3))
plt.plot([1, 1, 0, 0, -1, 0, 1, 1, -1])
plt.show()
对于每个Figure对象，都可以包含一个或者多个个Axes对象，每个Axes对象即一个绘图区域，其拥有自己独立的坐标系统。
不设置画布时则自动创建一个只有一个Axes对象的画布，且位置居中。
创建好Figure和Axes后，绘图时直接对创建的Axes对象调用相关方法即可（如ax1.plot()），不必再使用类似plt.plot()这样的形式。此即面向对象绘图。
9.2 创建Axes对象
以创建一个包含两个Axes的Figure对象为例，创建的方法有两种，一种是调用Figure对象的add_axes()方法，另一则是调用matplotlib的subplot()方法。
add_axes()方法
使用add_axes()方法创建Axes时，以对Figure对象fig创建Axes对象ax1为例，其语法如下
ax1 = fig.add_axes([x1,y1,x2,y2])
需要传入一个有四个元素的列表，四个数字依次表示创建的Axes的左下角、右上角的相对坐标位置。（原点在Figure对象左下角，计算相对位置时，Figure的宽和高都视为1个单位长度，要传入的坐标值都是0到1的浮点数）
import matplotlib.pyplot as plt
fig = plt.figure()
# 创建两个Axes对象
ax1 = fig.add_axes([0.1, 0.1, 0.3, 0.3])
ax2 = fig.add_axes([0.5, 0.5, 0.4, 0.4])
plt.show()
plt.subplot()方法
使用plt.subplot()方法创建Axes时，其语法如下
subplot(numRows, numCols, plotNum)
其中
num_Rows 指图像排多少行
numCols 指图像排多少列
plotNum 指图像的位置左上角第一个图像的位置开始记为1，往右依次记为2,3…,每一行的图像接着排下去，最终右下角的图像编号等于num_Rows×plotNum。
代码示例如下：
import matplotlib.pyplot as plt
# 位置1
ax1 = plt.subplot(221)
ax1.set_title('ax1')
# 位置2
ax2 = plt.subplot(222)
ax2.set_title('ax2')
# 位置3
ax3 = plt.subplot(223)
ax3.set_title('ax3')
# 位置4
ax4 = plt.subplot(224)
ax4.set_title('ax4')
plt.show()
9.3 常用面向对象绘图方法
以Axes对象ax1为例，常用的面向对象绘图方法有：
#绘图
ax1.plot()
#设置网格
ax1.grid()
#设置标题
ax1.set_title(‘ax1_title’)
#设置标签
ax1.set_xlabel()
ax1.set_ylabel()
#设置坐标轴范围
ax1.set_xlim()
ax1.set_ylim()
#设置刻度标签
ax1.set_xticklabels()
ax1.set_yticklabels()
# 设置图例
ax1.legend()
# 显示图像
将数据显示为图像，即在2D常规栅格上。
ax1.imshow()
# 显示图像
将2D矩阵或数组的值绘制为颜色编码的图像。
ax1.matshow()
#添加一条水平线
ax1.axhline()
# 添加水平跨度
ax1.axhspan
# 添加一条垂直线
ax1.axvline
# 添加垂直跨度
ax1.axvspan
# 添加无限长的直线
ax1.axline
Axes对象也有bar()，barh()，pie()，scatter()等方法。
10.matplotlib进阶学习
更多相关操作，为了方便日常检索，小啾将其写在了其他博文中。且小啾将链接附在了文末，大家可以参考学习：
matplotlib进阶传送门：
（一）给图像添加 文本标签 与 注释
（二）subplots_adjust()方法解决图表与画布的间距问题
（三）直方图的绘制
（四）单柱柱形图与多柱柱形图的绘制
（五）绘制饼形图专题(从一般饼状图到内嵌环形图)
（六）绘制面积图&热力图
（七）绘制箱线图 与 异常值的输出
（八）双y轴图像实现
（九）绘制 3D图像专题 （三维柱状图、曲面图、散点图、曲线图合集）
（十）绘制渐变色扇形图 -基于 颜色地图plt.cm模块儿
（十一）实现 等高线图
本次分享就到这里，小啾感谢您的关注与支持！
🌹꧔ꦿ🌹꧔ꦿ🌹꧔ꦿ🌹꧔ꦿ🌹꧔ꦿ🌹꧔ꦿ🌹꧔ꦿ🌹꧔ꦿ🌹꧔ꦿ🌹꧔ꦿ🌹꧔ꦿ🌹꧔ꦿ🌹꧔ꦿ🌹꧔ꦿ🌹꧔ꦿ🌹꧔ꦿ🌹꧔ꦿ🌹꧔ꦿ🌹꧔ꦿ🌹꧔ꦿ🌹꧔ꦿ🌹꧔ꦿ🌹꧔ꦿ🌹꧔ꦿ🌹꧔ꦿ🌹꧔ꦿ🌹꧔ꦿ🌹꧔ꦿ
来源：侯小啾
