荐 Python之数据分析（坐标刻度定位器、散点图、柱状图、颜色区域填充）

写在前面：

• import numpy as np
• import matplotlib.pylab as mp
• 因此文章中的np就代表numpy库，mp就代表pylab绘图库

一、坐标刻度定位器

1、步骤
1）创建：定位器对象 = mp.XXXLocator(…)
2）获得坐标轴：ax = mp.gca()
3）主刻度：ax.xaxis.set_major_locator(定位器对象) # 例如厘米
4）次刻度：ax.xaxis.set_minor_locator(定位器对象) # 例如毫米

2、各种定位器

• mp.NullLocator()：无刻度
• mp.MaxNLocator(nbins=5, steps=[1,3,5,7,9])：最多5个等分刻度，分别是1，3，5，7，9
• mp.FixedLocator(locs=[0, 2.5, 5, 7.5, 10])：直接将刻度放上去
• mp.AutoLocator()：自动刻度，不需要提供参数（方便）
• mp.IndexLocator(offset=0.5, base=1.5)：索引定位器(好用)，一参是偏移量，二参是间隔大小
• mp.MultipleLocator()：（好用）默认参数为1，就是主刻度间隔，可以用数字设定参数；次刻度默认为主刻度/10
• mp.LinearLocator(numticks=21)：线性定位器，参数为分成多少个等分，此处为21等分
• mp.LogLocator(base=2, subs=[1.0])：对数定位器，间距不断扩大，取2的-1次方，2的0次方，2的1次方，2的2次方……

3、练习代码

import numpy as np
import matplotlib.pylab as mp

mp.figure(facecolor="lightgray")  # 创建窗口

# 存储定位器名称
locators=[
    'mp.NullLocator()', 
    'mp.MaxNLocator(nbins=5, steps=[1,3,5,7,9])', 
    'mp.FixedLocator(locs=[0, 2.5, 5, 7.5, 10])', 
    'mp.AutoLocator()',  
    'mp.IndexLocator(offset=0.5, base=1.5)', 
    'mp.MultipleLocator()',
    'mp.LinearLocator(numticks=21)', 
    'mp.LogLocator(base=2, subs=[1.0])',  
]

n_locators = len(locators)  # 获取定位器长度

# 遍历每一个定位器来创建子图
for i, locator in enumerate(locators):
    mp.subplot(n_locators, 1, i+1)  # 创建行数为定位器长度，列数为1，图号为i+1的子图
    mp.xlim(0, 10)  # 水平方向是从0到10
    mp.ylim(-1, 1)  # 垂直方向是-1到1
    mp.yticks(())  # 隐藏y坐标轴
    ax = mp.gca()  # 获取坐标轴
    ax.spines['left'].set_color("none")  # 将左坐标轴透明
    ax.spines['top'].set_color("none")  # 将上坐标轴透明
    ax.spines['right'].set_color("none")  # 将右坐标轴透明
    ax.spines['bottom'].set_position(('data', 0))  # 将底坐标轴设置数据坐标为0的位置

    # 设置主刻度
    ax.xaxis.set_major_locator(eval(locator))  # 以遍历到的定位器为朱刻度
    # 设置次刻度
    ax.xaxis.set_minor_locator(mp.MultipleLocator(0.1))  # 以0.1为最小间隔距离

    # 随便画个图
    mp.plot(np.arange(11), np.zeros(11), c='none')  # 0到10位横坐标，10个0位纵坐标，颜色为空

    # 用文字标识一下定位器
    mp.text(5, 0.3, locator[3:], ha='center', size=12)

mp.tight_layout()  # 紧凑显示
mp.show()  # 显示图表

二、散点图

1、方法
mp.scatter(水平坐标数组, 垂直坐标数组, s=点的大小, c=分布数据, cmap=颜色映射方式, alpha=透明度（0到1）, marker=点的形状)

2、测试代码

import numpy as np
import matplotlib.pylab as mp

# 获得1000个使用随机作为服从正态分布的数据样本（数组）
n = 1000
x = np.random.normal(0, 1, n)  # 一参为标准差，二参为分布平坦性（越大越分散，越小越集中），三参为点的个数
y = np.random.normal(0, 1, n)
d = np.sqrt(x ** 2 + y ** 2)  # 根号下 x平方加y平方 作为点到正态中心的距离

# 绘制图像
mp.figure("Scatter", facecolor="lightgray")
mp.title("Scatter", fontsize=20)  # 图像标题
mp.xlabel('X', fontsize=14)  # X、Y刻度显示的文本
mp.ylabel('Y', fontsize=14)
mp.tick_params(labelsize=10)  # 刻度标签大小
mp.grid(linestyle=":")  # 网格线
mp.scatter(x, y, s=60, c=d, cmap="jet_r", alpha=0.5, marker='*')  # marker常用D，*，s，默认圆点o

mp.show()

三、柱状图

1、方法
mp.bar(水平坐标数组, 高度数组（有正负）, ec=边缘颜色, fc=填充颜色, label=标签文本, alpha=透明度 )

2、测试代码

import numpy as np
import matplotlib.pylab as mp

n = 12
x = np.arange(n)

# uniform：均匀分布，在0.5和1.0之内产生n个随机数
y1 = (1 - x/n)* np.random.uniform(0.5, 1.0, n)  # (1 - x/n)为了方便显示
y2 = (1 - x/n)* np.random.uniform(0.5, 1.0, n)

# 图像属性
mp.figure("Bar", facecolor="lightgray")
mp.title("Bar", fontsize=20)  # 图像标题
mp.xlabel('X', fontsize=14)  # X、Y刻度显示的文本
mp.ylabel('Y', fontsize=14)
mp.tick_params(labelsize=10)  # 刻度标签大小
mp.grid(axis='y', linestyle=":")  # 网格线，并且只画与y相关联的
mp.xticks(x, x+1)  # 设置横坐标刻度，位置为x的，显示数字为x+1
mp.ylim(-1.25, 1.25)  # 设置纵坐标大小，-1.25到1.25


# 绘制图像
mp.bar(x, y1, ec='white', fc='dodgerblue', label="Sample 1")
# 分别取y1中的每个柱，并且在柱的上方显示文本，水平居中，垂直靠底
for _x, _y in zip(x, y1):
    mp.text(_x, _y, '%.2f'%_y, ha='center', va='bottom', size=8)

mp.bar(x, -y2, ec='white', fc='dodgerblue', label="Sample 2", alpha=0.5)
for _x, _y in zip(x, y2):
    mp.text(_x, -_y - 0.015, '%.2f'%_y, ha='center', va='top', size=8)  # _y取负号，-0.015表示不会靠的太近


mp.legend()
mp.show()

四、颜色填充

1、方法

• mp.fill_between(水平坐标数组, 垂直坐标起点数组, 垂直坐标终点数组, 填充条件, color=颜色, alpha=透明度)
• 取从-π到π的999个点，作为横坐标：x = np.linspace(-np.pi, np.pi, 1000)

2、测试代码

import numpy as np
import matplotlib.pylab as mp

n = 1000
x = np.linspace(0, 8*np.pi, n)
sin_y = np.sin(x)
cos_y = np.cos(x/2)/2

# 图像属性
mp.figure("Fill", facecolor="lightgray")
mp.title("Fill", fontsize=20)  # 图像标题
mp.xlabel('X', fontsize=14)  # X、Y刻度显示的文本
mp.ylabel('Y', fontsize=14)
mp.tick_params(labelsize=10)  # 刻度标签大小
mp.grid(linestyle=":")  # 网格线

# 绘制图像
mp.plot(x, sin_y, c='dodgerblue', label=r"$y=sin(x)$")
mp.legend()  # 显示图例
mp.plot(x, cos_y, c='orange', label=r"$y=\frac{1}{2}cos(\frac{x}{2})$")
mp.legend()

# 填充颜色
# 起点在cos，终点在sin，且条件是cos<sin
mp.fill_between(x, cos_y, sin_y, cos_y<sin_y, color="yellow", alpha=0.5)
# 条件是cos>sin
mp.fill_between(x, cos_y, sin_y, cos_y>sin_y, color="lightblue", alpha=0.5)


mp.show()

本文地址：https://blog.csdn.net/Viewinfinitely/article/details/107240359