我的小白python代码（九）数据绘图

今天也是没有迟到没有睡觉的一节python课（我觉得这节课如果睡了的话可能就跟不上了……）

讲的内容主要是py绘图

课前先点了一下惰性运算，还是之前的那个函数

def a():
	……
	b():
	……
def b():
	……
a()

这样一个代码块是可以被允许的（在使用函数a之前定义函数b即可）

然后老师分享了一个我知道但是真的（发自内心很赞同的）一个dubugの 土 办法 （简言之，就是看报错提示 & 善于使用print）第二点的话细讲就是多输出对象/对象的属性/还有利用print判断程序运行的程度（真的超级有用，wjd，加粗了，铭记）

下面是正题，话题转换十分生硬自然

python作为一个神奇的语言，拥有很多库，可以用matplotlib库绘图也可以直接用pandas绘图（当然这是后话）

首先是matplotlib绘图，先载入，也就是 import matplotlib.pyplot as plt

载入之后就可以创建图片直接开始绘图了
也就是说 = 》

fig = plt.figure()
ax = fig.add_subplot(1,1,1)
ax.plot(np.arange(10))
fig.show()

但是这个我在实验课上自己操作的时候出现了一点问题，使用show方法运行代码的话得到的t绘图一闪而过，只留下一道潇洒的瞬间，不留痕迹。（解决办法：传送门）

继续，完了之后画出来的图片以及相应解释如下所示：

所以得到了参数解释的话，我们就可以在fig上面建立很多个subplot，而且还智能排序，这就很方便（个人觉得）

还可以对subplot的间距进行手动调整，fig.subplots_adjust(wspace=0.5),py给你留了很多参数接口（用不用都在那里,比如 left/right/bottom/hspace/wspace等等）

除了折线图ax.plot()之外还有很多其他图，比如柱形图ax.hist()散点图ax.scatter()等

以折线图为例子可以设置的参数有 线型、颜色、点标志等等举个栗子：ax.plot(random(50),cumsum(),linestyle='--',color='g',maker='o'顺带颜色的话可以设置成RGB格式

还有一种快捷方式对应上面的写法就是ax.plot(random(50),cumsum(),'go--')

然后还可以自定义坐标轴范围 比如，ax.set_xlim([0,100])y轴的话就是ax.set_ylim([-1,1])

设置标题标签 比如ax1.set_title(fig 1‘) 设置轴标签 比如ax1.set_xlabel('Step') ax1.set_ylabel('Value')

设置具体刻度比如ticks = ax1.set_xticks([0,20,40,60,80,100])还有设置刻度标签 比如 labels = ax1.set_xticklabels([‘zero’, ‘one’, ‘two’, ‘three’, ‘four’, ‘five’], rotation = 30)

还可以添加别的一些形状 比如长方形 rect = plt.Rectangle((0.2,0.75), 0.4, 0.15, color = ‘g’, alpha = 0.2) 然后可以通过add_patch方法加到fig里面去 ax.add_patch(rect)

然后还有保存图片的操作 这里用保存成svg矢量图格式举例fig.savefig(‘xxx.svg’, dpi = 400, bbox_inches = ‘tight’)（讲到这里老师讲了很多关于矢量图和位图的知识，还在电脑上用Photoshop花了一个半矢量性质的位图文件大概是这个样子，讲人话就是利用贝塞尔曲线画了一个♥，大概是这样↓）

言归正传，讲一下py绘图的有点，总结起来就是两点，第一就是准确性高（画的比较精准；第二就是画多张图片容易对齐

终于，讲到pandas绘图了其实老师也没有细讲，这里就放个例子好了（自行领会：

from pandas import  Series, DataFrame
import pandas as pd
df = DataFrame(randn(10,4).cumsum(0), columns = [‘A’, ‘B’, ‘C’, ‘D’], index = np.arrange(0,100,10))
df.plot()

课程内容结束，祝各位在py绘图的道路上越走越远