Python 数据科学 Matplotlib图库详解
程序员文章站
2022-07-06 23:45:47
matplotlib 是 python 的二维绘图库,用于生成符合出版质量或跨平台交互环境的各类图形。图形解析与工作流图形解析工作流matplotlib 绘图的基本步骤:1 准备数据2 创建图形3 绘...
matplotlib 是 python 的二维绘图库,用于生成符合出版质量或跨平台交互环境的各类图形。
图形解析与工作流
图形解析
工作流
matplotlib 绘图的基本步骤:
1 准备数据
2 创建图形
3 绘图
4 自定义设置
5 保存图形
6 显示图形
import matplotlib.pyplot as plt x = [1,2,3,4] # step1 y = [10,20,25,30] fig = plt.figure() # step2 ax = fig.add_subplot(111) # step3 ax.plot(x, y, color='lightblue', linewidth=3) # step3\4 ax.scatter([2,4,6], [5,15,25], color='darkgreen', marker='^') ax.set_xlim(1, 6.5) plt.savefig('foo.png') # step5 plt.show() # step6
准备数据
一维数据
import numpy as np x = np.linspace(0, 10, 100) y = np.cos(x) z = np.sin(x)
二维数据或图片
data = 2 * np.random.random((10, 10)) data2 = 3 * np.random.random((10, 10)) y, x = np.mgrid[-3:3:100j, -3:3:100j] u = -1 - x**2 + y v = 1 + x - y**2 from matplotlib.cbook import get_sample_data img = np.load('e:/anaconda3/envs/torch/lib/site-packages/matplotlib/mpl-data/aapl.npz')
绘制图形
import matplotlib.pyplot as plt
画布
fig = plt.figure() fig2 = plt.figure(figsize=plt.figaspect(2.0))
坐标轴
图形是以坐标轴为核心绘制的,大多数情况下,子图就可以满足需求。子图是栅格系统的坐标轴。
fig.add_axes() ax1 = fig.add_subplot(221) # row-col-num ax3 = fig.add_subplot(212) fig3, axes = plt.subplots(nrows=2,ncols=2) fig4, axes2 = plt.subplots(ncols=3)
绘图例程
一维数据
fig, ax = plt.subplots() lines = ax.plot(x,y) # 用线或标记连接点 ax.scatter(x,y) # 缩放或着色未连接的点 axes[0,0].bar([1,2,3],[3,4,5]) # 绘制等宽纵向矩形 axes[1,0].barh([0.5,1,2.5],[0,1,2]) # 绘制等高横向矩形 axes[1,1].axhline(0.45) # 绘制与轴平行的横线 axes[0,1].axvline(0.65) # 绘制与轴垂直的竖线 ax.fill(x,y,color='blue') # 绘制填充多边形 ax.fill_between(x,y,color='yellow') # 填充y值和0之间
二维数据或图片
import matplotlib.image as imgplt img = imgplt.imread('c:/users/administrator/desktop/timg.jpg') fig, ax = plt.subplots() im = ax.imshow(img, cmap='gist_earth', interpolation='nearest', vmin=-200, vmax=200)# 色彩表或rgb数组 axes2[0].pcolor(data2) # 二维数组伪彩色图 axes2[0].pcolormesh(data) # 二维数组等高线伪彩色图 cs = plt.contour(y,x,u) # 等高线图 axes2[2].contourf(data) axes2[2]= ax.clabel(cs) # 等高线图标签
向量场
axes[0,1].arrow(0,0,0.5,0.5) # 为坐标轴添加箭头 axes[1,1].quiver(y,z) # 二维箭头 axes[0,1].streamplot(x,y,u,v) # 二维箭头
数据分布
ax1.hist(y) # 直方图 ax3.boxplot(y) # 箱形图 ax3.violinplot(z) # 小提琴图
自定义图形 颜色、色条与色彩表
plt.plot(x, x, x, x**2, x, x**3) ax.plot(x, y, alpha = 0.4) ax.plot(x, y, c='k') fig.colorbar(im, orientation='horizontal') im = ax.imshow(img, cmap='seismic')
标记
fig, ax = plt.subplots() ax.scatter(x,y,marker=".") ax.plot(x,y,marker="o")
线型
plt.plot(x,y,linewidth=4.0) plt.plot(x,y,ls='solid') plt.plot(x,y,ls='--') plt.plot(x,y,'--',x**2,y**2,'-.') plt.setp(lines,color='r',linewidth=4.0)
文本与标注
ax.text(1, -2.1, 'example graph', style='italic') ax.annotate("sine", xy=(8, 0), xycoords='data', xytext=(10.5, 0), textcoords='data', arrowprops=dict(arrowstyle="->", connectionstyle="arc3"),)
数学符号
plt.title(r'$sigma_i=15$', fontsize=20)
尺寸限制、图例和布局
尺寸限制与自动调整
ax.margins(x=0.0,y=0.1) # 添加内边距 ax.axis('equal') # 将图形纵横比设置为1 ax.set(xlim=[0,10.5],ylim=[-1.5,1.5]) # 设置x轴与y轴的限 ax.set_xlim(0,10.5)
图例
ax.set(title='an example axes', ylabel='y-axis', xlabel='x-axis') # 设置标题与x、y轴的标签 ax.legend(loc='best') # 自动选择最佳的图例位置
标记
ax.xaxis.set(ticks=range(1,5), ticklabels=[3,100,-12,"foo"]) # 手动设置x轴刻度 ax.tick_params(axis='y', direction='inout', length=10) # 设置y轴长度与方向
子图间距
fig3.subplots_adjust(wspace=0.5, hspace=0.3, left=0.125, right=0.9, top=0.9, bottom=0.1) fig.tight_layout() # 设置画布的子图布局
坐标轴边线
ax1.spines['top'].set_visible(false) # 隐藏顶部坐标轴线 ax1.spines['bottom'].set_position(('outward',10)) # 设置底部边线的位置为outward
保存
#保存画布 plt.savefig('foo.png') # 保存透明画布 plt.savefig('foo.png', transparent=true)
显示图形
plt.show()
关闭与清除
plt.cla() # 清除坐标轴 plt.clf() # 清除画布 plt.close() # 关闭窗口
以上就是python 数据科学 matplotlib的详细内容,更多关于python 数据科学 matplotlib的资料请关注其它相关文章!
推荐阅读
-
详解Python数据可视化编程 - 词云生成并保存(jieba+WordCloud)
-
对python requests发送json格式数据的实例详解
-
python数据库操作常用功能使用详解(创建表/插入数据/获取数据)
-
Python Matplotlib绘制多子图详解
-
python数据科学(四分位准则及绘制箱线图)
-
对sklearn的使用之数据集的拆分与训练详解(python3.6)
-
Python Matplotlib绘制多子图详解
-
详解Python数据分析--Pandas知识点
-
Python内置数据类型详解
-
对python 数据处理中的LabelEncoder 和 OneHotEncoder详解