Matplotlib

简介

• 是专门用于开发2D图表(包括3D图表)
• 以渐进、交互式方式实现数据可视化
• 直观、方便的呈现

Matplotlib官方文档

图形绘制流程

0. 导包
1. 创建画布
2. 绘制图像
3. 显示调整和保存
4. 显示图像plt.show()交互模式下，显示所有图形并阻止直到图形关闭

图像结构

单图绘制

创建画布

格式：plt.figure(figsize=(长，宽)， dpi=像素，facecolor = 背景颜色， edgecolor=边框颜色)

• 长宽的单位分别是英寸，默认为[6.4, 4.8]
• dpi像素值大小为100
• 背景和边框颜色默认为 白色

绘制图像

方式一： 添加 图例文本说明 参数（多条线不能连写）
plt.图形命令(图形特有参数, marker=“标识字符”，line=“线型符号”， color="颜色字符"， label="图例文本说明")

• 可以为图像添加图例文本（plt.legend(loc=“best”)显示图例）
• 若想要在同一张画布上绘制多条线则必须使用多次该语句
• 线的样式（颜色、标识、线型）也可以按照方法二中传参

方式二：不添加 图例文本说明 参数
plt.图形命令([x], y, [颜色字符标识字符线型符号], [x2], y2, [颜色字符标识字符线型符号], ...)

• 该方式可以一次性在一张图上绘制多条线
• 缺点是无法添加 图像图例文本说明

注意：

• 方法一中的 color关键字可以简写为c

图形种类	图形命令	优点	图形特有参数及要求
折线图	plt.plot(x，y)	反应数据变化状况	x, y描述折线图的节点，x y必须是 个数相等 的一位数组（等长列表）
散点图	plt.scatter(x, y)	展示离群点分布规律	x, y描述离散点，x y必须是 个数相等 的一位数组（等长列表）
柱状图	plt.bar(x,y, width, align='对齐方式')	统计离散数据对比情况	width为柱的宽度，x可为字符串列表，对齐方式:center, edge
直方图	plt.hist(x, bins=None)	统计连续数据分布	x需要传递的数据，bins组距
饼图	plt.pie(x, labels,autopct="%1.2f%%")	显示占比情况	x数量(自动算百分比)，labels每部分名称, autopct占比显示

颜色字符和颜色	颜色字符和颜色	颜色字符和颜色	颜色字符和颜色
b蓝色	g绿色	r红色	c青色
m品红	y黄色	k黑色	w白色

标识字符	标明样本点的样式
.和|和_和+和x	点标记、单竖线标记、单横线标记、加号标记 和 x标记
v和^和<和>	实心 三角形标记、倒三角标记、左三角标记 和 右三角标记
s和p和h和*和d	实心 正方形标记、五边形标记、六边形标记 、五角星标记 和 菱形标记

线型符号	线样式
-（一个减号）	实线样式
--（两个减号）	长虚线样式
:（一个冒号）	短虚线样式
-.（一个减号和一个点）	点划线样式

import matplotlib.pyplot as plt
import random

x = range(0, 60)
y1 = [random.uniform(10, 15) for i in x]
y2 = [random.uniform(18, 23) for i in x]

plt.figure(figsize=(10,5), dpi=100)
plt.plot(x, y1,"x-r", y2, '.--g')
plt.show()

显示结果：

显示调整和保存

1. 修改横纵坐标刻度
   plt.xticks(ticks, [labels], **kwargs)
plt.yticks(应当放置刻度的位置列表,在给定位置放置的显式标签的列表)
   例：plt.xticks(range(5), ('赵云', '关羽', '马超', '张飞', '黄忠'))
   若刻度过于密集可以设置步长：plt.xticks(x[::5], x_ticks_label[::5])
   注意：在传递进去的第一个参数必须是数字列表,不能是字符串,若需要是字符串,则必须将数字刻度传到第一位，进行进行替换操作
2. 显示网格
   plt.grid(color='颜色字符', linestyle='线型符号', linewidth=线宽, alpha=透明度)
   透明度在0~1之间，越接近1，越显
3. 添加描述信息
   plt.xtable("填写X坐标描述信息")
plt.ytable("填写Y坐标描述信息")
plt.title("标题描述信息", fonesize=字体大小)
4. 显示图例说明
   plt.legend(loc=“Location String”或 Location Code)

Location String	位置	Location Code
best	自动调整	0
upper right	右上角	1
upper left	左上角	2
lower left	左下角	3
lower right	右下角	4
right	右侧	5
center left	左侧居中	6
center right	右侧居中	7
lower center	底部居中	8
upper center	顶部居中	9
center	画布正*	10

5. 图像保存
   plt.savefig("路径/名称.图片后缀")

注意：显示调整命令和图像保存的命令必须在plt.show()之前设置显示和保存

import matplotlib.pyplot as plt
import random

# 0.准备数据
x = range(60)
y_shanghai = [random.uniform(14, 18) for i in x]
y_beijing = [random.uniform(7,11) for i in x]

# 1.创建画布
plt.figure(figsize=(15, 5), dpi=100)

# 2.绘制图像
plt.plot(x, y_shanghai, marker='x', label="上海")
plt.plot(x, y_beijing, 'r--.', label="北京")

# 2.1 添加x,y轴刻度
# 构造x,y轴刻度标签
x_ticks_label = ["11点{}分".format(i) for i in x]
y_ticks = range(25)

# 刻度显示
plt.xticks(x[::5], x_ticks_label[::5])
plt.yticks(y_ticks[::5])

# 2.2 添加网格显示
plt.grid(True, linestyle="--", alpha=0.5)

# 2.3 添加描述信息
plt.xlabel("时间（/ min）", fontsize=14)
plt.ylabel("温度（/ °C）", fontsize=14)
plt.title("中午11点--12点某城市温度变化图", fontsize=20)

# 2.4 图像保存
plt.savefig("./test.png")

# 2.5 添加图例
plt.legend(loc=0)

# 3.图像显示
plt.show()

结果显示：

多图显示

区别于单图显示：

• 创建多组画布：fig, axes = plt.subplots(nrows=行数, ncols=列数, figsize=(长宽), dpi=像素)
• 将单图命令中的plt更换为axes[画布编号]
• 添加坐标和标题描述信息命令：set_xlabel和set_ylabel和set_title
• 注意修改刻度有很大差异,需使用set_xticks()设置刻度跨度，然后使用set_xticklabels()修改刻度显示
• plt.函数名()相当于面向过程的画图方法，axes.set_方法名()相当于面向对象的画图方法
• 仅仅是函数函数名发生变化，参数与单图显示完全一致

import matplotlib.pyplot as plt
import random

# 0.准备数据
x = range(60)
y_shanghai = [random.uniform(14, 18) for i in x]
y_beijing = [random.uniform(7,11) for i in x]


# 1.创建画布
# plt.figure(figsize=(15, 5))
fig, axes = plt.subplots(nrows=2, ncols=1, figsize=(15, 5))


# 2.绘制图像
# plt.plot(x, y_shanghai, marker='x', label="上海")
# plt.plot(x, y_beijing, 'r--.', label="北京")
axes[0].plot(x, y_shanghai, marker='x', label="上海")
axes[1].plot(x, y_beijing, 'r--.', label="北京")

# 2.1 添加x,y轴刻度
# 构造x,y轴刻度标签
x_ticks_label = ["11点{}分".format(i) for i in x]
y_ticks = range(40)

# 刻度显示
# plt.xticks(x[::5], x_ticks_label[::5])
# plt.yticks(y_ticks[::5])
axes[0].set_xticks(x[::5])
axes[0].set_yticks(y_ticks[::5])
axes[0].set_xticklabels(x_ticks_label[::5])
axes[1].set_xticks(x[::5])
axes[1].set_yticks(y_ticks[::5])
axes[1].set_xticklabels(x_ticks_label[::5])

# 2.2 添加网格显示
# plt.grid(True, linestyle="--", alpha=0.5)
axes[0].grid(True, linestyle="--", alpha=0.5)
axes[1].grid(True, linestyle="--", alpha=0.5)

# 2.3 添加描述信息
# plt.xlabel("时间")
# plt.ylabel("温度")
# plt.title("中午11点--12点某城市温度变化图", fontsize=20)
axes[0].set_title("中午11点--12点某城市温度变化图", fontsize=20)
axes[1].set_xlabel("时间")
axes[1].set_ylabel("温度")

# # 2.4 图像保存
plt.savefig("./test.png")

# # 2.5 添加图例
# plt.legend(loc=0)
axes[0].legend(loc=0)
axes[1].legend(loc=0)

# 3.图像显示
plt.show()