matplotlib 学习

1、LinePlot

import matplotlib.pyplot as plt
import numpy as np

t = np.arange(0.0,2.0,0.01)
s = 1 + np.sin(2*np.pi*t)

# fig,ax = plt.subplots() 等价于 先生成一个figure 然后再 添加子图（add_subplot(111)）
fig = plt.figure()
ax = fig.add_subplot(111)
ax.plot(t,s)
ax.set(xlabel='time(s)',ylabel='voltage(mV)',title='About as simple as it gets,folks')
ax.grid()
plt.show()

2、MultiPlot

import numpy as np
import matplotlib.pyplot as plt

x1 = np.linspace(0.0, 5.0) #linspace 默认 数据点为50个
x2 = np.linspace(0.0, 2.0)
y1 = np.cos(2*np.pi*x1)*np.exp(-x1)
y2 = np.cos(2*np.pi*x2)

'''
    可以直接用plt.subplot()
'''
# plt.subplot(2,1,1)
# plt.plot(x1,y1,'o-')
# plt.title('A tale of 2 subplots')
# plt.ylabel('Damped oscillation')
# plt.subplot(2,1,2)
# plt.plot(x2,y2,'.-')
# plt.xlabel('time (s)')
# plt.ylabel('Undamped')
# plt.show()

''' 
    可以生成figure 后 逐个添加 sub_plot
'''
fig = plt.figure()
ax = fig.add_subplot(211)
ax.plot(x1,y1,'*-')
ax.set_title('A tale of 2 subplots')
ax2 = fig.add_subplot(212)
ax2.plot(x2,y2,'o-')
ax2.set_title('Damped oscillation')
plt.show()

3、Histogram(直方图)

import matplotlib
import numpy as np
import matplotlib.pyplot as plt

'''
    hist 函数就是根据输入的数据x 画出分布直方图（不同数据多少）
'''
np.random.seed(19680801) # 随机种子

mu = 100  # 均值
sigma = 15  # 标准差
#生成 400 个随机数列表
x = np.random.randn(400)
x = mu + sigma * np.random.randn(400)
num_bins = 50
fig, ax = plt.subplots()

'''input:
    x: 可以是一组或多组输入值
    num_bins:直方图数 用于计算bins 边界
    density: 保证所有直方图 和为1
    
    :return
    n : 每个直方图的值
    bins ：长度为nbin + 1 每个直方图的左边缘值 + 最后一个右边缘值
    patches: 这个返回值可以不用管    
'''
n, bins, patches = ax.hist(x, num_bins, density=1)

#添加一个拟合直方图的曲线
y = ((1 / (np.sqrt(2 * np.pi) * sigma)) *
     np.exp(-0.5 * (1 / sigma * (bins - mu))**2))

ax.plot(bins, y, '--')
ax.set_xlabel('Smarts')
ax.set_ylabel('Probability density')
ax.set_title(r'Histogram of IQ: $\mu=100$, $\sigma=15$')

fig.tight_layout()
plt.show()

4、BarCharts(条形图)

import numpy as np
import matplotlib.pyplot as plt
from matplotlib.ticker import MaxNLocator
from collections import namedtuple


n_groups = 5

means_men = (20, 35, 30, 35, 27)
std_men = (2, 3, 4, 1, 2)

means_women = (25, 32, 34, 20, 25)
std_women = (3, 5, 2, 3, 3)

fig, ax = plt.subplots()

index = np.arange(n_groups)
bar_width = 0.35

#透明度
opacity = 0.4
error_config = {'ecolor': '0.3'}

rects1 = ax.bar(index, means_men, bar_width,
                alpha=opacity, color='b',
                yerr=std_men, error_kw=error_config,
                label='Men')
# 注意起始位置 index+bar_width 控制 其与 rects1的间距
rects2 = ax.bar(index + bar_width, means_women, bar_width,
                alpha=opacity, color='r',
                yerr=std_women, error_kw=error_config,
                label='Women')

ax.set_xlabel('Group')
ax.set_ylabel('Scores')
ax.set_title('Scores by group and gender')
# tick 设置标记的位置
ax.set_xticks(index + bar_width/2)
#设置标记的标签
ax.set_xticklabels(('A', 'B', 'C', 'D', 'E'))
ax.legend()

fig.tight_layout()
plt.show()

5、PieChart

import matplotlib.pyplot as plt

# counter-clockwise 标签按照逆时针画出
labels = 'Frogs', 'Hogs', 'Dogs', 'Logs'
sizes = [15, 30, 45, 10]

# 对第二个 'Hogs' 单独处理 往外偏移0.1
explode = (0, 0.1, 0, 0)

fig1, ax1 = plt.subplots()
'''
    size: array-like 数据值的数组
    explode：描述每一部分偏移量 长度必须和size相等
    autopct：指定 value值的格式 %% 表示%
    startangle：指定起始角度 ，默认为x轴 这里指定为90 即 逆时针旋转90度
'''
ax1.pie(sizes, explode=explode, labels=labels, autopct='%1.1f%%',
        shadow=True, startangle=90)

# 保证各部分占比相等 为圆形
ax1.axis('equal')

plt.show()