Matplotlib学习笔记3

1、盒形图绘制：

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

tang_data = [np.random.normal(0,std,100) for std in range(1,4)]
fig = plt.figure(figsize = (8,6))             #区域大小
plt.boxplot(tang_data,notch=False,sym='s',vert=True)   
#notch=False基本形状，sym=‘s’方块，vert=True竖着画

plt.xticks([y+1 for y in range(len(tang_data))],['x1','x2','x3'])
plt.xlabel('x')
plt.title('box plot')  

更改盒形图颜色：

for components in bplot.keys():
    for line in bplot[components]:
        line.set_color('black')

也可以横着画，只需要vert=False：

tang_data = [np.random.normal(0,std,100) for std in range(1,4)]
fig = plt.figure(figsize = (8,6))
plt.boxplot(tang_data,notch=False,sym='s',vert=False)

plt.yticks([y+1 for y in range(len(tang_data))],['x1','x2','x3'])
plt.ylabel('x')
plt.title('box plot')

当然你要实在闲着没事干，甚至可以把盒子形状改一下，notch=True。
或者更改一下盒子的颜色：

tang_data = [np.random.normal(0,std,100) for std in range(1,4)]
fig = plt.figure(figsize = (8,6))
bplot = plt.boxplot(tang_data,notch=False,sym='s',vert=True,patch_artist=True)
#patch_artist=True才可以填充颜色

plt.xticks([y+1 for y in range(len(tang_data))],['x1','x2','x3'])
plt.xlabel('x')
plt.title('box plot')

colors = ['pink','lightblue','lightgreen']
for pathch,color in zip(bplot['boxes'],colors):
    pathch.set_facecolor(color)

2、小提琴图：violinplot

fig,axes = plt.subplots(nrows=1,ncols=2,figsize=(12,5))
tang_data = [np.random.normal(0,std,100) for std in range(6,10)]
axes[0].violinplot(tang_data,showmeans=False,showmedians=True)
axes[0].set_title('violin plot')

axes[1].boxplot(tang_data)
axes[1].set_title('box plot')

for ax in axes:
    ax.yaxis.grid(True)
    ax.set_xticks([y+1 for y in range(len(tang_data))])
plt.setp(axes,xticks=[y+1 for y in range(len(tang_data))],xticklabels=['x1','x2','x3','x4'])

3、对于轴的操作：

x = range(10)
y = range(10)
fig = plt.gca()                          #对轴操作
plt.plot(x,y)
fig.axes.get_xaxis().set_visible(False)       #消去轴的刻度
fig.axes.get_yaxis().set_visible(False)

4、去掉上右两轴且带网格的直方图：

import math
x = np.random.normal(loc = 0.0,scale=1.0,size=300)
width = 0.5
bins = np.arange(math.floor(x.min())-width,math.ceil(x.max())+width,width)
ax = plt.subplot(111)

ax.spines['top'].set_visible(False)          #去除上轴
ax.spines['right'].set_visible(False)        #去除右轴

plt.tick_params(bottom='off',top='off',left = 'off',right='off')    #消除轴上的指示线
plt.grid()            #加上网格
plt.hist(x,alpha = 0.5,bins = bins)              #hist直方图

5、轴标签：

x = range(10)
y = range(10)

labels = ['godx' for i in range(10)]
fig,ax = plt.subplots()
plt.plot(x,y)
plt.title('godx')
ax.set_xticklabels(labels,rotation = 45,horizontalalignment='right')
#rotation = 45倾斜角，horizontalalignment='right'右对齐

import matplotlib as mpl
mpl.rcParams['axes.titlesize'] = '10'     #更改图标题的大小

6、一个图多条曲线+图例：

x = np.arange(10)
for i in range(1,4):
    plt.plot(x,i*x**2,label = 'Group %d'%i)       
plt.legend(loc='best')       #在图里加上图例，loc='best'放在最好的位置

也可指定其他位置upper center、lower left等

ax.legend(loc='upper center',bbox_to_anchor = (0.5,1.15) ,ncol=3)
#把图例放在图外面，上方，(0.5,1.15)表示位置，nocl=3表示横着写（3列）
ax.legend(loc='upper center',bbox_to_anchor = (1.15,1) ,ncol=1)
#ncol=1竖着写（1列）
plt.legend(loc='upper right',framealpha = 0.1)    #将图例设置为透明

7、直方图：
最简单的：

data = np.random.normal(0,20,1000)
bins = np.arange(-100,100,5)
plt.hist(data,bins=bins)
plt.xlim([min(data)-5,max(data)+5])
plt.show()

两个变量的直方图：

import random
data1 = [random.gauss(15,10) for i in range(500)]
data2 = [random.gauss(5,5) for i in range(500)]
bins = np.arange(-50,50,2.5)

plt.hist(data1,bins=bins,label='class 1',alpha = 0.3)     #设置alpha可以看两组数据堆叠程度
plt.hist(data2,bins=bins,label='class 2',alpha = 0.3)
plt.legend(loc='best')                 #图例
plt.show()

8、散点图的绘制：

mu_vec1 = np.array([0,0])
cov_mat1 = np.array([[2,0],[0,2]])     #协方差矩阵

x1_samples = np.random.multivariate_normal(mu_vec1, cov_mat1, 100)
x2_samples = np.random.multivariate_normal(mu_vec1+0.2, cov_mat1+0.2, 100)
x3_samples = np.random.multivariate_normal(mu_vec1+0.4, cov_mat1+0.4, 100)

plt.figure(figsize = (8,6))
plt.scatter(x1_samples[:,0],x1_samples[:,1],marker ='x',color='blue',alpha=0.6,label='x1')
plt.scatter(x2_samples[:,0],x2_samples[:,1],marker ='o',color='red',alpha=0.6,label='x2')
plt.scatter(x3_samples[:,0],x3_samples[:,1],marker ='^',color='green',alpha=0.6,label='x3')
plt.legend(loc='best')
plt.show()

也可以在散点图中加入每个点的坐标：

x_coords = [0.13, 0.22, 0.39, 0.59, 0.68, 0.74, 0.93]
y_coords = [0.75, 0.34, 0.44, 0.52, 0.80, 0.25, 0.55]

plt.figure(figsize = (8,6))
plt.scatter(x_coords,y_coords,marker='s',s=50)   #s=50点的大小

for x,y in zip(x_coords,y_coords):
    plt.annotate('(%s,%s)'%(x,y),xy=(x,y),xytext=(0,-15),textcoords = 'offset points',ha='center')    
#加注释，textcoords = 'offset points'加坐标,ha='center'对齐
plt.show()

离某个点越远点越大：

mu_vec1 = np.array([0,0])
cov_mat1 = np.array([[1,0],[0,1]])
X = np.random.multivariate_normal(mu_vec1, cov_mat1, 500)
fig = plt.figure(figsize=(8,6))

R=X**2                               
R_sum=R.sum(axis = 1)

plt.scatter(X[:,0],X[:,1],color='grey',marker='o',s=20*R_sum,alpha=0.5)
plt.show()