python中利用matplotlib绘图可视化知识归纳
python中利用matplotlib绘图可视化知识归纳：
（1）matplotlib图标正常显示中文
import matplotlib.pyplot as plt
plt.rcparams['font.sans-serif']=['simhei'] #用于正常显示中文标签
plt.rcparams['axes.unicode_minus']=false #用于正常显示负号
（2）统计作图函数：
- plt.plot()绘制线性二维图，折线图
注意：如果向plot()指令提供了一维的数组或者列表，则matplotlib将默认它是一系列的y值，并且自动为其生成x的值。默认的x向量从0开始并且具有和y同样的长度。
- plt.bar() 绘制条形图
- plt.scatter() 绘制散点图
- plt.hist() 绘制二维条形直方图，显示数据的分配情况
- plt.pie() 绘制饼图
- plt.boxplot() 绘制箱形图
（3）为项目设置matplotlib参数
在代码执行过程中，有两种方式可以更改参数：
- 使用参数字典（rcparams）
- 调用matplotlib.rc()命令，通过传入关键字元组，修改参数
如果不想每次使用matplotlib时都在代码部分进行配置，可以修改matplotlib的文件参数。可以用matplot.get_config()命令来找到当前用户的配置文件目录。
配置文件包括以下配置项：
- figure: 控制dpi、边界颜色、图形大小、和子区( subplot)设置
- font: 字体集（font family）、字体大小和样式设置
- grid: 设置网格颜色和线性
- legend: 设置图例和其中的文本的显示
- line: 设置线条（颜色、线型、宽度等）和标记
- xticks和yticks: 为x,y轴的主刻度和次刻度设置颜色、大小、方向，以及标签大小。
- axex: 设置坐标轴边界和表面的颜色、坐标刻度值大小和网格的显示
- backend: 设置目标暑促tkagg和gtkagg
- patch: 是填充2d空间的图形对象，如多边形和圆。控制线宽、颜色和抗锯齿设置等。
- savefig: 可以对保存的图形进行单独设置。例如，设置渲染的文件的背景为白色。
- verbose: 设置matplotlib在执行期间信息输出，如silent、helpful、debug和debug-annoying
（4）线条相关属性标记设置
线条形状设置： linestyle
marker：对坐标点标记（线条标记）
（5）颜色设置
调用matplotlib.pyplot.colors()可以得到matplotlib支持的所有颜色。
其中，k表示黑色、m表示洋红色、c表示青色、w表示白色。
背景色：matplotlib.pyplot.axes() 或者 matplotlib.pyplot.subplot()提供一个axisbg参数，可以指定坐标中的颜色。
（6）修改坐标范围
默认情况下，坐标轴的最大值和最小值与输入数据的最小、最大值一致。
plt.axis(xmin,xmax,ymin,ymax) 给定了坐标范围
xlim(xmin,xmax)和ylim(ymin,ymax)来调整x,y的坐标范围
（7）设置轴标记plt.xticks()/plt.yticks()：人为设置坐标轴的刻度显示的值
实例：
import matplotlib.pyplot as plt
import numpy as np
plt.figure(figsize=(8,6), dpi=80) # 创建一个新的 1 * 1 的子图，接下来的图样绘制在其中的第 1 块（也是唯一的一块）
plt.subplot(1,1,1)
x = np.linspace(-np.pi, np.pi, 256,endpoint=true)
c,s = np.cos(x), np.sin(x)
plt.plot(x, c, color="blue", linewidth=1.0, linestyle="-") # 绘制余弦曲线，使用蓝色的、连续的、宽度为 1 （像素）的线条
plt.plot(x, s, color="r", lw=4.0, linestyle="-") # 绘制正弦曲线，使用绿色的、连续的、宽度为 1 （像素）的线条
plt.axis([-4,4,-1.2,1.2]) #给定坐标轴的范围
# 设置轴记号
plt.xticks([-np.pi, -np.pi/2, 0, np.pi/2, np.pi],
[r'$-\pi$', r'$-\pi/2$', r'$0$', r'$+\pi/2$', r'$+\pi$'])
plt.yticks([-1, 0, +1],
[r'$-1$', r'$0$', r'$+1$']) #注意：这里设置记号时，同时设置了记号的标签。使用了latex
plt.show()
（8）叠加图：用一条指令画出多条不同格式的线
示例：
import matplotlib.pyplot as plt
import numpy as np
t = np.arange(0., 5., 0.2)
plt.plot(t, t, 'r--', t, t**2, 'bs', t, t**3, 'g^')
plt.show()
（9）创建子图plt.subplot()
首先通过plt.figure()创建一张新的图，之后用plt.subplot()创建子图。
其中subplot()指令包含行数、列数和图像编号，其中图像编号的范围是从1到行数 * 列数。
import matplotlib.pyplot as plt
plt.figure(1) # 第一张图
plt.subplot(211) # 第一张图中的第一张子图
plt.plot([1,2,3])
plt.subplot(212) # 第一张图中的第二张子图
plt.plot([4,5,6])
plt.figure(2) # 第二张图
plt.plot([4,5,6]) # 默认创建子图subplot(111)
plt.figure(1) # 切换到figure 1 ; 子图subplot(212)仍旧是当前图
plt.subplot(211) # 令子图subplot(211)成为figure1的当前图
plt.title('easy as 1,2,3') # 添加subplot 211 的标题
（10）plt.text()添加文字说明
text语法说明：
text(x,y,string,fontsize=15,verticalalignment="top",horizontalalignment="right")
其中：
x,y:表示坐标值上的值
string:表示说明文字
fontsize:表示字体大小
verticalalignment：垂直对齐方式 ，参数：[ ‘center’ | ‘top’ | ‘bottom’ | ‘baseline’ ]
horizontalalignment：水平对齐方式 ，参数：[ ‘center’ | ‘right’ | ‘left’ ]
arrowprops #箭头参数,参数类型为字典dict 参数：width点箭头的宽度，headwidth在点的箭头底座的宽度，headlength点箭头的长度，shrink 总长度为分数“缩水”从两端，facecolor箭头颜色
bbox给标题增加外框 其中常用参数： boxstyle方框外形，facecolor(简写fc)背景颜色，edgecolor(简写ec)边框线条颜色，edgewidth边框线条大小
示例：
import matplotlib.pyplot as plt
plt.text(0.6, 0.5, "test", size=50, rotation=30.,ha="center", va="center",bbox=dict(boxstyle="round",ec=(1., 0.5, 0.5),fc=(1., 0.8, 0.8),))
plt.text(0.5, 0.4, "test", size=50, rotation=-30.,ha="right", va="top",bbox=dict(boxstyle="square",ec=(1., 0.5, 0.5),fc=(1., 0.8, 0.8),))
plt.draw()
plt.show()
（12）文本注释annotate()
格式：annotate（s=’str’,xy=(x,y),xytext=(i1,i2),;...）
annotate()参数设置箭头指示的位置，xytext参数设置注释文字的位置
---arrowprops参数以字典的形式设置箭头的样式
---width参数设置箭头长方形部分的宽度，headlength参数设置箭头尖端的长度
---headwidth参数设置箭头尖端底部的宽度，shrink参数设置箭头顶点、尾部与指示点、注释文字的距离(比例值)'''
示例如下：
import numpy as np
import matplotlib.pyplot as plt
plt.figure(figsize=(6, 6))
x = np.random.randint(0, 10, size=10)
x[5] = 30 # 对x中索引值为5的重新赋值
plt.plot(x)
plt.ylim([-2, 35])
# plt.annotate(s="this point is important", xy=(5, 30), xytext=(6, 31),arrowprops={"width": 2, "headlength": 5, "headwidth": #5, "shrink": 0.1})
plt.annotate(s="this point is important", xy=(5, 30), xytext=(6, 31),arrowprops={"arrowstyle":"->"}) # 如果arrowprops中有arrowstyle,就不应该有其他的属性，xy代表的是箭头的位置，xytext代表的是箭头文本的位置。
plt.show()
（13）plt.title()设置图像标题
title常用参数:fontsize设置字体大小、fontweight设置字体粗细、fontstyle设置字体类型、verticalalignment设置水平对齐方式 ，可选数： ： 'center' , 'top' , 'bottom' ,'baseline'
horizontalalignment设置垂直对齐方式，可选参数：left,right,center
rotation(旋转角度)可选参数为:vertical,horizontal 也可以为数字
alpha透明度，参数值0至1之间
backgroundcolor标题背景颜色
（14）matplotlib中的fill_between()函数总结
l 示例：曲线覆盖
import numpy as np
import matplotlib.pyplot as plt
x = np.array([i for i in range(30)])
y = np.random.rand(30)
plt.plot(x, y)
plt.fill_between(x, 0, y, facecolor='green', alpha=0.3)
plt.show()
注意：fill_between()函数中的几个参数：
x：第一个参数表示覆盖的区域，直接复制为x，表示整个x都覆盖
0：表示覆盖的下限
y： 表示覆盖的上限是y这个曲线
facecolor:覆盖区域的颜色
alpha：覆盖区域的透明度[0,1]，其值越大，表示越不透明
部分区域覆盖：plt.fill_between(x[2:15], 0.2, 0.6, facecolor='green', alpha=0.3)
两曲线之间的覆盖：
y1 = np.random.rand(30)
y2 = y1 + 0.3
plt.plot(x, y1,'b',x,y2,'r')
plt.fill_between(x, y1, y2, facecolor='green', alpha=0.3)
示例：想要实现循环填充想要填充的部分，设置填充的上下限的功能
import numpy as np
import matplotlib.pyplot as plt
x = np.array([i for i in range(30)])
print(x)
y = np.random.rand(30)
# 设置想要高亮数据的位置
position = [[1, 6],
[10, 12],
[20, 23],
[26, 28]]
print(position)
# 画图
plt.plot(x, y, 'r')
for i in position:
print(i) #输出结果i为：[1, 6], [10, 12], [20, 23], [26, 28]
print(x[i[0]:i[1]]) #结果为：[1 2 3 4 5] [10 11] [20 21 22] [26 27]
plt.fill_between(x[ i[0] : i[1] ], 0, 1, facecolor='green', alpha=0.3)
plt.show()