數據展示Matplotlib

目錄

• 1 Matplotlib庫
  • 1.1 Matplotlib的介紹
  • 1.2 pyplot的plot()函數
  • 1.3 pyplot的中文顯示
  • 1.4 pyplot的文本顯示
  • 1.5 繪制子繪圖區域
• 2 基礎繪圖函數
  • 2.1 基礎圖標函數概述
  • 2.2 餅圖的繪制
  • 2.3 直方圖的繪制
  • 2.4 極坐標的繪制
  • 2.5 散點圖的繪制
• 3 引力波的繪制
  • 3.1 介紹
  • 3.2 編寫

?

正文

主要內容是Matplotlib庫的基本使用和方法

回到頂部

1 Matplotlib庫

1.1 Matplotlib的介紹

　　Python優秀的數據可視化第三方庫

　　數據可視化就是將數據以特定的圖形圖像的方式展示出來, 使數據更加的直觀明了

　　范例網站

　　Matplotlib庫是由各種可視化類構成, 內部結構復雜

　　為了簡潔使用, 可以使用matplotlib.pyplot這個繪制各類可視化圖形的命令子庫, 類似于快捷方式的庫來簡化操作

　　導入

import matplotlib.pyplot as plt

　　　　同樣plt也是約定俗成的別名

　　基本使用

　　　　使用plt.plot(數組)傳入數組, 如果只有一個一維數組, 那么數組的值會指定給Y軸, X軸為他們的索引值

　　　　使用plt.ylabel(名字)設置Y軸的名字

　　　　使用plt.savefig(文件名, dpi=dpi的大小)保存圖像為圖像文件, dpi一般設置為600, 默認是PNG格式保存

　　　　使用plt.show()在IPython中展示生成的圖形

　　　　使用plt.axis([x1, x2, y1, y2])可以設置X軸的起點和終點, Y軸的起點和終點

　　　　相關代碼如下

?

1234567

import matplotlib.pyplot as pltplt.plot([0, 2, 4, 6, 8], [3, 1, 4, 5, 2])plt.ylabel("Y")plt.axis([-1, 10, 0, 6])plt.savefig("test", dpi=600)plt.show()

　　　　相關結果如下

　　　　

　　pyplot的繪圖區域

　　　　使用plt.subplot(nrows, ncols, plot_number)在全局繪圖區域中創建一個分區體系, 然后指定在哪個子區域里繪圖

　　　　其中nrows表示橫向劃分多少的區域, ncols表示縱向劃分多少的區域, 子區域的標號是從1開始的, 從上到下從左到右依次排序

　　　　另外在數量小的時候, 這三個參數之間的逗號可以去掉

　　　　具體代碼如下

?

1234567891011121314

import numpy as npimport matplotlib.pyplot as pltdef f(t):????return np.exp(-t) * np.cos(2*np.pi*t)a = np.arange(0.0, 5.0, 0.02)plt.subplot(211)plt.plot(a, f(a))plt.subplot(2,1,2)plt.plot(a, np.cos(2*np.pi*a), 'r--')plt.show()

　　　　具體效果如下

　　　　

1.2 pyplot的plot()函數

　　plot()的具體形式如下:

plt.plot(x, y, format_string, **kwargs)

　　　　x: X軸的數據, 可以是列表或者數組, 可選項, 但是當繪制多條曲線的時候, 各條曲線的x不能省略

　　　　y:?Y軸的數據, 列表或數組, 必填項

　　　　format_string: 控制曲線的格式的字符串, 可選項

　　　　**kwargs: 第二組或更多的 (x, y, format_string)

　　　　繪制多條圖像

?

123456

import numpy as npimport matplotlib.pyplot as plta = np.arange(10)plt.plot(a, 1.5*a, a, 2.5*a, a, 3.6*a, a, 4.5*a)plt.show()

　　　　結果為

　　　　

　　曲線的格式控制

　　　　format_string由制顏色字符, 風格字符和標記字符組成

　　　　具體有

　　　　

　　　　

　　　　

　　　　更改之前的風格代碼

?

123456

import numpy as npimport matplotlib.pyplot as plta = np.arange(10)plt.plot(a, 1.5*a, 'go-', a, 2.5*a, 'rx', a, 3.6*a, '*', a, 4.5*a, 'b-.')plt.show()

　　　　效果為

　　　　

　　關于**kwargs

　　　　可以添加更多更詳細的參數

　　　　color: 控制顏色, color=”green”

　　　　linestyle: 線條風格, linestyle=”dashed”

　　　　marker: 標記風格, marker=”o”, 這三個和前面的format是對應的, 此外還有

　　　　markerfacecolor: 標記的顏色,?markerfacecolor=”blue”

　　　　markersize: 標記的尺寸, markersize=20

　　　　…

1.3 pyplot的中文顯示

　　默認情況下, pyplot并不支持中文字符, 在最開始的折線圖中, 如果設置ylabel()為中文, 則在圖像中不能正常顯示

　　要顯示中文有種辦法

　　1) 使用rcParams

　　　　設置其font.family為中文字符

　　　　具體代碼如下

?

123456789

import matplotlib.pyplot as pltimport matplotlibmatplotlib.rcParams['font.family'] = 'SimHei'plt.plot([0, 2, 4, 6, 8], [3, 1, 4, 5, 2])plt.ylabel("Y軸坐標")plt.axis([-1, 10, 0, 6])plt.savefig("test", dpi=600)plt.show()

　　　　具體效果

　　　　

　　　　　　其中SimHei是黑體

　　　　具體更多參數

　　　　

　　　　相應的中文字體種類

　　　　

　　　　參考實例

?

123456789101112131415

import numpy as npimport matplotlib.pyplot as pltimport matplotlibmatplotlib.rcParams['font.family'] = 'FangSong'matplotlib.rcParams['font.size'] = 20???????????????????a = np.arange(0.0, 5.0, 0.02)plt.xlabel("X軸: 時間")plt.ylabel("Y軸: 振幅")plt.plot(a, np.cos(2*np.pi*a)+1, 'r--')plt.savefig('test2', dpi=600)plt.show()

　　　　效果為

　　

　　2) 增加 fontproperties屬性

　　　　在上述的例子中, 可以在xlabel中增加參數fontproperties來限定顯示的字體, 用此來解決中文顯示

　　　　具體代碼如下

?

12345678910

import numpy as npimport matplotlib.pyplot as plt???????????????????a = np.arange(0.0, 5.0, 0.02)plt.xlabel("X軸: 時間", fontproperties="FangSong", fontsize=20)plt.ylabel("Y軸: 振幅", fontproperties="FangSong", fontsize=20)plt.plot(a, np.cos(2*np.pi*a)+1, 'r--')plt.show()

　　兩種方法的區別就是第一種是全局修改, 第二種是指定修改

　　建議使用第二種方法, 但是為了統一可以使用方法一

1.4 pyplot的文本顯示

　　常見的文本顯示函數是

　　　　

　　　　其中title會在整個圖形的正中上放寫上文字

　　具體實例如下

?

12345678910111213141516

import numpy as npimport matplotlib.pyplot as plta = np.arange(0.0, 5.0, 0.02)plt.plot(a, np.cos(2*np.pi*a)+2, 'r--')plt.xlabel("X軸: 時間", fontproperties="FangSong", fontsize=15, color='green')plt.ylabel("Y軸: 振幅", fontproperties="FangSong", fontsize=15)plt.title(r'正玄波實例$y=cos(2\pi x)$', fontproperties="SimHei", fontsize=25)plt.text(2, 3, r'$\mu=100$', fontsize=15)plt.axis([-1, 6, 0, 4])plt.grid(True)plt.savefig('test3', dpi=600)plt.show()

　　效果為

　　

　　其中$$這種是LeTeX的語法

　　title()第一個參數表示橫坐標的位置, 第二個參數是縱坐標的位置

　　grid(True)增加網格顯示

　　關于annotate函數

plt.annotate(s, xy=arrow_crd, xytext=text_crd, arrowprops=dict)

　　　　s: 要注解的字符串

　　　　xy: 箭頭所在的位置, 元組類型

　　　　xytext: 文本顯示的位置, 元組類型

　　　　arrowprops: 定義了整個箭頭顯示的屬性, dict()

　　　　　　facecolor=”顏色” 箭頭的顏色

　　　　　　shrink 起始會按照指定的比例縮進, 這樣箭頭與兩邊的內容會留有一下空白

　　　　　　width 箭頭的寬度

　　具體代碼如下

?

123456789101112131415161718

import numpy as npimport matplotlib.pyplot as plta = np.arange(0.0, 5.0, 0.02)plt.plot(a, np.cos(2*np.pi*a)+2, 'r--')plt.xlabel("X軸: 時間", fontproperties="FangSong", fontsize=15, color='green')plt.ylabel("Y軸: 振幅", fontproperties="FangSong", fontsize=15)plt.title(r'正玄波實例$y=cos(2\pi x)$', fontproperties="SimHei", fontsize=25)plt.annotate(r"$\mu=100$", xy=(2, 3), xytext=(3, 3.5), arrowprops=dict(????????facecolor="black", shrink=0.1, width=2????????))plt.axis([-1, 6, 0, 4])plt.grid(True)plt.savefig('test3', dpi=600)plt.show()

　　效果為

　　

1.5 繪制子繪圖區域

　　使用subplot可以進行簡單的分區, 具體實現復雜的分區需要另一個函數

　　plt.subplot2grid()?

plt.subplot2grid(GridSpec, CurSpec, colspan=1, rowspan=1)

　　　　基本使用方法是: 先將整個布局進行均分, 然后指定一塊小區域作為起始點, 然后使用colspan和rowspan來在橫向和縱向上增加小塊的個數

　　　　GridSpec: 整體劃分, 元組類型

　　　　CurSpec: 指定起始小塊位置, 元組類型

　　　　colspan: 橫向小塊數量

　　　　rawspan: 縱向小塊數量

　　　　選擇實例:

　　　　

　　使用GridSpec類可以簡化操作

　　　　導入

import matplotlib.gridspec as gridspec

　　　　生成gridspec對象

gs = gridspec.GridSpec(3, 3)

　　　　使用切片的方式來獲取

　　　　具體如下

　　　　

回到頂部

2 基礎繪圖函數

2.1 基礎圖標函數概述

　　使用繪制函數的基本思想:

　　　　圖像的種類是繁多的, 我們應該專注于選擇與更合適的圖表來結合數據, 而不是學習使用所有的函數

　　

　　

　　

2.2 餅圖的繪制

　　常用于百分比的內容, 尤其是需要對比組成部分, 占有比例的時候, 更是直觀

　　生成餅圖的函數pie

plt.pie(sizes, explode=(), labels=(), autopct="", shadow=False, startangle=90)

　　　　sizes: 元組類型, 各個成分的占比

　　　　explode: 元組類型, 優先級, 優先級高的會突出來, 為0是正常組成部分

　　　　labels: 各個部分對應的標簽名字, 要和sizes對應上

　　　　autopct: 顯示比例的格式

　　　　shadow: 是否有陰影

　　　　startangle: 起始繪圖時候的角度, 和極坐標角度類似

　　具體實例

?

12345678910

import matplotlib.pyplot as pltlabels = "Python", "Java", "C/C++", "C#", "Javascript", "Other"sizes = [31.2, 19.6, 15.9, 7.4, 3.6, 22.3]explode = [0.1, 0, 0 ,0 , 0, 0]plt.pie(sizes, explode=explode, labels=labels, autopct="%.2f%%", shadow=True, startangle=90)plt.title(r'2015最受歡迎的編程語言', fontproperties="SimHei", fontsize=15)plt.show()

　　具體效果

　　

　　如果希望圖形不是側著的, 可以使用

plt.axis('equal')

2.3 直方圖的繪制

　　使用hist畫直方圖

hist(x, bins, normed, histtype, facecolor, alpha)

　　　　x: 處理的數據

　　　　bins: 生成的圖形中, 直方(在X軸上直立的長條矩形)的個數

　　　　　　具體情況是: 找到x中的最小值和最大值, 然后在這個值域中均分bins份, 每一份都是一個小的值域, x中的元素就會對應的落在相應的值域中, Y軸的值就是在這個值域的數量(normed=False時)

　　　　normed: 為True會歸一化成概率, 為False時Y軸顯示的是數量, 默認為False

　　 ?具體代碼如下

?

12345678910111213

import numpy as npimport matplotlib.pylab as pltnp.random.seed(0)mu, sigma = 100, 20a = np.random.normal(mu, sigma, size=100)plt.hist(a, 30, normed=False, histtype='stepfilled', facecolor='b',?????????alpha=0.75)plt.title("Histogram")plt.show()

　　效果如下

　　

2.4 極坐標的繪制

　　繪制極坐標用

ax = plt.subplot(111, projection='polar')

　　　　通過生成一個對象ax, 來繪制極坐標的圖像

　　　　通過ax.bar()來設置圖像

bar(left, height, width=0.8, bottom=None, **kwargs)

　　　　　　left: 繪制極坐標時的開始位置, 圖中的某個位置

　　　　　　height: 中心點向邊界延伸的長度

　　　　　　width: 旋轉的寬度

　　具體代碼如下

?

12345678910111213141516

import matplotlib.pylab as pltimport numpy as npN = 20theta = np.linspace(0.0, 2*np.pi, N, endpoint=False)radii = 10*np.random.rand(N)width = np.pi/4*np.random.rand(N)ax = plt.subplot(111, projection='polar')bars = ax.bar(theta, radii, width=width, bottom=0.0)for r, bar in zip(radii, bars):????bar.set_facecolor(plt.cm.viridis(r/10.))????bar.set_alpha(0.5)plt.show()

　　具體效果為

　　

2.5 散點圖的繪制

　　具體代碼

?

12345678

import matplotlib.pylab as pltimport numpy as npfig, ax = plt.subplots()ax.plot(10*np.random.random(100), 10*np.random.randn(100), 'o')ax.set_title("simple Scatter")plt.show()

　　具體效果

　　

回到頂部

3 引力波的繪制

3.1 介紹

　　引力波是因為時空彎曲對外以輻射形式傳播的能量

　　愛因斯坦的廣義相對論預言了引力波的存在

3.2 編寫

　　產生時間序列

　　讀取應變數據

　　繪制H1 Strain

　　顯示并保存圖像　　　

分類: 數據分析

總結

以上是生活随笔為你收集整理的python3（三）Matplotlib的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。