matplotlib实践过程总结
生活随笔
收集整理的這篇文章主要介紹了
matplotlib实践过程总结
小編覺得挺不錯的,現在分享給大家,幫大家做個參考.
通過本手冊，你將收獲以下知識：
- matplotlib 及環境配置
- 數據圖的組成結構，與 matplotlib 對應的名稱
- 常見的數據繪圖類型，與繪制方法
您可能需要以下的準備與先修知識：
- Python開發環境及matplotlib工具包
- Python基礎語法
- Python numpy 包使用
-
1.matplotlib 安裝配置
linux可以通過以下方式安裝matplotlib
sudo pip install numpy sudo pip install scipy sudo pip install matplotlibwindows強烈推薦大家使用anaconda
2.一幅可視化圖的基本結構
通常，使用 numpy 組織數據, 使用 matplotlib API 進行數據圖像繪制。 一幅數據圖基本上包括如下結構：
- Data: 數據區，包括數據點、描繪形狀
- Axis: 坐標軸，包括 X 軸、 Y 軸及其標簽、刻度尺及其標簽
- Title: 標題，數據圖的描述
- Legend: 圖例，區分圖中包含的多種曲線或不同分類的數據
其他的還有圖形文本 (Text)、注解 (Annotate)等其他描述
3.畫法
下面以常規圖為例，詳細記錄作圖流程及技巧。按照繪圖結構，可將數據圖的繪制分為如下幾個步驟：
- 導入 matplotlib 包相關工具包
- 準備數據，numpy 數組存儲
- 繪制原始曲線
- 配置標題、坐標軸、刻度、圖例
- 添加文字說明、注解
- 顯示、保存繪圖結果
下面是一個包含cos、sin、sqrt函數的完整圖像：
3.1導包
會用到 matplotlib.pyplot、pylab 和 numpy
In?[3]: #coding:utf-8%matplotlib inlineimport numpy as npimport matplotlib.pyplot as pltfrom pylab import *3.2準備數據
numpy 常用來組織源數據:
In?[2]: # 定義數據部分 x = np.arange(0., 10, 0.2) y1 = np.cos(x) y2 = np.sin(x) y3 = np.sqrt(x) ? #x = all_df['house_age'] #y = all_df['house_price']3.3繪制基本曲線
使用 plot 函數直接繪制上述函數曲線，可以通過配置 plot 函數參數調整曲線的樣式、粗細、顏色、標記等：
In?[3]: # 繪制 3 條函數曲線# $y=\sqrt{x}$plt.rcParams["figure.figsize"] = (12,8)plt.plot(x, y1, color='blue', linewidth=1.5, linestyle='-', marker='.', label=r'$y = cos{x}$')plt.plot(x, y2, color='green', linewidth=1.5, linestyle='-', marker='*', label=r'$y = sin{x}$')plt.plot(x, y3, color='m', linewidth=1.5, linestyle='-', marker='x', label=r'$y = \sqrt{x}$')Out[3]:[<matplotlib.lines.Line2D at 0x7f8a7956e910>]2.3.1 關于顏色的補充
主要是color參數：
- r 紅色
- g 綠色
- b 藍色
- c cyan
- m 紫色
- y 土黃色
- k 黑色
- w 白色
3.3.2 linestyle 參數
linestyle 參數主要包含虛線、點化虛線、粗虛線、實線，如下：
3.3.3 marker 參數
marker參數設定在曲線上標記的特殊符號，以區分不同的線段。常見的形狀及表示符號如下圖所示：
3.4 設置坐標軸
可通過如下代碼，移動坐標軸 spines
In?[6]: # 坐標軸上移 ax = plt.subplot(111) #ax = plt.subplot(2,2,1) ax.spines['right'].set_color('none') # 去掉右邊的邊框線 ax.spines['top'].set_color('none') # 去掉上邊的邊框線 # 移動下邊邊框線，相當于移動 X 軸 ax.xaxis.set_ticks_position('bottom') ax.spines['bottom'].set_position(('data', 0)) # 移動左邊邊框線，相當于移動 y 軸 ax.yaxis.set_ticks_position('left') ax.spines['left'].set_position(('data', 0))可通過如下代碼，設置刻度尺間隔 lim、刻度標簽 ticks
In?[7]: # 設置 x, y 軸的刻度取值范圍plt.xlim(x.min()*1.1, x.max()*1.1)plt.ylim(-1.5, 4.0)# 設置 x, y 軸的刻度標簽值plt.xticks([2, 4, 6, 8, 10], [r'two', r'four', r'6', r'8', r'10'])plt.yticks([-1.0, 0.0, 1.0, 2.0, 3.0, 4.0], [r'-1.0', r'0.0', r'1.0', r'2.0', r'3.0', r'4.0'])Out[7]:([<matplotlib.axis.YTick at 0x1071a2250>,<matplotlib.axis.YTick at 0x10718d910>,<matplotlib.axis.YTick at 0x10729d810>,<matplotlib.axis.YTick at 0x107294910>,<matplotlib.axis.YTick at 0x10729dd10>,<matplotlib.axis.YTick at 0x1072a6390>],<a list of 6 Text yticklabel objects>)可通過如下代碼，設置 X、Y 坐標軸和標題：
In?[2]: # 設置標題、x軸、y軸 plt.title(r'$the \ function \ figure \ of \ cos(), \ sin() \ and \ sqrt()$', fontsize=19) plt.xlabel(r'$the \ input \ value \ of \ x$', fontsize=18, labelpad=88.8) plt.ylabel(r'$y = f(x)$', fontsize=18, labelpad=12.5) NameErrorTraceback (most recent call last) <ipython-input-2-2e1dc66cb03b> in <module>() 1 # 設置標題、x軸、y軸 ----> 2 plt.title(r'$the \ function \ figure \ of \ cos(), \ sin() \ and \ sqrt()$', fontsize=19) 3 plt.xlabel(r'$the \ input \ value \ of \ x$', fontsize=18, labelpad=88.8) 4 plt.ylabel(r'$y = f(x)$', fontsize=18, labelpad=12.5)NameError: name 'plt' is not defined3.5 設置文字描述、注解
可通過如下代碼，在數據圖中添加文字描述 text：
In?[19]: plt.text(0.8, 0.9, r'$x \in [0.0, \ 10.0]$', color='k', fontsize=15)plt.text(0.8, 0.8, r'$y \in [-1.0, \ 4.0]$', color='k', fontsize=15)Out[19]:<matplotlib.text.Text at 0x7f88cddfd950>可通過如下代碼，在數據圖中給特殊點添加注解 annotate：
In?[?]: # 特殊點添加注解 plt.scatter([8,],[np.sqrt(8),], 50, color ='m') # 使用散點圖放大當前點 plt.annotate(r'$2\sqrt{2}$', xy=(8, np.sqrt(8)), xytext=(8.5, 2.2), fontsize=16, color='#090909', arrowprops=dict(arrowstyle='->', connectionstyle='arc3, rad=0.1', color='#090909'))3.6 設置圖例
可使用如下兩種方式，給繪圖設置圖例：
- 1: 在 plt.plot 函數中添加 label 參數后，使用 plt.legend(loc=’up right’)
- 2: 不使用參數 label, 直接使用如下命令：
3.7 網格線開關
可使用如下代碼，給繪圖設置網格線：
In?[?]: # 顯示網格線 plt.grid(True)3.8 顯示與圖像保存
In?[?]: plt.show() # 顯示#savefig('../figures/plot3d_ex.png',dpi=48) # 保存，前提目錄存在4.完整的繪制程序
In?[16]: #coding:utf-8 ? import numpy as np import matplotlib.pyplot as plt from pylab import * ? # 定義數據部分 x = np.arange(0., 10, 0.2) y1 = np.cos(x) y2 = np.sin(x) y3 = np.sqrt(x) ? # 繪制 3 條函數曲線 plt.plot(x, y1, color='blue', linewidth=1.5, linestyle='-', marker='.', label=r'$y = cos{x}$') plt.plot(x, y2, color='green', linewidth=1.5, linestyle='-', marker='*', label=r'$y = sin{x}$') plt.plot(x, y3, color='m', linewidth=1.5, linestyle='-', marker='x', label=r'$y = \sqrt{x}$') ? # 坐標軸上移 ax = plt.subplot(111) ax.spines['right'].set_color('none') # 去掉右邊的邊框線 ax.spines['top'].set_color('none') # 去掉上邊的邊框線 ? # 移動下邊邊框線，相當于移動 X 軸 ax.xaxis.set_ticks_position('bottom') ax.spines['bottom'].set_position(('data', 0)) ? # 移動左邊邊框線，相當于移動 y 軸 ax.yaxis.set_ticks_position('left') ax.spines['left'].set_position(('data', 0)) ? # 設置 x, y 軸的取值范圍 plt.xlim(x.min()*1.1, x.max()*1.1) plt.ylim(-1.5, 4.0) ? # 設置 x, y 軸的刻度值 plt.xticks([2, 4, 6, 8, 10], [r'2', r'4', r'6', r'8', r'10']) plt.yticks([-1.0, 0.0, 1.0, 2.0, 3.0, 4.0], [r'-1.0', r'0.0', r'1.0', r'2.0', r'3.0', r'4.0']) ? # 添加文字 plt.text(0.8, 0.8, r'$x \in [0.0, \ 10.0]$', color='k', fontsize=15) plt.text(0.8, 0.9, r'$y \in [-1.0, \ 4.0]$', color='k', fontsize=15) ? # 特殊點添加注解 plt.scatter([8,],[np.sqrt(8),], 50, color ='m') # 使用散點圖放大當前點 plt.annotate(r'$2\sqrt{2}$', xy=(8, np.sqrt(8)), xytext=(8.5, 2.2), fontsize=16, color='#090909', arrowprops=dict(arrowstyle='->', connectionstyle='arc3, rad=0.1', color='#090909')) ? # 設置標題、x軸、y軸 plt.title(r'$the \ function \ figure \ of \ cos(), \ sin() \ and \ sqrt()$', fontsize=19) plt.xlabel(r'$the \ input \ value \ of \ x$', fontsize=18, labelpad=88.8) plt.ylabel(r'$y = f(x)$', fontsize=18, labelpad=12.5) ? # 設置圖例及位置 plt.legend(loc='up right') # plt.legend(['cos(x)', 'sin(x)', 'sqrt(x)'], loc='up right') ? # 顯示網格線 plt.grid(True) ? # 顯示繪圖 plt.show()常用圖形
細節看這里，看這里，看這里
- 曲線圖：matplotlib.pyplot.plot(data)
- 灰度圖：matplotlib.pyplot.hist(data)
- 散點圖：matplotlib.pyplot.scatter(data)
- 箱式圖：matplotlib.pyplot.boxplot(data)
箱式圖科普
- 上邊緣（Q3+1.5IQR）、下邊緣（Q1-1.5IQR）、IQR=Q3-Q1
- 上四分位數（Q3）、下四分位數（Q1）
- 中位數
- 異常值
- 處理異常值時與3σσ標準的異同：統計邊界是否受異常值影響、容忍度的大小。
總結
以上是生活随笔為你收集整理的matplotlib实践过程总结的全部內容，希望文章能夠幫你解決所遇到的問題。
- 上一篇： np.random.randint产生一
- 下一篇： 数据可视化（二）Matplotlib p