matplotlib的使用

點擊標題即可獲取文章源代碼和筆記

二、Matplotlib2.1 Matplotlib之HelloWorld2.1.1 什么是Matplotlib - 畫二維圖表的python庫mat - matrix 矩陣二維數(shù)據(jù) - 二維圖表plot - 畫圖lib - library 庫matlab 矩陣實驗室mat - matrixlab 實驗室2.1.2 為什么要學習Matplotlib - 畫圖數(shù)據(jù)可視化 - 幫助理解數(shù)據(jù)，方便選擇更合適的分析方法js庫 - D3 echarts奧卡姆剃刀原理 - 如無必要勿增實體2.1.3 實現(xiàn)一個簡單的Matplotlib畫圖2.1.4 認識Matplotlib圖像結構2.1.5 拓展知識點：Matplotlib三層結構1）容器層畫板層Canvas畫布層Figure繪圖區(qū)/坐標系x、y軸張成的區(qū)域2）輔助顯示層3）圖像層2.2 折線圖(plot)與基礎繪圖功能2.2.1 折線圖繪制與保存圖片3 設置畫布屬性與圖片保存figsize : 畫布大小dpi : dot per inch 圖像的清晰度3 中文顯示問題解決mac的一次配置，一勞永逸ubantu每創(chuàng)建一次新的虛擬環(huán)境，需要重新配置windows1）安裝字體mac/wins：雙擊安裝ubantu：雙擊安裝2）刪除matplotlib緩存文件3）配置文件2.2.4 多個坐標系顯示-plt.subplots(面向?qū)ο蟮漠媹D方法)figure, axes = plt.subplots(nrows=1, ncols=2, **fig_kw)axes[0].方法名()axes[1]2.2.5 折線圖的應用場景某事物、某指標隨時間的變化狀況拓展：畫各種數(shù)學函數(shù)圖像 2.3.1 常見圖形種類及意義折線圖plot散點圖scatter關系/規(guī)律柱狀圖bar統(tǒng)計/對比直方圖histogram分布狀況餅圖pie π占比2.3.2 散點圖繪制2.4 柱狀圖(bar)2.4.1 柱狀圖繪制2.5 直方圖(histogram)2.5.1 直方圖介紹組數(shù)：在統(tǒng)計數(shù)據(jù)時，我們把數(shù)據(jù)按照不同的范圍分成幾個組，分成的組的個數(shù)稱為組數(shù)組距：每一組兩個端點的差已知 最高175.5 最矮150.5 組距5求 組數(shù)：(175.5 - 150.5) / 5 = 52.5.2 直方圖與柱狀圖的對比1. 直方圖展示數(shù)據(jù)的分布，柱狀圖比較數(shù)據(jù)的大小。2. 直方圖X軸為定量數(shù)據(jù)，柱狀圖X軸為分類數(shù)據(jù)。3. 直方圖柱子無間隔，柱狀圖柱子有間隔4. 直方圖柱子寬度可不一，柱狀圖柱子寬度須一致2.5.3 直方圖繪制x = timebins 組數(shù) = (max(time) - min(time)) // 組距3 直方圖注意點2.6 餅圖(pie)%1.2f%%print("%1.2f%%") import matplotlib.pyplot as plt %matplotlib inline plt.figure() plt.plot([1,2,3,4,5,6,7],[17,17,18,15,11,11,13]) plt.show()

折線圖繪制與顯示

#展示上海一周的天氣，比如從星期一到星期日的天氣溫度如下 # 1. 創(chuàng)建畫布 # figsize：指定圖片的長寬 # dpi:指定圖像的清晰度 plt.figure(figsize=(20,8),dpi=280) # 2. 繪制圖像 plt.plot([1,2,3,4,5,6,7],[17,17,18,15,11,11,13])# 保存圖像 plt.savefig("fig01.png")# 3. 顯示圖像 plt.show()

• 注意：plt.show()會釋放figure資源，如果在顯示圖像之后保存圖片，將只能保存空白的圖片

案例：顯示溫度變化情況（輔助顯示層）

需求：畫出某城市11點到12點1小時內(nèi)每分鐘的溫度變化折線圖，溫度范圍在15度~18度

import random x = range(60) y_shanghai = [random.uniform(15,18) for i in x] y_shanghai [16.762333158978358,16.943581178301798,17.21289155110738,17.304877451487915,16.498088429709327, ...15.54547871676703,17.524143671682424,17.978133652214485,17.370197846502908] import random# 1. 準備數(shù)據(jù) x y x = range(60) y_shanghai = [random.uniform(15,18) for i in x]# 2. 創(chuàng)建畫布 plt.figure(figsize=(22,8),dpi=100)# 3. 繪制圖像 plt.plot(x,y_shanghai)# 4. 顯示圖像 plt.show()

2.添加自定義x,y刻度

import random# 1. 準備數(shù)據(jù) x y x = range(60) y_shanghai = [random.uniform(15,18) for i in x]# 2. 創(chuàng)建畫布 plt.figure(figsize=(22,8),dpi=100)# 3. 繪制圖像 plt.plot(x,y_shanghai)# 修改x,y刻度 plt.xticks(range(0,60,5)) plt.yticks(range(0,40,5))# 4. 顯示圖像 plt.show()

["11點{}分".format(i) for i in range(61)] ['11點0分','11點1分','11點2分','11點3分','11點4分','11點5分','11點6分',...'11點56分','11點57分','11點58分','11點59分','11點60分'] import random# 1. 準備數(shù)據(jù) x y x = range(60) y_shanghai = [random.uniform(15,18) for i in x]# 2. 創(chuàng)建畫布 plt.figure(figsize=(22,8),dpi=100)# 3. 繪制圖像 plt.plot(x,y_shanghai)# 修改x,y刻度 # 準備x的刻度說明 x_label = ["11點{}分".format(i) for i in range(61)] plt.xticks(range(0,60,5),x_label[::5]) plt.yticks(range(0,40,5))# 4. 顯示圖像 plt.show() D:\ProgramData\Anaconda3\lib\site-packages\matplotlib\backends\backend_agg.py:214: RuntimeWarning: Glyph 28857 missing from current font.font.set_text(s, 0.0, flags=flags) D:\ProgramData\Anaconda3\lib\site-packages\matplotlib\backends\backend_agg.py:214: RuntimeWarning: Glyph 20998 missing from current font.font.set_text(s, 0.0, flags=flags) D:\ProgramData\Anaconda3\lib\site-packages\matplotlib\backends\backend_agg.py:183: RuntimeWarning: Glyph 28857 missing from current font.font.set_text(s, 0, flags=flags) D:\ProgramData\Anaconda3\lib\site-packages\matplotlib\backends\backend_agg.py:183: RuntimeWarning: Glyph 20998 missing from current font.font.set_text(s, 0, flags=flags)

3.解決中文顯示問題

import matplotlib.pyplot as plt plt.rcParams['font.sans-serif']=['SimHei'] #用來正常顯示中文標簽 plt.rcParams['axes.unicode_minus']=False #用來正常顯示負號 import random# 1. 準備數(shù)據(jù) x y x = range(60) y_shanghai = [random.uniform(15,18) for i in x]# 2. 創(chuàng)建畫布 plt.figure(figsize=(22,8),dpi=100)# 3. 繪制圖像 plt.plot(x,y_shanghai)# 修改x,y刻度 # 準備x的刻度說明 x_label = ["11點{}分".format(i) for i in range(61)] plt.xticks(range(0,60,5),x_label[::5]) plt.yticks(range(0,40,5))# 4. 顯示圖像 plt.show()

4. 添加網(wǎng)格顯示

import random# 1. 準備數(shù)據(jù) x y x = range(60) y_shanghai = [random.uniform(15,18) for i in x]# 2. 創(chuàng)建畫布 plt.figure(figsize=(22,8),dpi=100)# 3. 繪制圖像 plt.plot(x,y_shanghai)# 修改x,y刻度 # 準備x的刻度說明 x_label = ["11點{}分".format(i) for i in range(61)] plt.xticks(range(0,60,5),x_label[::5]) plt.yticks(range(0,40,5))# 添加網(wǎng)格顯示 # grid(是否顯示網(wǎng)格,網(wǎng)格線樣式,網(wǎng)格透明度) plt.grid(True,linestyle="--",alpha=0.5)# 4. 顯示圖像 plt.show()

5.添加描述信息

import random# 1. 準備數(shù)據(jù) x y x = range(60) y_shanghai = [random.uniform(15,18) for i in x]# 2. 創(chuàng)建畫布 plt.figure(figsize=(22,8),dpi=100)# 3. 繪制圖像 plt.plot(x,y_shanghai)# 修改x,y刻度 # 準備x的刻度說明 x_label = ["11點{}分".format(i) for i in range(61)] plt.xticks(range(0,60,5),x_label[::5]) plt.yticks(range(0,40,5))# 添加描述信息 plt.xlabel("時間") plt.ylabel("溫度") plt.title("某城市中午11：00到12：00zip間的溫度變化圖示")# 添加網(wǎng)格顯示 # grid(是否顯示網(wǎng)格,網(wǎng)格線樣式,網(wǎng)格透明度) plt.grid(True,linestyle="--",alpha=0.5)# 4. 顯示圖像 plt.show()

再添加一個城市的溫度變化（圖像層）

收集到北京當天溫度變化情況，溫度在1度到3度。

y_beijing = [random.uniform(1,3) for i in range(61)] y_beijing [2.6582522879775263,1.2944662118583519,2.9128902882809036,2.3066941253832427,2.100357799277068, ...1.0759520914191576,1.3613792689673339,2.0180224854714215,2.042084118916457,2.8643212857317306] import random# 1. 準備數(shù)據(jù) x y x = range(60) y_shanghai = [random.uniform(15,18) for i in x] y_beijing = [random.uniform(1,3) for i in range(60)]# 2. 創(chuàng)建畫布 plt.figure(figsize=(22,8),dpi=100)# 3. 繪制圖像 plt.plot(x,y_shanghai,color='r',linestyle="--") plt.plot(x,y_beijing,color='b') # 修改x,y刻度 # 準備x的刻度說明 x_label = ["11點{}分".format(i) for i in range(61)] plt.xticks(range(0,60,5),x_label[::5]) plt.yticks(range(0,40,5))# 添加描述信息 plt.xlabel("時間") plt.ylabel("溫度") plt.title("上海、北京中午11：00到12：00zip間的溫度變化圖示")# 添加網(wǎng)格顯示 # grid(是否顯示網(wǎng)格,網(wǎng)格線樣式,網(wǎng)格透明度) plt.grid(True,linestyle="--",alpha=0.5)# 4. 顯示圖像 plt.show()

顯示圖例

import random# 1. 準備數(shù)據(jù) x y x = range(60) y_shanghai = [random.uniform(15,18) for i in x] y_beijing = [random.uniform(1,3) for i in range(60)]# 2. 創(chuàng)建畫布 plt.figure(figsize=(22,8),dpi=100)# 3. 繪制圖像 plt.plot(x,y_shanghai,color='r',linestyle="--",label="上海") plt.plot(x,y_beijing,color='b',label="北京") # 修改x,y刻度 # 準備x的刻度說明 x_label = ["11點{}分".format(i) for i in range(61)] plt.xticks(range(0,60,5),x_label[::5]) plt.yticks(range(0,40,5))# 添加描述信息 plt.xlabel("時間") plt.ylabel("溫度") plt.title("上海、北京中午11：00到12：00zip間的溫度變化圖示")# 添加網(wǎng)格顯示 # grid(是否顯示網(wǎng)格,網(wǎng)格線樣式,網(wǎng)格透明度) plt.grid(True,linestyle="--",alpha=0.5)# 顯示圖例 plt.legend(loc="best") # plt.legend(loc=2)# 4. 顯示圖像 plt.show()

多個坐標系顯示-plt.subplots（面向?qū)ο蟮漠媹D方法）

我們想要將上海和北京的天氣圖顯示在同一個圖的不同坐標系當中

import random# 1. 準備數(shù)據(jù) x y x = range(60) y_shanghai = [random.uniform(15,18) for i in x] y_beijing = [random.uniform(1,3) for i in range(60)]# 2. 創(chuàng)建畫布 # plt.figure(figsize=(22,8),dpi=100)# figure是畫布對象，axes是繪圖區(qū)對象 figure,axes = plt.subplots(nrows=1,ncols=2,figsize=(20,8),dpi=80)# 3. 繪制圖像 axes[0].plot(x,y_shanghai,color='r',linestyle="--",label="上海") axes[1].plot(x,y_beijing,color='b',label="北京")# 修改x,y刻度 # 準備x的刻度說明 x_label = ["11點{}分".format(i) for i in range(61)] axes[0].set_xticks(range(0,60,7)) # 設置x軸刻度大小 axes[0].set_xticklabels(x_label[::7]) # 設置x軸每個刻度的名字 axes[1].set_yticks(range(0,40,7)) axes[1].set_xticklabels(x_label[::7])# 添加描述信息 axes[0].set_xlabel("時間") axes[0].set_ylabel("溫度") axes[0].set_title("上海中午11：00到12：00zip間的溫度變化圖示") axes[1].set_xlabel("時間") axes[1].set_ylabel("溫度") axes[1].set_title("北京中午11：00到12：00zip間的溫度變化圖示")# 添加網(wǎng)格顯示 # grid(是否顯示網(wǎng)格,網(wǎng)格線樣式,網(wǎng)格透明度) axes[0].grid(True,linestyle="--",alpha=0.5) axes[1].grid(True,linestyle="--",alpha=0.5)# 顯示圖例 axes[0].legend(loc="best") axes[1].legend(loc="best") # plt.legend(loc=2)# 4. 顯示圖像 plt.show()

數(shù)學函數(shù)圖像

import numpy as np# 1. 準備數(shù)據(jù) x = np.linspace(-10,10,1000) y = np.sin(x)# 2. 創(chuàng)建畫布 plt.figure(figsize=(20,8),dpi=100)# 3. 繪制函數(shù)圖像 plt.plot(x,y)# 添加網(wǎng)格顯示 plt.grid()# 4. 顯示圖像 plt.show <function matplotlib.pyplot.show(*args, **kw)>

import numpy as np# 1. 準備數(shù)據(jù) x = np.linspace(-10,10,1000) y = np.cos(x)# 2. 創(chuàng)建畫布 plt.figure(figsize=(20,8),dpi=100)# 3. 繪制函數(shù)圖像 plt.plot(x,y)# 添加網(wǎng)格顯示 plt.grid()# 4. 顯示圖像 plt.show <function matplotlib.pyplot.show(*args, **kw)>

import numpy as np# 1. 準備數(shù)據(jù) x = np.linspace(-10,10,1000) y = 2*x*x# 2. 創(chuàng)建畫布 plt.figure(figsize=(20,8),dpi=100)# 3. 繪制函數(shù)圖像 plt.plot(x,y)# 添加網(wǎng)格顯示 plt.grid(linestyle='--',alpha=0.5)# 4. 顯示圖像 plt.show <function matplotlib.pyplot.show(*args, **kw)>

2.3.2散點圖繪制

需求：探究房屋面積和屋價格的關系

# 1. 準備數(shù)據(jù) # 房屋面積數(shù)據(jù) x=[225.98,247.07,253.14,457.85,241.58,301.01,20.67,288.64,163.56,120.86,207.83,342.75,147.9,53.06,224.72,29.51,21.61,483.21,245.25,399.25,343.35]# 房屋價格數(shù)據(jù) y=[196.63,203.88,210.75,372.74,202.41,247.61,24.9,239.34,148.32,104.15,176.84,288.23,128.79,49.64,191.74,33.1,30.74,400.02,205.35,330.64,283.45]# 2. 創(chuàng)建畫布 plt.figure(figsize=(20,8),dpi=100)# 3. 繪制圖像 plt.scatter(x,y)# 3. 顯示圖像 plt.show()

2.4 柱狀圖

需求1-對比每部電影的票房收入

# 1. 準備數(shù)據(jù) movie_names = ['雷神3：諸神黃昏','正義聯(lián)盟','東方快車謀殺案','尋夢環(huán)游記','全球風暴', '降魔傳','追捕','七十七天','密戰(zhàn)','狂獸','其它'] tickets = [73853,57767,22354,15969,14839,8725,8716,8318,7916,6764,52222]# 2. 創(chuàng)建畫布 plt.figure(figsize=(20,8),dpi=100)# 3. 繪制柱狀圖 x_ticks = range(len(movie_names)) plt.bar(x_ticks,tickets,color=['b','r','g','y','c','m','y','k','c'])# 修改x的刻度值 # plt.xticks(刻度的大小，刻度上的值) plt.xticks(x_ticks,movie_names)# 添加標題 plt.title("電影票房收入對比")# 添加網(wǎng)格 plt.grid(linestyle="--",alpha=0.5)# 4. 顯示圖像 plt.show()

需求2-如何對比電影票房收入才更能加有說服力

比較相同天數(shù)的票房

有時候為了公平起見，我們需要對比不同電影首日和首周的票房

# 1. 準備數(shù)據(jù) movie_name=['雷神3:諸神黃昏','正義聯(lián)盟','尋夢環(huán)游記'] first_day=[10587.6,10062.5,1275.71] first_weekend=[36224.9,34479.6,11830]x = range(len(movie_name)) # 2. 創(chuàng)建畫布 plt.figure(figsize=(20,8),dpi=100)# 3. 繪制柱狀圖 plt.bar(x,first_day,width=0.2,label="首日票房") # [i+0.2 for i in x] 這是列表生成式 plt.bar([i+0.2 for i in x],first_weekend,width=0.2,label="首周票房")# 顯示圖例 plt.legend(loc="best")# 修改刻度 plt.xticks([i+0.1 for i in x],movie_name)# 設置標題 plt.title("對比不同電影首日和首周的票房")# 設置表格 plt.grid(linestyle="--",alpha=0.5)# 4. 顯示圖像 plt.show()

2.5 直方圖（histogram）

·組數(shù)：在統(tǒng)計數(shù)據(jù)時，我們把數(shù)據(jù)按照不同的范圍分成幾個組，分成的組的個數(shù)稱為組數(shù)

·組距：每一組兩個端點的差

直方圖 VS 柱狀圖：

1.直方圖展示數(shù)據(jù)的分布，柱狀圖比較數(shù)據(jù)的大小

2.直方圖X軸為定量數(shù)據(jù)，柱狀圖X軸為分類數(shù)據(jù)。

3.直方圖柱子無間隔，柱狀圖柱子有間隔

• 因為直方圖中的區(qū)間是連續(xù)的，因此柱子之間不存在間隙。而柱狀圖的柱子之間是存在間隔。

4.直方圖柱子寬度可不一，柱狀圖柱子寬度須一致

2.5.3 直方圖繪制

需求：電影時長分布狀況

# 1、準備數(shù)據(jù) time = [131, 98, 125, 131, 124, 139, 131, 117, 128, 108, 135, 138, 131, 102, 107, 114, 119, 128, 121, 142, 127, 130, 124, 101, 110, 116, 117, 110, 128, 128, 115, 99, 136, 126, 134, 95, 138, 117, 111,78, 132, 124, 113, 150, 110, 117, 86, 95, 144, 105, 126, 130,126, 130, 126, 116, 123, 106, 112, 138, 123, 86, 101, 99, 136,123, 117, 119, 105, 137, 123, 128, 125, 104, 109, 134, 125, 127,105, 120, 107, 129, 116, 108, 132, 103, 136, 118, 102, 120, 114,105, 115, 132, 145, 119, 121, 112, 139, 125, 138, 109, 132, 134,156, 106, 117, 127, 144, 139, 139, 119, 140, 83, 110, 102,123,107, 143, 115, 136, 118, 139, 123, 112, 118, 125, 109, 119, 133,112, 114, 122, 109, 106, 123, 116, 131, 127, 115, 118, 112, 135,115, 146, 137, 116, 103, 144, 83, 123, 111, 110, 111, 100, 154,136, 100, 118, 119, 133, 134, 106, 129, 126, 110, 111, 109, 141,120, 117, 106, 149, 122, 122, 110, 118, 127, 121, 114, 125, 126,114, 140, 103, 130, 141, 117, 106, 114, 121, 114, 133, 137, 92,121, 112, 146, 97, 137, 105, 98, 117, 112, 81, 97, 139, 113,134, 106, 144, 110, 137, 137, 111, 104, 117, 100, 111, 101, 110,105, 129, 137, 112, 120, 113, 133, 112, 83, 94, 146, 133, 101,131, 116, 111, 84, 137, 115, 122, 106, 144, 109, 123, 116, 111,111, 133, 150]# 2、創(chuàng)建畫布 plt.figure(figsize=(20,8),dpi=100)# 3、給制直方圖 #通常設置組數(shù)會有相應公式：組數(shù)=極差/組距=（max-min）/組距 # plt.hist(x,組數(shù)) distance = 2 # 組距 group_num = int((max(time)-min(time))/distance) # 組數(shù) plt.hist(time,bins=group_num,density=True) # density=True 則y軸顯示的刻度值為頻率，否則為頻數(shù)# 添加網(wǎng)格 plt.grid(linestyle="--", alpha=0.5)# 添加標題 plt.title("電影時長分布狀況")# 修改x軸刻度 plt.xticks(range(min(time),max(time)+2,distance))# 4、顯示圖倒 plt.show()

2.6.2餅圖繪制

需求：顯示不同的電影的排片占比

# 1. 準備數(shù)據(jù) movie_name = ['雷神3：諸神黃昏','正義聯(lián)盟','東方快車謀殺案','尋夢環(huán)游記','全球風暴','降魔傳','追捕','七十七天','密戰(zhàn)','狂獸','其它']place_count = [60605,54546,45819,28243,13270,9945,7679,6799,6101,4621,20105]# 2. 創(chuàng)建畫布 plt.figure(figsize=(20,8),dpi=100)# 3. 繪制餅圖 # autopct 顯示百分比的格式 plt.pie(place_count,labels=movie_name, colors=['b','r','g','y','c','m','y','k','c','g','y'], autopct="%1.2f%%")# 添加axis plt.axis("equal")# 顯示圖例 plt.legend()plt.title("不同的電影的排片占比")# 4. 顯示圖像 plt.show()

總結

以上是生活随笔為你收集整理的七、matplotlib的使用的全部內(nèi)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(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。