文章目錄

• • 致謝
• 1 Matplotlib
• • 1.1 什么是Matplotlib
  • 1.2 實現一個簡單的圖
  • • 1.3 Matplotlib三層結構
    • 1.3.1 容器層
    • 1.3.2 輔助顯示層
    • 1.3.3 圖像層
  • 1.3 使用模塊
  • • 1.3.1 畫布的設置
    • 1.3.2 添加網格輔助背景
    • 1.3.3 附加屬性
    • 1.3.4 標簽
    • 1.3.5 刻度
    • 1.3.6 一個圖上多條線
    • 1.3.7 子區域
  • 1.4 基礎圖表
  • • 1.4.1 折線圖
    • 1.4.2 散點圖
    • 1.4.3 柱狀圖
    • 1.4.4 直方圖
    • 1.4.5 餅圖
    • 1.4.6 小結

致謝

Matplotlib subplot2grid()函數的詳細介紹及操作實例-立地貨 (lidihuo.com)

直方圖和柱狀圖的區別有哪些_Amanda_python的博客-CSDN博客_直方圖和柱狀圖的區別

1 Matplotlib

1.1 什么是Matplotlib

Matplotlib是一種專門用于開發2D圖表的一種工具包，盡管它也能開發3D圖表，但是我們很少會去使用他。我們通常用其來使數據可視化，其英文來源Matplotlib可以分解為三個單詞：mat——matrix（矩陣），plot——plot（畫圖），lib——library（庫）。其方法實際上和matlab一樣。而之所以不使用matlab是因為它并不免費。

1.2 實現一個簡單的圖

import matplotlib.pyplot as pltplt.figure() plt.plot([1, 0, 9], [4, 5, 6]) plt.show()

1.3 Matplotlib三層結構

1.3.1 容器層

容器層主要由Canvas、Figure、Axes組成。其中Canvas是位于最底層的系統層，在繪圖的過程中充當畫板的角色，即放置畫布（Figure）的工具；Figure是Canvas上方的第一層，也是需要用戶來操作的應用層的第一層，在繪圖的過程中充當畫布的角色；而Axes是應用層的第二層，在繪圖的過程中相當于畫布上的繪圖區的角色。

• Figure：指整個圖形（可以通過plt.figure()設置畫布的大小和分辨率）
• Axes（坐標系）：數據的繪圖區域
• Axis（坐標軸）：坐標系中的一條軸，包含大小限制、刻度和刻度標簽

容器層的特點為：

一個figure（畫布）可以包含多個axes（坐標系/繪圖區），但是一個axes只能屬于一個figure。

一個axes（坐標系/繪圖區）可以包含多個axis（坐標軸），包含兩個即為2d坐標系，3個即為3d坐標系。

總結來說，Canvas是畫板、Figure是白紙，Axes是紙上面的框架。當我們想要在白紙上面畫多個圖像，我們可以使用plt.subplots來分區。

1.3.2 輔助顯示層

輔助顯示層指的是繪圖區內的除了根據數據繪制出的圖像以外的內容，比如繪制風格、邊框線、坐標軸、坐標名、刻度、網格線、圖例、標題等。

1.3.3 圖像層

在圖像層中，我們可以在Axes之中使用plot、scatter、bar、histogram、pie等函數根據數據繪制出圖像。

1.3 使用模塊

1.3.1 畫布的設置

我們從最簡單的開始一步一步深入，我們想要繪制關于一周內天氣的折線圖。

plot方法可用于畫圖，其可以傳入列表，當傳入一個列表時，默認為y所在位置。當傳入兩個列表時，第一個列表為x所在位置，第二個列表為y所在位置。

import matplotlib.pyplot as pltplt.figure() plt.plot([1, 2, 3, 4, 5, 6, 7], [17, 17, 18, 15, 11, 11, 13]) plt.show()

如果我們要設置畫布的大小和畫布的分辨率，我們可以在figure的有參構造器中設置。

import matplotlib.pyplot as plt %matplotlib inlineplt.figure(figsize=(20,8),dpi = 80) plt.plot([1, 2, 3, 4, 5, 6, 7], [17, 17, 18, 15, 11, 11, 13]) plt.show()

如果你要保存這個畫布中的內容，除了可以直接右鍵保存圖片外，還可以使用下面的方法：

import matplotlib.pyplot as plt %matplotlib inlineplt.figure(figsize=(20,8),dpi = 80) plt.plot([1, 2, 3, 4, 5, 6, 7], [17, 17, 18, 15, 11, 11, 13]) plt.savefig("路徑") plt.show()

需要注意的是，保存圖片這個方法不可以置于show方法之后，否則show方法執行時，上述的圖片資源會被釋放，再用savefig保存的圖片是一張空白圖。

1.3.2 添加網格輔助背景

如果想要添加網格背景，可以調用plt.grid方法，其方法默認關閉，如果要開啟，需要手動給構造器一個True。在打開后，grid方法還擁有多種附加屬性，你可以自己查看API去添加。

import matplotlib.pyplot as plt plt.plot([3,1,4,5,2]) plt.ylabel('grade') plt.grid(True,linestyle = '--',alpha = 0.5) plt.show()

1.3.3 附加屬性

我們這一小節來講講附加屬性。我們首先來看一下plot的API。

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

• X:x軸數據，列表或者數組，可選。
• Y:y軸數據，列表或者數組。
• Format_string:控制曲線的格式字符串，可選
• **kwargs：第二組或更多(x,y.format_string)

對于kwargs，可以是更多附加屬性，也可以是第二組列表。

更多附加屬性有：

• linewidth:線條寬度（可取0~10，默認1.5）

• Color:控制顏色

  ? 控制顏色只需寫對應的英文首字母即可

• Linestyle:線條風格

• Marker:標記風格（可取’o’'D’等20種，默認為None）

• Markerfacecolor:標記顏色

• Markersize:標記尺寸（取0~10的數值，默認為1）

線條風格有：

• "-"實線
• "–"破折線
• "-."點劃線
• ":"虛線
• "“無線條

線條上的標記有：

• ","像素標記
• "o"實習圈標記
• "v"倒三角標記
• "^"上三角標記
• ">"右三角
• "<"左三角
• "1"下花三角
• "2"上花三角
• "3"左花三角
• "4"右花三角
• "s"實習方形
• "p"實心五角
• "*"星形
• "h"豎六邊形
• "H"橫六邊形

字體有：

• SimHei:黑體
• Kaiti:楷體
• Lisu:隸書
• Fangsong:仿宋
• You yaun:幼圓
• Stsong:宋體

1.3.4 標簽

我們可以為我們的折線圖設置標簽。

• plt.xlabel()：對x軸增加文本標簽
• plt.ylable()：對y軸增加文本標簽
• plt.title()：對圖形整體增加文本標簽
• plt.text()：對任意位置增加文本
• plt.annotate：在圖形上加上帶有箭頭的注解
• plt.legend()：添加圖例

import matplotlib.pyplot as plt import matplotlibmatplotlib.rcParams['font.family']='SimHei'plt.plot([3,1,4,5,2]) plt.ylabel('溫度') plt.xlabel('時間') plt.title('某城市一周內的天氣變化折線圖') plt.grid(True,linestyle = '--',alpha = 0.5) plt.show()

需要注意的是，在輸入中文標簽的時候，matplotlib是不支持中文的，所以輸出的圖像會有空白。為了解決這個問題，我們可以使用以下的方法。

第一種方法

pyplot并不默認支持中文顯示，需要rcParams修改字體實現。（可以實現，但不推薦，畢竟是全局使用）

import matplotlib.pyplot as plt import matplotlibmatplotlib.rcParams['font.family']='SimHei'

其他屬性：

Font.family:用于顯示字體的名字

Font.style:字體風格，正常‘normal’或斜體‘italic’

Font.size:字體大小，整數字號或者‘large’，‘x-small’

第二種方法（實測還能用）

有中文輸入的地方，增加一個屬性：fontproperties

Plt.xlabel('橫軸：時間'，fontproperties = 'SimHei',fontsize = 20)

1.3.5 刻度

我們來看一下如何給我們的圖像層加上刻度。

xticks(ticks, [labels], **kwargs)

• ticks：數組類型，用于設置X軸刻度間隔
• [labels]：數組類型，用于設置每個間隔的顯示標簽
• **kwargs：用于設置標簽字體傾斜度和顏色等外觀屬性

1.3.6 一個圖上多條線

我們如果想要在一個折現圖中畫出多條直線，我們可以再次使用plot，也可以在第一個plot傳入第二組列表。

import matplotlib.pyplot as plt import matplotlibmatplotlib.rcParams['font.family']='SimHei'plt.plot([3,1,4,5,2]) plt.ylabel('溫度') plt.xlabel('時間') plt.title('一周內的天氣變化折線圖') plt.grid(True,linestyle = '--',alpha = 0.5)plt.plot([2,3,1,4,5]) plt.grid(True,linestyle = '--',alpha = 0.5)plt.show()

1.3.7 子區域

工作中往往會根據業務需求，將繪制的多個圖形組合到一個大圖框內，形成類似儀表盤的效果。

在畫布上面創建子圖有很多方法，這里有四種介紹，但是三種很容易混淆。

subplots和subplot

兩個參數基本一樣，但是區別就是subplots是直接創建一個畫布和一個或多個子圖返回，而subplot添加一個子圖到當前畫布，它會刪除前面覆蓋的子圖。

如果想一次性的創建多個子圖，就使用subplots函數，如果想一個一個地添加子圖，就使用subplot函數，這是他們的主要區別。

在如今的開發中，subplot已經被版本淘汰了，使用起來實際上很不方便，所以這里我們就不再講解它。

matoplotlib.pyplot.subplots(nrow = 1,ncol = 1,**fig_kw)

• 作用：創建一個帶有多個axes的圖
• return 畫布figure 和 繪圖區axes，對于不同的axes對象，采用的不再是plt.方法，而是使用axes.方法，且方法名不同
• set_xticks
• set_yticks
• set_xlabel
• set_ylabel

學完上面的知識后，讓我們來試試下面的案例：

import matplotlib.pyplot as plt import random import matplotlib matplotlib.rcParams['font.family']='SimHei'# 1 準備數據x，y x = range(60) y_shanghai = [random.uniform(15,18) for i in x] y_beijing = [random.uniform(1,3) for i in x]# 2 創建畫布 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")# 4 顯示圖例 axes[0].legend() axes[1].legend()# 5 修改刻度 x_label = ["11點{}分".format(i) for i in x] axes[0].set_xticks(x[::5],x_label[::5]) axes[0].set_yticks(range(0,40,5)) axes[1].set_xticks(x[::5],x_label[::5]) axes[1].set_yticks(range(0,40,5))# 6 添加網格顯示 plt.grid(linestyle = "--",alpha = 0.5)# 7 添加描述信息 axes[0].set_xlabel("時間變化") axes[0].set_ylabel("溫度變化") axes[0].set_title("上海11點到12點每分鐘的溫度變化狀況") axes[1].set_xlabel("時間變化") axes[1].set_ylabel("溫度變化") axes[1].set_title("上海11點到12點每分鐘的溫度變化狀況")# 8 顯示圖 plt.show()

除了上面的方法，還有下面兩種：

plt.subplot2grid()

plt.subplot2grid(Gridspec,Curspec,colspan = 1,rowspan = 1，**kwargs)

• Matplotlib subplot2grid()函數在網格的特定位置創建軸對象提供了更大的靈活性。它還允許軸對象跨越多個行或列

• shape:指定組合圖的框架形狀，以元組形式傳遞，如2*3的矩陣可以表示成（2，3）

• loc:指定子圖所在的位置，如shape中第一行第一列可以表示成（0，0）

• rowspan:指定某個子圖需要跨幾行

• colspan：指定某個子圖需要跨幾列

可以用下面的例子試試手！

import matplotlib.pyplot as plt import numpy as np import math # 顯示中文設置... plt.rcParams['font.sans-serif'] = ['SimHei'] # 步驟一(替換sans-serif字體) plt.rcParams['axes.unicode_minus'] = False # 步驟二(解決坐標軸負數的負號顯示問題) a1 = plt.subplot2grid((3,3),(0,0),colspan = 2) a2 = plt.subplot2grid((3,3),(0,2), rowspan = 3) a3 = plt.subplot2grid((3,3),(1,0),rowspan = 2, colspan = 2) x = np.arange(1,10) a2.plot(x, x*x) a2.set_title('平方') a1.plot(x, np.exp(x)) a1.set_title('指數') a3.plot(x, np.log(x)) a3.set_title('log') plt.tight_layout() plt.show()

Gridspec類

模塊gridspec是一個可以指定畫布中子區位置或者說是布局的"分區"模塊。在模塊gridspec中，有一個類GridSpec，他可以指定網格的幾何形狀。

import matplotlib.gridspec as gr import matplotlib.pyplot as plt gs = gr.GridSpec(3,3) ax1 = plt.subplot(gs[0,:]) ax2 = plt.subplot(gs[1,:1]) ax3 = plt.subplot(gs[1:,-1])plt.show()

這里ax1，ax2，ax3是選定在子區域里面的特定區間來劃分，可以通過類似于列表中的切片操作來確定所選區域。

1.4 基礎圖表

plt不止可以利用plot方法畫出折線圖，實際上，他還能畫出各種數學圖像，如下所示：

• plt.plot(x,y,fmt,…):繪制一個坐標圖
• plt.boxplot(data,notch,position):繪制一個箱型圖
• plt.bar(left,height,width,bottom):繪制一個條形（柱狀）圖
• plt.barh(width,bottom,left,height):繪制一個橫向條形圖
• plt.polar(theta,r)：繪制極坐標圖
• plt.pie(date,explode):繪制餅圖
• plt.psd(x,NFF = 256,pad_to,Fs):繪制功率譜密度圖
• plt.specgram(x,NFF = 256,pad_to,F):繪制譜圖
• plt.cohere(x,y,NFFT=256,Fs):繪制X-Y的相關性函數
• plt.scatter(x,y):繪制散點圖，其中x和y長度相同
• plt.step(x,y,where):繪制步階圖
• plt.hist(x,bins,normed):繪制直方圖
• plt.contour(x,y,z,n):繪制等值圖
• plt.vlines():繪制垂直圖
• plt.stem(x,y,linefmt,marterfmt):繪制柴火圖
• plt.plot_date():繪制數據日p

在下面的講解中，我們會慢慢地去了解一些常用的圖表。

1.4.1 折線圖

實際上前面講到的plot方法是可以繪制各種函數圖像的，但是它常用于繪制折線圖。

當我們的點使用離散的值，如離散列表或離散元組，那么其畫出來的是折線圖；當我們的點取得非常密集的時候，折線圖就會變成一條平滑的曲線，如二次函數圖像的繪制我們可以采用以下的方式：

# 1 準備x，y數據 x = np.linspace(-1,1,1000) y = 2 * x * x# 2 創建畫布 plt.figure(figsize = (20,8),dpi = 80)# 3 繪制圖像 plt.plot(x,y)# 4 添加網格顯示 plt.grid(linestyle = "--",alpha = 0.5)# 5 顯示圖像 plt.show()

1.4.2 散點圖

我們來看一下散點圖的方法。

matplotlib.pyplot.scatter(x,y,s = None,c = None,marker = None,alpha = None)

• x,y:接受array，表示x軸和Y軸對應的數據，無默認
• s:接收數值或者一維的array，指定點的大小，若傳入一維array則表示每個點的大小，默認為None

讓我們來繪制一個簡單的散點圖吧！

import matplotlib.pyplot as plt import numpy as np# 1 準備x，y數據 x = np.random.randn(100) y = np.random.randn(100)# 2 創建畫布 plt.figure(dpi = 80)# 3 繪制圖像 plt.scatter(x,y,7) #指定點的大小為7 plt.title('Scatter') #指定圖像標題# 4 展示圖像 plt.show()

1.4.3 柱狀圖

我們來看一下柱狀圖的方法。

matplotlib.pyplot.bar(left ， height , alpha = 1 ,width = 0.8 , bottom = none , data = none , **kwargs)

• left：x軸位置序列
• height：
• alpha：透明度
• bottom：底部柱形變量
• data：可以使用可被索引的對象數據類型

其他關鍵字參數如下：

• color：柱形填充顏色
• edgecolor：柱形邊框顏色
• label：標簽
• lw：柱形邊框寬度

讓我們來繪制一個簡單的柱形圖：

# 1 準備數據 movie_names = ['雷神3：諸神黃昏','正義聯盟','東方快車謀殺案','降魔傳'] tickets = [73853,57767,22354,15969]# 2 創建畫布 plt.figure(dpi = 80)# 3 繪制柱狀圖 x_ticks = range(len(movie_names)) plt.bar(x_ticks,tickets,width = 0.5,color = ['b','r','g','y'])# 4 修改刻度 plt.xticks(x_ticks,movie_names)# 5 添加網格顯示 plt.grid(linestyle = "--",alpha = 0.5)# 6 加標簽 plt.title("各大電影票房")# 7 繪制圖像 plt.show()

當然，如果取值為負，還能畫出倒影柱狀圖。

1.4.4 直方圖

直方圖和柱狀圖有所區別，主要區別如下：

• 柱狀圖是根據數據直接得到一個數據的結果，只是比較數據的大小，直方圖是根據原數據做一個頻次的分布
• 直方圖柱子無間隔，柱狀圖柱子有間隔
• 直方圖描述數值變量（x軸是一條線），柱狀圖描述分類變量（x軸是分類變量）
• 直方圖一般用來描述等距數據或等比數據，柱形圖一般用來描述數據名稱或順序數據
• 通過直方圖可以觀察和估計哪些數據比較集中

畫直方圖的方法如下：

hist (x, bins = 10,range = none,density = false,weight = none,cumulative = false,bottom = none,histtype = u’bar’,align = u’mid’,orientation = u’vertical’,rwidth = none,log = false,color = none,label = none,stacked = false,** kwargs)

• x：直方圖中數據，可以是n維數組或者n維數組序列，多維數組長度不要求一致
• bins：劃分的組數，可以傳入整數或序列或auto
• range：bins參數的邊界，如果bins是第一個序列則無效，否則是(x.min(),x.max())

其他的參數就不說了，需要用再去查吧。

# 導入模塊 import numpy as np import matplotlib as plt#電影時長分布狀況 # 1 準備數據 time = [131,98,125,131,124,139,113,117,128,108]# 2 創建畫布 plt.figure(dpi = 80)# 3 背景網格 plt.grid(linestyle = "-",alpha = 0.5)# 4 繪制直方圖 distance = 2 group_num = (max(time)-min(time))/distanceplt.hist(time)# 5 修改刻度 plt.xticks(range(min(time),max(time),distance))# 7 顯示圖像 plt.show()

1.4.5 餅圖

讓我們看一下餅圖繪圖的方法。

pie函數各類詳解：

參數：

• X:指定繪圖的數據
• Explode:指定餅圖某些部分的突出顯示，即呈現爆炸式
• Labels:為餅圖添加標簽說明，類似于圖例說明
• Colors:指定餅圖的填充色
• Autopct:自動添加百分比顯示，可以采用格式化的方法顯示
• Pctdistance:設置百分比標簽和圓心的距離
• Shadow:是否添加餅圖的陰影效果
• Labeldistance:設置各個扇形標簽（圖例）與圓心的距離
• Startangle:設置餅圖的初始擺放角度
• Radius:設置餅圖的半徑大小
• Counterclock:是否讓餅圖按逆時針順序呈現
• Wedgeprops:設置餅圖內外邊界的屬性，如邊界線的粗細、顏色等
• Textprops:設置餅圖中文本的屬性，如字體大小、顏色等
• Center:指定餅圖的中心點位置，默認為原點
• Frame:是否要顯示餅圖后面的圖框，如果是Ture，需要同時控制圖框x軸，y軸的范圍和餅圖的中心位置

讓我們來試一試！

import matplotlib.pyplot as plt labels = 'Frog','Hogs','Dogs','Logs' sizes = [15,30,45,10] explode = (0,0.1,0,0) plt.pie(sizes,explode = explode,labels = labels,autopct = '%1.1f%%',shadow = False,startangle = 90) plt.show()

讓我們搞一個更復雜的！

import matplotlib.pyplot as plt# 1 修正全局中文 matplotlib.rcParams['font.family']='SimHei'# 2 傳入數據 labels = u'汽車',u'火車',u'輪船',u'單車',u'自行車',u'步行' sizes = [15,14,16,25,20,10]# 3 指定各部分數據在餅圖的顏色 color = 'r','g','y','b','w','p'# 4 設定餅圖突出部分 explode = (0,0.2,0,0,0,0)# 5 繪制餅圖 plt.pie(sizes,explode = explode,labels = labels,autopct = '%1.1f%%',shadow = True,startangle = 90)# 6 使xy同方向延伸 plt.axis('equal')# 7 設置標題 plt.title('你認為別人去學校采用什么方式',fontproperties = 'SimHei',fontsize = 20)# 8 設置圖例 plt.legend()# 9 顯示餅圖 plt.show()

1.4.6 小結

除了以上的圖形以外，其他的圖就不再概述了，因為很少用到。至于如果你想進入更深入的學習，你可以進入官方文檔。上面的工具應該在你平時學習其他有關于數據的東西時應不停地使用它，以免遺忘。你要明確的一點是：這一講講的是工具，而不是什么理論。

總結

以上是生活随笔為你收集整理的数据处理工具（一）——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。