栏目分类:
子分类:
返回
名师互学网用户登录
快速导航关闭
当前搜索
当前分类
子分类
实用工具
热门搜索
名师互学网 > IT > 软件开发 > 后端开发 > Python

1. Matplotlib 数据可视化

Python 更新时间: 发布时间: IT归档 最新发布 模块sitemap 名妆网 法律咨询 聚返吧 英语巴士网 伯小乐 网商动力

1. Matplotlib 数据可视化

Matplotlib 数据可视化 Day1

文章目录
  • Matplotlib 数据可视化 Day1
  • 前言
  • 一、初识Matplotlib
  • 二、简单的绘图示例
    • 1.安装Matplotlib
    • 2.引入库及绘图
  • 三、Figure的组成
  • 四、绘图接口
    • 1.OO模式
    • 2.pyplot模式
  • 五、通用绘图模板
  • 总结


前言

主要参考资料 Datawhale开源资料、 Matplotlib用户指南


一、初识Matplotlib
  • Matplotlib是一个Python 2D绘图库,用来绘制各种静态,动态,交互式的图表。

  • Matplotlib可用于Python脚本,Python和IPython Shell、Jupyter notebook,Web应用程序服务器和各种图形用户界面工具包等。

  • Matplotlib是强大的python数据可视化工具,我们所熟知的pandas和seaborn的绘图接口其实也是基于matplotlib所作的高级封装。

二、简单的绘图示例 1.安装Matplotlib

python -m pip install matplotlib

2.引入库及绘图
  • Matplotlib的图像是画在figure上的,每一个figure又包含了一个或多个axes(一个可以指定坐标系的子区域)。
  • 创建figure以及axes的方式是通过pyplot.subplots命令,创建axes以后,可用Axes.plot绘图。
import matplotlib as mpl
import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(0, 2 * np.pi, 200)
y = np.sin(x)

fig, ax = plt.subplots() # 创建一个包含一个axes的figure
ax.plot(x, y) # 绘制图像
plt.show()

代码运行后自动打印出类似这样一段话,这是因为matplotlib的绘图代码默认打印出最后一个对象。如果不想显示这句话,有以下三种方法:

  1. 在代码块最后加一个分号;
  2. 在代码块最后加一句plt.show()
  3. 在绘图时将绘图对象显式赋值给一个变量,如将plt.plot([1, 2, 3, 4]) 改成line =plt.plot([1, 2, 3, 4])
三、Figure的组成
  • 一个完整的matplotlib图像通常会包括以下四个层级,也被称为容器(container)。
  • 在matplotlib的世界中,通过各种命令方法来操纵图像中的每一个部分,从而达到数据可视化的最终效果。

Figure:顶层级,用来容纳所有绘图元素

Axes:matplotlib宇宙的核心,容纳了大量元素用来构造一幅幅子图,一个figure可以由一个或多个子图组成

Axis:axes的下属层级,用于处理所有和坐标轴,网格有关的元素

Tick:axis的下属层级,用来处理所有和刻度有关的元素

四、绘图接口

matplotlib提供了两种最常用的绘图接口

1.OO模式
  • 显式创建图形(figure)和轴(axes),并在它们上调用方法,也被称为OO模式(object-oriented style)
  • 通过plt.subplot()命令来创建Figure和Axes,然后再对axes进行数据的绑定
x = np.linspace(0, 2, 100)

fig, ax = plt.subplots()  
ax.plot(x, x, label='linear')  
ax.plot(x, x**2, label='quadratic')  
ax.plot(x, x**3, label='cubic')  
ax.set_xlabel('x label') 
ax.set_ylabel('y label') 
ax.set_title("Simple Plot")  
ax.legend() 
plt.show()

2.pyplot模式
  • 依赖pyplot自动创建与管理figure和axes,以及使用pyplot函数进行绘图
  • 还可以通过一个更简单的方法来创建,matplotlib.pyplot方法能够直接在当前axes上绘制图像,如果用户未指定axes,matplotlib会帮你自动创建一个。
x = np.linspace(0, 2, 100)

plt.plot(x, x, label='linear') 
plt.plot(x, x**2, label='quadratic')  
plt.plot(x, x**3, label='cubic')
plt.xlabel('x label')
plt.ylabel('y label')
plt.title("Simple Plot")
plt.legend()
plt.show()

五、通用绘图模板

初学者只需牢记模板就足以应对大部分简单图表的绘制。

  • OO模式
import matplotlib.pyplot as plt
import numpy as np

# 1 准备数据
x = np.linspace(0, 2, 100)
y = x**2

# 2 设置绘图样式,这一步不是必须的,样式也可以在绘制图像中进行设置
mpl.rc('lines', linewidth=4, linestyle='-.')

# 3 定义布局
fig, ax = plt.subplots()  

# 4 绘制图像
ax.plot(x, y, label='linear')  

# 5 添加标签,文字和图例
ax.set_xlabel('x label') 
ax.set_ylabel('y label') 
ax.set_title("Simple Plot")  
ax.legend() 

  • pyplot模式
import matplotlib.pyplot as plt
import numpy as np

# 1 准备数据
x = np.linspace(0, 10, 100)
y1 = 2*x + 1
y2 = x**2

# 2 定义图像窗口
plt.figure(num=3, figsize=(8, 5))

# 3 画图
plt.plot(x, y2)
plt.plot(x, y1, color='green', linewidth=1.0, linestyle='--')

# 4 定义坐标轴范围及名称
plt.xlim((0, 5))
plt.ylim((0, 10))
plt.xlabel('x')
plt.ylabel('y')

# 5 定义坐标轴刻度及名称
plt.xticks()
plt.yticks([0, 2, 4, 6, 8, 10],[r'$really bad$', r'$bad$', r'$normal$', r'$good$', r'$really good$', r'$Perfect$'])

# 6 设置图像边框颜色
ax = plt.gca()
ax.spines['right'].set_color('none')
ax.spines['top'].set_color('none')

# 7 调整刻度及边框位置
ax.xaxis.set_ticks_position('bottom')  #x轴刻度位置 top bottom
ax.spines['bottom'].set_position(('data', 4)) 
ax.yaxis.set_ticks_position('left')    #y轴刻度位置 left right
ax.spines['left'].set_position(('data',0))
plt.show()

总结

简单介绍了matplotlib的使用,了解图的模块,记住绘图模板,可快速上手。

转载请注明:文章转载自 www.mshxw.com
本文地址:https://www.mshxw.com/it/892721.html
我们一直用心在做
关于我们 文章归档 网站地图 联系我们

版权所有 (c)2021-2022 MSHXW.COM

ICP备案号:晋ICP备2021003244-6号