Matplotlib

Matplotlib

  • 是专门用于开发2D图表(包括3D图表)

  • 以渐进、交互式方式实现数据可视化

基本图形绘制流程

  • 1.创建画布 – plt.figure()
1
2
3
4
plt.figure(figsize=(), dpi=)
figsize:指定图的长宽
    dpi:图像的清晰度
    返回fig对象
  • 2.绘制图像 – plt.plot(x, y)
1
以折线图为例
  • 3.显示图像 – plt.show()
1
2
3
4
5
6
7
8
9
10
11
import matplotlib.pyplot as plt

# 图形绘制流程 创建画布， 绘制图像 显示图像
# 创建画布
plt.figure(figsize=(10,10), dpi=100)

# 绘制折线图
plt.plot([1, 2, 3, 4, 5, 6 ,7], [17,17,18,15,11,11,13])

# 图形显示
plt.show()

image-20240801224136034

折线图绘制(※)

添加自定义x,y刻度

  • plt.xticks(x, **kwargs)
    • x:要显示的刻度值
  • plt.yticks(y, **kwargs)
    • y:要显示的刻度值

中文显示问题解决(这里采取第二种)

解决方案一：

下载中文字体（黑体，看准系统版本）

  • 步骤一：下载 [SimHei] 字体（或者其他的支持中文显示的字体也行）

  • 步骤二：安装字体

    • linux下：拷贝字体到 usr/share/fonts 下：

      1
      sudo cp ~/SimHei.ttf /usr/share/fonts/SimHei.ttf

    • windows和mac下：双击安装

  • 步骤三：删除~/.matplotlib中的缓存文件

1
2
cd ~/.matplotlib
rm -r *
  • 步骤四：修改配置文件matplotlibrc
1
vi ~/.matplotlib/matplotlibrc

将文件内容修改为：

1
2
3
font.family         : sans-serif
font.sans-serif         : SimHei
axes.unicode_minus  : False

解决方案二：

在Python脚本中动态设置matplotlibrc,这样也可以避免由于更改配置文件而造成的麻烦，具体代码如下：

1
2
3
from pylab import mpl
# 设置显示中文字体
mpl.rcParams["font.sans-serif"] = ["SimHei"]

有时候，字体更改后，会导致坐标轴中的部分字符无法正常显示，此时需要更改axes.unicode_minus参数：

1
2
# 设置正常显示符号
mpl.rcParams["axes.unicode_minus"] = False

添加网格显示

为了更加清楚地观察图形对应的值

1
plt.grid(True, linestyle='--', alpha=0.5)

添加描述信息

添加x轴、y轴描述信息及标题

通过fontsize参数可以修改图像中字体的大小

1
2
3
plt.xlabel("时间")
plt.ylabel("温度")
plt.title("中午11点0分到12点之间的温度变化图示", fontsize=20)

图像保存

1
2
# 保存图片到指定路径
plt.savefig("test.png")
  • 注意：plt.show()会释放figure资源，如果在显示图像之后保存图片将只能保存空图片。

显示图例

  • 注意：如果只在plt.plot()中设置label还不能最终显示出图例，还需要通过plt.legend()将图例显示出来。
1
2
3
4
5
6
7
# 绘制折线图
plt.plot(x, y_shanghai, label="上海")
# 使用多次plot可以画多个折线
plt.plot(x, y_beijing, color='r', linestyle='--', label="北京")

# 显示图例
plt.legend(loc="best")
Location String Location Code
‘best’ 0
‘upper right’ 1
‘upper left’ 2
‘lower left’ 3
‘lower right’ 4
‘right’ 5
‘center left’ 6
‘center right’ 7
‘lower center’ 8
‘upper center’ 9
‘center’ 10 
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
import random

# 画出温度变化图
# 准备x，y坐标的数据
# x为0-60
x = range(60)

# Y轴 下面的for循环只是起到了一个控制生成个数的作用 （个数与x轴数值对应）
y_shanghai = [random.uniform(15, 18) for i in x]

# 1.创建画布
plt.figure(figsize=(20,8), dpi=80)

# 2.绘制折线图
plt.plot(x, y_shanghai)

# 3.设置图像显示细节
# 3.1 设置刻度
# 为了防止出现特殊符合特意导入pylab
from pylab import mpl
# 设置显示中文字体
mpl.rcParams["font.sans-serif"] = ["SimHei"]

# 添加自定义刻度
# 构造x轴刻度标签
x_ticks_label = ["11点{}分".format(i) for i in x]

# 构造y轴刻度标签
y_ticks = range(20)

# 修改x，y轴坐标的刻度显示
plt.xticks(x[::5], x_ticks_label[::5])
plt.yticks(y_ticks[::5])

# 3.2 设置x，y轴的描述信息
plt.xlabel("时间")
plt.ylabel("温度")
plt.title("中午11点-12点某城市温度变化图", fontsize=20)

# 3.3 添加网格显示
plt.grid(True, linestyle="--", alpha=0.5)

# 3.4 设置正常显示符号
mpl.rcParams["axes.unicode_minus"] = False

# 4.显示图像
plt.show()

image-20240801224609820

一个坐标系绘制多个图像

只需要再次plot即可

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
# 增加北京的温度数据
y_beijing = [random.uniform(1,3) for i in x]

# 创建画布
plt.figure(figsize=(20,8), dpi=80)
# 绘制折线图
plt.plot(x, y_shanghai)

# 使用多次plot可以画多个折线图
plt.plot(x, y_shanghai, label="上海")
plt.plot(x, y_beijing, color='r', linestyle='--', label="北京")

# 添加图例（也就是左上角的一个折线图信息显示）
plt.legend(loc=0)

plt.show()

image-20240801224733301

多个坐标系同屏显示

可以通过subplots函数实现(旧的版本中有subplot，使用起来不方便)，推荐subplots函数

  • matplotlib.pyplot.subplots(nrows=1, ncols=1, **fig_kw) 创建一个带有多个axes(坐标系/绘图区)的图
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
# 准备数据
x = range(60)
y_shanghai = [random.uniform(15,18) for i in x]
y_beijing = [random.uniform(1,5) for i in x]

# 创建画布
# plt.figure(figsize=(20, 8), dpi=80)
fig, axes = plt.subplots(nrows=1, ncols=2, figsize=(20,8))

# 绘制图像
axes[0].plot(x, y_shanghai, label="上海")
axes[1].plot(x, y_beijing, color="r", linestyle="--", label="北京")

# 添加x，y轴刻度
x_ticks_label = ["11点{}分".format(i) for i in x]
y_ticks = range(40)
axes[0].set_xticks(x[::5])
axes[0].set_yticks(y_ticks[::5])
axes[0].set_xticklabels(x_ticks_label[::5])
axes[1].set_xticks(x[::5])
axes[1].set_yticks(y_ticks[::5])
axes[1].set_xticklabels(x_ticks_label[::5])

# 添加网格显示
axes[0].grid(True, linestyle="--", alpha=0.5)
axes[1].grid(True,linestyle="--", alpha=0.5)

# 添加描述信息
axes[0].set_xlabel("时间")
axes[0].set_ylabel("温度")
axes[0].set_title("中午11-12点某城市温度变化图", fontsize=20)
axes[1].set_xlabel("时间")
axes[1].set_ylabel("温度")
axes[1].set_title("中午11-12点某城市温度变化图", fontsize=20)

# 添加图例
axes[0].legend(loc=0)
axes[1].legend(loc=0)

# 图像显示
plt.show()

image-20240801225009562

关于axes子坐标系的更多方法：参考https://matplotlib.org/api/axes_api.html#matplotlib.axes.Axes

  • 注意：**plt.函数名()**相当于面向过程的画图方法，**axes.set_方法名()**相当于面向对象的画图方法。

折线图的应用场景

  • 呈现公司产品(不同区域)每天活跃用户数
  • 呈现app每天下载数量
  • 呈现产品新功能上线后,用户点击次数随时间的变化
  • 拓展：画各种数学函数图像
    • 注意：plt.plot()除了可以画折线图，也可以用于画各种数学函数图像

image-20240801225107025

Matplotlib其他图形

折线图

上面已经画过了

散点图

**散点图：**用两组数据构成多个坐标点，考察坐标点的分布,判断两变量之间是否存在某种关联或总结坐标点的分布模式。

特点：判断变量之间是否存在数量关联趋势,展示离群点(分布规律)

api：plt.scatter(x, y)

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
# 散点图api：plt.scatter(x, y)
# 0.准备数据
x = [225.98, 247.07, 253.14, 457.85, 241.58, 301.01,  20.67, 288.64,
       163.56, 120.06, 207.83, 342.75, 147.9 ,  53.06, 224.72,  29.51,
        21.61, 483.21, 245.25, 399.25, 343.35]
y = [196.63, 203.88, 210.75, 372.74, 202.41, 247.61,  24.9 , 239.34,
       140.32, 104.15, 176.84, 288.23, 128.79,  49.64, 191.74,  33.1 ,
        30.74, 400.02, 205.35, 330.64, 283.45]

# 1.创建画布
plt.figure(figsize=(20, 8), dpi=100)

# 2.绘制散点图
plt.scatter(x, y)

# 3.显示图像
plt.show()

image-20240801225359458

柱状图

**柱状图：**排列在工作表的列或行中的数据可以绘制到柱状图中。

特点：绘制连离散的数据,能够一眼看出各个数据的大小,比较数据之间的差别。(统计/对比)

api：plt.bar(x, width, align=’center’, **kwargs)

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
import matplotlib.pyplot as plt
# 柱状图api：plt.bar(x, width, align='center', **kwargs)

# 准备数据
movie_name = ['雷神3：诸神黄昏','正义联盟','东方快车谋杀案','寻梦环游记','全球风暴','降魔传','追捕','七十七天','密战','狂兽','其它']
x = range(len(movie_name))
y = [73853,57767,22354,15969,14839,8725,8716,8318,7916,6764,52222]

# 创建画布(长10 宽8 分辨率100)
plt.figure(figsize=(20,8), dpi=100)

# 绘制柱状图
plt.bar(x, y, width=0.5)
# 修改x轴的刻度显示
plt.xticks(x, movie_name)
# 添加网格显示
plt.grid(linestyle="--", alpha=0.5)
# 添加标题
plt.title("电影票房收入对比")

# # 显示图像（由于符号问题、这个需要挪到最后）
# plt.show()

# 显示图像出现中文乱码(不正常显示)
from pylab import mpl
# 设置显示中文字体
mpl.rcParams["font.sans-serif"] = ["SimHei"]

# 显示图像
plt.show()

image-20240801225418520

直方图

**直方图：**由一系列高度不等的纵向条纹或线段表示数据分布的情况。 一般用横轴表示数据范围，纵轴表示分布情况。

特点：绘制连续性的数据展示一组或者多组数据的分布状况(统计)

api：matplotlib.pyplot.hist(x, bins=None)

1
2
3
Parameters:    
x : 需要传递的数据
bins : 组数

饼图

**饼图：**用于表示不同分类的占比情况，通过弧度大小来对比各种分类。

特点：分类数据的占比情况(占比)

api：plt.pie(x, labels=,autopct=,colors)

1
2
3
4
5
Parameters:  
x:数量，自动算百分比
labels:每部分名称
autopct:占比显示指定%1.2f%%
colors:每部分颜色

附录

设置图形风格

颜色字符 风格字符
r 红色 - 实线
g 绿色 - - 虚线
b 蓝色 -. 点划线
w 白色 : 点虚线
c 青色 ‘ ‘ 留空、空格
m 洋红
y 黄色
k 黑色