今天给大家介绍数据可视化领域的知识~
matplotlib是python中的绘图工具库,也是平面数据可视化领域应用最广泛的绘图工具之一,接下来我们就从常用函数的角度向大家介绍matplotlib的用法!
展现变量的趋势变化,通常用于绘制线图。
import matplotlib.pyplot as plt
import numpy as np
x = np.linspace(0.01, 12, 100) # 生成100个从0.01到12的均匀数值
y = np.cos(x) # 余弦函数
plt.plot(x,y,ls='-',color='r',lw=2,label='plot figure') # 设置绘图属性
plt.legend() # 让代码产生效果,如图例的名称
plt.show() # 显示图像
参数说明:
常用的颜色简写:
寻找变量之间的关系,用于绘制散点图。
import matplotlib.pyplot as plt
import numpy as np
x = np.linspace(2, 9, 500) # 从2到9均匀取500个数
y = np.random.randn(500) # 在标准正态分布中随机取500个数
plt.scatter(x,y,s=10,c='g',label='scatter figure') # x,y的数据规模必须要相同
plt.legend()
plt.show()
参数说明:
散点图
设置x轴的显示范围
import matplotlib.pyplot as plt
import numpy as np
x = np.linspace(2,9,500)
y = np.random.randn(500)
plt.scatter(x, y,c='g',s=10,label="scatter figure")
plt.legend()
plt.xlim(0,10)
plt.ylim(0,1)
plt.show()
参数说明:
对x轴操作plt.xlim(xmin,xmax),同理对y轴操作plt.ylim(ymin,ymax)
x轴刻度范围0~10
生成同样的散点分布图,如果把x轴刻度调成与生成范围一致(2~9),我们就会发现散点均匀地分布满了x轴范围。
x = np.linspace(2,9,500)
y = np.random.randn(500)
plt.scatter(x, y,c='g',s=10,label="scatter figure")
plt.legend()
plt.xlim(2,9)
plt.ylim(0,1)
plt.show()
x轴刻度2~9
设置x轴标签文本
import matplotlib.pyplot as plt
import numpy as np
x = np.linspace(0.1, 10, 100)
y = np.cos(x)
plt.plot(x,y,ls='-.',lw=2,c='g',label='xlable')
plt.legend()
plt.xlabel('x-label') # 设置x轴文本标签
plt.ylabel('y-label') # 设置y轴文本标签
plt.show()
参数说明:
设置坐标轴x轴文本标签xlabel(string) 设置y轴文本标签ylabel(string)
设置坐标轴文本标签
绘制刻度线的网格线
import matplotlib.pyplot as plt
import numpy as np
x = np.linspace(0.1, 10, 100)
y = np.cos(x)
plt.plot(x,y,ls='-',lw=2,c='r',label='grid figure')
plt.legend()
plt.grid(linestyle=":",color='g')
plt.show()
参数说明:
设置网格
绘制平行于x轴的水平参考线
import matplotlib.pyplot as plt
import numpy as np
x = np.linspace(0.1, 10, 500)
y = np.cos(x)
plt.plot(x,y,ls='-',c='c',lw=2,label='axhline figure')
plt.legend()
plt.axhline(y=0.0,c='r',ls='--',lw=1)
plt.axvline(x=2.0,c='g',ls='--',lw=1)
plt.show()
参数说明:
绘制水平参考线axhline(y=0.0,c=’r’,ls=’–‘,lw=’1’)
绘制垂直参考线axvline(x=2.0,c=’g’,ls=’–‘,lw=’1’)
绘制参考线
绘制垂直与x轴的参考区域
import matplotlib.pyplot as plt
import numpy as np
x = np.linspace(0.1, 17, 500)
y = np.sin(x)
plt.plot(x,y,ls='--',lw=2,c='c',label='axvspan figure')
plt.legend()
plt.axvspan(5, 10, facecolor='b', alpha=0.2)
plt.axhspan(0.0, 0.5, facecolor='g', alpha=0.2)
plt.show()
参数说明:
绘制垂直与x轴的参考区域:plt.axvspan(xmin=5,xmax=10,facecolor=’b’,alpha=0.2)
绘制参考区域
设置指向性注释文本
import matplotlib.pyplot as plt
import numpy as np
x = np.linspace(0.1, 10, 100)
y = np.cos(x)
plt.plot(x,y,ls='-.',lw=2,c='c',label='annotate figure')
plt.legend()
plt.annotate('minimum', # 图形注释的文本
xy=(np.pi,-1.0), # 被注释的图形内容坐标
xytext=(5,-0.75), # 注释文本位置坐标
weight='bold', # 注释文本字体粗细
color='r', # 注释文本字体颜色
arrowprops=dict(arrowstyle='->',connectionstyle='arc3',color='r')) # 箭头的属性
plt.show()
参数说明:
添加图形内容细节指向性箭头注释plt.annotate(string,xy=(np.pi,-1.0),xytext=(5,-0.75),weight=’bold’,color=’r’,arrowprops=dict(arrowstyle=’->’,connectionstyle=’arc3′,color=”r))
绘制带箭头指向的注释
添加无指向型注释
import matplotlib.pyplot as plt
import numpy as np
x = np.linspace(0.1, 5, 100)
y = np.tan(x)
plt.plot(x,y,ls='-.',lw=1,c='g',label='text figure')
plt.legend()
plt.text(2,0.5,'y=tan(x)',weight='bold',color='r')
plt.show()
参数说明:
在图中添加注释文本plt.text(x,y,string,weight=’bold’,color=’r’)
绘制无箭头指向的注释
添加图表标题
import matplotlib.pyplot as plt
import numpy as np
x = np.linspace(0.1,5,100)
y = np.tan(x)
plt.plot(x,y,ls='-.',lw=1,c='c',label='title figure')
plt.legend()
plt.title('y = tan(x) figure')
plt.show()
参数说明:
添加图表标题:plt.title(string)
绘制标题
显示图表图例,并设置图例位置
import matplotlib.pyplot as plt
import numpy as np
x = np.linspace(0.1,8,100)
y = np.sin(x)
z = np.cos(x)
plt.plot(x,y,ls='-',lw=1,c='c',label='legend figure 1')
plt.plot(x,z,ls='-.',lw=1,c='r',label='legend figure 2')
plt.legend(loc='lower left')
plt.show()
参数说明:
标识图例plt.legend(loc=’lower left’)
位置字符串 含义
绘制图例及定位
十二、本节知识点总结
本节知识点总结
十三、综合练习
1. 题目
根据我们本节所介绍的matplotlib知识点,请绘制出以下函数图像:
题图
小伙伴们可以根据前面所学的内容,自己动手先敲一下代码,看能不能做出来~
# matplotlib综合案例:
import matplotlib.pyplot as plt
import numpy as np
# plot 线图
x = np.linspace(0.5,3.5,200)
y1 = np.sin(x)
plt.plot(x,y1,ls='--',lw=2,c='k',label='plot figure')
# plot 散点图
y2 = np.random.randn(200)
plt.scatter(x,y2,s=5,c='m',label='scatter figure')
# 设置横纵坐标轴范围
plt.xlim(0.0,4.0)
plt.ylim(-3,3)
# 设置高亮范围显示
plt.axvspan(xmin=1.0, xmax=2.0, facecolor='g', alpha=0.3)
# 设置网格子
plt.grid(linestyle=':',color='g')
# 设置箭头注释
plt.annotate("maximum",
xy=(np.pi/2,1),
xytext=(2.5,1.5),
weight='bold',
color='r',
arrowprops = dict(arrowstyle='->',connectionstyle='arc3',color='r')
)
# 绘制竖线
plt.axvline(x=np.pi/2,c='c',ls='--',lw=1)
# 设置无箭头注释
plt.text(3.5, -0.5, 'y=sin(x)',color='k')
# 设置title
plt.title("Base matplotlib")
# 设置横纵坐标轴名称
plt.xlabel('x_axis')
plt.ylabel('y_axis')
plt.legend(loc='upper right')
plt.show()