這篇文章主要講解了“python數(shù)據(jù)分析工具 matplotlib怎么使用”，文中的講解內(nèi)容簡單清晰，易于學(xué)習(xí)與理解，下面請大家跟著小編的思路慢慢深入，一起來研究和學(xué)習(xí)“python數(shù)據(jù)分析工具 matplotlib怎么使用”吧！
不論是數(shù)據(jù)挖掘還是數(shù)學(xué)建模，都免不了數(shù)據(jù)可視化的問題。對于 Python 來說，matplotlib 是最著名的繪圖庫，它主要用于二維繪圖，當(dāng)然也可以進(jìn)行簡單的三維繪圖。它不但提供了一整套和 Matlab 相似但更為豐富的命令，讓我們可以非?？旖莸赜?python 可視化數(shù)據(jù)。
# 安裝
pip install matplotlib
兩種繪圖風(fēng)格：
MATLAB風(fēng)格：
基本函數(shù)是 plot，分別取 x，y 的值，然后取到坐標(biāo)（x，y）后，對不同的連續(xù)點(diǎn)進(jìn)行連線。
面向?qū)ο螅?/p>
創(chuàng)建一個(gè)圖形 fig 和一個(gè)坐標(biāo) ax 。
fig：figure(plt.Figure) 是一個(gè)能容納各種坐標(biāo)軸，圖形，文字和標(biāo)簽的容器。
ax：axes(plt.Axes) 是一個(gè)帶有刻度和標(biāo)簽的矩形，最終會包含各種可視化元素。
示例：
重慶分公司
重慶分公司
import matplotlib.pyplot as plt
import numpy as np
# 圖形顯示風(fēng)格
plt.style.use('seaborn-whitegrid')
# 創(chuàng)建fig和ax
fig = plt.figure()
ax = plt.axes()
x = np.linspace(0,10,100)
# 顯示sin函數(shù)圖形
plt.plot(x, np.sin(x))
# 顯示cos函數(shù)圖形
plt.plot(x, np.cos(x))
plt.show()
這就是利用面向?qū)ο蟮姆绞嚼L圖，在交互模式中可以看到，每畫一個(gè)圖就是產(chǎn)生一個(gè)對象，最后再顯示出來。
繪圖樣式
# 調(diào)整坐標(biāo)軸上下限 plt.xlim([xmin, xmax]) plt.ylim([ymin, ymax]) plt.axis([xmin, xmax, ymin, ymax]) # 參數(shù)：tight：把圖形設(shè)置成緊湊模式，不留多余的部分 # equal：圖形顯示分辨率為1:1
文字設(shè)置
圖形標(biāo)題：plt.title
坐標(biāo)軸標(biāo)題：plt.xlabel, plt.ylabel
基礎(chǔ)圖例：plt.legend
注意：對中文不友好，需要額外方法，盡量使用英文
# 示例
import matplotlib.pyplot as plt
import numpy as np
x = np.linspace(1, 10, 100)
plt.plot(x, np.sin(x))
plt.title('sin-function')
plt.xlabel('x-value')
plt.ylabel('y-label')
plt.show()
圖例
通過legend可以設(shè)置圖例，同時(shí)通過參數(shù)的調(diào)整可以細(xì)膩的設(shè)置圖例的位置、形式等。參數(shù)主要包括：
loc：圖例的位置
frameon：是否帶邊框
framealpha：顏色透明
shadow：陰影
# 示例 import matplotlib.pyplot as plt import numpy as np x = np.linspace(1, 10, 100) fig, ax = plt.subplots() ax.plot(x, np.sin(x), color='red', label='sin-function') ax.plot(x, np.cos(x), color='blue', label='cos-function') ax.legend(loc='upper right', frameon=True, shadow=True, framealpha=0.2) # 設(shè)置圖例位置為右上，有邊框，有陰影，且透明度為0.2 plt.show()
顏色條
import matplotlib.pyplot as plt import numpy as np x = np.linspace(1, 10, 100) I = np.sin(x) * np.cos(x[:,np.newaxis]) plt.imshow(I) plt.colorbar() plt.show()
散點(diǎn)圖基礎(chǔ)
散點(diǎn)圖主要以點(diǎn)為主，數(shù)據(jù)是不連續(xù)的數(shù)據(jù)，通過設(shè)置線的型號來完成。型號包括‘o'、‘+'、‘*'、‘1'、‘h'、‘D'等等，具體使用探索一下就好，用不到太多。
import matplotlib.pyplot as plt
import numpy as np
# 圖形顯示風(fēng)格
plt.style.use('seaborn-whitegrid')
x = np.linspace(0, 10, 30)
y = np.sin(x)
# 通過設(shè)置線型為點(diǎn)來完成散點(diǎn)圖的繪制
plt.plot(x, y, 'o', color='blue')
plt.show()
如果設(shè)置線型為點(diǎn)線結(jié)合，那么將繪制出連續(xù)的線，對應(yīng)點(diǎn)處為所設(shè)置的點(diǎn)型。
畫散點(diǎn)圖還可以使用scatter函數(shù)來畫，他有很多更細(xì)節(jié)的描述，用法與plot類似，對于數(shù)據(jù)量較大的可視化時(shí)，plot的效率更高一些。
誤差線
import matplotlib.pyplot as plt
import numpy as np
# 圖形顯示風(fēng)格
plt.style.use('seaborn-whitegrid')
x = np.linspace(0, 10, 30)
dy = x * 0.5
y = np.sin(x) + dy
plt.errorbar(x, y, yerr=dy, fmt='.k', ecolor='blue')
plt.show()
連續(xù)誤差線表示的是連續(xù)量，可以使用 plt.plot 和 plt.fill_between 來畫出。
import matplotlib.pyplot as plt
import numpy as np
# 圖形顯示風(fēng)格
plt.style.use('seaborn-whitegrid')
x = np.linspace(0, 10, 30)
ysin = np.sin(x)
ycos = np.cos(x)
plt.plot(x, ysin, color='red')
plt.plot(x, ycos, color='blue')
plt.fill_between(x, ysin, ycos, color='gray', alpha=0.2)
plt.show()
等高線（密度）
plt.contour 等高線
plt.contourf 自帶填充顏色
plt.imshow 顯示圖形
等高線繪制方法：z = f（x，y），z表示高度。當(dāng)只有一個(gè)顏色繪圖時(shí)，虛線表示負(fù)值，實(shí)線表示正值。meshgrid 可以將一維數(shù)據(jù)變成二維網(wǎng)格數(shù)據(jù)。
import matplotlib.pyplot as plt import numpy as np def f(x, y): return np.sin(x) ** 10 + np.cos(10 + y * x) * np.cos(x) x = np.linspace(0, 5, 50) y = np.linspace(0, 5, 40) # 得到網(wǎng)格點(diǎn)矩陣 x, y =np.meshgrid(x, y) # 計(jì)算z軸的值 z = f(x, y) # 繪制圖形 plt.contour(x, y, z, colors='green') # plt.contour(x, y, z, 50, cmap='RdGy') # 更改配色，值50等分，紅灰配色 plt.show()
plt.contourf(x, y, z, 50, cmap='RdGy') # 改為contourf，自動(dòng)填充顏色，則變?yōu)檫B續(xù)的
基本畫法：plt.hist 可以直接畫直方圖，參數(shù)主要包括：
bins：劃分段（柱數(shù)）
color：顏色
alpha：透明度
histtype：圖類型
import matplotlib.pyplot as plt import numpy as np data = np.random.randn(1000) plt.hist(data, bins=30, alpha=0.3, histtype='stepfilled', color='blue', edgecolor='none') plt.show()
程序中 random.randn 與 random.rand 相比，randn表示隨機(jī)生成的數(shù)符合正態(tài)分布，因此畫出圖來是如上圖所示。
plt.subplot(2,1,1) # 子圖，（2,1,1）代表，創(chuàng)建2*1的畫布，并且定位于畫布1 ；等效于plt.subplot(211)，即去掉逗號 # subplots 可以同時(shí)創(chuàng)建多個(gè)子圖 figure,ax = plt.subplots(2, 3) # 這是一個(gè)靈活創(chuàng)建子圖的方法，可以創(chuàng)建任意組合的圖形，不必一一對齊，以下為示例： grid = plt.GridSpec(2, 3, wspace=0.3, hspace=0.2) plt.subplot(grid[,:2]) plt.subplot(grid[1,1:3])
文字注釋
通過不同的坐標(biāo)變換，可以把文字放在不同的位置：
ax.transData：以數(shù)據(jù)為基準(zhǔn)
ax.transAxes：以軸為基準(zhǔn)
import matplotlib.pyplot as plt import numpy as np fig, ax = plt.subplots() ax.axis = ([0, 1, 0, 1]) ax.text(0.5, 0.5, "Data:(0.5, 0.5)", transform=ax.transData) ax.text(0.5, 0.1, "Axes:(0.5, 0.1)", transform=ax.transAxes) plt.show()
箭頭注釋
plt.arrow：產(chǎn)生SVG向量圖形式的箭頭，會隨著分辨率改變而改變，不推薦
plt.annotate：可以創(chuàng)建文字和箭頭
import matplotlib.pyplot as plt
import numpy as np
fig, ax = plt.subplots()
x = np.linspace(0, 20, 1000)
ax.plot(x, np.cos(x))
ax.axis('equal')
ax.annotate("max", xy=(6.28, 1), xytext=(10, 4), arrowprops=dict(facecolor='black', shrink=0.05))
ax.annotate('min', xy=(5 * np.pi, -1), xytext=(2, -6), arrowprops=dict(arrow, connectionstyle='angle3, angleA=0, angleB=-90'))
plt.show()
基礎(chǔ)三維圖
matplotlib 中繪制三維圖用到 mplot3d 包。導(dǎo)入 mplot3d 包后，可以利用 projection 參數(shù)，控制繪制三維圖。
import numpy as np import matplotlib.pyplot as plt from mpl_toolkits import mplot3d fig = plt.figure() ax = plt.axes(projection='3d') plt.show()
三維圖中當(dāng)然包含三個(gè)軸，x，y，z。畫線 ax.plot3D，畫點(diǎn) ax.scatter3D。為了三維效果，它會自動(dòng)將遠(yuǎn)處的點(diǎn)顏色變淺。
import numpy as np import matplotlib.pyplot as plt from mpl_toolkits import mplot3d fig = plt.figure() ax = plt.axes(projection='3d') z = np.linspace(0, 15, 100) x = np.sin(z) y = np.cos(z) ax.plot3D(x, y, z, 'red') ax.scatter3D(x, y, z, 'blue') plt.show()
三維等高線
import numpy as np import matplotlib.pyplot as plt from mpl_toolkits import mplot3d fig = plt.figure() ax = plt.axes(projection='3d') def f(x, y): return np.sin(np.sqrt(x ** 2 + y ** 2)) x = np.linspace(-6, 6, 30) y = np.linspace(-6, 6, 30) X, Y =np.meshgrid(x, y) Z = f(X, Y) ax.contour3D(X, Y, Z, 50) plt.show()
圖形繪制出來后，可以通過 ax.view_init 來控制觀察的角度，便于理解。
俯仰角度：x-y 平面的旋轉(zhuǎn)角度
方位角度：沿著 z 軸順時(shí)針旋轉(zhuǎn)角度
上篇文章講述了 pandas 的基本用法，pandas 是數(shù)據(jù)分析中最重要的工具之一，這里補(bǔ)充一下 pandas 繪圖。
Series繪圖
# 這是一個(gè)小栗子 s1 = Series(np.random.randint(1000).cumsum()) # 創(chuàng)建series，cumsum()是指疊加求和，本位數(shù)是前幾項(xiàng)之和 s1.plot() # series有自己的plot函數(shù)，里面可以寫入想要的參數(shù)
DataFrame繪圖
df = DataFrame( np.random.randint(1,10,40).reshape(10,4), columns=['A','B','C','D'] ) df.plot() # dataframe也有自己的plot，按列畫出來，參數(shù)包含ax，選擇輸出的畫布 # 參數(shù)：stacked=True,表示一個(gè)堆疊的情況，同一個(gè)index下，columns一不同顏色疊在一起
總結(jié)
感謝各位的閱讀，以上就是“python數(shù)據(jù)分析工具 matplotlib怎么使用”的內(nèi)容了，經(jīng)過本文的學(xué)習(xí)后，相信大家對python數(shù)據(jù)分析工具 matplotlib怎么使用這一問題有了更深刻的體會，具體使用情況還需要大家實(shí)踐驗(yàn)證。這里是創(chuàng)新互聯(lián)成都網(wǎng)站設(shè)計(jì)公司，小編將為大家推送更多相關(guān)知識點(diǎn)的文章，歡迎關(guān)注！
另外有需要云服務(wù)器可以了解下創(chuàng)新互聯(lián)scvps.cn，海內(nèi)外云服務(wù)器15元起步，三天無理由+7*72小時(shí)售后在線，公司持有idc許可證，提供“云服務(wù)器、裸金屬服務(wù)器、高防服務(wù)器、香港服務(wù)器、美國服務(wù)器、虛擬主機(jī)、免備案服務(wù)器”等云主機(jī)租用服務(wù)以及企業(yè)上云的綜合解決方案，具有“安全穩(wěn)定、簡單易用、服務(wù)可用性高、性價(jià)比高”等特點(diǎn)與優(yōu)勢，專為企業(yè)上云打造定制，能夠滿足用戶豐富、多元化的應(yīng)用場景需求。
