首页 > 其他分享> > matplotlib数据可视化

matplotlib数据可视化

2021-12-07 18:02:02 作者：互联网

matplotlib数据可视化

1. matplotlib简单介绍

绘制图像一共有两种方式，一种是面向对象的（显示的），利用Figure，axes，另一个是直接用plot.plt（隐式的）

1. 图像的组成

Figure，顶层级，用来容纳所有绘图元素
Axes，容纳大量元素可以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，用来处理所有和坐标轴，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

在这里插入图片描述

2.matplot的底层结构

1. 三个层次API：

matplotlib.backend_bases.FigureCanvas 代表了绘图区，所有的图像都是在绘图区完成的
matplotlib.backend_bases.Renderer 代表了渲染器，可以近似理解为画笔，控制如何在 FigureCanvas 上画图。
matplotlib.artist.Artist 代表了具体的图表组件，即调用了Renderer的接口在Canvas上作图。

2. Artist分类

1. primitive

包含一些用在绘图区的标准图像对象，例如：曲线Line2D，文字text，矩形Rectangle，图像image等

2. containers
用来装基本要素的地方，包括图形figure，坐标系Axes，坐标轴Axis

在这里插入图片描述

2. matplotlib标准用法

import matplotlib.pyplot as plt
import numpy as np

#step1
fig = plt.figure()

#step2
ax = fig.add_subplot(2,1,1)

#step3
t = np.arange(0.0,1.0,.01)
s = np.sin(2 * np.pi * t)
line, = ax.plot(t,s,color='blue',lw=2)

3. primitives详细介绍

1. 2DLine：

连接所有顶点的实现样式，也可以是每个顶点的标记

1. 常用参数：

xdata，ydata，linewidth，linestyle，color，marker，markersize

2. 设置属性的方法：

plot()中设置

# 1) 直接在plot()函数中设置
import matplotlib.pyplot as plt
x = range(0,5)
y = [2,5,7,8,10]
plt.plot(x,y, linewidth=10) # 设置线的粗细参数为10

获得线对象，对线对象进行设置

# 2) 通过获得线对象，对线对象进行设置
x = range(0,5)
y = [2,5,7,8,10]
line, = plt.plot(x, y, '-')
line.set_antialiased(False) # 关闭抗锯齿功能

获得线属性，使用setp()设置

# 3) 获得线属性，使用setp()函数设置
x = range(0,5)
y = [2,5,7,8,10]
lines = plt.plot(x, y)
plt.setp(lines, color='r', linewidth=10)

3. 绘制lines

绘制直线lines
pyplot方法绘制

# 1. pyplot方法绘制
import matplotlib.pyplot as plt
x = range(0,5)
y = [2,5,7,8,10]
plt.plot(x,y)

Line2D对象绘制

# 2. Line2D对象绘制
import matplotlib.pyplot as plt
from matplotlib.lines import Line2D      

fig = plt.figure()
ax = fig.add_subplot(111)
line = Line2D(x, y)
ax.add_line(line)
ax.set_xlim(min(x), max(x))
ax.set_ylim(min(y), max(y))

plt.show()

errorbar绘制误差折线图
构造函数主要参数：

x，y，yerr（y轴水平的误差），xerr，fmt（折线图的风格），ecolor，elinewidth

import numpy as np
import matplotlib.pyplot as plt
fig = plt.figure()
x = np.arange(10)
y = 2.5 * np.sin(x / 20 * np.pi)
yerr = np.linspace(0.05, 0.2, 10)
plt.errorbar(x, y + 3, yerr=yerr, label='both limits (default)')

2. patches

1. Rectangle矩形：

通过锚点xy及其宽高生成

hist-直方图
1. 常用参数：
  
  x，bins，range，density（显示频数统计结果），histtype（bar，barstacked，setp，setpfilled），align（对齐方式，left，mid，right），log（True，表示指数刻度），stacked（True，表示堆积状图）

import matplotlib.pyplot as plt
import numpy as np 
x=np.random.randint(0,100,100) #生成[0-100)之间的100个数据,即 数据集 
bins=np.arange(0,101,10) #设置连续的边界值，即直方图的分布区间[0,10),[10,20)... 
plt.hist(x,bins,color='fuchsia',alpha=0.5)#alpha设置透明度，0为完全透明 
plt.xlabel('scores') 
plt.ylabel('count') 
plt.xlim(0,100)#设置x轴分布范围 plt.show()

bar-柱状图
1. 常用参数：
  
  left，height，alpha，width，color或facecolor，edgecolor，label

# bar绘制柱状图
import matplotlib.pyplot as plt
y = range(1,17)
plt.bar(np.arange(16), y, alpha=0.5, width=0.5, color='yellow', edgecolor='red', label='The First Bar', lw=3)

# Rectangle矩形类绘制柱状图
#import matplotlib.pyplot as plt
fig = plt.figure()
ax1 = fig.add_subplot(111)

for i in range(1,17):
rect =  plt.Rectangle((i+0.25,0),0.5,i)#Rectangle xy表示左下点
ax1.add_patch(rect)
ax1.set_xlim(0, 16)
ax1.set_ylim(0, 16)
plt.show()

2. Ploygon-多边形

# 用fill来绘制图形
import matplotlib.pyplot as plt
x = np.linspace(0, 5 * np.pi, 1000) 
y1 = np.sin(x)
y2 = np.sin(2 * x) 
plt.fill(x, y1, color = "g", alpha = 0.3)#xy是一个N×2的numpy array，为多边形的顶点

3. Wedge-楔形

理解：是以坐标x,y为中心，半径为r，从θ1扫到θ2(单位是度)，如果宽度给定，则从内半径r -宽度到外半径r画出部分楔形

pie-饼状图

import matplotlib.pyplot as plt 
labels = 'Frogs', 'Hogs', 'Dogs', 'Logs'
sizes = [15, 30, 45, 10] #契型的形状，一维数组
explode = (0, 0.1, 0, 0) #它指定用于偏移每个楔形块的半径的分数
fig1, ax1 = plt.subplots() 
ax1.pie(sizes, explode=explode, labels=labels, autopct='%1.1f%%', shadow=True, startangle=90) #label 用于指定每个契型块的标记，取值是列表或为None 
#autopct 
#startangle 饼状图开始的绘制的角度
ax1.axis('equal') # Equal aspect ratio ensures that pie is drawn as a circle. 
plt.show()

3. collections

collections类是用来绘制一组对象的集合。
主要参数：

# 用scatter绘制散点图
x = [0,2,4,6,8,10] 
y = [10]*len(x) 
s = [20*2**n for n in range(len(x))] #尺寸大小
plt.scatter(x,y,s=s) 
plt.show()

4. images

绘制image图像的类，其中最常用的imshow可以根据数组绘制成图像

import matplotlib.pyplot as plt
import numpy as np
methods = [None, 'none', 'nearest', 'bilinear', 'bicubic', 'spline16',
'spline36', 'hanning', 'hamming', 'hermite', 'kaiser', 'quadric',
'catrom', 'gaussian', 'bessel', 'mitchell', 'sinc', 'lanczos']


grid = np.random.rand(4, 4)

fig, axs = plt.subplots(nrows=3, ncols=6, figsize=(9, 6),
subplot_kw={'xticks': [], 'yticks': []})

for ax, interp_method in zip(axs.flat, methods):
ax.imshow(grid, interpolation=interp_method, cmap='viridis')
ax.set_title(str(interp_method))

plt.tight_layout()
plt.show()

3. 对象容器-Object container

1. Figure容器

matplotlib.figure.Figure是Artist最顶层的container对象容器，它包含了图表中的所有元素。

一张图表的背景就是在Figure.patch的一个矩阵Rectangle，当我们向图表添加Figure.add_subplot()或者Figure.add_axes(),这些都会添加到Figure.axes中

fig = plt.figure()
ax1 = fig.add_subplot(211) # 作一幅2*1的图，选择第1个子图
ax2 = fig.add_axes([0.1, 0.1, 0.7, 0.3]) # 位置参数，四个数分别代表了(left,bottom,width,height)
print(ax1) 
print(fig.axes) # fig.axes 中包含了subplot和axes两个实例, 刚刚添加的

fig = plt.figure()
ax1 = fig.add_subplot(211)
for ax in fig.axes:#通过遍历axes来修改ax
    ax.grid(True)

Figure容器的常见属性：
Figure.patch属性：Figure的背景矩形
Figure.axes属性：一个Axes实例的列表（包括Subplot)
Figure.images属性：一个FigureImages patch列表
Figure.lines属性：一个Line2D实例的列表（很少使用）
Figure.legends属性：一个Figure Legend实例列表（不同于Axes.legends)
Figure.texts属性：一个Figure Text实例列表

2. Axes容器

Axes包含了一个patch属性，对于笛卡尔坐标系而言，它是一个Rectangle；对于极坐标而言，它是一个Circle。这个patch属性决定了绘图区域的形状、背景和边框。

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

fig = plt.figure()
ax = fig.add_subplot(111)
rect = ax.patch  # axes的patch是一个Rectangle实例
rect.set_facecolor('green')

3. Axis容器

tick line、grid line、tick label以及axis label的绘制，它包括坐标轴上的刻度线、刻度label、坐标网格、坐标轴标题。通常你可以独立的配置y轴的左边刻度以及右边的刻度，也可以独立地配置x轴的上边刻度以及下边的刻度。

# 不用print，直接显示结果
from IPython.core.interactiveshell import InteractiveShell
InteractiveShell.ast_node_interactivity = "all"

fig, ax = plt.subplots()
x = range(0,5)
y = [2,5,7,8,10]
plt.plot(x, y, '-')

axis = ax.xaxis # axis为X轴对象
axis.get_ticklocs()     # 获取刻度线位置
axis.get_ticklabels()   # 获取刻度label列表(一个Text实例的列表）。 可以通过minor=True|False关键字参数控制输出minor还是major的tick label。
axis.get_ticklines()    # 获取刻度线列表(一个Line2D实例的列表）。 可以通过minor=True|False关键字参数控制输出minor还是major的tick line。
axis.get_data_interval()# 获取轴刻度间隔
axis.get_view_interval()# 获取轴视角（位置）的间隔

fig = plt.figure() # 创建一个新图表
rect = fig.patch   # 矩形实例并将其设为黄色
rect.set_facecolor('lightgoldenrodyellow')

ax1 = fig.add_axes([0.1, 0.3, 0.4, 0.4]) # 创一个axes对象，从(0.1,0.3)的位置开始，宽和高都为0.4，
rect = ax1.patch   # ax1的矩形设为灰色
rect.set_facecolor('lightslategray')


for label in ax1.xaxis.get_ticklabels(): 
    # 调用x轴刻度标签实例，是一个text实例
    label.set_color('red') # 颜色
    label.set_rotation(45) # 旋转角度
    label.set_fontsize(16) # 字体大小

for line in ax1.yaxis.get_ticklines():
    # 调用y轴刻度线条实例, 是一个Line2D实例
    line.set_color('green')    # 颜色
    line.set_markersize(25)    # marker大小
    line.set_markeredgewidth(2)# marker粗细

plt.show()

4. Tick容器

matplotlib.axis.Tick是从Figure到Axes到Axis到Tick中最末端的容器对象。
Tick包含了tick、grid line实例以及对应的label。

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

fig, ax = plt.subplots()
ax.plot(100*np.random.rand(20))

# 设置ticker的显示格式
formatter = matplotlib.ticker.FormatStrFormatter('$%1.2f')
ax.yaxis.set_major_formatter(formatter)

# 设置ticker的参数，右侧为主轴，颜色为绿色
ax.yaxis.set_tick_params(which='major', labelcolor='green',
                         labelleft=False, labelright=True)

plt.show()

3. 布局格式

1. 子图

1. 使用`plt.subplots`绘制均匀状态下的子图

fig, axs = plt.subplots(2, 5, figsize=(10, 4), sharex=True, sharey=True)
#figsize 参数可以指定整个画布的大小
#sharex 和 sharey 分别表示是否共享横轴和纵轴刻度
#tight_layout 函数可以调整子图的相对大小使字符不会重叠
fig.suptitle('样例1', size=20)
for i in range(2):
    for j in range(5):
        axs[i][j].scatter(np.random.randn(10), np.random.randn(10))
        axs[i][j].set_title('第%d行，第%d列'%(i+1,j+1))
        axs[i][j].set_xlim(-5,5)
        axs[i][j].set_ylim(-5,5)
        if i==1: axs[i][j].set_xlabel('横坐标')
        if j==0: axs[i][j].set_ylabel('纵坐标')
fig.tight_layout()

N = 150
r = 2 * np.random.rand(N)
theta = 2 * np.pi * np.random.rand(N)
area = 200 * r**2
colors = theta


plt.subplot(projection='polar')
plt.scatter(theta, r, c=colors, s=area, cmap='hsv', alpha=0.75)

2. 使用`GridSpec`绘制非均匀子图

所谓非均匀包含两层含义，第一是指图的比例大小不同但没有跨行或跨列，第二是指图为跨列或跨行状态

fig = plt.figure(figsize=(10, 4))
spec = fig.add_gridspec(nrows=2, ncols=5, width_ratios=[1,2,3,4,5], height_ratios=[1,3])
fig.suptitle('样例2', size=20)
for i in range(2):
    for j in range(5):
        ax = fig.add_subplot(spec[i, j])
        ax.scatter(np.random.randn(10), np.random.randn(10))
        ax.set_title('第%d行，第%d列'%(i+1,j+1))
        if i==1: ax.set_xlabel('横坐标')
        if j==0: ax.set_ylabel('纵坐标')
fig.tight_layout()

fig = plt.figure(figsize=(10, 4))
spec = fig.add_gridspec(nrows=2, ncols=6, width_ratios=[2,2.5,3,1,1.5,2], height_ratios=[1,2])
fig.suptitle('样例3', size=20)
# sub1
ax = fig.add_subplot(spec[0, :3])
ax.scatter(np.random.randn(10), np.random.randn(10))
# sub2
ax = fig.add_subplot(spec[0, 3:5])
ax.scatter(np.random.randn(10), np.random.randn(10))
# sub3
ax = fig.add_subplot(spec[:, 5])
ax.scatter(np.random.randn(10), np.random.randn(10))
# sub4
ax = fig.add_subplot(spec[1, 0])
ax.scatter(np.random.randn(10), np.random.randn(10))
# sub5
ax = fig.add_subplot(spec[1, 1:5])
ax.scatter(np.random.randn(10), np.random.randn(10))
fig.tight_layout()

2. 子图上的方法

1. 在 `ax` 对象上定义了和 `plt` 类似的图形绘制函数

常用的有： plot, hist, scatter, bar, barh, pie

2. 常用直线的画法：

axhline, axvline, axline （水平、垂直、任意方向）

3. 用 `grid` 可以加灰色网格

4. 使用 `set_xscale, set_title, set_xlabel`

分别可以设置坐标轴的规度（指对数坐标等）、标题、轴名

5. `legend, annotate, arrow, text` 对象也可以进行相应的绘制

4.文字图例

1. Figure和Axes上的文本

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-bBkKW9U6-1638780383886)(C:\Users\nabai\Documents\markdown图片\image-20210707200007404.png)]

1. text

2. title和set_title

3. figtext和text

4. suptitle

5. xlabel和ylabel

6. 字体的属性设置

7. 数学表达式

2. Tick上的文本

1. 简单模式

2. Tick Locators 和 Formatters

Tick Locators and Formatters完成对于刻度位置和刻度标签的设置

3. legend

5. 样式色彩

1. matplot的绘图样式

1. 预设的样式

import matplotlib as mpl
import matplotlib.pyplot as plt
import numpy as np

plt.style.use('default')
plt.plot([1,2,3,4],[2,3,4,5])

print(plt.style.available)

['Solarize_Light2', '_classic_test_patch', 'bmh', 'classic', 'dark_background', 'fast', 'fivethirtyeight', 'ggplot', 'grayscale', 'seaborn', 'seaborn-bright', 'seaborn-colorblind', 'seaborn-dark', 'seaborn-dark-palette', 'seaborn-darkgrid', 'seaborn-deep', 'seaborn-muted', 'seaborn-notebook', 'seaborn-paper', 'seaborn-pastel', 'seaborn-poster', 'seaborn-talk', 'seaborn-ticks', 'seaborn-white', 'seaborn-whitegrid', 'tableau-colorblind10']

2. 自定义样式

在任意路径下创建一个后缀名为mplstyle的样式清单，编辑文件添加以下样式内容

axes.titlesize : 24
axes.labelsize : 20
lines.linewidth : 3
lines.markersize : 10
xtick.labelsize : 16
ytick.labelsize : 16

plt.style.use('file/presentation.mplstyle')
plt.plot([1,2,3,4],[2,3,4,5])

3. 设置rcparams

我们还可以通过修改默认rc设置的方式改变样式，所有rc设置都保存在一个叫做 matplotlib.rcParams的变量中。

mpl.rcParams['lines.linewidth'] = 2
mpl.rcParams['lines.linestyle'] = '--'
plt.plot([1,2,3,4],[2,3,4,5])

mpl.rc('lines', linewidth=4, linestyle='-.')
plt.plot([1,2,3,4],[2,3,4,5])

4. 修改matplotlibrc文件

# 查找matplotlibrc文件的路径
mpl.matplotlib_fname()

2. matplotlib的色彩设置

1. RGB或RGBA

# 颜色用[0,1]之间的浮点数表示，四个分量按顺序分别为(red, green, blue, alpha)，其中alpha透明度可省略
plt.plot([1,2,3],[4,5,6],color=(0.1, 0.2, 0.5))
plt.plot([4,5,6],[1,2,3],color=(0.1, 0.2, 0.5, 0.5))

2. HEX RGB 或 RGBA

3. 灰度色阶

4. 单字符基本颜色

5.颜色名称

6. 使用colormap设置一组颜色

参考链接：

fantastic matplotlib

标签：10,plt,matplotlib,可视化,fig,np,ax,数据
来源： https://blog.csdn.net/y1040468929/article/details/121750593

matplotlib数据可视化

matplotlib数据可视化

1. matplotlib简单介绍

1. 图像的组成

2.matplot的底层结构

1. 三个层次API：

2. Artist分类

1. primitive

2. containers

2. matplotlib标准用法

3. primitives详细介绍

1. 2DLine：

1. 常用参数：

2. 设置属性的方法：

3. 绘制lines

2. patches

1. Rectangle矩形：

2. Ploygon-多边形

3. Wedge-楔形

3. collections

4. images

3. 对象容器-Object container

1. Figure容器

2. Axes容器

3. Axis容器

4. Tick容器

3. 布局格式

1. 子图

1. 使用plt.subplots绘制均匀状态下的子图

2. 使用GridSpec绘制非均匀子图

2. 子图上的方法

1. 在 ax 对象上定义了和 plt 类似的图形绘制函数

2. 常用直线的画法：

3. 用 grid 可以加灰色网格

4. 使用 set_xscale, set_title, set_xlabel

5. legend, annotate, arrow, text 对象也可以进行相应的绘制

4.文字图例

1. Figure和Axes上的文本

1. text

2. title和set_title

3. figtext和text

4. suptitle

5. xlabel和ylabel

6. 字体的属性设置

7. 数学表达式

2. Tick上的文本

1. 简单模式

2. Tick Locators 和 Formatters

3. legend

5. 样式色彩

1. matplot的绘图样式

1. 预设的样式

2. 自定义样式

3. 设置rcparams

4. 修改matplotlibrc文件

2. matplotlib的色彩设置

1. RGB或RGBA

2. HEX RGB 或 RGBA

3. 灰度色阶

4. 单字符基本颜色

5.颜色名称

6. 使用colormap设置一组颜色

参考链接：

1. 使用`plt.subplots`绘制均匀状态下的子图

2. 使用`GridSpec`绘制非均匀子图

1. 在 `ax` 对象上定义了和 `plt` 类似的图形绘制函数

3. 用 `grid` 可以加灰色网格

4. 使用 `set_xscale, set_title, set_xlabel`

5. `legend, annotate, arrow, text` 对象也可以进行相应的绘制