欧美bbbwbbbw肥妇,免费乱码人妻系列日韩,一级黄片

Python matplotlib繪圖可視化知識點整理(小結(jié))

 更新時間:2018年03月16日 14:01:01   作者:止戰(zhàn)  
這篇文章主要介紹了Python matplotlib繪圖可視化知識點整理(小結(jié)),小編覺得挺不錯的,現(xiàn)在分享給大家,也給大家做個參考。一起跟隨小編過來看看吧

無論你工作在什么項目上,IPython都是值得推薦的。利用ipython --pylab,可以進入PyLab模式,已經(jīng)導入了matplotlib庫與相關軟件包(例如Numpy和Scipy),額可以直接使用相關庫的功能。

本文作為學習過程中對matplotlib一些常用知識點的整理,方便查找。

這樣IPython配置為使用你所指定的matplotlib GUI后端(TK/wxPython/PyQt/Mac OS X native/GTK)。對于大部分用戶而言,默認的后端就已經(jīng)夠用了。Pylab模式還會向IPython引入一大堆模塊和函數(shù)以提供一種更接近MATLAB的界面。

import matplotlib.pyplot as plt
labels='frogs','hogs','dogs','logs'
sizes=15,20,45,10
colors='yellowgreen','gold','lightskyblue','lightcoral'
explode=0,0.1,0,0
plt.pie(sizes,explode=explode,labels=labels,colors=colors,autopct='%1.1f%%',shadow=True,startangle=50)
plt.axis('equal')
plt.show()

matplotlib圖標正常顯示中文

為了在圖表中能夠顯示中文和負號等,需要下面一段設置:

import matplotlib.pyplot as plt
plt.rcParams['font.sas-serig']=['SimHei'] #用來正常顯示中文標簽
plt.rcParams['axes.unicode_minus']=False #用來正常顯示負號

matplotlib inline和pylab inline

可以使用ipython --pylab打開ipython命名窗口。

%matplotlib inline #notebook模式下
%pylab inline  #ipython模式下

這兩個命令都可以在繪圖時,將圖片內(nèi)嵌在交互窗口,而不是彈出一個圖片窗口,但是,有一個缺陷:除非將代碼一次執(zhí)行,否則,無法疊加繪圖,因為在這兩種模式下,是要有plt出現(xiàn),圖片會立馬show出來,因此:

推薦在ipython notebook時使用,這樣就能很方便的一次編輯完代碼,繪圖。

為項目設置matplotlib參數(shù)

在代碼執(zhí)行過程中,有兩種方式更改參數(shù):

  1. 使用參數(shù)字典(rcParams)
  2. 調(diào)用matplotlib.rc()命令通過傳入關鍵字元祖,修改參數(shù)

如果不想每次使用matplotlib時都在代碼部分進行配置,可以修改matplotlib的文件參數(shù)??梢杂?code>matplot.get_config()命令來找到當前用戶的配置文件目錄。

配置文件包括以下配置項:

axex: 設置坐標軸邊界和表面的顏色、坐標刻度值大小和網(wǎng)格的顯示
backend: 設置目標暑促TkAgg和GTKAgg
figure: 控制dpi、邊界顏色、圖形大小、和子區(qū)( subplot)設置
font: 字體集(font family)、字體大小和樣式設置
grid: 設置網(wǎng)格顏色和線性
legend: 設置圖例和其中的文本的顯示
line: 設置線條(顏色、線型、寬度等)和標記
patch: 是填充2D空間的圖形對象,如多邊形和圓??刂凭€寬、顏色和抗鋸齒設置等。
savefig: 可以對保存的圖形進行單獨設置。例如,設置渲染的文件的背景為白色。
verbose: 設置matplotlib在執(zhí)行期間信息輸出,如silent、helpful、debug和debug-annoying。
xticks和yticks: 為x,y軸的主刻度和次刻度設置顏色、大小、方向,以及標簽大小。

線條相關屬性標記設置

用來該表線條的屬性

線條風格linestyle或ls 描述 線條風格linestyle或ls 描述
‘-‘ 實線 ‘:' 虛線
‘–' 破折線 ‘None',' ‘,'' 什么都不畫
‘-.' 點劃線

線條標記

標記maker 描述 標記 描述
‘o' 圓圈 ‘.'
‘D' 菱形 ‘s' 正方形
‘h' 六邊形1 ‘*' 星號
‘H' 六邊形2 ‘d' 小菱形
‘_' 水平線 ‘v' 一角朝下的三角形
‘8' 八邊形 ‘<' 一角朝左的三角形
‘p' 五邊形 ‘>' 一角朝右的三角形
‘,' 像素 ‘^' 一角朝上的三角形
‘+' 加號 ‘\ 豎線
‘None','',' ‘ ‘x' X

顏色

可以通過調(diào)用matplotlib.pyplot.colors()得到matplotlib支持的所有顏色。

別名 顏色 別名 顏色
b 藍色 g 綠色
r 紅色 y 黃色
c 青色 k 黑色
m 洋紅色 w 白色

如果這兩種顏色不夠用,還可以通過兩種其他方式來定義顏色值:

  1. 使用HTML十六進制字符串color='eeefff'使用合法的HTML顏色名字('red','chartreuse'等)。
  2. 也可以傳入一個歸一化到[0,1]的RGB元祖。color=(0.3,0.3,0.4)

很多方法可以介紹顏色參數(shù),如title()。

plt.tilte('Title in a custom color',color='#123456')

背景色

通過向如matplotlib.pyplot.axes()或者matplotlib.pyplot.subplot()這樣的方法提供一個axisbg參數(shù),可以指定坐標這的背景色。

subplot(111,axisbg=(0.1843,0.3098,0.3098)

基礎

如果你向plot()指令提供了一維的數(shù)組或列表,那么matplotlib將默認它是一系列的y值,并自動為你生成x的值。默認的x向量從0開始并且具有和y同樣的長度,因此x的數(shù)據(jù)是[0,1,2,3].

確定坐標范圍plt.axis([xmin, xmax, ymin, ymax])

上面例子里的axis()命令給定了坐標范圍。

xlim(xmin, xmax)和ylim(ymin, ymax)來調(diào)整x,y坐標范圍

%matplotlib inline
import numpy as np
import matplotlib.pyplot as plt
from pylab import *

x = np.arange(-5.0, 5.0, 0.02)
y1 = np.sin(x)

plt.figure(1)
plt.subplot(211)
plt.plot(x, y1)

plt.subplot(212)
#設置x軸范圍
xlim(-2.5, 2.5)
#設置y軸范圍
ylim(-1, 1)
plt.plot(x, y1)

疊加圖

用一條指令畫多條不同格式的線。

import numpy as np
import matplotlib.pyplot as plt

# evenly sampled time at 200ms intervals
t = np.arange(0., 5., 0.2)

# red dashes, blue squares and green triangles
plt.plot(t, t, 'r--', t, t**2, 'bs', t, t**3, 'g^')
plt.show()

plt.figure()

你可以多次使用figure命令來產(chǎn)生多個圖,其中,圖片號按順序增加。這里,要注意一個概念當前圖和當前坐標。所有繪圖操作僅對當前圖和當前坐標有效。通常,你并不需要考慮這些事,下面的這個例子為大家演示這一細節(jié)。

import matplotlib.pyplot as plt
plt.figure(1)        # 第一張圖
plt.subplot(211)       # 第一張圖中的第一張子圖
plt.plot([1,2,3])
plt.subplot(212)       # 第一張圖中的第二張子圖
plt.plot([4,5,6])


plt.figure(2)        # 第二張圖
plt.plot([4,5,6])      # 默認創(chuàng)建子圖subplot(111)

plt.figure(1)        # 切換到figure 1 ; 子圖subplot(212)仍舊是當前圖
plt.subplot(211)       # 令子圖subplot(211)成為figure1的當前圖
plt.title('Easy as 1,2,3')  # 添加subplot 211 的標題

figure感覺就是給圖像ID,之后可以索引定位到它。

plt.text()添加文字說明

text()可以在圖中的任意位置添加文字,并支持LaTex語法

xlable(), ylable()用于添加x軸和y軸標簽

title()用于添加圖的題目

import numpy as np
import matplotlib.pyplot as plt

mu, sigma = 100, 15
x = mu + sigma * np.random.randn(10000)

# 數(shù)據(jù)的直方圖
n, bins, patches = plt.hist(x, 50, normed=1, facecolor='g', alpha=0.75)


plt.xlabel('Smarts')
plt.ylabel('Probability')
#添加標題
plt.title('Histogram of IQ')
#添加文字
plt.text(60, .025, r'$\mu=100,\ \sigma=15$')
plt.axis([40, 160, 0, 0.03])
plt.grid(True)
plt.show()


text中前兩個參數(shù)感覺應該是文本出現(xiàn)的坐標位置。

plt.annotate()文本注釋

在數(shù)據(jù)可視化的過程中,圖片中的文字經(jīng)常被用來注釋圖中的一些特征。使用annotate()方法可以很方便地添加此類注釋。在使用annotate時,要考慮兩個點的坐標:被注釋的地方xy(x, y)和插入文本的地方xytext(x, y)。[^1]

import numpy as np
import matplotlib.pyplot as plt

ax = plt.subplot(111)

t = np.arange(0.0, 5.0, 0.01)
s = np.cos(2*np.pi*t)
line, = plt.plot(t, s, lw=2)

plt.annotate('local max', xy=(2, 1), xytext=(3, 1.5),
      arrowprops=dict(facecolor='black', shrink=0.05),
      )

plt.ylim(-2,2)
plt.show()


plt.xticks()/plt.yticks()設置軸記號

現(xiàn)在是明白干嘛用的了,就是人為設置坐標軸的刻度顯示的值。

# 導入 matplotlib 的所有內(nèi)容(nympy 可以用 np 這個名字來使用)
from pylab import *

# 創(chuàng)建一個 8 * 6 點(point)的圖,并設置分辨率為 80
figure(figsize=(8,6), dpi=80)

# 創(chuàng)建一個新的 1 * 1 的子圖,接下來的圖樣繪制在其中的第 1 塊(也是唯一的一塊)
subplot(1,1,1)

X = np.linspace(-np.pi, np.pi, 256,endpoint=True)
C,S = np.cos(X), np.sin(X)

# 繪制余弦曲線,使用藍色的、連續(xù)的、寬度為 1 (像素)的線條
plot(X, C, color="blue", linewidth=1.0, linestyle="-")

# 繪制正弦曲線,使用綠色的、連續(xù)的、寬度為 1 (像素)的線條
plot(X, S, color="r", lw=4.0, linestyle="-")

plt.axis([-4,4,-1.2,1.2])
# 設置軸記號

xticks([-np.pi, -np.pi/2, 0, np.pi/2, np.pi],
    [r'$-\pi$', r'$-\pi/2$', r'$0$', r'$+\pi/2$', r'$+\pi$'])

yticks([-1, 0, +1],
    [r'$-1$', r'$0$', r'$+1$'])
# 在屏幕上顯示
show()


當我們設置記號的時候,我們可以同時設置記號的標簽。注意這里使用了 LaTeX。[^2]

移動脊柱 坐標系

ax = gca()
ax.spines['right'].set_color('none')
ax.spines['top'].set_color('none')
ax.xaxis.set_ticks_position('bottom')
ax.spines['bottom'].set_position(('data',0))
ax.yaxis.set_ticks_position('left')
ax.spines['left'].set_position(('data',0))

這個地方確實沒看懂,囧,以后再說吧,感覺就是移動了坐標軸的位置。

plt.legend()添加圖例

plot(X, C, color="blue", linewidth=2.5, linestyle="-", label="cosine")
plot(X, S, color="red", linewidth=2.5, linestyle="-", label="sine")

legend(loc='upper left')

matplotlib.pyplot

使用plt.style.use('ggplot')命令,可以作出ggplot風格的圖片。

# Import necessary packages
import pandas as pd
%matplotlib inline
import matplotlib.pyplot as plt
plt.style.use('ggplot')
from sklearn import datasets
from sklearn import linear_model
import numpy as np
# Load data
boston = datasets.load_boston()
yb = boston.target.reshape(-1, 1)
Xb = boston['data'][:,5].reshape(-1, 1)
# Plot data
plt.scatter(Xb,yb)
plt.ylabel('value of house /1000 ($)')
plt.xlabel('number of rooms')
# Create linear regression object
regr = linear_model.LinearRegression()
# Train the model using the training sets
regr.fit( Xb, yb)
# Plot outputs
plt.scatter(Xb, yb, color='black')
plt.plot(Xb, regr.predict(Xb), color='blue',
     linewidth=3)
plt.show()

給特殊點做注釋

好吧,又是注釋,多個例子參考一下!

我們希望在 2π/32π/3 的位置給兩條函數(shù)曲線加上一個注釋。首先,我們在對應的函數(shù)圖像位置上畫一個點;然后,向橫軸引一條垂線,以虛線標記;最后,寫上標簽。

t = 2*np.pi/3
# 作一條垂直于x軸的線段,由數(shù)學知識可知,橫坐標一致的兩個點就在垂直于坐標軸的直線上了。這兩個點是起始點。
plot([t,t],[0,np.cos(t)], color ='blue', linewidth=2.5, linestyle="--")
scatter([t,],[np.cos(t),], 50, color ='blue')

annotate(r'$\sin(\frac{2\pi}{3})=\frac{\sqrt{3}}{2}$',
     xy=(t, np.sin(t)), xycoords='data',
     xytext=(+10, +30), textcoords='offset points', fontsize=16,
     arrowprops=dict(arrowstyle="->", connectionstyle="arc3,rad=.2"))

plot([t,t],[0,np.sin(t)], color ='red', linewidth=2.5, linestyle="--")
scatter([t,],[np.sin(t),], 50, color ='red')

annotate(r'$\cos(\frac{2\pi}{3})=-\frac{1}{2}$',
     xy=(t, np.cos(t)), xycoords='data',
     xytext=(-90, -50), textcoords='offset points', fontsize=16,
     arrowprops=dict(arrowstyle="->", connectionstyle="arc3,rad=.2"))

plt.subplot()

plt.subplot(2,3,1)表示把圖標分割成2*3的網(wǎng)格。也可以簡寫plt.subplot(231)。其中,第一個參數(shù)是行數(shù),第二個參數(shù)是列數(shù),第三個參數(shù)表示圖形的標號。

plt.axes()

我們先來看什么是Figure和Axes對象。在matplotlib中,整個圖像為一個Figure對象。在Figure對象中可以包含一個,或者多個Axes對象。每個Axes對象都是一個擁有自己坐標系統(tǒng)的繪圖區(qū)域。其邏輯關系如下:

plt.axes-官方文檔

  1. axes() by itself creates a default full subplot(111) window axis.
  2. axes(rect, axisbg='w') where rect = [left, bottom, width, height] in normalized (0, 1) units. axisbg is the background color for the axis, default white.
  3. axes(h) where h is an axes instance makes h the current axis. An Axes instance is returned.

rect=[左, 下, 寬, 高] 規(guī)定的矩形區(qū)域,rect矩形簡寫,這里的數(shù)值都是以figure大小為比例,因此,若是要兩個axes并排顯示,那么axes[2]的左=axes[1].左+axes[1].寬,這樣axes[2]才不會和axes[1]重疊。

show code:

import matplotlib.pyplot as plt
import numpy as np

# create some data to use for the plot
dt = 0.001
t = np.arange(0.0, 10.0, dt)
r = np.exp(-t[:1000]/0.05)        # impulse response
x = np.random.randn(len(t))
s = np.convolve(x, r)[:len(x)]*dt # colored noise

# the main axes is subplot(111) by default
plt.plot(t, s)
plt.axis([0, 1, 1.1*np.amin(s), 2*np.amax(s)])
plt.xlabel('time (s)')
plt.ylabel('current (nA)')
plt.title('Gaussian colored noise')

# this is an inset axes over the main axes
a = plt.axes([.65, .6, .2, .2], axisbg='y')
n, bins, patches = plt.hist(s, 400, normed=1)
plt.title('Probability')
plt.xticks([])
plt.yticks([])

# this is another inset axes over the main axes
a = plt.axes([0.2, 0.6, .2, .2], axisbg='y')
plt.plot(t[:len(r)], r)
plt.title('Impulse response')
plt.xlim(0, 0.2)
plt.xticks([])
plt.yticks([])

plt.show()

pyplot.pie參數(shù)

matplotlib.pyplot.pie

colors顏色

找出matpltlib.pyplot.plot中的colors可以取哪些值?

  1. so-Named colors in matplotlib
  2. matplotlib學習之設置線條顏色、形狀 
for name,hex in matplotlib.colors.cnames.iteritems():
  print name,hex

打印顏色值和對應的RGB值。

plt.axis('equal')避免比例壓縮為橢圓

autopct

How do I use matplotlib autopct?

autopct enables you to display the percent value using Python string formatting. For example, if autopct='%.2f', then for each pie wedge, the format string is '%.2f' and the numerical percent value for that wedge is pct, so the wedge label is set to the string '%.2f'%pct.
 

以上就是本文的全部內(nèi)容,希望對大家的學習有所幫助,也希望大家多多支持腳本之家。

相關文章

  • Python偏函數(shù)實現(xiàn)原理及應用

    Python偏函數(shù)實現(xiàn)原理及應用

    這篇文章主要介紹了Python偏函數(shù)實現(xiàn)原理及應用,文中通過示例代碼介紹的非常詳細,對大家的學習或者工作具有一定的參考學習價值,需要的朋友可以參考下
    2020-11-11
  • Python中使用MySQL模糊查詢的詳細方法

    Python中使用MySQL模糊查詢的詳細方法

    這篇文章主要介紹了Python中使用MySQL模糊查詢的方法,以下是一個使用pymysql進行模糊查詢的詳細示例,包括安裝庫、連接數(shù)據(jù)庫、執(zhí)行查詢以及處理結(jié)果,需要的朋友可以參考下
    2024-06-06
  • 一文帶你搞懂Numpy中的深拷貝和淺拷貝

    一文帶你搞懂Numpy中的深拷貝和淺拷貝

    深拷貝和淺拷貝是Python中重要的概念,本文將重點介紹在NumPy中深拷貝和淺拷貝相關操作的定義和背后的原理,快跟隨小編一起來學習一下吧
    2022-04-04
  • python_matplotlib改變橫坐標和縱坐標上的刻度(ticks)方式

    python_matplotlib改變橫坐標和縱坐標上的刻度(ticks)方式

    這篇文章主要介紹了python_matplotlib改變橫坐標和縱坐標上的刻度(ticks)方式,具有很好的參考價值,希望對大家有所幫助。一起跟隨小編過來看看吧
    2020-05-05
  • Python使用wxpy模塊實現(xiàn)微信兩兩群組消息同步功能(推薦)

    Python使用wxpy模塊實現(xiàn)微信兩兩群組消息同步功能(推薦)

    這篇文章主要介紹了Python使用wxpy模塊實現(xiàn)微信兩兩群組消息同步,本文通過示例代碼給大家介紹的非常詳細,對大家的學習或工作具有一定的參考借鑒價值,需要的朋友可以參考下
    2022-06-06
  • 解決Python獲取字典dict中不存在的值時出錯問題

    解決Python獲取字典dict中不存在的值時出錯問題

    今天小編就為大家分享一篇解決Python獲取字典dict中不存在的值時出錯問題,具有很好的參考價值,希望對大家有所幫助。一起跟隨小編過來看看吧
    2018-10-10
  • Python基礎學習之模塊的安裝和卸載

    Python基礎學習之模塊的安裝和卸載

    其實現(xiàn)在還是有很多剛開始學習的小伙伴,會遇到模塊不會安裝的情況,或者一遇到報錯就懵了,這樣就很耽誤我們的學習進度。所以,今天我們就來了解一下Python幾種安裝模塊的方法吧
    2022-09-09
  • python刪除列表元素的三種方法(remove,pop,del)

    python刪除列表元素的三種方法(remove,pop,del)

    這篇文章主要介紹了python刪除列表元素的三種方法(remove,pop,del),文中通過示例代碼介紹的非常詳細,對大家的學習或者工作具有一定的參考學習價值,需要的朋友們下面隨著小編來一起學習學習吧
    2019-07-07
  • Python自動化辦公之Excel數(shù)據(jù)的寫入

    Python自動化辦公之Excel數(shù)據(jù)的寫入

    這篇文章主要為大家詳細介紹一下Python中excel的寫入模塊- xlsxwriter,并利用該模塊實現(xiàn)Excel數(shù)據(jù)的寫入,感興趣的小伙伴可以了解一下
    2022-05-05
  • Python繪制散點圖之可視化神器pyecharts

    Python繪制散點圖之可視化神器pyecharts

    這篇文章主要介紹了Python繪制散點圖之可視化神器pyecharts,文章圍繞主題展開詳細的內(nèi)容介紹,具有一定的參考價值,需要的小伙伴可以參考一下
    2022-07-07

最新評論