Python matplotlib繪圖可視化知識點(diǎn)整理(小結(jié))
無論你工作在什么項(xiàng)目上，IPython都是值得推薦的。利用ipython --pylab，可以進(jìn)入PyLab模式，已經(jīng)導(dǎo)入了matplotlib庫與相關(guān)軟件包（例如Numpy和Scipy)，額可以直接使用相關(guān)庫的功能。
本文作為學(xué)習(xí)過程中對matplotlib一些常用知識點(diǎn)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(rèn)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(biāo)正常顯示中文
為了在圖表中能夠顯示中文和負(fù)號等，需要下面一段設(shè)置：
import matplotlib.pyplot as plt plt.rcParams['font.sas-serig']=['SimHei'] #用來正常顯示中文標(biāo)簽 plt.rcParams['axes.unicode_minus']=False #用來正常顯示負(fù)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?yàn)樵谶@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(xiàng)目設(shè)置matplotlib參數(shù)
在代碼執(zhí)行過程中，有兩種方式更改參數(shù)：
- 使用參數(shù)字典(rcParams)
- 調(diào)用matplotlib.rc()命令通過傳入關(guān)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(jìn)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(dāng)前用戶的配置文件目錄。
配置文件包括以下配置項(xiàng)：
axex: 設(shè)置坐標(biāo)軸邊界和表面的顏色、坐標(biāo)刻度值大小和網(wǎng)格的顯示
backend: 設(shè)置目標(biāo)暑促TkAgg和GTKAgg
figure: 控制dpi、邊界顏色、圖形大小、和子區(qū)( subplot)設(shè)置
font: 字體集（font family）、字體大小和樣式設(shè)置
grid: 設(shè)置網(wǎng)格顏色和線性
legend: 設(shè)置圖例和其中的文本的顯示
line: 設(shè)置線條（顏色、線型、寬度等）和標(biāo)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(shè)置等。
savefig: 可以對保存的圖形進(jìn)行單獨(dú)設(shè)置。例如，設(shè)置渲染的文件的背景為白色。
verbose: 設(shè)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(shè)置顏色、大小、方向，以及標(biāo)簽大小。
線條相關(guān)屬性標(biāo)記設(shè)置
用來該表線條的屬性
| 線條風(fēng)格linestyle或ls | 描述 | 線條風(fēng)格linestyle或ls | 描述 |
|---|---|---|---|
| ‘-‘ | 實(shí)線 | ‘:' | 虛線 |
| ‘–' | 破折線 | ‘None',' ‘,'' | 什么都不畫 |
| ‘-.' | 點(diǎn)劃線 |
線條標(biāo)記
| 標(biāo)記maker | 描述 | 標(biāo)記 | 描述 | |
|---|---|---|---|---|
| ‘o' | 圓圈 | ‘.' | 點(diǎn) | |
| ‘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','',' ‘ | 無 | ‘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(lán)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：
- 使用HTML十六進(jìn)制字符串
color='eeefff'使用合法的HTML顏色名字（'red','chartreuse'等）。 - 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(biāo)這的背景色。
subplot(111,axisbg=(0.1843,0.3098,0.3098)
基礎(chǔ)
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(rèn)它是一系列的y值，并自動為你生成x的值。默認(rèn)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(biāo)范圍plt.axis([xmin, xmax, ymin, ymax])
上面例子里的axis()命令給定了坐標(biāo)范圍。
xlim(xmin, xmax)和ylim(ymin, ymax)來調(diào)整x,y坐標(biāo)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(shè)置x軸范圍 xlim(-2.5, 2.5) #設(shè)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(dāng)前圖和當(dāng)前坐標(biāo)。所有繪圖操作僅對當(dāng)前圖和當(dāng)前坐標(biāo)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(xì)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(rèn)創(chuàng)建子圖subplot(111)
plt.figure(1) # 切換到figure 1 ; 子圖subplot(212)仍舊是當(dāng)前圖
plt.subplot(211) # 令子圖subplot(211)成為figure1的當(dāng)前圖
plt.title('Easy as 1,2,3') # 添加subplot 211 的標(biāo)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(biāo)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(biāo)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(yīng)該是文本出現(xiàn)的坐標(biāo)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(diǎn)的坐標(biāo)：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(shè)置軸記號
現(xiàn)在是明白干嘛用的了，就是人為設(shè)置坐標(biāo)軸的刻度顯示的值。
# 導(dǎo)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(diǎn)（point）的圖，并設(shè)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(lán)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(shè)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(dāng)我們設(shè)置記號的時候，我們可以同時設(shè)置記號的標(biāo)簽。注意這里使用了 LaTeX。[^2]
移動脊柱 坐標(biāo)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(shí)沒看懂，囧，以后再說吧，感覺就是移動了坐標(biāo)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(fēng)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 ($)')
plt.xlabel('number of rooms')
# Create linear regression object
regr = linear_model.LinearRegression()
# Train the model using the training sets
regr.fit( Xb, yb)
# Plot outputs
plt.scatter(Xb, yb, color='black')
plt.plot(Xb, regr.predict(Xb), color='blue',
linewidth=3)
plt.show()
給特殊點(diǎn)做注釋
好吧，又是注釋，多個例子參考一下！
我們希望在 2π/32π/3 的位置給兩條函數(shù)曲線加上一個注釋。首先，我們在對應(yīng)的函數(shù)圖像位置上畫一個點(diǎn)；然后，向橫軸引一條垂線，以虛線標(biāo)記；最后，寫上標(biāo)簽。
t = 2*np.pi/3
# 作一條垂直于x軸的線段，由數(shù)學(xué)知識可知，橫坐標(biāo)一致的兩個點(diǎn)就在垂直于坐標(biāo)軸的直線上了。這兩個點(diǎn)是起始點(diǎn)。
plot([t,t],[0,np.cos(t)], color ='blue', linewidth=2.5, linestyle="--")
scatter([t,],[np.cos(t),], 50, color ='blue')
annotate(r'$\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(biāo)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(biāo)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(biāo)系統(tǒng)的繪圖區(qū)域。其邏輯關(guān)系如下：
- axes() by itself creates a default full subplot(111) window axis.
- 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.
- 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)
colors顏色
找出matpltlib.pyplot.plot中的colors可以取哪些值？
for name,hex in matplotlib.colors.cnames.iteritems(): print name,hex
打印顏色值和對應(yīng)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(xué)習(xí)有所幫助，也希望大家多多支持腳本之家。
相關(guān)文章
Python偏函數(shù)實(shí)現(xiàn)原理及應(yīng)用
這篇文章主要介紹了Python偏函數(shù)實(shí)現(xiàn)原理及應(yīng)用,文中通過示例代碼介紹的非常詳細(xì)，對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友可以參考下2020-11-11
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(jìn)行模糊查詢的詳細(xì)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
深拷貝和淺拷貝是Python中重要的概念，本文將重點(diǎn)介紹在NumPy中深拷貝和淺拷貝相關(guān)操作的定義和背后的原理，快跟隨小編一起來學(xué)習(xí)一下吧2022-04-04
python_matplotlib改變橫坐標(biāo)和縱坐標(biāo)上的刻度(ticks)方式
這篇文章主要介紹了python_matplotlib改變橫坐標(biāo)和縱坐標(biāo)上的刻度(ticks)方式，具有很好的參考價(jià)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(shí)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(shí)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(xì)，對大家的學(xué)習(xí)或工作具有一定的參考借鑒價(jià)值，需要的朋友可以參考下2022-06-06
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(jià)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(chǔ)學(xué)習(xí)之模塊的安裝和卸載
其實(shí)現(xiàn)在還是有很多剛開始學(xué)習(xí)的小伙伴，會遇到模塊不會安裝的情況，或者一遇到報(bào)錯就懵了，這樣就很耽誤我們的學(xué)習(xí)進(jìn)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)
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(xì)，對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧2019-07-07
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(xì)介紹一下Python中excel的寫入模塊- xlsxwriter，并利用該模塊實(shí)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(diǎn)圖之可視化神器pyecharts
這篇文章主要介紹了Python繪制散點(diǎn)圖之可視化神器pyecharts,文章圍繞主題展開詳細(xì)的內(nèi)容介紹，具有一定的參考價(jià)值，需要的小伙伴可以參考一下2022-07-07