matplotlib 学习总结

 matplotlib 学习总结

作者：csj
更新时间:01.09

email:59888745@qq.com

说明：因内容较多，会不断更新 xxx学习总结；

回主目录：2017 年学习记录和总结

# matplotlib 及环境配置
# 数据图的组成结构，与 matplotlib 对应的名称
# 常见的数据绘图类型，与绘制方法
# 您可能需要以下的准备与先修知识：
# Python开发环境及matplotlib工具包
# Python基础语法
# Python numpy 包使用

# 一幅数据图基本上包括如下结构：
# Data: 数据区，包括数据点、描绘形状
# Axis: 坐标轴，包括 X 轴、 Y 轴及其标签、刻度尺及其标签
# Title: 标题，数据图的描述
# Legend: 图例，区分图中包含的多种曲线或不同分类的数据
# 其他的还有图形文本 (Text)、注解 (Annotate)等其他描述

# 导入 matplotlib 包相关工具包
# 准备数据，numpy 数组存储
# 绘制原始曲线
# 配置标题、坐标轴、刻度、图例
# 添加文字说明、注解
# 显示、保存绘图结果

import matplotlib.pyplot as plt
import numpy as np

x = np.arange(0,10,0.2)
y = np.sin(x)
 
plt.rcParams['figure.figsize']=(12,6)# x zhou lenght =12,y zhou lenght ==6
plt.plot(x,y,color='#0F5E0F',linestyle='--',marker='*',label=r'$ s=sin{x} $')
ax = plt.subplot(111)
#配置标题、坐标轴、刻度、图例,hide top,right border line
ax.spines['right'].set_color('none') # delete the right borther line
ax.spines['top'].set_color('none') #delete the top borter line
#ax.xaxis.set_ticks_position('bottom')
#ax.spines['bottom'].set_position(('data', 0)) #move the x zhou to 0.00

# 移动左边边框线，相当于移动 y 轴
#ax.yaxis.set_ticks_position('left')
#ax.spines['left'].set_position(('data', 0))
#plt.title(r'$the  function  figure  of  cos(),  sin()  and  sqrt()$', fontsize=19)
plt.title(r' this  is  title  name  ',fontsize=19)

plt.xlabel(r'x', fontsize=18, labelpad=12)
plt.ylabel(r'y', fontsize=18, labelpad=12.5)
#设置文字描述、注解
plt.text(0.8, 0.9, r'$x in [0.0,  10.0]$', color='k', fontsize=15)
plt.text(0.8, 0.8, r'$y in [-1.0,  4.0]$', color='k', fontsize=15)
#设置图例及位置
plt.legend(['cos(x)'],loc='upper right')

# 特殊点添加注解
plt.scatter([8,],[np.sqrt(8),], 50, color ='m') # 使用散点图放大当前点
plt.annotate(r'$2sqrt{2}$', xy=(8, np.sqrt(8)), xytext=(8.5, 2.2), fontsize=16, color='#090909', arrowprops=dict(arrowstyle='->', connectionstyle='arc3, rad=0.1', color='#090909'))

# 显示网格线
#plt.grid(True)

plt.show()

 

2 常用图形

曲线图：

matplotlib.pyplot.plot(data)
x =np.arange(-5,5,0.1)
y = x**2
plt.plot(x,y)
plt.show()

灰度图：
matplotlib.pyplot.hist(data)
x =[1,2,3,4,5,6,7,8]
plt.hist(x,bins=16)
plt.show()

散点图：
# x =[1,2,3,4,5,6,7,8]
# y =[1,2,3,4,5,6,7,8]
matplotlib.pyplot.scatter(data)
x=np.random.normal(size=100)
y=np.random.normal(size=100)
plt.scatter(x,y)
plt.show()

箱式图：
x =[1,2,3,4,5,6,7,8]
plt.boxplot(x)
plt.show()

remark:

ax.scatter(x_data, y_data, color='r', alpha = 0.75 )

# 柱状图
plt.bar(x,y)

# 定义绘制柱状图的函数
def barplot(x_data, y_data, error_data, x_label, y_label, title):
_, ax = plt.subplots()
# 柱状图
ax.bar(x_data, y_data, color = '#539caf', align = 'center')
# 绘制方差
# ls='none'去掉bar之间的连线
ax.errorbar(x_data, y_data, yerr = error_data, color = '#297083', ls = 'none', lw = 5)
ax.set_ylabel(y_label)
ax.set_xlabel(x_label)
ax.set_title(title)

# 绘图函数调用
barplot(x_data = mean_total_co_day.index.values
, y_data = mean_total_co_day['mean']
, error_data = mean_total_co_day['std']
, x_label = 'Day of week'
, y_label = 'Check outs'
, title = 'Total Check Outs By Day of Week (0 = Sunday)')

# 不同种类（species）鸢尾花萼片和花瓣的大小关系（分类散点子图）,中文处理
plt.scatter(data['sepal_length'] , data['petal_length'], color='r', alpha=0.7)
plt.scatter(data['petal_width'], data['petal_width'], color='b', alpha=0.7)
plt.xlabel("x")
plt.ylabel("y")
plt.title("萼片与花瓣的比较".decode('utf-8'))
plt.legend(['萼片与花瓣长度比较'.decode('utf-8'), '萼片与花瓣宽度比较'.decode('utf-8')], loc='upper left')

总结:
关联分析、数值比较：散点图、曲线图
分布分析：灰度图、密度图
涉及分类的分析：柱状图、箱式图

更全的参考
http://matplotlib.org/api/index.html