利用matplotlib进行数据可视化

matplotlib是python中的一个画图库，继承了matlib（从名字上也看得出来）的优点和语法，所以对于熟悉matlib的用户来说是十分友好的。

pylab和pyplot

关于pylab和pyplot，人们做过不少的讨论。这两个模块有哪些不同呢？pylab模块跟matplotlib一起安装，而pyplot则是matplotlib的内部模块。两者的导入方法有所不同，可选择其中一种进行导入。

from pylab import *
#或
import matplotlib.pyplot as plt
import numpy as np

pylab在同一命名空间整合了pyplot和Numpy的功能，因此无需再单独导入Numpy。更进一步来说，导入pylab后，pyplot和Numpy的函数就可以直接调用，而不用再指定其所属模块（命名空间），从而使得matplotlib开发环境更像是Matlab。

plot(x,y)
array([1,2,3,4])
#而不用指定模块名称
plt.plot()
np.array([1,2,3,4])

大多情况下，我们更乐意使用pyplot模块。

线状图

这里我使用jupyter来进行演示

ipython qtconsole --matplotlib inline

用matplotlib生成这个图表很简单，一行代码就能搞定

plt.plot([1,2,3,4])
plt.show()

如图所示，生成了一个Line2D对象。该对象为一条直线，它表示图表中各数据点的线性延伸趋势。我们可以看出，列表中的数据直接被作为y轴的值展示了出来，x周是从0开始的，所以我们要看一个数据的折线图，只用输入一个list即可。

但我们可以看出这个图可能还很简陋，比如有如下几个问题：

• y轴显示为啥是0.5为步长间隔，我想以1为步长间隔
• 我想控制x轴展示的值，而不是从0开始
• 图太小了，能否控制大小
• x轴和y轴字太小了，能否控制大小
• 给x轴和y轴命个名吧
• 没有网格看不清
• 没有图例
• 给线状图标上点
• 我想保存图片到本地
• 怎么画子图呢

接下来我们就一个一个解决。

1.设置x轴和y轴步长间隔

控制x轴，y轴显示的值，有两个参数

• xticks(ticks, [labels], **kwargs)

• yticks(ticks, [labels], **kwargs)

  • ticks：控制显示的位置，也就是显示那几个值，这几个值必须在y值数据的范围内，这里也就是[1，4]这个范围。
  • [labels]：控制显示在对应位置的值，可以是数也可以是字符。

y = [1,2,3,4]
step = 1
plt.yticks([i for i in y if i%step == 0]) 
plt.plot(y)

2.x轴展示的值

这里展示了坐标轴显示字符的情况。

注意第五行，我改成了[1,2,3,3.5,4]，所以显示出来就多了个3.5。

y = [1,2,3,4]
scale_ls = range(4)
index_ls = ["富强","民主","文明","和谐"]
plt.xticks(scale_ls,index_ls)
plt.yticks([1,2,3,3.5,4])
plt.plot(y)

3.控制图表大小

控制图表的大小要用到的几个方法

• rcParams：这个参数是用来设置一些配置参数的，比如这里我就用到了大小和dpi
  • figure.figsize：控制大小，参数为一个二元组(x,y)，即长、宽
  • figure.dpi：控制dpi

plt.rcParams['figure.figsize'] = (10,5)
plt.rcParams['figure.dpi'] = 200
y = [1,2,3,4]
scale_ls = range(4)
index_ls = ["富强","民主","文明","和谐"]
plt.xticks(scale_ls,index_ls)
plt.yticks([1,2,3,3.5,4])
plt.plot(y)

这里可以看出更大更清晰了

4.调节x轴和y轴字体大小

这里控制字体大小用到的也是xticks和yticks，只不过使用到了fontsize参数。

plt.rcParams['figure.figsize'] = (10,5)
plt.rcParams['figure.dpi'] = 200
y = [1,2,3,4]
scale_ls = range(4)
index_ls = ["富强","民主","文明","和谐"]
plt.xticks(scale_ls,index_ls,fontsize=20)
plt.yticks([1,2,3,3.5,4],fontsize=20)
plt.plot(y)

5.给x轴和y轴加上名字

使用

• xlabel(str,fontsize=int )
• ylabel(str,fontsize=int )

plt.rcParams['figure.figsize'] = (10,5)
plt.rcParams['figure.dpi'] = 200
y = [1,2,3,4]
scale_ls = range(4)
index_ls = ["富强","民主","文明","和谐"]
plt.xticks(scale_ls,index_ls,fontsize=20)
plt.yticks([1,2,3,3.5,4],fontsize=20)
plt.xlabel("核心价值观", fontsize=20)
plt.ylabel("顺序", fontsize=20)
plt.plot(y)

6.加上网格

• plt.grid(True)，加上横纵两种网格。
• plt.grid(True,axis="x"),加上x轴网格。

plt.rcParams['figure.figsize'] = (10,5)
plt.rcParams['figure.dpi'] = 200
y = [1,2,3,4]
scale_ls = range(4)
index_ls = ["富强","民主","文明","和谐"]
plt.xticks(scale_ls,index_ls,fontsize=20)
plt.yticks([1,2,3,3.5,4],fontsize=20)
plt.xlabel("核心价值观", fontsize=20)
plt.ylabel("顺序", fontsize=20)
plt.grid(True,axis="both")
plt.plot(y)

7.加上图例

使用legend方法，里面有这么几个参数

• handles：代表使用的是那几个曲线的对象
• labels：代表对应的图例文字
• loc：放置的位置
• prop：额外参数，例如size，控制图例大小

t = np.arange(0, 2.5, 0.01)
y1 = map(math.sin, math.pi*t)
y2 = map(math.cos, math.pi*t)
l1, = plt.plot(list(y1))
l2, = plt.plot(list(y2))
plt.legend(handles = [l1, l2], labels = ['Sin', 'Cos'], loc = 'best', prop={'size': 20})

8.给线状图标点

只用在plot加入参数marker 即可

t = np.arange(0, 2.5, 0.1)
y1 = map(math.sin, math.pi*t)
y2 = map(math.cos, math.pi*t)
l1, = plt.plot(list(y1), marker = "o")
l2, = plt.plot(list(y2), marker = "*")
plt.legend(handles = [l1, l2], labels = ['Sin', 'Cos'], loc = 'best', prop={'size': 20})

9.保存图片到本地

只用在最后使用savefig 方法

plt.savefig('test.png',dpi=400)

10.画子图

这里使用到了subplot方法

他有三个参数，分别为

• 几行
• 几列
• 第几个

举个栗子

1. subplot(2,2,1) 2行2列（即子图排列为田字格形状）第一个
2. subplot(2,1,2) 2行1列（即子图排列为纵向两个图形状）第二个

t = np.arange(0, 2.5, 0.1)
y1 = map(math.sin, math.pi*t)
y2 = map(math.cos, math.pi*t)

plt.subplot(2, 1, 1)
plt.title("Sin", fontsize=20)
l1, = plt.plot(list(y1), marker = "o")

plt.subplot(2, 1, 2)
plt.title("Cos", fontsize=20)
l2, = plt.plot(list(y2), marker = "*")

这里我还使用到了title方法，给对应图表加上了标题。