数据科学包——Matplotlib

• Matplotlib
  • 包：imoprt matplotlib.pyplot as plt
  • 散点图
    • 作用：显示两变量相关性
      • 正相关
      • 负相关
      • 不相关
    • plt.scatter(x,y)
    • 参数
      • 点的大小：s=面积大小
      • 颜色：c=‘r’
      • 点的形状：marker=’<’
      • 透明度：alpha=
  • 折线图
    • 作用：观察数据随时间变化的趋势
    • plt.plot(x,y)
    • plt.plot_date(x,y,’-’)
    • 参数
      • 线的形状：linestyle=’–’
      • 颜色：color=‘red’
      • 点的形状：marker=’<’
  • 条形图
    • 作用：比较多个类的数据大小
    • 有利于较小数据集的分析
    • plot.bar(left=x, height=y)
    • 参数
      • 颜色：color = ‘blue’
      • 宽度：width=
      • 变为水平条形图:orientation:‘horizontal’
      • 层叠图：bottom=上一层的变量x
    • 直接画水平条形图：plot.barh()
  • 直方图
    • 作用：表示数据分布的情况
    • 一维直方图：plt.hist(x,bins=均分为几块,color=,normed=是否标准化)
    • 二维直方图：plot.hist2d(x,y,bins=)
  • 饼状图
    • 作用：数据各项大小占总和的比例
    • plt.pie(x=数据，labels=标签)
    • 参数
      • 显示具体比例值：autopct=’%.0f%%’
      • 每一部分距圆心的距离：explode=距离列表
      • 阴影：shadow=True
    • 为了让饼状图为正圆，需要将x，y的比例为1：1
      • plt.axes(aspect=1)
  • 箱型图
    • 作用：显示数据分散情况
    • 解释
      • 直线分隔
        • 上边缘
        • 上四分位数
        • 中位数
        • 下四分位数
        • 下边缘
      • 点
        • 异常值
    • plot.boxplot(x)
    • 多个箱型图：plot.boxplot(xs,labels=)
    • 参数
      • 调整异常点形状：sym=‘0’
      • 边界同最近四分位数之间的距离：whis=
  • 颜色和样式
    • 颜色
      • 内建颜色
        • b:blue
        • g:green
        • r:red
        • c:cyan
        • m:magenta
        • y:yellow
        • k:black
        • w:white
      • 灰度
        • ‘0.5’
      • 十六进制
        • ‘#FF00FF’
      • RBG元组
        • (0.2,0.4,0.2)
    • plot()有marker参数画线，没有画点
    • 点和线的样式
      • 具体查文档
  • 画布
    • fig = plt.figure()
      • 可以添加Axes实例
    • 子图
      • ax = fig.add_subplot(111)
        • 返回Axes实例
        • 参数1：子图总行数
        • 参数2：子图总列数
        • 参数3：子图位置
        • 在figure上添加axes的常用方法
    • 多图
      • 创建多个figure对象
    • 网格
      • 显示网格
        • plt.grid(True)
        • 参数
          • color=
          • linewidth=
          • linestyle=
  • 图例
    • plt.legend(可选标签列表)
      • 也可以在plot里定义label 参数
    • 参数
      • 位置：loc=索引值
        • 具体见文档
        • 自适应为0
      • 扁平化：ncol=分的列数
  • 坐标轴范围
    • plt.axis([xmin，xmax，ymin，ymax])
    • x轴
      • plt.xlim([min,max])
    • y轴
      • plt.ylim([min,max])
    • 只调整一边：参数xmin/xmax =
  • 坐标轴刻度
    • plot对象.locator_param(‘x/y’,nbins=)
      • 刻度分为多少格
    • 获取当前对象坐标轴：plt.gca()
    • 面向对象
      • ax.xaxis.et_majot_formatter
      • 自适应：fig.autpfmt_xdata()
  • 添加坐标轴
    • plt.twinx()
    • plt.twiny()
• 注释
  • plt.annotate(‘注释内容’, xy=注释位置元组, xytext=注释文本的起始坐标元组, arrowprops=dict(facecolor=‘r’, frac=箭头所占比例, headwidth=箭头宽度, width=箭身宽度) )
• 添加文本
  • plt.text(起始x，起始y，‘文字内容’)
  • 参数
    • 字体：family
    • 字号：size
    • 字体颜色:color
    • 样式
      • ‘normal’
      • 斜体：‘italic’
    • 字体粗细：weight
    • 外框：bbox=dict(color=, alpha=)
• Tex公式
  • r’(latex公式内容)’
• 区域填充
  • 填充曲线
    • pl.fill(x,y, color,alpha=)
    • 不需要再画线
  • 在两曲线间填充
    • plt.gca.fill_between(x,y1,y2, facecolor=)
    • 参数
      • where=y1>y2#条件表达式
      • interpolate=True # 填充离散值造成的缝隙
• 形状
  • 包：import matplotlib.patches as mpatches
  • 圆形
    • mpatches.Circle()
  • 矩形
    • mpatches.Rectangle()
  • 多边形
    • mpatches.RegularPolygon()
  • 椭圆
    • mpatches.Ellipes()
  • 将形状加到画布上
    • ax.add_patch(对象)
• 样式
  • plt.style.use()