数据可视化学习笔记【三】（Matplotlib包）
激动人心的画画时刻到了。
Cpt 1. 曲线
这是基于
Matlab
的
plot
的绘图方式。在画图之前，需要先打开创建一个图，使用这个函数：
plt.figure()
。
plot
的参数内写入
x
、
y
一个自变量，一个因变量。画出图像就可以了。
import matplotlib.pyplot as plt
import numpy as np
plt.style.use("seaborn-whitegrid")
fig = plt.figure()
ax = plt.axes()
x = np.linspace(0, 10, 100)
plt.plot(x, np.sin(x))
plt.plot(x, np.cos(x))
画出来的图象为：
展示多条曲线：
表示颜色：
-
color="red"
- rgbcmyk 格式：
color = " g"
- 0-1的灰度值：
color="0.85"
- 16进制 RGB 格式：
color="#FFDD45"
- RGB 元素：
color=(0.5, 0.2, 0.9)
- HTML 颜色名称：
color="chartreuse"
绘制多条曲线的时候，不用写
hold on
，直接叠加
plt.plot()
就可以。
如果要绘制不同曲线：写在颜色之前
color = "--r"
就是红色虚线。
-
-
-
--
-
-.
-
:
设置坐标轴上下限：
使用
plt.xlim
，
plt.ylim
或是
axis=[xmin, xmax, ymin, ymax]
函数，这与 Matlab 中是一样的。
添加标题、坐标轴名称
这里用到的函数与
matlab
完全一致：
plt.title
，
plt.xlabel
等参数就可以操作。
import matplotlib.pyplot as plt
import numpy as np
plt.style.use("seaborn-whitegrid")
fig = plt.figure()
ax = plt.axes()
x = np.linspace(0, 10, 100)
plt.plot(x, np.sin(x))
plt.plot(x, np.cos(x))
plt.xlabel("This is x")
plt.ylabel("This is y")
plt.title("This is title")
ax.legend(["sin", "cos"], frameon = True, framealpha = 0.8)
Remark：可以只设置部分，不用全部设置也是可以的。
Cpt 2. 散点图
plt.scatter
函数
plt.style.use("seaborn-whitegrid")
fig = plt.figure()
ax = plt.axes()
x = np.linspace(0, 10, 100)
plt.scatter(x, np.sin(x))
plt.scatter(x, np.cos(x))
plt.xlabel("This is x")
plt.ylabel("This is y")
plt.title("This is title")
ax.legend(["sin", "cos"], frameon = True, framealpha = 0.8)
plt.plot()
可以实现散点图的绘制。当然，也可以设置不同的形状：
plt.style.use("seaborn-whitegrid")
fig = plt.figure()
ax = plt.axes()
rng = np.random.RandomState(0)
markers = ["o", ".", "x", "+", "^", "<", "s", "d"]
for i in markers:
plt.plot(rng.rand(5), rng.rand(5), i, label = "marker = {}".format(i))
plt.legend(numpoints = 1)
plt.xlim(0, 1.8)
如果用
scatter()
函数，绘制更加灵活。里面的参数有
size
，
alpha
设置透明度。
Cpt 3. 等高线
绘制方法与 Matlab 相同，
meshgrid
函数将从一维数组变为二维坐标数组。
contour
是离散的，
contourf
是连续的。同样可以使用
imshow
来绘制，但是没有坐标轴。
fig = plt.figure()
ax = plt.axes()
def f(x,y):
return x**2 + y**2 - x*y
x = np.linspace(-10, 10, 50)
y = np.linspace(-10, 10, 50)
x,y = np.meshgrid(x, y)
z = f(x,y)
plt.contour(x, y, z, 50, cmap = "RdGy")
# contourf 是连续的，contour 是离散的
Cpt 4. 直方图
import matplotlib.pyplot as plt
import numpy as np
x = np.random.normal(0, 0.8, 1000)
y = np.random.normal(-2, 1, 1000)
z = np.random.normal(3, 2, 1000)
kwargs = dict(histtype = "stepfilled", alpha = 0.3, bins = 40)
plt.hist(x, **kwargs)
plt.hist(y, **kwargs)
plt.hist(z, **kwargs)
Cpt 5. 多子图
plt.subplot
绘制多子图。包含参数：行数，列数，索引值（子图编号）。注：编号从1开始，不是从0开始
plt.figure()
for i in range(1,7):
plt.subplot(2,3,i)
plt.text(0.5,0.5,str((2,3,i)), fontsize = 18, ha = "center")
子图之间可以共享坐标轴：
但是要注意，要关掉子图的坐标轴的显示。
自定义合理利用空间的子图
用到
GridSpec
函数：
plt.figure()
grid = plt.GridSpec(2,3,wspace = 0.4, hspace = 0.3)
plt.subplot(grid[0,0])
plt.subplot(grid[0,1:])
plt.subplot(grid[1,:2])
plt.subplot(grid[1,2])