文章传送门

Python 数据可视化
matplotlib之绘制常用图形：折线图、柱状图（条形图）、饼图和直方图
matplotlib之设置坐标：添加坐标轴名字、设置坐标范围、设置主次刻度、坐标轴文字旋转并标出坐标值
matplotlib之增加图形内容：设置图例、设置中文标题、设置网格效果
matplotlib之设置子图：绘制子图、子图共享x轴坐标
matplotlib之绘制高级图形：散点图、热力图、等值线图、极坐标图
matplotlib之绘制三维图形：三维散点图、三维柱状图、三维曲面图

简述 / 前言

前面介绍了一些常用技巧和常见的图形（折线图、柱状图（条形图）、饼图和直方图），这篇分享一下如何绘制一些高级图形：散点图、热力图、等值线图、极坐标图。

---

1. 散点图

关键方法：.scatter()，需要搭配 matplotlib.pyplot.subplots 一起使用，因为需要创建 figure 对象。

• 普通散点图一般用法：.scatter(l_x, l_y, s=s, alpha=alpha, color=color)；

• 频率散点图一般用法：.scatter(l_x, l_y, s=quantities * 100, alpha=alpha, color=color)；

• 各参数含义如下：

  参数	含义
  l_x	散点在x轴的位置
  l_y	散点在y轴的位置
  quantities	统计量（当要显示每个点的频率时使用）
  s	每个散点的大小（普通的散点图s可以为固定值，如果要显示每个点的频率，可以修改此处）
  alpha	透明度，取值范围：[0, 1]，值越小越透明
  color	每个散点的颜色

• 普通散点图
  示例：

  import matplotlib.pyplot as plt
  import numpy as np
  
  # 新建figure对象
  fig, ax = plt.subplots()
  x = np.random.randn(100)
  y = np.random.randn(100)
  ax.scatter(x, y, s=50, alpha=0.7, color='g')
  # 设置标题
  plt.title("普通散点图", fontdict={'fontname': 'FangSong', 'fontsize': 'xx-large', 'fontweight': 'bold'})
  plt.xlabel('x轴', fontdict={'fontname': 'FangSong', 'fontsize': 20})
  plt.ylabel('y轴', fontdict={'fontname': 'FangSong', 'fontsize': 20})
  plt.grid()
  plt.show()
  

  输出：
  

• 频率散点图
  示例：

  import matplotlib.pyplot as plt
  import numpy as np
  
  # 新建figure对象
  fig, ax = plt.subplots()
  ages = np.arange(18, 28, 1)
  papers = np.array([1, 5, 3, 7, 9, 18, 15, 3, 30, 35])
  quantities = np.array([2, 3, 5, 9, 3, 10, 15, 30, 22, 39])
  ax.scatter(ages, papers, s=quantities * 100, alpha=0.7, color='g')
  plt.rcParams['font.sans-serif'] = ['SimHei']  # 设置中文
  # 设置标题
  plt.title("青少年完成的项目数量统计散点图", fontsize='xx-large', fontweight='bold')
  plt.xlabel('年龄')
  plt.ylabel('完成的项目数量')
  plt.grid()
  plt.show()
  

  输出：
  

2. 热力图

• 热力图

  • 关键方法：.inshow()

  • 一般用法：.inshow(data, cmap=cmap)，各参数含义如下：

    参数	含义
    data	输入的数据
    cmap	指定填充风格，有内置颜色，也可以自定义颜色，内置的风格有：Accent, Accent_r, Blues, Blues_r, BrBG, BrBG_r, BuGn, BuGn_r, BuPu, BuPu_r, CMRmap, CMRmap_r, Dark2, Dark2_r, GnBu, GnBu_r, Greens, Greens_r, Greys, Greys_r, OrRd, OrRd_r, Oranges, Oranges_r, PRGn, PRGn_r, Paired, Paired_r, Pastel1, Pastel1_r, Pastel2, Pastel2_r, PiYG, PiYG_r, PuBu, PuBuGn, PuBuGn_r, PuBu_r, PuOr, PuOr_r, PuRd, PuRd_r, Purples, Purples_r, RdBu, RdBu_r, RdGy, RdGy_r, RdPu, RdPu_r, RdYlBu, RdYlBu_r, RdYlGn, RdYlGn_r, Reds, Reds_r, Set1, Set1_r, Set2, Set2_r, Set3, Set3_r, Spectral, Spectral_r, Wistia, Wistia_r, YlGn, YlGnBu, YlGnBu_r, YlGn_r, YlOrBr, YlOrBr_r, YlOrRd, YlOrRd_r, afmhot, afmhot_r, autumn, autumn_r, binary, binary_r, bone, bone_r, brg, brg_r, bwr, bwr_r, cividis, cividis_r, cool, cool_r, coolwarm, coolwarm_r, copper, copper_r, cubehelix, cubehelix_r, flag, flag_r, gist_earth, gist_earth_r, gist_gray, gist_gray_r, gist_heat, gist_heat_r, gist_ncar, gist_ncar_r, gist_rainbow, gist_rainbow_r, gist_stern, gist_stern_r, gist_yarg, gist_yarg_r, gnuplot, gnuplot2, gnuplot2_r, gnuplot_r, gray, gray_r, hot, hot_r, hsv, hsv_r, inferno, inferno_r, jet, jet_r, magma, magma_r, nipy_spectral, nipy_spectral_r, ocean, ocean_r, pink, pink_r, plasma, plasma_r, prism, prism_r, rainbow, rainbow_r, seismic, seismic_r, spring, spring_r, summer, summer_r, tab10, tab10_r, tab20, tab20_r, tab20b, tab20b_r, tab20c, tab20c_r, terrain, terrain_r, turbo, turbo_r, twilight, twilight_r, twilight_shifted, twilight_shifted_r, viridis, viridis_r, winter, winter_r

  • 添加右侧颜色刻度表关键方法：.colorbar()

示例：

from matplotlib import pyplot as plt

# 定义热图的横纵坐标
xLabel = ['class1', 'class2', 'class3', 'class4', 'class5']
yLabel = ['1月', '2月', '3月', '4月']
# 前4个月的盈利数据
data = [[12, 45, 94, 65, 32], [65, 64, 89, 12, 46], [32, 46, 97, 31, 33], [96, 84, 32, 79, 45]]
fig = plt.figure()
# 定义子图
ax = fig.add_subplot(111)
# 定义横纵坐标的刻度
ax.set_yticks(range(len(yLabel)))
ax.set_yticklabels(yLabel)
ax.set_xticks(range(len(xLabel)))
ax.set_xticklabels(xLabel)
# 选择颜色的填充风格，这里选择 summer_r
im = ax.imshow(data, cmap='summer_r')
# 添加颜色刻度条
plt.colorbar(im)
# 添加中文标题
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.title("各部门盈利情况")
plt.xlabel('部门名称')
plt.ylabel('盈利')
plt.show()

输出：

• 另外一种常用方法：.inshow(data, cmap=cmap, interpolation=interpolation)，各参数含义如下（data 和 cmap 含义和上面一样，这里只介绍 interpolation）：

  参数	含义
  interpolation	插值方法，用于控制图像的平滑程度和细节程度。可以选择：antialiased, none, nearest, bilinear, bicubic, spline16, spline36, hanning, hamming, hermite, kaiser, quadric, catrom, gaussian, bessel, mitchell, sinc, lanczos, blackman

示例：

from matplotlib import pyplot as plt

# 定义热图的横纵坐标
xLabel = ['class1', 'class2', 'class3', 'class4', 'class5']
yLabel = ['1月', '2月', '3月', '4月']
# 前4个月的盈利数据
data = [[12, 45, 94, 65, 32], [65, 64, 89, 12, 46], [32, 46, 97, 31, 33], [96, 84, 32, 79, 45]]
fig = plt.figure()
# 定义子图
ax = fig.add_subplot(111)
# 定义横纵坐标的刻度
ax.set_yticks(range(len(yLabel)))
ax.set_yticklabels(yLabel)
ax.set_xticks(range(len(xLabel)))
ax.set_xticklabels(xLabel)
# 选择颜色的填充风格，这里选择hot
im = ax.imshow(data, cmap='summer_r', interpolation='bicubic')
# 添加颜色刻度条
plt.colorbar(im)
# 添加中文标题
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.title("各部门盈利情况")
plt.xlabel('部门名称')
plt.ylabel('盈利')
plt.show()

输出：

3. 等值线图

生成等值线图关键方法：.contour()

但是在生成等值线图前，我们需要拿到一圈圈的数据，这时候会用到 .meshgrid() 方法！

一般用法：.contour(gridX, gridY, Z, cmap=cmap)，各参数含义如下：

参数	含义
gridX, gridY	一圈圈网格线数据
Z	要绘制等值线的函数
cmap	指定填充风格，有内置颜色（具体内置样式见上面），也可以自定义颜色

示例（画出 Z = x*x + y*y 的等值线图）：

import numpy as np
import matplotlib.pyplot as plt

x = np.arange(-20, 20, 0.1)
y = np.arange(-20, 20, 0.1)
# 用两个坐标轴上的点在平面上画网格
gridX, gridY = np.meshgrid(x, y)
# 定义绘制等值线的函数
Z = gridX * gridX + gridY * gridY
# 画等值线，用渐变色来区分
contour = plt.contour(gridX, gridY, Z, cmap='summer_r')
# 标记等值线
plt.clabel(contour, inline=1)
plt.show()

输出：

4. 极坐标图

关键参数：projection='polar'

示例：

import matplotlib.pyplot as plt
import numpy as np

theta = np.arange(0, 2*np.pi, 0.01)
ax = plt.subplot(111, projection='polar')
ax.plot(theta, theta/10, linestyle='-', lw=5, color='g')
plt.show()

输出：