1.概念
Matplotlib 库:是一款用于数据可视化的 Python 软件包,支持跨平台运行,它能够根据 NumPy ndarray 数组来绘制 2D 图像,它使用简单、代码清晰易懂
Matplotlib 图形组成:
Figure:指整个图形,您可以把它理解成一张画布,它包括了所有的元素,比如标题、轴线等
Axes:绘制 2D 图像的实际区域,也称为轴域区,或者绘图区
Axis:指坐标系中的垂直轴与水平轴,包含轴的长度大小(图中轴长为 7)、轴标签(指 x 轴,y轴)和刻度标签
Artist:您在画布上看到的所有元素都属于 Artist 对象,比如文本对象(title、xlabel、ylabel)、Line2D 对象(用于绘制2D图像)等
Matplotlib 功能扩展包:许多第三方工具包都对 Matplotlib 进行了功能扩展,其中有些安装包需要单独安装,也有一些允许与 Matplotlib 一起安装。常见的工具包如下:
Basemap:这是一个地图绘制工具包,其中包含多个地图投影,海岸线和国界线
Cartopy:这是一个映射库,包含面向对象的映射投影定义,以及任意点、线、面的图像转换能力
Excel tools: 这是 Matplotlib 为了实现与 Microsoft Excel 交换数据而提供的工具
Mplot3d:它用于 3D 绘图
Natgrid:这是 Natgrid 库的接口,用于对间隔数据进行不规则的网格化处理
2.安装
激活或者创建一个环境,安装 pip install matplotlib
3.应用场景
数据可视化主要有以下应用场景:
企业领域:利用直观多样的图表展示数据,从而为企业决策提供支持
股票走势预测:通过对股票涨跌数据的分析,给股民提供更合理化的建议
商超产品销售:对客户群体和所购买产品进行数据分析,促使商超制定更好的销售策略
预测销量:对产品销量的影响因素进行分析,可以预测出产品的销量走势
4.常用API
4.1 绘图类型
函数名称 | 描述 |
---|---|
Bar | 绘制条形图 |
Barh | 绘制水平条形图 |
Boxplot | 绘制箱型图 |
Hist | 绘制直方图 |
his2d | 绘制2D直方图 |
Pie | 绘制饼状图 |
Plot | 在坐标轴上画线或者标记 |
Polar | 绘制极坐标图 |
Scatter | 绘制x与y的散点图 |
Stackplot | 绘制堆叠图 |
Stem | 用来绘制二维离散数据绘制(又称为火柴图) |
Step | 绘制阶梯图 |
Quiver | 绘制一个二维按箭头 |
4.2 Image 函数
函数名称 | 描述 |
---|---|
Imread | 从文件中读取图像的数据并形成数组 |
Imsave | 将数组另存为图像文件 |
Imshow | 在数轴区域内显示图像 |
4.3 Axis 函数
函数名称 | 描述 |
---|---|
Axes | 在画布(Figure)中添加轴 |
Text | 向轴添加文本 |
Title | 设置当前轴的标题 |
Xlabel | 设置x轴标签 |
Xlim | 获取或者设置x轴区间大小 |
Xscale | 设置x轴缩放比例 |
Xticks | 获取或设置x轴刻标和相应标签 |
Ylabel | 设置y轴的标签 |
Ylim | 获取或设置y轴的区间大小 |
Yscale | 设置y轴的缩放比例 |
Yticks | 获取或设置y轴的刻标和相应标签 |
4.4 Figure 函数
函数名称 | 描述 |
---|---|
Figtext | 在画布上添加文本 |
Figure | 创建一个新画布 |
Show | 显示数字 |
Savefig | 保存当前画布 |
Close | 关闭画布窗口 |
5.pylab 模块
PyLab 是一个面向 Matplotlib 的绘图库接口,其语法和 MATLAB 十分相近。
pylab 是 matplotlib 中的一个模块,它将 matplotlib.pyplot 和 numpy 的功能组合在一起,使得你可以直接使用 numpy 的函数和 matplotlib.pyplot 的绘图功能,而不需要显式地导入 numpy 和 matplotlib.pyplot。
优点
方便快捷:pylab 的设计初衷是为了方便快速绘图和数值计算,使得你可以直接使用 numpy 的函数和 matplotlib.pyplot 的绘图功能,而不需要显式地导入 numpy 和 matplotlib.pyplot。
简化代码:使用 pylab 可以减少导入语句的数量,使代码更简洁。
缺点
命名空间污染:pylab 将 numpy 和 matplotlib.pyplot 的功能组合在一起,可能会导致命名空间污染,使得代码的可读性和可维护性降低。
不适合大型项目:对于大型项目或需要精细控制的项目,pylab 可能不够灵活。
pyplot 是 matplotlib 中的一个模块,提供了类似于 MATLAB 的绘图接口。它是一个更底层的接口,提供了更多的控制和灵活性。
使用 pyplot 需要显式地导入 numpy 和 matplotlib.pyplot,代码量相对较多。例如:
import matplotlib.pyplot as plt import numpy as np
6.常用函数
6.1 plot 函数
pylab.plot 是一个用于绘制二维图形的函数。它可以根据提供的 x 和 y 数据点绘制线条和/或标记。
语法:
pylab.plot(x, y, format_string=None, **kwargs)
参数:
x: x 轴数据,可以是一个数组或列表。
y: y 轴数据,可以是一个数组或列表。
format_string: 格式字符串,用于指定线条样式、颜色等。
**kwargs: 其他关键字参数,用于指定线条的属性。
plot 函数可以接受一个或两个数组作为参数,分别代表 x 和 y 坐标。如果你只提供一个数组,它将默认用作 y 坐标,而 x 坐标将默认为数组的索引。
格式字符串:
格式字符串由颜色、标记和线条样式组成。例如:
颜色:
'b':蓝色 'g':绿色 'r':红色 'c':青色 'm':洋红色 'y':黄色 'k':黑色 'w':白色
标记:
'.':点标记
',':像素标记
'o':圆圈标记
'v':向下三角标记
'^':向上三角标记
'<':向左三角标记
'>':向右三角标记
's':方形标记
'p':五边形标记
'*':星形标记
'h':六边形标记1
'H':六边形标记2
'+':加号标记
'x':叉号标记
'D':菱形标记
'd':细菱形标记
'|':竖线标记
'_':横线标记
线条样式:
'-':实线 '--':虚线 '-.':点划线 ':':点线
案例:
警告日志关闭
import logging logging.captureWarnings(True)
6.2 figure 函数
figure() 函数来实例化 figure 对象,即绘制图形的对象,可以通过这个对象,来设置图形的样式等
参数:
figsize:指定画布的大小,(宽度,高度),单位为英寸
dpi:指定绘图对象的分辨率,即每英寸多少个像素,默认值为80
facecolor:背景颜色
dgecolor:边框颜色
frameon:是否显示边框
6.2.1 figure.add_axes()
Matplotlib 定义了一个 axes 类(轴域类),该类的对象被称为 axes 对象(即轴域对象),它指定了一个有数值范围限制的绘图区域。在一个给定的画布(figure)中可以包含多个 axes 对象,但是同一个 axes 对象只能在一个画布中使用。
参数:
是一个包含四个元素的列表或元组,格式为 [left, bottom, width, height],其中:
left 和 bottom 是轴域左下角的坐标,范围从 0 到 1。
width 和 height 是轴域的宽度和高度,范围从 0 到 1。
案例:
6.2.2 axes.legend()
legend 函数用于添加图例,以便识别图中的不同数据系列。图例会自动显示每条线或数据集的标签。
参数:
labels 是一个字符串序列,用来指定标签的名称
loc 是指定图例位置的参数,其参数值可以用字符串或整数来表示
handles 参数,它也是一个序列,它包含了所有线型的实例
案例:
legend() 函数 loc 参数:
位置 | 字符串表示 | 整数数字表示 |
---|---|---|
自适应 | best | 0 |
右上方 | upper right | 1 |
左上方 | upper left | 2 |
左下 | lower left | 3 |
右下 | lower right | 4 |
右侧 | right | 5 |
居中靠左 | center left | 6 |
居中靠右 | center right | 7 |
底部居中 | lower center | 8 |
上部居中 | upper center | 9 |
中部 | center | 10 |
6.3 标题中文乱码
如果标题设置的是中文,会出现乱码
局部处理:
plt.rcParams['font.sans-serif']=['SimHei'] plt.rcParams['axes.unicode_minus']=False
全局处理:
首先,找到 matplotlibrc 文件的位置,可以使用以下代码:
然后,修改 matplotlibrc 文件,找到 font.family 和 font.sans-serif 项,设置为支持中文的字体,如 SimHei。
同时,设置 axes.unicode_minus 为 False 以正常显示负号。
修改完成后,重启pyCharm。如果不能解决,尝试运行以下代码来实现:
from matplotlib.font_manager import _rebuild _rebuild()
6.4 subplot 函数
subplot 是一个较早的函数,用于创建并返回一个子图对象。它的使用比较简单,通常用于创建网格状的子图布局。subplot 的参数通常是一个三位数的整数,其中每个数字代表子图的行数、列数和子图的索引。
add_subplot 是一个更灵活的函数,它是 Figure类的一个方法,用于向图形容器中添加子图。推荐使用 add_subplot,因为它提供了更好的灵活性和控制。
语法:
fig.add_subplot(nrows, ncols, index)
案例:
6.5 subplots 函数
subplots 是 matplotlib.pyplot 模块中的一个函数,用于创建一个包含多个子图(subplots)的图形窗口。subplots 函数返回一个包含所有子图的数组,这使得你可以更方便地对每个子图进行操作。
语法:
fig, axs = plt.subplots(nrows, ncols, figsize=(width, height))
参数:
nrows: 子图的行数。
ncols: 子图的列数。
figsize: 图形的尺寸,以英寸为单位。
案例:
plt.subplot()
:适合逐个创建子图,适合简单的子图布局。
plt.subplots()
:适合一次性创建多个子图,适合复杂的子图布局和统一管理。
7.绘制图表
7.1 柱状图
柱状图(Bar Chart)是一种常用的数据可视化工具,用于展示分类数据的分布情况。
语法:
ax.bar(x, height, width=0.8, bottom=None, align='center', **kwargs)
参数:
x: 柱状图的 X 轴位置。
height: 柱状图的高度。
width: 柱状图的宽度,默认为 0.8。
bottom: 柱状图的底部位置,默认为 0。
align: 柱状图的对齐方式,可以是 'center'(居中对齐)或 'edge'(边缘对齐)。
**kwargs: 其他可选参数,用于定制柱状图的外观,如 color、edgecolor、linewidth 等。
案例1:
案例2:堆叠柱状图
说明:
bottom=values1:绘制第二个数据集的柱状图,堆叠在第一个数据集上
案例3:分组柱状图
7.2 直方图
直方图(Histogram)是一种常用的数据可视化工具,用于展示数值数据的分布情况。
语法:
ax.hist(x, bins=None, range=None, density=False, weights=None, cumulative=False, **kwargs)
参数:
x: 数据数组。
bins: 直方图的柱数,可以是整数或序列。
range: 直方图的范围,格式为 (min, max)。
density: 是否将直方图归一化,默认为 False。
weights: 每个数据点的权重。
cumulative: 是否绘制累积直方图,默认为 False。
**kwargs: 其他可选参数,用于定制直方图的外观,如 color、edgecolor、linewidth 等。
案例:
7.3 饼图
饼图(Pie Chart)是一种常用的数据可视化工具,用于展示分类数据的占比情况。
语法:
ax.pie(x, explode=None, labels=None, colors=None, autopct=None, shadow=False, startangle=0, **kwargs)
参数:
x: 数据数组,表示每个扇区的占比。
explode: 一个数组,表示每个扇区偏离圆心的距离,默认为 None。
labels: 每个扇区的标签,默认为 None。
colors: 每个扇区的颜色,默认为 None。
autopct: 控制显示每个扇区的占比,可以是格式化字符串或函数,默认为 None。
shadow: 是否显示阴影,默认为 False。
startangle: 饼图的起始角度,默认为 0。
**kwargs: 其他可选参数,用于定制饼图的外观。
案例:
7.4 折线图
使用 plot 函数
案例:
7.5 散点图
散点图(Scatter Plot)是一种常用的数据可视化工具,用于展示两个变量之间的关系。
语法:
ax.scatter(x, y, s=None, c=None, marker=None, cmap=None, norm=None, vmin=None, vmax=None, alpha=None, linewidths=None, edgecolors=None, **kwargs)
参数:
x: X 轴数据。
y: Y 轴数据。
s: 点的大小,可以是标量或数组。
c: 点的颜色,可以是标量、数组或颜色列表。
marker: 点的形状,默认为 'o'(圆圈)。
cmap: 颜色映射,用于将颜色映射到数据。
norm: 归一化对象,用于将数据映射到颜色映射。
vmin, vmax: 颜色映射的最小值和最大值。
alpha: 点的透明度,取值范围为 0 到 1。
linewidths: 点的边框宽度。
edgecolors: 点的边框颜色。
**kwargs: 其他可选参数,用于定制散点图的外观。
案例:
marker常用的参数值:
'o': 圆圈
's': 正方形
'D': 菱形
'^': 上三角形
'v': 下三角形
'>': 右三角形
'<': 左三角形
'p': 五边形
'*': 星形
'+': 加号
'x': 叉号
'.': 点
',': 像素
'1': 三叉戟下
'2': 三叉戟上
'3': 三叉戟左
'4': 三叉戟右
'h': 六边形1
'H': 六边形2
'd': 小菱形
'|': 竖线
'_': 横线
7.6 图片读取
plt.imread 是 Matplotlib 库中的一个函数,用于读取图像文件并将其转换为 NumPy 数组。这个函数非常方便,可以轻松地将图像加载到 Python 中进行处理或显示。
参数
fname
: 图像文件的路径(字符串)。
format
: 图像格式(可选)。如果未指定,imread
会根据文件扩展名自动推断格式。
返回值
返回一个 NumPy 数组,表示图像的像素数据。数组的形状取决于图像的格式:
对于灰度图像,返回一个二维数组 (height, width)
。
对于彩色图像,返回一个三维数组 (height, width, channels)
,其中 channels
通常是 3(RGB)或 4(RGBA)。
案例: