Matplotlib 数据可视化 Day1
文章目录
- Matplotlib 数据可视化 Day1
- 前言
- 一、初识Matplotlib
- 二、简单的绘图示例
* - 1.安装Matplotlib
- 2.引入库及绘图
- 三、Figure的组成
- 四、绘图接口
* - 1.OO模式
- 2.pyplot模式
- 五、通用绘图模板
- 总结
前言
主要参考资料 Datawhale开源资料、 Matplotlib用户指南
一、初识Matplotlib
- Matplotlib是一个Python 2D绘图库，用来绘制各种静态，动态，交互式的图表。
- Matplotlib可用于Python脚本，Python和IPython Shell、Jupyter notebook，Web应用程序服务器和各种图形用户界面工具包等。
- Matplotlib是强大的python数据可视化工具，我们所熟知的pandas和seaborn的绘图接口其实也是基于matplotlib所作的高级封装。
; 二、简单的绘图示例
1.安装Matplotlib
python -m pip install matplotlib
2.引入库及绘图
- Matplotlib的图像是画在figure上的，每一个figure又包含了一个或多个axes（一个可以指定坐标系的子区域）。
- 创建figure以及axes的方式是通过pyplot.subplots命令，创建axes以后，可用Axes.plot绘图。
import matplotlib as mpl
import matplotlib.pyplot as plt
import numpy as np
x = np.linspace(0, 2 * np.pi, 200)
y = np.sin(x)
fig, ax = plt.subplots() # 创建一个包含一个axes的figure
ax.plot(x, y) # 绘制图像
plt.show()
代码运行后自动打印出类似
- 在代码块最后加一个分号;
- 在代码块最后加一句plt.show()
- 在绘图时将绘图对象显式赋值给一个变量，如将plt.plot([1, 2, 3, 4]) 改成line =plt.plot([1, 2, 3, 4])
三、Figure的组成
- 一个完整的matplotlib图像通常会包括以下四个层级，也被称为容器（container）。
- 在matplotlib的世界中，通过各种命令方法来操纵图像中的每一个部分，从而达到数据可视化的最终效果。
Figure：顶层级，用来容纳所有绘图元素
Axes：matplotlib宇宙的核心，容纳了大量元素用来构造一幅幅子图，一个figure可以由一个或多个子图组成
Axis：axes的下属层级，用于处理所有和坐标轴，网格有关的元素
Tick：axis的下属层级，用来处理所有和刻度有关的元素
四、绘图接口
matplotlib提供了两种最常用的绘图接口
1.OO模式
- 显式创建图形（figure）和轴（axes），并在它们上调用方法，也被称为OO模式（object-oriented style)
- 通过plt.subplot()命令来创建Figure和Axes，然后再对axes进行数据的绑定
x = np.linspace(0, 2, 100)
fig, ax = plt.subplots()
ax.plot(x, x, label='linear')
ax.plot(x, x**2, label='quadratic')
ax.plot(x, x**3, label='cubic')
ax.set_xlabel('x label')
ax.set_ylabel('y label')
ax.set_title("Simple Plot")
ax.legend()
plt.show()
2.pyplot模式
- 依赖pyplot自动创建与管理figure和axes，以及使用pyplot函数进行绘图
- 还可以通过一个更简单的方法来创建，matplotlib.pyplot方法能够直接在当前axes上绘制图像，如果用户未指定axes，matplotlib会帮你自动创建一个。
x = np.linspace(0, 2, 100)
plt.plot(x, x, label='linear')
plt.plot(x, x**2, label='quadratic')
plt.plot(x, x**3, label='cubic')
plt.xlabel('x label')
plt.ylabel('y label')
plt.title("Simple Plot")
plt.legend()
plt.show()
五、通用绘图模板
初学者只需牢记模板就足以应对大部分简单图表的绘制。
- OO模式
import matplotlib.pyplot as plt
import numpy as np
1 准备数据
x = np.linspace(0, 2, 100)
y = x**2
2 设置绘图样式，这一步不是必须的，样式也可以在绘制图像中进行设置
mpl.rc('lines', linewidth=4, linestyle='-.')
3 定义布局
fig, ax = plt.subplots()
4 绘制图像
ax.plot(x, y, label='linear')
5 添加标签，文字和图例
ax.set_xlabel('x label')
ax.set_ylabel('y label')
ax.set_title("Simple Plot")
ax.legend()
- pyplot模式
import matplotlib.pyplot as plt
import numpy as np
1 准备数据
x = np.linspace(0, 10, 100)
y1 = 2*x + 1
y2 = x**2
2 定义图像窗口
plt.figure(num=3, figsize=(8, 5))
3 画图
plt.plot(x, y2)
plt.plot(x, y1, color='green', linewidth=1.0, linestyle='--')
4 定义坐标轴范围及名称
plt.xlim((0, 5))
plt.ylim((0, 10))
plt.xlabel('x')
plt.ylabel('y')
5 定义坐标轴刻度及名称
plt.xticks()
plt.yticks([0, 2, 4, 6, 8, 10],[r'$really\ bad$', r'$bad$', r'$normal$', r'$good$', r'$really\ good$', r'$Perfect$'])
6 设置图像边框颜色
ax = plt.gca()
ax.spines['right'].set_color('none')
ax.spines['top'].set_color('none')
7 调整刻度及边框位置
ax.xaxis.set_ticks_position('bottom') #x轴刻度位置 top bottom
ax.spines['bottom'].set_position(('data', 4))
ax.yaxis.set_ticks_position('left') #y轴刻度位置 left right
ax.spines['left'].set_position(('data',0))
plt.show()
总结
简单介绍了matplotlib的使用，了解图的模块，记住绘图模板，可快速上手。
Original: https://blog.csdn.net/devilmaycry2401/article/details/124828552
Author: 顾往来径
Title: 1. Matplotlib 数据可视化
原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/768222/
转载文章受原作者版权保护。转载请注明原作者出处！