Matplotlib 的使用

matplotlib更多的图形样式

图形样式

一、基础绘图01

from matplotlib import pyplot as plt


x = range(2, 26, 2)
y = [15, 13, 14.5, 17, 20, 25, 26, 26, 24, 22, 18, 15]

# 设置图片大小
fig = plt.figure(figsize=(15, 8), dpi=80)

# 绘图
plt.plot(x, y, linewidth = 5)	# linewidth决定了plot()绘制线条的粗细

# 设置x轴的刻度
plt.xticks(range(2, 25))

# 保存
# plt.savefig("./figure1")
plt.show()

注意事项：

需要导入matplotlib中的pyplot库

图片大小需要在绘图之前设置

一些设置的函数

  • 设置图标标题，并给坐标轴加上标签
plt.title("Square Numbers", fontsize=24)
plt.xlabel("Value",fontsize=14)
plt.ylabel("Square of Value", fontsize=14)

title()给图片指定标题

xlabel()和ylabel()为每条轴设置标题

fontsize指定了图表中文字的大小

  • 设置刻度标记的大小
plt.tick_params(axis='both', labelsize=14)

axis='both'将影响x轴和y轴上的刻度

二、基础绘图02

import random

from matplotlib import pyplot as plt
import matplotlib
from matplotlib import font_manager

# Windows和Linux下设置字体的方式
font = {
    'family': 'MicroSoft YaHei',
    'weight': 'bold',
}
matplotlib.rc("font", **font)

# 另外一种设置字体的方式
# my_font = font_manager.FontProperties(family="MicroSoft YaHei")  # 如果family无法使用，则需要使用fname参数，参数值为字体文件路径


y = [random.randint(20, 35) for i in range(120)]

x = range(0, 120)

plt.figure(figsize=(15, 8), dpi=80)
plt.plot(x, y)

# 调整x轴的刻度
_xtick_labels = ["10点{}分".format(i) for i in range(60)]
_xtick_labels += ["11点{}分".format(i) for i in range(60)]
# 设置x轴样式
plt.xticks(x[::3], _xtick_labels[::3], rotation=45)  # 如果采用第二种方式需要加上第三个参数 fontproperties=my_font

plt.xlabel("时间")
plt.ylabel("温度")
plt.title("10点到12点每分钟的温度变化情况")

plt.grid(alpha=0.1) # 绘制网格，alpha参数可以设置网格透明度（从0dao1）


plt.show()

注意事项：

  • 字体问题
  • 为什么无法显示中文：
    matplotlib默认不显示中文字符，默认的英文字体无法显示汉字
  • 查看linux/mac下支持的字体：
    fc_list ->查看支持的字体
    fc_list :lang=zh -> 查看支持的中文 （冒号前面有空格）
  • 修改matplotlib的默认字体
  • 通过matplotlib.rc可以修改，具体方法参见源码（Windows/Linux）
  • 通过matplotlib 下的font_manager可以解决（Windows/Mac/Linux）
  • plt.xticks()
  • 调整间距，我们要传一个参数（包含数字的可迭代对象），步长合适即可。
  • 负责添加字符串到x(y)轴，我们需要传入两个参数，必须是两个可迭代对象，数字和字符串最终会一一对应，在图形中只显示字符串

三、基础绘图03

from matplotlib import pyplot as plt
import matplotlib

font = {
    'family': 'MicroSoft YaHei',
    'weight': 'bold',
}

matplotlib.rc("font", **font)

y_1 = [1, 0, 1, 2, 3, 7, 4, 5, 3, 4, 2, 3, 1, 1, 1, 1, 1, 1, 1, 1]
y_2 = [0, 1, 1, 1, 1, 1, 1, 1, 1, 7, 8, 9, 9, 9, 9, 8, 6, 4, 2, 1]

x = range(11, 31)

plt.figure(figsize=(15, 8), dpi=80)

# 设置两条信息
plt.plot(x, y_1, label="自己", color="orange", linestyle=":", linewidth=5, alpha=0.5)
plt.plot(x, y_2, label="同桌", color="cyan", linestyle="-.")

_xtick_labels = ["{}岁".format(i) for i in x]
plt.xticks(x, _xtick_labels)

# 添加网格
plt.grid(alpha=0.5)

# 添加图例
plt.legend(loc="upper left")  # loc参数可以更改图例的位置
# plt.legend(prop = my_font, loc="upper left")  # 适用于第二种设置字体方法，prop设置图例的中文字体

plt.show()

注意事项：

  • 在一个图上绘制多个折线图，只需要多次调用plt.plot()函数
  • 添加图例前，需要给每条信息添加一个标签

四、绘制散点图

from matplotlib import pyplot as plt
import matplotlib

# 设置字体为微软雅黑
font = {
    'family': 'MicroSoft YaHei',
    'weight': 'bold',
}
matplotlib.rc("font", **font)

# 天气数据
y_6 = [16, 16, 21, 20, 18, 18, 20, 25, 23, 21, 21, 22, 24, 23, 22, 22, 24, 20, 22, 24, 25, 25, 23, 21, 20, 20, 21, 22,
       23, 23]
y_7 = [23, 23, 22, 21, 22, 22, 22, 22, 19, 21, 21, 22, 22, 22, 23, 23, 21, 24, 22, 22, 22, 24, 22, 21, 22, 22, 25, 23,
       24, 25, 27]

x_6 = range(0, 30)
x_7 = range(50, 81)

# 设置图形大小
plt.figure(figsize=(15, 8), dpi=80)

# 使用scatter绘制散点图
plt.scatter(x_6, y_6, label="6月份")
plt.scatter(x_7, y_7, label="7月份")

# 调整x轴的刻度
_x = list(x_6) + list(x_7)
_xtick_labels = ["6月{}日".format(i) for i in x_6]
_xtick_labels += ["7月{}日".format(i - 50) for i in x_7]
plt.xticks(_x[::3], _xtick_labels[::3], rotation=45)

# 添加图例
plt.legend(loc = "upper left")


# 添加描述信息
plt.xlabel("时间")
plt.ylabel("温度")
plt.title("标题")

# 展示
plt.show()

注意事项：

  • 折线图绘制时调用的方法是plt.plot()，而散点图对应的方法是plt.scatter()
  • 颜色映射（colormap）是一系列颜色，它们从起始颜色渐变到结束颜色，如下设置：
plt.scatter(x_values,y_values,color=y_values, cmap=plt.cm.Blues)

我们需要将参数color设置为一个y值列表，并使用参数cmap告诉pyplot使用哪个颜色映射。

五、绘制条形图01

from matplotlib import pyplot as plt
import matplotlib

font = {
    'family': "MicroSoft YaHei",
    'weight': "bold"
}
matplotlib.rc("font", **font)

a = ["战狼2", "速度与激情8", "功夫瑜伽", "西游伏妖篇", "变形金刚5：最后的骑士", "摔跤吧！爸爸", "加勒比海盗5：死无对证", "金刚：骷髅岛", "极限特工：终极回归", "生化危机6：终章",
     "乘风破浪", "神偷奶爸3", "智取威虎山", "大闹天竺", "金刚狼3：殊死一战", "蜘蛛侠：英雄归来", "悟空传", "银河护卫队2", "情圣", "新木乃伊", ]

b = [56.01, 26.94, 17.53, 16.49, 15.45, 12.96, 11.8, 11.61, 11.28, 11.12, 10.49, 10.3, 8.75, 7.55, 7.32, 6.99, 6.88,
     6.86, 6.58, 6.23]

# 设置图形大小和清晰度
plt.figure(figsize=(15, 8), dpi=80)

# 绘出直方图
plt.bar(a, b, width=0.3)


plt.xticks(rotation=90)

plt.show()

注意事项：

  • 竖着的条形图对应的函数是plt.bar()

六、绘制条形图02

# 绘制条形图

from matplotlib import pyplot as plt
import matplotlib

font = {
    'family': "MicroSoft YaHei",
    'weight': "bold"
}
matplotlib.rc("font", **font)

a = ["战狼2", "速度与激情8", "功夫瑜伽", "西游伏妖篇", "变形金刚5：最后的骑士", "摔跤吧！爸爸", "加勒比海盗5：死无对证", "金刚：骷髅岛", "极限特工：终极回归", "生化危机6：终章",
     "乘风破浪", "神偷奶爸3", "智取威虎山", "大闹天竺", "金刚狼3：殊死一战", "蜘蛛侠：英雄归来", "悟空传", "银河护卫队2", "情圣", "新木乃伊", ]

b = [56.01, 26.94, 17.53, 16.49, 15.45, 12.96, 11.8, 11.61, 11.28, 11.12, 10.49, 10.3, 8.75, 7.55, 7.32, 6.99, 6.88,
     6.86, 6.58, 6.23]

# 设置图形大小和清晰度
plt.figure(figsize=(15, 8), dpi=80)

# 绘出横着的条形图
plt.barh(a, b, height=0.3,color="orange")

plt.grid(alpha=0.3)

plt.show()

注意事项：

  • 横着的条形图对应的函数是plt.barh()

七、绘制直方图01

from matplotlib import pyplot as plt

a = [131, 98, 125, 131, 124, 139, 131, 117, 128, 108, 135, 138, 131, 102, 107, 114, 119, 128, 121, 142, 127, 130, 124,
     101, 110, 116, 117, 110, 128, 128, 115, 99, 136, 126, 134, 95, 138, 117, 111, 78, 132, 124, 113, 150, 110, 117, 86,
     95, 144, 105, 126, 130, 126, 130, 126, 116, 123, 106, 112, 138, 123, 86, 101, 99, 136, 123, 117, 119, 105, 137,
     123, 128, 125, 104, 109, 134, 125, 127, 105, 120, 107, 129, 116, 108, 132, 103, 136, 118, 102, 120, 114, 105, 115,
     132, 145, 119, 121, 112, 139, 125, 138, 109, 132, 134, 156, 106, 117, 127, 144, 139, 139, 119, 140, 83, 110, 102,
     123, 107, 143, 115, 136, 118, 139, 123, 112, 118, 125, 109, 119, 133, 112, 114, 122, 109, 106, 123, 116, 131, 127,
     115, 118, 112, 135, 115, 146, 137, 116, 103, 144, 83, 123, 111, 110, 111, 100, 154, 136, 100, 118, 119, 133, 134,
     106, 129, 126, 110, 111, 109, 141, 120, 117, 106, 149, 122, 122, 110, 118, 127, 121, 114, 125, 126, 114, 140, 103,
     130, 141, 117, 106, 114, 121, 114, 133, 137, 92, 121, 112, 146, 97, 137, 105, 98, 117, 112, 81, 97, 139, 113, 134,
     106, 144, 110, 137, 137, 111, 104, 117, 100, 111, 101, 110, 105, 129, 137, 112, 120, 113, 133, 112, 83, 94, 146,
     133, 101, 131, 116, 111, 84, 137, 115, 122, 106, 144, 109, 123, 116, 111, 111, 133, 150]

d = 3    # 组距
num_bins = (max(a)-min(a))//d   # 组数


plt.figure(figsize=(15, 8), dpi = 80)


# 绘制直方图
plt.hist(a, num_bins, density=True)

# 设置x轴刻度
plt.xticks(range(min(a), max(a)+d, d))

plt.grid()

plt.show()

注意事项：

  • plt.hist()是绘制直方图的函数。
  • 绘制直方图前需要先确定组数，一般需要能够被max(a)-min(b)整除的组距d从而计算出组数。
  • 如果需要绘制频率密度直方图，需要在hist()函数中传入density=True的参数。
  • 一般来说能够使用plt.hist()方法的是那些没有统计过的数据

八、绘制直方图02

from matplotlib import pyplot as plt

interval = [0, 5, 10, 15, 20, 25, 30, 35, 40, 45, 60, 90]
width = [5, 5, 5, 5, 5, 5, 5, 5, 5, 15, 30, 60]
quantity = [836, 2737, 3723, 3926, 3596, 1438, 3273, 642, 824, 613, 215, 47]

plt.figure(figsize=(15, 8), dpi=80)

plt.bar(range(12), quantity, width = 1)

# 设置x轴的刻度
_x = [i - 0.5 for i in range(13)]
_xtick_labels = interval+[150]
plt.xticks(_x,_xtick_labels)

plt.grid(alpha=0.5)

plt.show()

注意事项：

  • 如果给出的数据都是统计之后的数据，则不能使用plt.hist()方法，为了达到直方图的效果，需要绘制条形图
  • 直方图的更多应用场景：
  • 用户的年龄的分布状态
  • 一段时间内用户点击次数的分布状态
  • 用户活跃时间的分布状态