Python 資料視覺化筆記(三) — 使用Matplotlib繪圖

Yanwei Liu

·

Follow

7 min read

·

Mar 30, 2019

--

Share

初始化

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
%matplotlib inline
%matplotlib notebook                  #在notebook裡與Matplotlib互動

圖片顯示中文

from pylab import mpl
mpl.rcParams['font.sans-serif'] = ['Microsoft YaHei']  
mpl.rcParams['axes.unicode_minus'] = False

繪圖

plt.plot(x,y)
plt.scatter(x,y)
plt.bar(x,y)
plt.barh(x,y)
plt.hist(x,y)
plt.subplot(列,行,圖形編號)
plt.axhline(y)                 #水平線
plt.axvline(x)                 #垂直線
plt.fill_between               #陰影
plt.hlines()                   #水平線圖表
plt.vlines()                   #垂直線圖表#散佈圖
plt.scatter(X, Y, s=75, c=T, alpha=.5)
#輸入X和Y作為location，size=75，顏色為T，透明度alpha為50%
#柱狀圖
plt.bar(X, Y, facecolor='#9999ff', edgecolor='white')
#facecolor設置主體顏色，edgecolor設置邊框顏色為白色
#直方圖
plt.hist(X, Y)
#水平線
plt.axhline(y = avg_pts)
#垂直線 
plt.axvline(y = avg_pts)
#水平線圖表
plt.hlines(y,xmin,xmax)#陰影
plt.fill_between(pp_stats.index, avg_pts, pp_stats["pts"], 
                 where=pp_stats["pts"] >= avg_pts, color="gray",
                 alpha=0.5, interpolate=True)#一張圖繪製多個數據集
x = np.linspace(0, 2 * np.pi, 50)
plt.plot(x, np.sin(x),
        x, np.sin(2 * x))
#一個視窗多張圖(本例為4張)
x = np.linspace(0, 10, 100)
plt.subplot(2,2,1)                 #plt.subplot(總行數,總列數,活躍區)
plt.plot(x, np.sin(x), 'r')
plt.subplot(2,2,2)
plt.plot(x, np.cos(x), 'g')
plt.subplot(2,2,3)
plt.plot(x, np.tan(x), 'b')
plt.subplot(2,2,4)
plt.plot(x, np.tan(x), 'n')

設定圖名、標題、註解、圖例、節點

plt.xlabel(‘XXX’)                   #X軸名稱
plt.ylabel(‘YYY’)                   #Y軸名稱
plt.title(‘TTT’)                    #標題
plt.subtitle('AAA')                 #副標題
plt.xlim((1,100))                   #X軸範圍
plt.ylim((1,100))                   #y軸範圍
plt.xticks([1,2,])                  #X軸刻度
plt.xticks([1,2,])                  #Y軸刻度
plt.legend()                        #顯示圖例
plt.plot(x, y, marker='o')          #顯示節點#針對特定數值進行註解
plt.annotate('Toyota Corolla', xy=(19,33.9), xytext = (21,35),
           arrowprops=dict(facecolor='black', shrink=0.05))#添加注釋文字
plt.text(-3.7, 3, r'$This\ is\ the\ some\ text. \mu\ \sigma_i\ \alpha_t$',
         fontdict={'size': 16, 'color': 'r'})
#其中(-3.7,3)是選取text的位置, 空格需要用到字符\ ,fontdict設置文本字體.#設置Y軸刻度及名稱
plt.yticks([-2, -1.8, -1, 1.22, 3],[r'$really\ bad$', r'$bad$', r'$normal$', r'$good$', r'$really\ good$'])#使用plt.yticks設置y軸刻度以及名稱：刻度為[-2, -1.8, -1, 1.22, 3]；對應刻度的名稱為[‘really bad’,’bad’,’normal’,’good’, ‘really good’]#設置圖例
l1, = plt.plot(x, y1, label='linear line')
l2, = plt.plot(x, y2, color='red', linewidth=1.0, linestyle='--', label='square line')
plt.legend(loc='upper right')
#legend顯示的訊息來自於上面代碼中的label
#參數'upper right'表示圖例將添加在圖中的右上角#移除上方與右方邊框
plt.gca().spines['top'].set_visible(False)
plt.gca().spines['right'].set_visible(False)#編輯順序(前景與背景)
plt.scatter(..., zorder=1)  #background
plt.plot(..., zorder=2)     #foreground

使用不同主題

plt.style.available #列出可用的風格plt.style.use('fivethirtyeight') 
plt.style.use('dark_background') 
plt.style.use('ggplot') 
plt.style.use('bmh')plt.plot() #繪圖#不同顏色的圖
plt.plot(x,y,'r')(紅色)
plt.plot(x,y,'k')(黑色)
顏色有以下參數：'b','g','r','c','m','y','k'
#線條風格
plt.plot(x,y,'o')
風格有以下參數：'o','^','s'
#結合不同顏色與線條風格
plt.plot(x,y,'ro')

儲存圖片檔

plt.savefig('xxx.png',dpi=30,bbox_inches='tight')