Matplotlib 绘图

Matplotlib是python进行绘图的重要包，基本满足日常的需要，是进行数据分析、可视化等不可或缺的一部分。

图表基础知识

• 画板 figure
• 画纸 subplot
• 画纸上方是表题 title
• 坐标轴 axis
• 图例 legend
• 网格 grid
• 点 marker

理解 plt ax fig 是什么？https://zhuanlan.zhihu.com/p/93423829

plt.figure()
plt.plot()
plt.show()

一般我们就是使用 plt.xxx 进行绘图，可以迅速绘制出基本图表，但对图表进行细致的调整方面，这种方式就比较困难了。这种方式就是简单易懂上手快。

fig,ax = plt.subplots()
ax.plot()

这种方式，可以使用 ax 这个东西对图表进行精细的调整，在它的属性中，包括了图表的所有属性，以及更加细致的API。可以将其理解为图表的控件，一个图表（子图）具有一个ax。

绘图步骤

（前提：准备好数据X Y）

绘制顺序

1. 图表属性

   中文	属性	属性值	相关属性
   颜色	color	rgb(0,0,0) #0000
   点标记	marker		markersize
   线型	linstyle	'--' '-.' '-' ':'
   轴	axis
   图例	legend		ncols，fontsize
   网格	grid
   刻度	xticks
   刻度	yticks

2. 文本

   • 坐标轴 xlabel ylabel
   • 标题 title
   • 其他 plt.annotate

3. 显示 plt.show()

多图绘制

【如果事先不声明画板画板，默认是创建一个画板一个画纸】

• 使用figure()方法创建画板
• 使用subplot()方法创建画纸，并选择当前画纸并绘图
• 同样用subplot()方法选择画纸并绘图
• 显示图表

绘制技巧

中文设置

plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False

from matplotlib.font_manager import FontProperties
font = FontProperties(fname=r"c:\windows\fonts\simsun.ttc", size=14)

图表大小

1、图形大小设置

matplotlib 设置图形大小时 figsize 与 dpi 的关系 - 木子识时务 - 博客园 (cnblogs.com)

坐标轴

1、取消坐标轴显示

ax = plt.gca()    # 得到图像的Axes对象
ax.spines['right'].set_color('none')   # 将图像右边的轴设为透明
ax.spines['top'].set_color('none')     # 将图像上面的轴设为透明
ax.spines['left'].set_color('none')   # 将图像左边的轴设为透明
ax.spines['bottom'].set_color('none')     # 将图像下面的轴设为透明

2、坐标轴刻度位置调整

ax = plt.gca()
ax.xaxis.set_ticks_position('bottom')    # 将x轴刻度设在下面的坐标轴上
ax.yaxis.set_ticks_position('left')         # 将y轴刻度设在左边的坐标轴上

3、坐标轴位置调整

ax = plt.gca()
# 具体交点位置（x，y）控制
ax.spines['bottom'].set_position(('data', 0))   # 将两个坐标轴的位置设在数据点原点
ax.spines['left'].set_position(('data', 0))

# 粗略位置 top bottom left right
ax.xaxis.set_ticks_position('top')   #将X坐标轴移到上面

4、坐标轴反转

ax = plt.gca()
# 正常 从下到上 依次增大
# 反转后 从上到下 依次增大
ax.invert_yaxis()                            #反转Y坐标轴
ax.invert_xaxis()

刻度设置

将坐标轴刻度设置为百分数形式

from matplotlib import ticker
ax = plt.gca()
ax.yaxis.set_major_formatter(ticker.PercentFormatter(xmax=1, decimals=2))

坐标轴刻度位置调整

ax = plt.gca()
ax.xaxis.set_ticks_position('bottom')    # 将x轴刻度设在下面的坐标轴上
ax.yaxis.set_ticks_position('left')         # 将y轴刻度设在左边的坐标轴上

其他设置

plt.set_xticks()
plt.set_yticks()

平均线

水平平均线（横向图）

fig,ax = plt.subplots()
ax.axhline(y=sum(y)/len(y),color='gray',linestyle='--',label='平均水平')

竖直平均线（纵向图）

x = ['A', 'B', 'C', 'D']
y = [1, 2, 3, 4]
fig, ax = plt.subplots()
rects = ax.bar(x, y)
ax.axhline(y=sum(y)/len(y), color='r', linestyle='-')
plt.show()

数据标签

1、柱状图添加数据标签

fig, ax = plt.subplots()
ax.bar([1, 2], [0.25, 0.75])
ax.set_xticks([1, 2])
ax.set_xticklabels(['A', 'B'])

rects = ax.bar(x, y)
# 单列柱状图 添加数据标签
ax.bar_label(rects)
plt.show()

# 多列柱状图添加数据标签 这里进行了格式化输出 为百分比形式
for i in ax.containers:
 ax.bar_label(i, label_type='edge', labels=[f'{x*100:.0f}%' for x in i.datavalues])

2、折线图添加数据标签

x = [1, 2, 3, 4]
y = [1, 4, 9, 16]
fig, ax = plt.subplots()
ax.plot(x, y)
# 格式化输出
for i in range(len(x)):
    plt.text(x[i], y[i], {':.0%'}.y[i], ha='center', va='bottom')
plt.show()

ha 水平对齐方式 参数值 center left right

文字注释

plt.text()
plt.annotate()

其他

marker设置

plt.scatter(x, y, s=20, c='b', marker='o', cmap=None, norm=None,
                          vmin=None, vmax=None, alpha=None, linewidths=None,
                          faceted=True, verts=None, hold=None, **kwargs)

具体绘制案例及代码

常用图表

• 点 散点图 scatter 相关性 数值型数据
• 线 折线图 plot 趋势图 时间序列数据
• 柱 柱状图 bar 分类 分组查看数据
• 多维 热力图 heat 多维度数据 颜色热力图
• 其他 box箱线图 hist直方图 pie饼图 area 面积图

1、柱状图

# -*- coding: utf-8 -*-
import matplotlib.pyplot as plt

num_list = [1.5,0.6,7.8,6]
plt.bar(range(len(num_list)), num_list)
plt.show()

2、并列柱状图

# -*- coding: utf-8 -*-

import matplotlib.pyplot as plt
name_list = ['Monday','Tuesday','Friday','Sunday']
num_list = [1.5,0.6,7.8,6]
num_list1 = [1,2,3,1]
x =list(range(len(num_list)))
total_width, n = 0.8, 2
width = total_width / n

plt.bar(x, num_list, width=width, label='boy',fc = 'y')
for i in range(len(x)):
    x[i] = x[i] + width
plt.bar(x, num_list1, width=width, label='girl',tick_label = name_list,fc = 'r')
plt.legend()
plt.show()

横向柱状图

x = ['A', 'B', 'C', 'D']
y = [1, 2, 3, 4]
plt.barh(x, y)
plt.show()

3 相关性矩阵图

import seaborn as sns
import matplotlib.pyplot as plt
df = sns.load_dataset('iris')
corr = df.corr()
sns.heatmap(corr, annot=True, cmap='coolwarm')
plt.show()