Matplotlib

图像组成

tilte 标题
figure 画板
axes 画布
legend 图例
axis 轴
- 横轴x轴
- 纵轴y轴
tickes 刻度
ticklabels 刻度标签
x_label y_label 轴标签
annote 注释信息

导包

获取画板

plt.figure(figsize=)

获取画布

plt.subplot()

就近原则

plt.的所有操作都是操作最近的上一个画布
所有的画布，都会默认被配置在离自己最近的那个画板上

网格线

面向过程
- plt.grid()
面向对象
- axes.grid()

坐标轴界限

默认情况是，画布刻度的边界是由绘图的数据决定的
通用方式
- axes.axis()
- axes.axis()里传入列表，分别为x下限，x上限，y下限，y上限
面向过程
- plt.xlim()
- plt.ylim()
面向对象
- axes.set_xlim()
- axes.set_ylim()

通用方式

面向过程

面向对象

设定刻度

面向过程
- plt.xticks()和plt.yticks()
- 需指定刻度值和刻度label plt.xticks([刻度列表],[label列表])
面向对象
- axes.set_xticks()和axes.set_yticks()
- axes.set_xtickslabel()和axes.set_ytickslabel()
支持fontsize、rotation、color等参数设置

坐标轴标签

面向过程
- plt.xlabel()和plt.ylabel()
面向对象
- axes.set_xlabel()和axes.set_ylabel()

通用的外观设计

color：颜色
fontsize: 字体大小
rotation：旋转角度

画布标题

面向过程
- plt.title()
面向对象
- axes.set_title()

图例

面向过程
- plt.legend()
面向对象
- axes.set_legend()

两种传参方式

分别在plot函数中增加label参数,再调用legend()方法显示
直接在legend方法中传入字符串列表

面向过程

分别在plot函数中增加label参数,再调用legend()方法显示

直接在legend方法中传入字符串列表

面向对象

loc参数

loc参数用于设置图例标签的位置，一般在legend函数内
matplotlib已经预定义好几种数字表示的位置

字符串	数值	字符串	数值
best	0	center left	6
upper right	1	center right	7
upper left	2	lower center	8
lower left	3	upper center	9
lower right	4	center	10
right	5

loc参数还可以是2元素的元组，使用相对位置来表示图例左下角的坐标

[0,0] 左下
[0,1] 左上
[1,0] 右下
[1,1] 右上

ncol参数

ncol控制图例中有几列,在legend中设置ncol,需要设置loc

Linestyle,color,marker

修改线条样式

图像保存

plt.savefig('路径'，dpi=像素（int）,facecolor='green')
画板figure对象的颜色不会被保存到本地
- 要搞颜色在savefig里设置

保存后的图片会显示设置的facecolor

添加注释（Annote）

test()
subtitle()
figtest()
annotate()

添加文字的方法:

pyplot函数	API方法	描述
text()	mpl.axes.Axes.text()	在Axes对象的任意位置添加文字
figtext()	mpl.figure.Figure.text()	在Figure对象的任意位置添加文字
suptitle()	mpl.figure.Figure.suptitle()	为Figure对象添加中心化的标题
annotate()	mpl.axes.Axes.annotate()	为Axes对象添加注释（箭头可选）

所有的方法会返回一个matplotlib.text.Text对象

图形内的文字

text（）
- x/y:位置参数
  - 绝对位置
  - 相对位置
- s：文本信息
- fontdict：字体参数设置，字典

画板上添加文字

figtest（）
- 用法和test（）完全一致，不赘述

添加画板标题

subtitle()
- x/y:位置参数
  - 绝对位置
  - 相对位置
- t：文本内容

图像同上

添加箭头注释

annonate（）
- text:文本内容
- xy:箭头指向点的坐标，传入元组
- xytest:文字放置位置，元组
- arrowprops:箭头属性，字典，不写就用默认的箭头样式
- width参数设置箭头长方形部分的宽度
- headlength参数设置箭头尖端的长度，
- headwidth参数设置箭头尖端底部的宽度
- shrink参数设置箭头顶点、尾部与指示点、注释文字的距离（比例值），可以理解为控制箭头的长度

轴 axis

画双轴图

python

# 画图
fig = plt.figure(figsize=(12,8))

ax1 = plt.subplot(111)
ax1.plot(temp['ym'],temp['ym_revenue(百万円)_東開店'],label = '東開店',color='darkgreen')
ax1.plot(temp['ym'],temp['ym_revenue(百万円)_名古屋茶屋店'],label = '名古屋茶屋店',color='brown')
ax1.set_xlabel('date')
ax1.set_ylabel('飲料売上')

ax2 = ax1.twinx()
ax2.plot(temp['ym'],temp['diff'],label = 'diff')
ax2.set_ylabel('東開店の売上 - 名古屋茶屋店の売上')

fig.legend(["東開店売上", "名古屋茶屋店売上", "diff"],loc=(0.65,0.85))


plt.title('年月別の飲料売上金額')

图像展示

plt.imshow()
- 传入图片路径
plt.imread()
- 传入一个三维数组

风格和样式设置

python

# plot语句中支持除X,Y以外的参数，以字符串形式存在，来控制颜色、线型、点型等要素，语法形式为：  

plt.plot(X, Y, 'format', ...)

颜色的各种表达方式

别名
- color='r'
合法的HTML颜色名
- color = 'red'

颜色	别名	HTML颜色名	颜色	别名	HTML颜色名
蓝色	b	blue	绿色	g	green
红色	r	red	黄色	y	yellow
青色	c	cyan	黑色	k	black
洋红色	m	magenta	白色	w	white

HTML十六进制字符串
- color = '#eeefff'
归一化到[0, 1]的RGB元组
- color = (0.3, 0.3, 0.4)

透明度

alpha参数
0.0 ~ 1.0 float

背景色

设置背景色，通过plt.subplot()方法传入facecolor参数，来设置坐标系的背景色

点和线的样式

线型

参数为
- linestyle
- ls

线条风格	描述	线条风格	描述
'-'	实线	':'	虚线
'--'	破折线	'steps'	阶梯线
'-.'	点划线	'None' / '，'	什么都不画

线宽

参数为
- linewidth
- lw

不同宽度的破折线

使用dashes参数，传入列表，为破折号序列各段的宽度
比如：
- dashes = [5，1，2，1]
- 一段线长为5，空白长为2，线长为2，空白长1，重复。

点型

marker 设置点形
markersize 设置点形大小

标记	描述	标记	描述
'1'	一角朝下的三脚架	'3'	一角朝左的三脚架
'2'	一角朝上的三脚架	'4'	一角朝右的三脚架
's'	正方形	'p'	五边形
'h'	六边形1	'H'	六边形2
'8'	八边形
'.'	点	'x'	X
'*'	星号	'+'	加号
','	像素
'o'	圆圈	'D'	菱形
'd'	小菱形	'','None',' ',None	无
'_'	水平线	'\|'	竖线
'v'	一角朝下的三角形	'<'	一角朝左的三角形
'^'	一角朝上的三角形	'>'	一角朝右的三角形

对实例使用一系列的set方法

plt.plot()方法返回一个包含所有线的列表，设置每一个线需要获取该线对象
- eg: lines = plt.plot(); line = lines[0]
- line.set_linewith()
- line.set_linestyle()
- line.set_color()

对坐标系使用一系列的set方法

axes = plt.subplot()获取坐标系
- set_title()
- set_facecolor()
- set_xticks、set_yticks 设置刻度值
- set_xticklabels、set_yticklabels 设置刻度名称

不推荐的绘图方式，但得了解

多参数连用

颜色、点型、线型，可以把几种参数写在一个字符串内进行设置，比如 'r-.o'

多个曲线同一设置

属性名声明，不可以多参数连用
plt.plot(x1, y1, x2, y2, fmt, ...)

多个曲线不同设置

多个曲线都进行设置时，多参数连用

plt.plot(x1, y1, fmt1, x2, y2, fmt2, ...)

Matplotlib 2D绘图

线型图

俩参数x，y，适用于：

连续数据
时间序列

强调连续性，变化趋势，一个变量随着另一个变量的变化规律。

kind参数可以选择线的种类

散点图

scatter()
【散点图需要两个参数x,y，但此时x不是表示x轴的刻度，而是每个点的横坐标】
关注离散数据，变量与变量之间的关系
线性图是有序的，散点图是无序的
scatter可以表达四维，x，y，大小，颜色

直方图

hist()
最常用于查看数据的分布情况，和最普通的数据可视化也可以用hist
参数只有一个x！！！数据的频数（y轴）统计。
hist()的参数
- bins
  - 可以是一个bin数量的整数值，也可以是表示bin的一个序列。默认值为10
- density
  - 如果值为True，直方图的值将进行归一化处理，形成概率密度，默认值为False，
  - 结合plt.plot(kind='kde')一起画
- color
  - 指定直方图的颜色。可以是单一颜色值或颜色的序列。如果指定了多个数据集合，颜色序列将会设置为相同的顺序。如果未指定，将会使用一个默认的线条颜色
- orientation
  - 通过设置orientation为horizontal创建水平直方图。默认值为vertical

举个例子

查看不同类别的店铺的面积分布情况

条形图（柱状图）

bar() , barh()
条形图有两个参数x,y
width 纵向设置条形宽度
height 横向设置条形高度
比较数据的大小关系，强调比较

普通条形图

堆叠条形图

方法一：plt.plot() （这好，用这个）

直接df.plot(kind = 'bar',stacked = True)
数据长下面这个样子：
画堆叠图长下面这样

python

ax = store_revenue_rate.plot(kind='bar',stacked=True)

plt.ylabel('比率(%)')
plt.legend(loc=(0.9,0.65))
plt.title('店別の飲料ディビジョン全体における部門別売上構成比')
plt.xticks(rotation = 0)


# 在堆叠图上显示百分比
for container in ax.containers:
    ax.bar_label(container, fmt='%.1f%%', label_type='center')

方法二：plt.bar()

簇状条形图

方法一：plt.plot() (这个好用这个)

方法二：plt.bar()

极坐标条形图（玫瑰图）

创建极坐标，设置polar属性
- plt.axes(polar = True)
0-2 π是极坐标唯一一个轴的取值范围。
本质是极坐标 + 条形图

python

# 0-2Π 是极坐标唯一一个轴的取值范围，永远不会变
plt.axes(polar=True)

data = np.random.randint(10, 20, size=8)

plt.bar(x=np.linspace(0, 2*np.pi, 8, endpoint=False), 
        height=data, color=np.random.random(size=(8, 3)),
       width=0.8, align='edge')

雷达图

本质是极坐标 + 线性图

python

index = ['A','B','C','D']

data1 = np.random.randint(10, 100, size=(4))
data2 = np.random.randint(10, 100, size=(4))

# 为了解决图像不闭合
data11 = np.append(data1, data1[0])
data22 = np.append(data2, data2[0])

# 为了解决标签分布不均匀的问题
x = np.linspace(0, 2*np.pi, 4, endpoint=False)
xx = np.append(x, x[0])

plt.axes(polar=True)

# 修改为闭合的图像
plt.plot(xx, data11)
plt.plot(xx, data22)

_ = plt.xticks(x, index)

饼图

pie()
饼图也只有一个参数x！！！
同时表达：
- 两组数据的对比
- 各子数据的占比情况
饼图适合展示各部分占总体的比例，条形图适合比较各部分的大小
- labels参数设置每一块的标签；
- labeldistance参数设置标签距离圆心的距离（比例值,只能设置一个浮点小数）
- autopct参数设置比例值的显示格式(%1.1f%%)；
- pctdistance参数设置比例值文字距离圆心的距离
- explode参数设置每一块顶点距圆形的长度（比例值,列表）；
- colors参数设置每一块的颜色（列表）；
- shadow参数为布尔值，设置是否绘制阴影
- startangle参数设置饼图起始角度

python

# 填满的饼图
data = np.array([30, 60, 45])
index = ['A','B','C']

_ = plt.pie(data, labels=index, labeldistance=1.1, autopct='%1.1f%%', 
            pctdistance=0.5, explode=[0, 0, 0.1], colors=np.random.random(size=(3,3)),
           shadow=True, startangle=10)
_ =plt.axis('equal')

python

# 不填满的饼图, 保证展示的数据的和不要超过1

data = np.array([30, 60, 45])[:2]
index = ['A','B','C']

_ = plt.pie(data, labels=index[:2], labeldistance=1.1, autopct='%1.1f%%', 
            pctdistance=0.5, explode=[0, 0.1], colors=np.random.random(size=(3,3)),
           shadow=True, startangle=10)
_ =plt.axis('equal')

箱线图

plt.boxplot()
参数说明：
- x, # 指定要绘制箱线图的数据；
- notch=None, # 是否是凹口的形式展现箱线图，默认非凹口；
- sym=None, # 指定异常点的形状，默认为+号显示；
- vert=None, # 是否需要将箱线图垂直摆放，默认垂直摆放；
- whis=None, # 指定上下须与上下四分位的距离，默认为1.5倍的四分位差；
- positions=None, # 指定箱线图的位置，默认为[0,1,2…]；
- widths=None, # 指定箱线图的宽度，默认为0.5；
- patch_artist=None, # 是否填充箱体的颜色；
- meanline=None, # 是否用线的形式表示均值，默认用点来表示；
- showmeans=None, # 是否显示均值，默认不显示；
- showcaps=None, # 是否显示箱线图顶端和末端的两条线，默认显示；
- showbox=None, # 是否显示箱线图的箱体，默认显示；
- showfliers=None, # 是否显示异常值，默认显示；
- boxprops=None, # 设置箱体的属性，如边框色，填充色等；
- labels=None, # 为箱线图添加标签，类似于图例的作用；
- flierprops=None, # 设置异常值的属性，如异常点的形状、大小、填充色等；
- medianprops=None, # 设置中位数的属性，如线的类型、粗细等；
- meanprops=None, # 设置均值的属性，如点的大小、颜色等；
- capprops=None, # 设置箱线图顶端和末端线条的属性，如颜色、粗细等；
- whiskerprops=None, # 设置须的属性，如颜色、粗细、线的类型等

全局设置

python

# 字号设置为20
plt.rcParams['axes.titlesize'] = 20

# 对画布颜色进行全局的配色，为绿色
plt.rcParams['axes.facecolor'] = 'lightgray'
# 'lines.linestyle': '-',
# 'lines.linewidth': 1.5,

plt.rcParams['lines.linestyle'] = '--'
plt.rcParams['lines.linewidth'] = 3

python

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

#日语
plt.rcParams['font.family'] = 'Hiragino Sans GB'
sns.set(font='IPAexGothic')

python

# 显示所有行
pd.set_option('display.max_rows',None)

#显示所有列
pd.set_option('display.max_columns',None)

#过滤warning
warnings.filterwarnings('ignore')

加载自定义字体

python

from matplotlib import font_manager

# 需要下载ttf格式的字体文件 
fp = font_manager.FontProperties(fname='./蒙纳超刚黑简.ttf')

plt.title('中国是一个强悍的发展中国家', fontproperties = fp, fontsize=20)

杂七杂八

matplotlib的设置默认字体

python

plt.rcParams['font.sans-serif'] = ['Arial', 'sans-serif']

# 配置绘图的位置为当前画布内（可以不写，但是建议写）
%matplotlib inline

matplotlib不显示科学记数法

python

plt.ticklabel_format(axis='y', style='plain')

put.show()

强制将当前绘图信息渲染到最近的画布上

面向过程plt.xxx

面向过程的风格全部遵循最近原则

魔法指令

python

# 如果画图不显示，试试这个
%matplotlib inline

# 交互式画图的魔法指令
%matplotlib widget

Matplotlib ​

图像组成 ​

导包 ​

获取画板 ​

获取画布 ​

就近原则 ​

网格线 ​

坐标轴界限 ​

设定刻度 ​

坐标轴标签 ​

通用的外观设计 ​

画布标题 ​

图例 ​

两种传参方式 ​

面向过程 ​

分别在plot函数中增加label参数,再调用legend()方法显示 ​

直接在legend方法中传入字符串列表 ​

面向对象 ​

loc参数 ​

ncol参数 ​

Linestyle,color,marker ​

图像保存 ​

添加注释（Annote） ​

图形内的文字 ​

画板上添加文字 ​

添加画板标题 ​

添加箭头注释 ​

轴 axis ​

画双轴图 ​

图像展示 ​

风格和样式设置 ​

颜色的各种表达方式 ​

透明度 ​

背景色 ​

点和线的样式 ​

线型 ​

线宽 ​

不同宽度的破折线 ​

点型 ​

更多点和线的设置 ​

对实例使用一系列的set方法 ​

对坐标系使用一系列的set方法 ​

推荐的绘图方式 ​

不推荐的绘图方式，但得了解 ​

多参数连用 ​

多个曲线同一设置 ​

多个曲线不同设置 ​

Matplotlib 2D绘图 ​

线型图 ​

散点图 ​

直方图 ​

举个例子 ​

条形图（柱状图） ​

普通条形图 ​

堆叠条形图 ​

方法一：plt.plot() （这好，用这个） ​

方法二：plt.bar() ​

簇状条形图 ​

方法一：plt.plot() (这个好用这个) ​

方法二：plt.bar() ​

极坐标条形图（玫瑰图） ​

雷达图 ​

饼图 ​

箱线图 ​

全局设置 ​

加载自定义字体 ​

杂七杂八 ​

matplotlib的设置默认字体 ​

matplotlib不显示科学记数法 ​

put.show() ​

面向过程plt.xxx ​

魔法指令 ​

Matplotlib

图像组成

导包

获取画板

获取画布

就近原则

网格线

坐标轴界限

设定刻度

坐标轴标签

通用的外观设计

画布标题

图例

两种传参方式

面向过程

分别在plot函数中增加label参数,再调用legend()方法显示

直接在legend方法中传入字符串列表

面向对象

loc参数

ncol参数

Linestyle,color,marker

图像保存

添加注释（Annote）

图形内的文字

画板上添加文字

添加画板标题

添加箭头注释

轴 axis

画双轴图

图像展示

风格和样式设置

颜色的各种表达方式

透明度

背景色

点和线的样式

线型

线宽

不同宽度的破折线

点型

更多点和线的设置

对实例使用一系列的set方法

对坐标系使用一系列的set方法

推荐的绘图方式

不推荐的绘图方式，但得了解

多参数连用

多个曲线同一设置

多个曲线不同设置

Matplotlib 2D绘图

线型图

散点图

直方图

举个例子

条形图（柱状图）

普通条形图

堆叠条形图

方法一：plt.plot() （这好，用这个）

方法二：plt.bar()

簇状条形图

方法一：plt.plot() (这个好用这个)

方法二：plt.bar()

极坐标条形图（玫瑰图）

雷达图

饼图

箱线图

全局设置

加载自定义字体

杂七杂八

matplotlib的设置默认字体

matplotlib不显示科学记数法

put.show()

面向过程plt.xxx

魔法指令