介紹三種比較簡單的方法

• 基于matplotlib的畫圖方式
  plt.plot()，常用款
  plt.hist(), 畫直方圖
  plt.pie()，畫餅狀圖
  plt.figure()
• 基于pandas的畫圖
  s.plot() s是pandas的Series對象
  df.plot() df是pandas的DataFrame對象

1.1. plt.plot()#繪制y關(guān)于x的變化關(guān)系.
x,y是成對出現(xiàn)的。可以省略x,則y是關(guān)于y的個數(shù)的函數(shù)關(guān)系。
當(dāng)y是Series或DataFrame對象對象時，不出現(xiàn)x
[fmt]]可以設(shè)置線性，顏色，樣式等。

Plot y versus x as lines and/or markers
plot([x], y, [fmt], data=None, **kwargs)
plot([x], y, [fmt], [x2], y2, [fmt2], …, **kwargs)

以一個比較簡單的例子入手：

import numpy as np from matplotlib import pyplot as plt %matplotlib inlinex = np.arange(-10,11) y = x**2 plt.plot(x,y)

• 增加一些功能
  設(shè)置標(biāo)題、坐標(biāo)軸標(biāo)簽、軸邊界、軸刻度、顯示中文及正負號

import numpy as np from matplotlib import pyplot as plt %matplotlib inlinex = np.arange(-10,11) y = x**2 plt.plot(x,y)#添加標(biāo)題 plt.title('二次函數(shù)') #設(shè)置x,y軸標(biāo)簽 plt.xlabel('x') plt.ylabel('y') #設(shè)置x,y軸邊界 plt.xlim([-12,12]) plt.ylim([-10,110]) #設(shè)置x,y軸刻度 plt.xticks([i for i in range(-10,11)]) plt.yticks([i for i in range(-10,101,10)])plt.rcParams['font.sans-serif']=['SimHei'] #顯示中文 plt.rcParams['axes.unicode_minus']=False #用來正常顯示負號

• 增加圖例
  配合plot()中的label參數(shù)，設(shè)置圖例。loc設(shè)置圖例的位置。color設(shè)置顏色，linestyle設(shè)置顏色，marker設(shè)置有值處點的形狀。

x = np.arange(-10,11) y = x**2plt.plot(x,y,label='y=x^2',color = 'r',linestyle = ':',marker = 'o') plt.legend(loc = 'upper right')

• plt.plot()的參數(shù)是Series對象
  
• plt.plot()的參數(shù)是DataFrame對象。DataFrame對象畫圖時，使用df.plot()更好，圖例顯示的就是列名。
  
  1.2 plt.hist()畫直方圖
  1.3. plt.pie()畫餅狀圖

基于pandas
2.1 s.plot()

s = pd.Series(np.random.randn(50).cumsum()) s.plot(linestyle = '-.', marker = '_')

2.2 df.plot()
通過df.plot(kind='line')畫圖，其中的kind參數(shù)可取‘line’,‘bar’,‘kde’(密度圖)，‘hist’,‘a(chǎn)rea’(面積圖)等。返回對象axes

# 圖名，圖例，軸標(biāo)簽，軸邊界，軸刻度，軸刻度標(biāo)簽等df = pd.DataFrame(np.random.rand(10,2),columns=['A','B']) fig = df.plot(figsize=(6,4)) # figsize：創(chuàng)建圖表窗口，設(shè)置窗口大小 # 創(chuàng)建圖表對象，并賦值與figplt.title('Interesting Graph - Check it out') # 圖名 plt.xlabel('Plot Number') # x軸標(biāo)簽 plt.ylabel('Important var') # y軸標(biāo)簽plt.legend(loc = 'best') plt.xlim([0,12]) # x軸邊界 plt.ylim([0,1.5]) # y軸邊界 plt.xticks(range(11)) # 設(shè)置x刻度 plt.yticks([0,0.2,0.4,0.6,0.8,1.0,1.2]) # 設(shè)置y刻度 # fig.set_xticklabels("%.1f" %i for i in range(10)) # x軸刻度標(biāo)簽 # 周刻度另命名 fig.set_xticklabels("%c" %i for i in list('abcdegfhij')) # x軸刻度標(biāo)簽 fig.set_yticklabels("%.2f" %i for i in [0,0.2,0.4,0.6,0.8,1.0,1.2]) # y軸刻度標(biāo)簽

• 保存圖像plt.savefig('a.png')

創(chuàng)建子圖
3.1 子圖創(chuàng)建1 - 先建立子圖然后填充圖表
在子圖中添加標(biāo)題
ax1.title.set_text('First Plot')

# 子圖創(chuàng)建1 - 先建立子圖然后填充圖表fig = plt.figure(figsize=(10,6),facecolor = 'gray')ax1 = fig.add_subplot(2,2,1) # 第一行的左圖 ax1.plot(np.random.rand(50).cumsum(),'r--') ax1.plot(np.random.randn(50).cumsum(),'b--') ax1.title.set_text('cumsum -- line')ax2 = fig.add_subplot(2,2,2) # 第一行的右圖 ax2.hist(np.random.rand(50),alpha=0.5) ax2.title.set_text('hist')ax4 = fig.add_subplot(2,2,4) # 第二行的右圖 df2 = pd.DataFrame(np.random.rand(10, 4), columns=['a', 'b', 'c', 'd']) ax4.plot(df2,alpha=0.5,linestyle='--',marker='.') ax2.title.set_text('mess') plt.show() # 也可以直接在子圖后用圖表創(chuàng)建函數(shù)直接生成圖表

3.2 創(chuàng)建一個新的figure，并返回一個subplot對象的numpy數(shù)組 → plt.subplot

# 子圖創(chuàng)建2 - 創(chuàng)建一個新的figure，并返回一個subplot對象的numpy數(shù)組 → plt.subplotfig,axes = plt.subplots(2,3,figsize=(10,4)) ts = pd.Series(np.random.randn(1000).cumsum()) ts2 = pd.Series(np.random.randint(100,size=100)) print(axes, axes.shape, type(axes)) # 生成圖表對象的數(shù)組ax1 = axes[0,1] ax1.plot(ts) ax2 = axes[0,2] ax2.plot(ts2)

參數(shù)調(diào)整

# plt.subplots,參數(shù)調(diào)整 fig, axis = plt.subplots(4,4,figsize=(12,10))# 設(shè)置子圖是4*4，圖大小的12*10 fig.suptitle('Histogram')# 添加總標(biāo)題 # sharex=True,sharey=True。sharex,sharey：是否共享x，y刻度 for i in range(4):for j in range(4):num = i*4+j+1axis[i][j].hist(df_x['f'+str(num)])# 畫出f1~f13axis[i][j].set_title('f%d' % num)# 設(shè)置子圖的標(biāo)題if num>=13:break plt.subplots_adjust(wspace=0.3,hspace=0.3) # wspace,hspace：用于控制寬度和高度的百分比，比如subplot之間的間距

colorbar配合inshow使用

import numpy as np from matplotlib import pyplot as plt m = np.linspace(-100,100,50) n = np.linspace(-100,100,50) x,y = np.meshgrid(m,n) z = x**2 + y**2plt.imshow(z,cmap='spring') plt.colorbar(shrink=0.8)# 顏色條占圖高的比例 plt.show()

總結(jié)

以上是生活随笔為你收集整理的python中利用matplotlib画图的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。