Matplotlib

Matplotlib 是一个 Python 的绘图库，它可以用来创建各种静态、交互式和动态的数据可视化。Matplotlib 提供了一种类似于 MATLAB 的绘图接口，使得用户可以轻松地绘制图表、图形和各种可视化。

下面是 Matplotlib 的一些主要特点：

广泛的图表类型： Matplotlib 支持多种类型的图表，包括线图、散点图、条形图、饼图、直方图、等高线图、3D 图等，能够满足各种数据可视化的需求。
高度可定制性： 用户可以通过各种参数和选项来自定义图表的外观、样式和布局，以满足个性化的需求。同时，Matplotlib 还提供了丰富的绘图元素和样式选项，使用户能够轻松地创建专业水平的图表。
支持多种输出格式： Matplotlib 支持将图表导出为多种格式，包括 PNG、PDF、SVG、EPS 等，方便用户在不同的场合和媒介中使用和分享。
强大的交互功能： Matplotlib 提供了丰富的交互式功能，包括缩放、平移、鼠标提示、图例控制等，使用户能够更加直观地探索数据并进行交互式分析。
可扩展性： Matplotlib 是一个开放的、可扩展的库，用户可以根据自己的需求自定义新的图表类型、样式和功能，并与其他 Python 库和工具集成，以实现更加复杂和高级的数据可视化。

安装Matplotlib

pip install matplotlib
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple matplotlib

1.title设置

标题

import matplotlib.pyplot as plt
plt.title("title")#括号当中输入标题的名称
#设置中文字体，必须
plt.rcParams['font.sans-serif']=['SimHei']
plt.show()

2.Figure对象

绘图区域。

import matplotlib.pyplot as plt
plt.figure(figsize=(6, 2))
plt.title("title")
plt.show()

image 1.png

3.坐标轴及标签

import matplotlib.pyplot as plt

plt.figure(figsize=(6, 6))
plt.title("title")
plt.xlim(0,6) #x轴坐标轴
plt.ylim((0, 3))#y轴坐标轴
plt.xlabel('X')#x轴标签
plt.ylabel('Y')#y轴标签
plt.show()

image 2.png

如果需要将数字设为负数，也可能出现乱码的情况，这时候可以加下面的代码：

plt.rcParams['axes.unicode_minus']=False

4.设置label和legend

设置 label 和 legend 的目的就是为了区分出每个数据对应的图形名称,legend的loc参数用于设置图例位置。

legend 图例

label 标签

import matplotlib.pyplot as plt

plt.figure(figsize=(6, 6))
plt.title("title")
plt.xlim(0,6) #x轴坐标轴
plt.ylim((0, 3))#y轴坐标轴
plt.xlabel('X')#x轴标签
plt.ylabel('Y')#y轴标签
plt.plot(3, 2, 'bo', label="123")#第一个label
plt.plot(3, 1, 'ro', label="456")#第二个label
plt.legend(loc='best')#图列位置，可选best，center等
plt.show()

image 3.png

曲线图练习

练习一：

画一段sin函数和cos函数图像，x取值范围为（0,10）

image 4.png

import matplotlib.pyplot as plt
import numpy as np

plt.figure(figsize=(10, 6))
plt.rcParams['font.sans-serif']=['SimHei']
plt.rcParams['axes.unicode_minus']=False
plt.title("sin和cos图像")

plt.xlim(0,10) #x轴坐标轴
plt.ylim(-2, 2)#y轴坐标轴
plt.xlabel('X')#x轴标签
plt.ylabel('Y')#y轴标签

x=np.arange(0,10,step=0.1)

plt.plot(x,np.sin(x), label="sin")
plt.plot(x,np.cos(x),'k', label="cos")

plt.legend(loc='best')
plt.show()

练习二：

现有某某水果店一周的苹果的销售记录数，店长想更加直观的观察比较这一周的销售情况。

每天销售重量情况：[78kg,80kg,79kg,81kg,91kg,95kg,96kg]

image 5.png

plt和ax

plt 和 ax 都是 Matplotlib 中常用的对象，用于创建和控制图形。它们之间有一些区别，下面我来简单介绍一下：

plt： plt 是 Matplotlib 中的顶层接口，通常用于快速绘制简单的图形。当你使用 plt 时，Matplotlib 会自动创建一个默认的图形对象，并在该对象上进行绘图。一般来说，如果你只需要绘制简单的图形，例如一条曲线或者一张散点图，可以直接使用 plt。
ax： ax 是 Matplotlib 中的 Axes 对象，用于控制图形中的坐标轴、图表样式、图例、注释等各种元素。通过创建 ax 对象，你可以对图形的各个方面进行更细粒度的控制，并实现更灵活、更复杂的图形绘制。一般来说，如果你需要绘制复杂的图形，例如多个子图、带有多个坐标轴的图形、自定义图形样式等，就应该使用 ax。

总的来说，plt 提供了简单快速的绘图方法，适用于简单的图形绘制；而 ax 提供了更灵活、更强大的绘图功能，适用于复杂的图形定制和绘制。在实际使用中，你可以根据需要选择合适的方法来创建和控制图形。

后续练习通过ax方式实现

image 6.png

import matplotlib.pyplot as plt
import numpy as np
plt.rcParams["font.family"]="SimHei"
plt.rcParams['axes.unicode_minus']=False
apple=[78,80,79,81,91,95,96]
x=np.arange(1,8)

fig=plt.figure(figsize=(6,4))
ax=fig.add_subplot()
ax.set_xlim(1,7.1)
ax.set_ylim(70,100)
ax.set_xlabel("星期")
ax.set_ylabel("销售量",fontsize=10)
ax.set_title("某某水果店一周水果销售量统计图")


ax.set_xticklabels(["星期一","星期二","星期三","星期四","星期五","星期六","星期日"],fontsize=10)

ax.set_yticks(np.arange(70,105,step=5))
ax.set_yticklabels([" ","75kg","80kg","85kg","90kg","95kg","100kg"],fontsize=12)

ax.plot(x,apple)
ax.legend(loc='best')
plt.show()

image 7.png

5. ax.plot(x,y,format_string) 坐标图

x: x轴数据，列表或数组，可选参数
y： y轴数据，必须有。
format_string：主要来控制我们画的曲线的格式：颜色，风格，标记，可取三者的组合如：“g-o”,"r-.D",如果不用组合，则用color,marker,linestyle,三个参数分别指定。
label： 添加图例的类标。

image 8.png image 9.png image 10.png

ax.plot(x,apple,'b-.*')

image 11.png

练习三

尝试在图上添加一条香蕉销售曲线

banana=[70,80,81,82,75,90,89]

要求黑实线实心圆标记

image 12.png

6.ax.text()

标签，参数讲解

x,y： 放置text的位置，横纵坐标。
s： str，text内容。
fontsize： 设置字体大小，默认12，
**fontweight：**设置字体粗细，可选参数 [‘light’, ‘normal’, ‘medium’, ‘semibold’, ‘bold’, ‘heavy’, ‘black’]
alpha： 透明度，参数值0至1之间。
rotation： (旋转角度)可选参数为:vertical,horizontal 也可以为数字。
**backgroundcolor：**背景颜色。
color： 字体颜色。

ax.text(7,97,"max:96",fontsize=14,color="g",alpha=1)
ax.text(6,86,"max:90",fontsize=12,alpha=1)

image 13.png

import matplotlib.pyplot as plt
import numpy as np
plt.rcParams["font.family"]="SimHei"

apple=[78,80,79,81,91,95,96]
banana=[70,80,81,82,75,90,89]
x=np.arange(1,8)

fig=plt.figure(figsize=(6,4))
ax=fig.add_subplot()
ax.set_xlim(1,7.1)
ax.set_ylim(70,100)
ax.set_xlabel("星期")#添加x轴坐标标签，后面看来没必要会删除它，这里只是为了演示一下。
ax.set_ylabel("销售量",fontsize=10)#添加y轴标签，设置字体大小为16，这里也可以设字体样式与颜色
ax.set_title("某某水果店一周水果销售量统计图")

ax.set_xticks(np.arange(1,8,step=1))
ax.set_xticklabels(["星期一","星期二","星期三","星期四","星期五","星期六","星期日"],fontsize=10)

ax.set_yticks(np.arange(70,105,step=5))
ax.set_yticklabels([" ","75kg","80kg","85kg","90kg","95kg","100kg"],fontsize=12)

ax.plot(x,apple,'b-.*',label="苹果")


ax.plot(x,banana,"k-o",label="香蕉")
ax.text(6.2,97,"max:96",fontsize=14,color="g",alpha=1)
ax.text(6,86,"max:90",fontsize=12,alpha=1)
ax.legend(loc='best')
plt.show()

7.ax.grid(True)

就是添加网格

ax.grid(True)

8.axhline

辅助线

# 添加水平辅助线
ax.axhline(y=80, color='r', linestyle='--', linewidth=1)
# 添加垂直辅助线
ax.axvline(x=4, color='g', linestyle='--', linewidth=1)

9.annotate

注释

for i in range(7):
    ax.annotate(str(apple[i]), (x[i], apple[i]), xytext=(0, -10), textcoords="offset points", ha="center", va="bottom", fontsize=10)
    ax.annotate(str(banana[i]), (x[i], banana[i]), xytext=(0, -10), textcoords="offset points", ha="center", va="bottom", fontsize=10)

具体解释如下：

ax.annotate(str(apple[i]), (x[i], apple[i])): 这部分代码创建了一个注释文本，其中 str(apple[i]) 将苹果销量的数值转换为字符串，(x[i], apple[i]) 指定了注释文本的位置，也就是对应数据点本身的位置。
xytext=(0, -10): 这部分代码设置了注释文本相对于数据点的位置偏移。(0, -10) 表示向下的偏移量为 10 个单位 (points)。
textcoords="offset points": 这部分代码指定了偏移量的单位是点 (points)。
ha="center": 这部分代码设置了注释文本的水平对齐方式为居中。
va="bottom": 这部分代码设置了注释文本的垂直对齐方式为底部。
fontsize=10: 这部分代码设置了注释文本的字体大小为 10。

作业：

回答：折线，柱状，饼图，直方图之间的区别，以及适用