Matplotlib
- [1 什么是Matplotlib](#1 什么是Matplotlib)
- [2 为什么要学习Matplotlib](#2 为什么要学习Matplotlib)
- [3 实现一个简单的Matplotlib画图](#3 实现一个简单的Matplotlib画图)
-
- [3.1 matplotlib.pyplot模块](#3.1 matplotlib.pyplot模块)
- [3.2 图形绘制的流程](#3.2 图形绘制的流程)
- [3.3 示例](#3.3 示例)
- [4 认识Matplotlib图像结构(了解)](#4 认识Matplotlib图像结构(了解))
- [5 折线图(plot)与基础绘图功能](#5 折线图(plot)与基础绘图功能)
-
- [5.1 图像保存](#5.1 图像保存)
- [5.2 案例:显示温度变化](#5.2 案例:显示温度变化)
-
- [5.2.1 准备数据并画出初试折线图](#5.2.1 准备数据并画出初试折线图)
- [5.2.2 添加自定义x,y刻度](#5.2.2 添加自定义x,y刻度)
- [5.2.3 添加网格信息](#5.2.3 添加网格信息)
- [5.2.4 添加描述信息](#5.2.4 添加描述信息)
- [5.2.5 多条折线绘制](#5.2.5 多条折线绘制)
- [5.2.6 显示图例](#5.2.6 显示图例)
- [5.3 最终效果](#5.3 最终效果)
1 什么是Matplotlib
- 专门用于开发2D图表(包括3D图表)的工具
- 以渐进、交互式方式实现数据可视化
2 为什么要学习Matplotlib
可视化是在整个数据挖掘的关键辅助工具,可以清晰的理解数据,从而调整我们的分析方法。
- 能将数据进行可视化,更直观的呈现
- 使数据更加客观、更具说服力
3 实现一个简单的Matplotlib画图
3.1 matplotlib.pyplot模块
matplotlib.pytplot包含了一系列类似于matlab的画图函数。
python
import matplotlib.pyplot as plt
3.2 图形绘制的流程
-
创建画布 --plt.figure()
plt.figure(figsize=(),dpi=())
figsize:指定图的长宽 dpi:图像的清晰度 返回fig对象
-
绘制图像 --plt.plot(x,y)
以折线图为例:
x表示横坐标 y表示纵坐标
-
显示图像 --plt.show()
3.3 示例
显示某城市一周天气
python
import matplotlib.pyplot as plt
# 1.创建画布
plt.figure(figsize=(5, 5), dpi=100)
# 2.绘制折线图
plt.plot([1, 2, 3, 4, 5, 6 ,7], [17,17,18,15,11,11,13])
# 3.显示图像
plt.show()
4 认识Matplotlib图像结构(了解)
5 折线图(plot)与基础绘图功能
5.1 图像保存
- plt.savefig("路径")
注意
:图像保存一定要位于图像显示之前。
5.2 案例:显示温度变化
为了更好地理解所有基础绘图功能,我们通过天气温度变化的绘图来融合所有的基础API使用。
需求:画出某城市11点到12点1小时内每分钟的温度变化折线图,温度范围在15度~18度。
5.2.1 准备数据并画出初试折线图
python
import matplotlib.pyplot as plt
import random
# 画出温度变化图
# 0.准备x, y坐标的数据
x = range(60)
y_wuhan = [random.uniform(15, 18) for i in x]
# 1.创建画布
plt.figure(figsize=(12, 4), dpi=80)
# 2.绘制折线图
plt.plot(x, y_wuhan)
# 3.显示图像
plt.show()
5.2.2 添加自定义x,y刻度
-
plt.xticks(ticks=None, labels=None, **kwargs)
-
plt.yticks(ticks=None, labels=None, **kwargs)
-
ticks:x/y轴刻度位置的列表,若传入空列表,即不显示x/y轴
-
labels:放在指定刻度位置的标签文本。当ticks参数有输入值,该参数才能传入参数
-
**kwargs:文本属性用来控制标签文本的展示,例如字体大小、字体样式等
-
注意
:第一个参数必须是数字,否则需要进行值的替换
python
# 增加以下两行代码
# 构造x轴刻度标签
x_ticks_label = ["11点{}分".format(i) for i in x]
# 构造y轴刻度
y_ticks = range(40)
# 修改x,y轴坐标的刻度显示
plt.xticks(x[::5], x_ticks_label[::5])
plt.yticks(y_ticks[::5])
5.2.3 添加网格信息
为了更加清楚的观察对应图形的值,我们可能需要用网格来帮助我们显示。
- plt.grid( b , axis , color , linestyle , linewidth , alpha )
- b:布尔值,是否显示网格。
- axis:取值为"both"、"x"、"y",表示想绘制哪个方向的网格线
- color:设置网格线的颜色
- linestyle:设置网格线的风格,包括: '-' 、 '--'、'-.'、':' 、'None'、' '
- linewidth:设置网格线的宽度
- alpha:设置网格线透明度
python
plt.grid(True,linestyle='--',alpha=0.5)
5.2.4 添加描述信息
添加x轴、y轴描述信息及标题
通过fontsize参数可以修改图像中字体的大小
python
plt.xlabel("时间")
plt.ylabel("温度")
plt.title("中午11点0分到12点之间的温度变化图示", fontsize=20)
5.2.5 多条折线绘制
需求:增加一个城市的温度变化信息
python
# 增加北京的温度数据
y_beijing = [random.uniform(1, 3) for i in x]
# 使用多次plot可以画多个折线
plt.plot(x, y_beijing, color='r', linestyle='--')
# 显示图例
plt.legend()
5.2.6 显示图例
python
# 绘制折线图
plt.plot(x, y_wuhan, label="武汉")
# 使用多次plot可以画多个折线
plt.plot(x, y_beijing, color='r', linestyle='--', label="北京")
# 显示图例
plt.legend()