Python Matplotlib數據可視化模塊使用詳解
本文主要介紹python 數據可視化模塊 Matplotlib，並試圖對其進行一個詳盡的介紹。
通過閱讀本文，你可以：
- 瞭解什麼是 Matplotlib
- 掌握如何用 Matplotlib 繪制各種圖形（柱狀圖、餅狀圖、直方圖等）
- 掌握如何定制圖形的顏色和樣式
- 掌握如何用 Matplotlib 繪制三維圖
前言
為瞭將數據變成所有人都喜歡的圖形，就需要使用本文要介紹的數據可視化庫Matplotlib。當然，還有很多類似的程序庫。但 Matplotlib 的功能更強大，而且可以很容易與Numpy、Pandas 等程序庫結合在一起使用。
Matplotlib 是一個 Python 的 2D 繪圖庫。通過 Matplotlib，開發者可以僅需要幾行代碼，便可以生成繪圖，直方圖，功率譜，條形圖，錯誤圖，散點圖等。學習 Matplotlib，可讓數據可視化，更直觀的真實給用戶。使數據更加客觀、更具有說服力。 Matplotlib 是 Python的庫，又是開發中常用的庫。
1 matplotlib 開發環境搭建
如果使用的是 Anaconda Python 開 發 環 境 ， 那 麼Matplotlib 已 經 被 集 成 進Anaconda，並不需要單獨安裝。
如果使用的是標準的Python 開發環境，可以使用下面的命令安裝 Matplotlib，語法格式如下：
pip install matplotlib
如果要瞭解 Matplotlib 更詳細的情況，請訪問官方網站。網址如下：https://matplotlib.org。
安裝完 Matplotlib 後，可以測試一下 Matplotlib 是否安裝成功。進入 Python 的環境使用下面的語句導入 matplotlib.pyplot 模塊。如果不出錯，就說明 Matplotlib 已經安裝成功瞭。
import matplotlib.pyplot as plt
2 繪制基礎
在使用 Matplotlib 繪制圖形時，其中有兩個最為常用的場景。一個是畫點，一個是畫線。
pyplot 基本方法的使用如下。
2.1 繪制直線
在使用 Matplotlib 繪制線性圖時，其中最簡單的是繪制線圖。在下面的實例代碼中，使用 Matplotlib 繪制瞭一個簡單的直線。具體實現過程如下：
- 導入模塊 pyplot，並給它指定別名 plt，以免反復輸入 pyplot。在模塊 pyplot中包含很多用於生產圖表的函數。
- 將繪制的直線坐標傳遞給函數 plot()。
- 通過函數 plt.show()打開 Matplotlib 查看器，顯示繪制的圖形。
【示例 1】使用 matplotlib 根據兩點繪制一條線
import matplotlib.pyplot as plt #將(0,1)點和(2,4)連起來 plt.plot([0,2],[1,4]) plt.show()
2.2 繪制折線
在上述的實例代碼中，使用兩個坐標繪制一條直線，接下來使用平方數序列 1、4、9、16 和 25 來繪制一個折線圖。
【示例 2】使用 matplotlib 繪制折線圖
import matplotlib.pyplot as plt x=[1,2,3,4,5] squares=[1,4,9,16,25] plt.plot(x,squares) plt.show()
2.3 設置標簽文字和線條粗細
在上面的實例直線結果不夠完美，開發者可以繪制的線條樣式進行靈活設置。例如：可以設置線條的粗細、設置文字等。
【示例 3】使用 matplotlib 繪制折線圖並設置樣
import matplotlib.pyplot as plt
datas=[1,2,3,4,5]
squares=[1,4,9,16,25]
plt.plot(datas,squares,linewidth=5)
#設置線條寬度#設置圖標標題，並在坐標軸上添加標簽plt.title('Numbers',fontsize=24)
plt.xlabel('datas',fontsize=14)
plt.ylabel('squares',fontsize=14)
plt.show()
Matplotlib 默認情況不支持中文，可以使用以下簡單的方法來解決：
plt.rcParams['font.sans-serif']=['SimHei'] #用來正常顯示中文標簽
【示例 4】解決標簽、標題中的中文問題
import matplotlib.pyplot as plt
datas=[1,2,3,4,5]
squares=[1,4,9,16,25]
plt.plot(datas,squares,linewidth=5)
#設置線條寬度#設置中文亂碼問題
plt.rcParams['font.sans-serif'] = ['SimHei']
#設置圖標標題，並在坐標軸上添加標簽
plt.title('標題設置',fontsize=24)
plt.xlabel('x 軸',fontsize=14)
plt.ylabel('y 軸',fontsize=14)
plt.show()
2.4 繪制一元二次方程的曲線 y=x^2
Matplotlib 有很多函數用於繪制各種圖形，其中 plot 函數用於曲線，需要將 200 個點的x 坐標和 Y 坐標分別以序列的形式傳入 plot 函數，然後調用 show 函數顯示繪制的圖形。一元二次方程的曲線。
【示例 5】使用 matplotlib 繪制一元二次方程曲線
import matplotlib.pyplot as plt
#200 個點的 x 坐標
x=range(-100,100)
#生成 y 點的坐標
y=[i**2 for i in x ]
#繪制一元二次曲線
plt.plot(x,y)
#調用 savefig 將一元二次曲線保存為 result.jpg
#plt.savefig('result.jpg') #如果直接寫成 plt.savefig('cos') 會生成 cos.png
plt.show()
2.5 繪制正弦曲線和餘弦曲線
使用 plt 函數繪制任何曲線的第一步都是生成若幹個坐標點（x,y），理論上坐標點是越多越好。本例取 0 到 10 之間 100 個等差數作為 x 的坐標，然後將這 100 個 x 坐標值一起傳入 Numpy 的 sin 和 cos 函數，就會得到 100 個 y 坐標值，最後就可以使用 plot 函數繪制正弦曲線和餘弦曲線。
【示例 6】使用 matplotlib 繪制正弦曲線和餘弦曲線
import matplotlib.pyplot as plt import numpy as np #生成 x 的坐標（0-10 的 100 個等差數列） x=np.linspace(0,10,100) sin_y=np.sin(x) #繪制正弦曲線 plt.plot(x,sin_y) #繪制餘弦曲線 cos_y=np.cos(x) plt.plot(x,cos_y) plt.show()
上面的示例可以看到，調用兩次 plot 函數，會將 sin 和 cos 曲線繪制到同一個二維坐標系中，如果想繪制到兩張畫佈中，可以調用 subplot()函數將畫佈分區。
import matplotlib.pyplot as plt import numpy as np #將畫佈分為區域，將圖畫到畫佈的指定區域 x=np.linspace(1,10,100) #將畫佈分為 2 行 2 列，將圖畫到畫佈的 1 區域 plt.subplot(2,2,1) plt.plot(x,np.sin(x)) plt.subplot(2,2,3) plt.plot(x,np.cos(x)) plt.show()
3 繪制散點圖
使用 scatter 函數可以繪制隨機點，該函數需要接收 x坐標和 y 坐標的序列。
【示例 8】使用 matplotlib 繪制 sin()函數的散點圖
import matplotlib.pyplot as plt import numpy as np #畫散點圖 x=np.linspace(0,10,100) #生成 0 到 10 中 100 個等差數 plt.scatter(x,np.sin(x)) plt.show()
【示例 9】繪制 10 種大小 100 種顏色的散點圖
import matplotlib.pyplot as plt import numpy as np # 畫 10 種大小， 100 種顏色的散點圖 np.random.seed(0) x=np.random.rand(100) y=np.random.rand(100) colors=np.random.rand(100) size=np.random.rand(100)*1000 plt.scatter(x,y,c=colors,s=size,alpha=0.7) plt.show()
作為線性圖的替代，可以通過向 plot() 函數添加格式字符串來顯示離散值。 可以使用如表 2-2 格式化字符。
顏色的縮寫如下：
【示例 10】繪制不同種類不同顏色的線
import matplotlib.pyplot as plt import numpy as np #不同種類不同顏色的線 x=np.linspace(0,10,100) plt.plot(x,x+0,'-g') #實線 綠色 plt.plot(x,x+1,'--c') #虛線 淺藍色 plt.plot(x,x+2,'-.k') #點劃線 黑色 plt.plot(x,x+3,'-r') #實線 紅色 plt.plot(x,x+4,'o') #點 默認是藍色 plt.plot(x,x+5,'x') #叉叉 默認是藍色 plt.plot(x,x+6,'d') #磚石 紅色 plt.show()
【示例 11】添加圖例
#不同種類不同顏色的線並添加圖例 x=np.linspace(0,10,100) plt.plot(x,x+0,'-g',label='-g') #實線 綠色 plt.plot(x,x+1,'--c',label='--c') #虛線 淺藍色 plt.plot(x,x+2,'-.k',label='-.k') #點劃線 黑色 plt.plot(x,x+3,'-r',label='-r') #實線 紅色 plt.plot(x,x+4,'o',label='o') #點 默認是藍色 plt.plot(x,x+5,'x',label='x') #叉叉 默認是藍色 plt.plot(x,x+6,'dr',label='dr') #磚石 紅色 #添加圖例右下角 lower right 左上角 upper left 邊框 透明度 陰影 邊框寬度 plt.legend(loc='lower right',fancybox=True,framealpha=1,shadow=True,borderpad=1) plt.show()
4 繪制柱狀圖
使用 bar 函數可以繪制柱狀圖。柱狀圖需要水平的x 坐標值，以及每一個 x 坐標值對應的 y 坐標值，從而形成柱狀的圖。柱狀圖主要用來縱向對比和橫向對比的。例如，根據年份對銷售收據進行縱向對比，x 坐標值就表示年份，y 坐標值表示銷售數據。
【示例 12】使用 bar()繪制柱狀圖，並設置柱的寬度
import matplotlib.pyplot as plt
import numpy as np
x=[1980,1985,1990,1995]
x_labels=['1980 年','1985 年','1990 年','1995 年']
y=[1000,3000,4000,5000]
plt.bar(x,y,width=3)
plt.rcParams['font.sans-serif']=['SimHei'] #用來正常顯示中文標簽
plt.xticks(x,x_labels)
plt.xlabel('年份')
plt.ylabel('銷量')
plt.title('根據年份銷量對比圖')
plt.show()
需要註意的是 bar 函數的寬度並不是像素寬度。bar 函數會根據二維坐標系的尺寸，以及 x 坐標值的多少，自動確定每一個柱的寬度，而 width 指定的寬度就是這個標準柱寬度的倍數。該參數值可以是浮點數，如 0.5，表示柱的寬度是標準寬度的 0.5 倍。
【示例 13】使用 bar()和 barh()函數繪制柱狀圖
import matplotlib.pyplot as plt import numpy as np np.random.seed(0) x=np.arange(5) y=np.random.randint(-5,5,5) print(x,y) # 將畫佈分隔成一行兩列 plt.subplot(1,2,1) #在第一列中畫圖 v_bar=plt.bar(x,y) #在第一列的畫佈中 0 位置畫一條藍線 plt.axhline(0,color='blue',linewidth=2) plt.subplot(1,2,2) #barh 將 y 和 x 軸對換 豎著方向為 x 軸 h_bar=plt.barh(x,y,color='red') #在第二列的畫佈中 0 位置處畫藍色的線 plt.axvline(0,color='red',linewidth=2) plt.show()
【示例 14】對柱狀圖的部分柱狀設置顏色
import matplotlib.pyplot as plt
import numpy as np
np.random.seed(0)
x=np.arange(5)
y=np.random.randint(-5,5,5)
v_bar=plt.bar(x,y,color='lightblue')
for bar,height in zip(v_bar,y):
if height<0:
bar.set(edgecolor='darkred',color='lightgreen',linewidth=3)
plt.show()
【示例 15】使用 bar()繪制三天中三部電影的票房變化
import matplotlib.pyplot as plt
import numpy as np
#三天中三部電影的票房變化
real_names=['千與千尋','玩具總動員 4','黑衣人：全球追緝']
real_num1=[5453,7548,6543]
real_num2=[1840,4013,3421]
real_num3=[1080,1673,2342]
#生成 x 第 1 天 第 2 天 第 3 天
x=np.arange(len(real_names))
x_label=['第{}天'.format(i+1) for i in range(len(real_names))]
#繪制柱狀圖#設置柱的寬度
width=0.3
plt.bar(x,real_num1,color='g',width=width,label=real_names[0])
plt.bar([i+width for i in x],real_num2,color='b',width=width,label=real_names[1])
plt.bar([i+2*width for i in x],real_num3,color='r',width=width,label=real_names[2])
plt.rcParams['font.sans-serif']=['SimHei'] #用來正常顯示中文標簽
#修改 x 坐標
plt.xticks([i+width for i in x],x_label)
#添加圖例plt.legend() #添加標題
plt.title('3 天的票房數')
plt.show()
5 繪制餅狀圖
pie 函數可以繪制餅狀圖，餅圖主要是用來呈現比例的。隻要傳入比例數據即可。
【示例 16】繪制餅狀圖
#導入模塊
import matplotlib.pyplot as plt
import numpy as np
#準備男、女的人數及比例
man=71351
woman=68187
man_perc=man/(woman+man)
woman_perc=woman/(woman+man) #添加名稱
labels=['男','女'] #添加顏色
colors=['blue','red'] #繪制餅狀圖 pie
plt.rcParams['font.sans-serif']=['SimHei'] #用來正常顯示中文標簽
# labels 名稱 colors：顏色，explode=分裂 autopct 顯示百分比
paches,texts,autotexts=plt.pie([man_perc,woman_perc],labels=labels,colors=colors,explode=(0,0.05),autopct='%0.1f%%')
#設置餅狀圖中的字體顏色
for text in autotexts:
text.set_color('white')
#設置字體大小
for text in texts+autotexts:
text.set_fontsize(20)
plt.show()
6 繪制直方圖
直方圖與柱狀圖的分格類似，都是由若幹個柱組成，但直方圖和柱狀圖的含義卻有很大的差異。直方圖
是用來觀察分佈狀態的，而柱狀圖是用來看每一個 X 坐標對應的 Y 的值的。也就是說，直方圖關註的是分佈，並不關心具體的某個值，而柱狀圖關心的是具體的某個值。使用 hist函數繪制直方圖。
【示例 17】繪制直方圖
import numpy as np import matplotlib.pyplot as plt #頻次直方圖，均勻分佈 #正太分佈 x=np.random.randn(1000) #畫正太分佈圖 # plt.hist(x) plt.hist(x,bins=100) #裝箱的操作，將 10 個柱裝到一起及修改柱的寬度 plt.show()
【示例 18】同一畫佈繪制三個直方圖
import numpy as np import matplotlib.pyplot as plt #幾個直方圖畫到一個畫佈中,第一個參數期望 第二個均值 x1=np.random.normal(0,0.8,1000) x2=np.random.normal(-2,1,1000) x3=np.random.normal(3,2,1000) #參數分別是 bins：裝箱，alpha：透明度 kwargs=dict(bins=100,alpha=0.4) plt.hist(x1,**kwargs) plt.hist(x2,**kwargs) plt.hist(x3,**kwargs) plt.show()
7 繪制等高線圖
【 示例 19 】使用matplotlib 繪制等高線圖
#導入模塊 import matplotlib.pyplot as plt import numpy as np x=np.linspace(-10,10,100) y=np.linspace(-10,10,100) #計算 x 和 y 的相交點 a X,Y=np.meshgrid(x,y) # 計算 Z 的坐標 Z=np.sqrt(X**2+Y**2) plt.contourf(X,Y,Z) plt.contour(X,Y,Z) # 顏色越深表示值越小，中間的黑色表示 z=0. plt.show()
8 繪制三維圖
使用 pyplot 包和 Matplotlib 繪制三維圖。
【示例 20】使用 Matplotlib 繪制三維圖
import matplotlib.pyplot as plt #導入 3D 包 from mpl_toolkits.mplot3d import Axes3D #創建 X、Y、Z 坐標 X=[1,1,2,2] Y=[3,4,4,3] Z=[1,100,1,1] fig = plt.figure() # 創建瞭一個 Axes3D 的子圖放到 figure 畫佈裡面 ax = Axes3D(fig) ax.plot_trisurf(X, Y, Z) plt.show()
總結
以上就是我對數據可視化模塊 Matplotlib知識點的詳細介紹。
到此這篇關於Python Matplotlib數據可視化模塊使用詳解的文章就介紹到這瞭,更多相關Python Matplotlib內容請搜索WalkonNet以前的文章或繼續瀏覽下面的相關文章希望大傢以後多多支持WalkonNet！
推薦閱讀：
- python使用Matplotlib繪制多種常見圖形
- Python Matplotlib繪圖基礎詳細教程
- 利用python繪制線型圖
- Python數據分析之Matplotlib數據可視化
- python數據可視化之matplotlib.pyplot基礎以及折線圖