Data-可视化-02 matplotlib基本操作

Data-可视化-02 matplotlib基本操作

The greatest value of a picture is when it forces us to notice what we never expected to see. -- John Turkey

1. 环境配置

  • 关于anaconda和python环境的配置以及jupyter notebook的使用请参考前文。
  • matplotlib库的配置,直接conda install -n data_env_37 matplotlib即可。
  • 打开jupyter-notebook导入库

    import numpy as np
    import matplotlib.pyplot as plt

2. 中文显示问题

  • 首先,我们需要解决的事关于中文显示的问题;
  • 先查看matplotlib所有包含的字体,找到其中的中文字体(如'Heiti TC');
  • 然后设置字体即可解决中文显示问题,如果字体库中没有中文字体,可以搜索相应教程(如参考一)。

    import matplotlib.font_manager
    
    # 显示全部字体
    a = sorted([f.name for f in matplotlib.font_manager.fontManager.ttflist])
    for i in a:
        print(i)
    
    # 设置,使中文能正常显示
    plt.rcParams['font.sans-serif'] = ['Heiti TC']  # 用来正常显示中文标签
    plt.rcParams['axes.unicode_minus'] = False  # 用来正常显示负号

3. 简单示例

  • 以下示例,包含了标题、坐标轴、注释、图例等的设置方法,以及保存图片的方法。

    # 绘制的图线
    x = np.arange(1,11)
    y = 2*x+5
    
    # 显示、设置网格
    #plt.grid()
    plt.grid(color='k', linewidth='1', linestyle='-.')
    
    # 标题、坐标轴文字
    plt.title("标题")
    plt.xlabel("x坐标轴")
    plt.ylabel("y坐标轴")
    
    # 坐标轴范围
    #plt.axis([0,8,0,30]) x从0到8,y从0到30
    plt.xlim(xmin=0, xmax=8)
    plt.ylim(ymin=0, ymax=30)
    
    # 坐标轴间隔
    #plt.locator_params(nbins=10)
    plt.locator_params('x', nbins=5)
    plt.locator_params('y', nbins=6)
    
    # 绘制图线并设置图线样式
    plt.plot(x,y,":b")
    plt.plot(x,np.sin(x)+4,"--c")
    plt.plot(x,x*x/3+2, color=(0.1,0.2,0.3), marker='>')
    plt.plot(np.cos(x)+4, color='#FF00FF', marker='s')
    
    # 文本和公式
    plt.text(5,20,"函数:y=2x+5")
    plt.text(7,8,r"$y=\sin(x)+4$")
    
    # 注释
    plt.annotate("注释", xy=(3,11),xytext=(2,14),arrowprops={'facecolor':'r','shrink':0.05,'headwidth':15})
    
    
    # 设置图例
    plt.legend(['函数1','函数2','函数3','函数4'])
    
    # 保存图片
    plt.savefig('02-01.png')
    plt.savefig('02-01.svg')
    
    # 展示图片
    plt.show()
  • 结果如下,

    02-01.png

4. 复杂一点的例子

  • 以下示例包含子图、填充颜色、双坐标等问题

    # 计算函数
    x = np.arange(0,  3  * np.pi,  0.1) 
    
    # 总标题
    plt.suptitle('复杂一些的图')
    
    # 调整子图参数
    # top、bottom、right、top表示整个图距离边框距离
    # wspace、hspace表示子图之间的间距
    plt.subplots_adjust(left=None, bottom=None, right=None, top=None, wspace=1, hspace=1)
    
    # 绘制第一个图像
    plt.subplot(2,  2,  1)
    plt.plot(x, np.sin(x), 'r')
    plt.plot(x, np.cos(x), 'b') 
    plt.title('正余弦')  
    
    # 绘制第二个图像
    plt.subplot(2,  2,  2) 
    plt.plot(x, np.sin(x), 'r')
    plt.twinx() #默认为0到1
    plt.plot(x, np.log(x+1), 'b')
    plt.title('双坐标')  
    
    # 绘制第三个图像
    plt.subplot(2,  2,  3)
    plt.plot(x, np.sin(x), 'r')
    plt.plot(x, np.cos(x), 'b')
    plt.fill(x, np.sin(x), 'r')
    plt.fill(x, np.cos(x), 'b')
    plt.title('正余弦填涂') 
    
    # 绘制第四个图像
    plt.subplot(2,  2,  4)
    plt.plot(x, np.sin(x), 'r')
    plt.plot(x, np.cos(x), 'b')
    plt.fill_between(x, np.sin(x), np.cos(x), where=np.sin(x)>np.cos(x), interpolate=True)
    plt.title('正余弦填涂交叉位置')   
    
    # 保存图片
    plt.savefig('02-02.png')
    
    # 展示图像
    plt.show()
  • 结果如下

    02-02.png

5. 转换样式

  • 以下示例表示了切换不同样式的方法
  • 查看全部样式 plt.style.available,可以看到有如下样式,

    02-03.png

  • 然后修改样式设置,如下

    plt.rcParams['font.sans-serif'] = ['Heiti TC']  # 用来正常显示中文标签
    plt.rcParams['axes.unicode_minus'] = False  # 用来正常显示负号
    
    plt.style.use('bmh') #使用不同风格
    
    # 计算函数
    x = np.arange(0,  3  * np.pi,  0.1) 
    
    # 总标题
    plt.suptitle('bmh风格')
    
    #######################
    #  这里和上一个例子相同  #
    #######################
    
    # 展示图像
    plt.show()
  • 几种风格示例如下,

    02-04.png

    02-05.png

    • 当我使用seaborn风格时,中文显示会出错,可能还需要再解决一下。

6. 线型、颜色和标记

【线型】

字符 线型 字符 线型
'-' 实线 '--' 短横线
'-.' 点划线 ':' 虚线

【颜色】

字符 颜色 字符 颜色
'b' 蓝色 'g' 绿色
'r' 红色 'c' 青色
'm' 品红 'y' 黄色
'k' 黑色 'w' 白色

【标记】

字符 标记 字符 标记
'.' 点标记 ',' 像素标记
'o' 圆形标记 'v' 倒三角标记
'^' 正三角标记 '<' 左三角标记
'>' 右三角标记 '1' 下箭头标记
'2' 上箭头标记 '3' 左箭头标记
'4' 右箭头标记 's' 正方形标记
'p' 五边形标记 '*' 星形标记
'h' 六边形标记1 'H' 六边形标记2
'+' 加号标记 'x' X标记
'D' 菱形标记 'd' 窄菱形标记
'|' 竖直线标记 '_' 水平线标记

参考资料

评论

暂无评论