Python数据可视化库-Matplotlib（二）

小咪咪 2021-11-26 11:14 430阅读 0赞

我们接着上次的继续讲解，先讲一个概念，叫子图的概念。

我们先看一下这段代码

import matplotlib.pyplot as plt
    fig = plt.figure()
    ax1 = fig.add_subplot(3,2,1)
    ax2 = fig.add_subplot(3,2,2)
    ax3 = fig.add_subplot(3,2,3)
    ax4 = fig.add_subplot(3,2,6)
    plt.show()

![1569266-20190514111314297-1189824916.png][]

我们看到plt.figure()这个方法，我们设置一个整体的图。然后我们在往这个图中增加我们需要的子图

fig.add\_subplot(3,2,1)意思是在figure中，添加一个3行2列的子图，其中，最后一个参数是子图的位置

我们在做一下变换，对比一下可以很清楚的看到，我们看看下面的代码

import matplotlib.pyplot as plt
    fig = plt.figure()
    ax1 = fig.add_subplot(4,4,1)
    ax2 = fig.add_subplot(4,4,2)
    ax3 = fig.add_subplot(4,4,3)
    ax4 = fig.add_subplot(4,4,4)
    ax5 = fig.add_subplot(4,4,6)
    ax6 = fig.add_subplot(4,4,7)
    ax6 = fig.add_subplot(4,4,16)
    plt.show()

可以得到如下的一个子图

![1569266-20190514111933219-1065928357.png][]

import numpy as np
    fig = plt.figure(figsize=(6,6))
    ax1 = fig.add_subplot(2,1,1)
    ax2 = fig.add_subplot(2,1,2)
    ax1.plot(np.random.randint(1,5,5),np.arange(5))
    ax2.plot(np.arange(10)*3,np.arange(10))
    plt.show()

![1569266-20190514112952491-1138571964.png][]

我们可以看到，我们设置figsize=(6,6)我们可以图的大小。设置两个图

我们在画图的时候，可以直接通过ax1.plot，ax2.plot进行随机数据配置

unrate['MONTH'] = unrate['DATE'].dt.month
    unrate['MONTH'] = unrate['DATE'].dt.month
    fig = plt.figure(figsize=(6,3))
    
    plt.plot(unrate[0:12]['MONTH'],unrate[0:12]['VALUE'],c ='red')
    plt.plot(unrate[12:24]['MONTH'],unrate[12:24]['VALUE'],c ='blue')
    plt.show()

可以看到我们可以设置折线图的不同的颜色。

![1569266-20190514115509435-557913147.png][]

下面我们看看这个例子

![1569266-20190514144538752-1594317257.png][]

我们把数据通过不同的颜色的线条画出来了，但是不知道每条线代表的是什么意思。下面我们给折线图加上一个图例：

fig = plt.figure(figsize=(10,6))
    colors = ['red', 'blue', 'green', 'orange', 'black']
    for i in range(5):
        start_index = i*12
        end_index = (i+1)*12
        subset = unrate[start_index:end_index]
        label = str(1948 + i)
        plt.plot(subset['MONTH'], subset['VALUE'], c=colors[i], label=label)
    plt.legend(loc='best')
    plt.show()

![1569266-20190514145058475-1668325563.png][]

我们通过label=label 设置好一个label为图例，然后进行设置，默认为plt.legend(loc='best')图例显示在右边

我们做下点单的修改，让整个折线图完整标准的显示

我们增加了整个折线图的XY轴表示，图例位置调整为左边。添加了折线图的标题。

![1569266-20190514145749260-2060103072.png][]

今天讲解就先到这里，我们可以看到，通过Matplotlib库，可以很轻松的画出我们想要的图。

感谢各位的阅读，谢谢~~

转载于:https://www.cnblogs.com/ws17345067708/p/10861066.html

[1569266-20190514111314297-1189824916.png]: /images/20211126/3d7ffc48b6f244f5a4ffe2720eb7d7ce.png
[1569266-20190514111933219-1065928357.png]: /images/20211126/206e40fd8fb14cc9af8621dbbc8b4970.png
[1569266-20190514112952491-1138571964.png]: /images/20211126/89c4a4216e6942a08a0635cb6027bd13.png
[1569266-20190514115509435-557913147.png]: /images/20211126/7e73fb21ba364900988773dc7d297455.png
[1569266-20190514144538752-1594317257.png]: /images/20211126/4e73395f94024fbe881f685e342f25cb.png
[1569266-20190514145058475-1668325563.png]: /images/20211126/823ae4bcc2ac494384179bc8a281d5b1.png
[1569266-20190514145749260-2060103072.png]: /images/20211126/13bfc9f9fa3943eebd0b3e4c7e80572e.png