IPython绘图和可视化---matplotlib 入门

拼搏现实的明天。 2022-05-16 07:16 298阅读 0赞

最近总是需要用matplotlib绘制一些图，由于是新手，所以总是需要去翻书来找怎么用，即使刚用过的，也总是忘。所以，想写一个入门的教程，一方面帮助我自己熟悉这些函数，另一方面有比我还小白的新手可以借鉴，大神就绕路吧。这篇文章是根据《利用Python进行数据分析》总结出来的，不是很全面，但是作为入门，足够了。

首先，需要能启动IPython 交互界面吧，这个如果还没有启动的话，就自行百度吧。

如果安装了Anaconda,那么以这种方式启动IPython吧。

![853854-20160922124553356-518686822.png][]

这样会将IPython配置为使用你所指定的matplotlib GUI 后端（Tk,wxPython,PyQt,Mac OS X native,GTK)。【虽然不知道这些都是些什么，不过打开pylab就够用了】

matplotlib 不是太长了吗，我们通常引入这样的约定：

import matplotlib.pyplot as plt

就是个缩写嘛，大多数高端人员也遵循这个约定，咱就服从吧。

首先，我们来绘制一个figure对象。

![853854-20160922125327168-55124486.png][]

立马就会生成一个这样的窗口：

![853854-20160922125355387-932857319.png][]

好，这是第一步。

但是不能通过空figure绘图。必须使用add\_subplot()创建一个或多个subplot才行。

![853854-20160922130044199-1768900731.png][]

看以上三行代码，figure变成了这样：

![853854-20160922130110152-395171014.png][]

这三行代码的意思是：图像是2X2的，且当前选中是4个中的第n个。（222）就是2X2 中的第二2，（2,2,3）就是2X2中的第三个。可分割也可不分割，当超过10的话需要分割了吧。

好，第二步也成功做完了。接下来，发出一条绘图命令。如plt.plot(\[1.5, 2, 4, -2, 1.6\])   \#绘制几个点连接

我们来试一下。

![853854-20160922130539668-1994792287.png][]

![853854-20160922130548402-837708128.png][]

恩，此时matplotlib就会在最后一个用过的subplot（如果没有则创建一个）上面进行绘制。

这几步完成的还不错吧，那下面我们再进一步探索。

\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*分割线\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*

我们运行一下这两行代码：

from numpy.random import randn \#导入随机模块  
plt.plot(randn(50).cumsum(), 'k--')

![853854-20160922131026699-937481027.png][]

![853854-20160922131033996-1184390500.png][]

其实就是在0到50随机生成一个数组，然后绘制在最后一个用过的subplot里面，注意是线段类型，虚线。

那如何绘制图像在其他的subplot里面呢？下面就演示如何做。

ax1.hist(randn(100), bins  = 20, color = 'k', alpha = 0.3)

![853854-20160922132356231-1749364060.png][]![853854-20160922132402621-577323662.png][]

ax2.scatter(np.arange(30), np.arange(30)  + 3 \* randn(30))

![853854-20160922132709418-1437886685.png][]

![853854-20160922132754199-1160989462.png][]

至此，应该能非常熟练的在figure对象中绘图了吧。

还可以在matplotlib的文档中找到各种图表类型。

\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*分割线\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*

由于根据特定布局创建Figure和subplot是一件很常见的任务，于是便出现了一个更为方便的方法。

fig, axes = plt.subplots(2, 3)

![853854-20160922133125715-1712990904.png][]

![853854-20160922133134199-251526351.png][]

这样，一步就完成上节两步完成的工作。

\-----------------------------------------------------------------------

pyplot.subplots有几个选项

nrows：subplot的行数

ncols：subplot的列数

sharex：所有subplot共享x轴刻度

sharey：所有subplot共享Y轴刻度

subplot\_kw：用于创建各subplot的关键字字典

\*\*fig\_kw:创建figure时的其他关键字，如plt.subplots(2,2,figuresize=(8,6))

\-------------------------------------------------------------------------

![853854-20160922134550262-333186656.png][]

![853854-20160922134558402-1753692493.png][]

加了参数，共享x轴y轴。

我们再试着调整一下subplot周围的边距。

Figure有一个顶级函数subplot\_adjust。

subplots\_adjust（left = None, bottom = None, right  = None, top = None, wsapce = None, hspace = None ）

wspace 和 hspace是控制宽度和高度的百分比。下面将间距收缩到了0.

![853854-20160922135118324-1930447207.png][]

又是新知识吧。接下来，学习颜色和线型。

\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*分割线\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*

新建一个fig

fig = plt.plot()

![853854-20160922141646027-740925717.png][]

![853854-20160922141653106-797424241.png][]

再新建一个fig

data = randn(30).cumsum()

plt.plot(data, 'k--', label = 'Default')

plt.plot(data, 'k-', drawstyle = 'steps-post', label = 'steps-post')

plt.legend(loc='best')　　\#在合适的位置放置图例。

![853854-20160922142617777-266007063.png][]

![853854-20160922142629949-1788134700.png][]

设置标题，轴标签，刻度以及刻度标签。

fig = plt.figure()

ax = fig.add\_subplot(111)

ax.plot(randn(1000).cumsum())

![853854-20160922143040856-357995086.png][]

![853854-20160922143046746-507905842.png][]

随机漫步。我们来给上图添加标签。

ticks = ax.set\_xtickets(\[0, 250, 500, 750, 1000\])

![853854-20160922143354793-2028066885.png][]

![853854-20160922143400621-1802493626.png][]

可以看出，x标签变成我们制定的标签。y轴标签可想而知了。

再来设置title

ax.set\_title('My First matplotlib plot')

![853854-20160922143815887-660340434.png][]

再用set\_xlabel为X轴设置一个名称。

ax.set\_xlabel('Stages')

![853854-20160922144132309-1267570214.png][]

Y轴的跟X轴几乎是一样的。再小白也能看懂吧。

添加图例（legend）：

![853854-20160922145021137-608135048.png][]

![853854-20160922145027996-444809553.png][]

![853854-20160922145041652-1792994805.png][]

上面两张图是一样的，后面只是上面图放大了，注意图例的位置。

ax.legend(loc = 'best')  \#会选择一个最不碍事的位置。

要从图例中去除一个或多个元素，不传入label或传入lable = '\_nolegend\_'

![853854-20160922150643074-1540966074.png][]

还有一些这样的选项。

\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*分割线\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*

又上一层楼。 嘻嘻。

好了，一口气写这么些，后面的再慢慢更新吧。

今天接着入门，白小白可以看，大神绕路。

今天以画图开始。

画个长方形，三角形，圆形（椭圆）。

Matplotlib有一些表示常见图形的对象，这些对象被称为块（patch）。完整的集合位于matplotlib.patches。

fig = plt.figure()

ax = fig.add\_subplot(111)

rect = plt.Rectangle((0.2,0.75), 0.4, 0.15, color = ‘r’, alpha = 0.3)\#左下起点，长，宽，颜色，α

circ = plt.Circle((0.7,0.2), 0.15, color = ‘b’, alpha = 0.5)\#圆心，半径，颜色，α

pgon = plt.Polygon(\[\[0.15, 0.15\], \[0.35, 0.4\], \[0.2, 0.6\]\], color = ‘g’, alpha = 0.5 )\#顶点坐标颜色α

α表示的是图表的填充不透明度。在（0,1）之间。

ax.add\_patch(rect)

ax.add\_patch(circ)

ax.add\_patch(pgon)

![853854-20160927101408688-103727523.png][]

补充一个：如何在图上指定位置添加文本、箭头，或其他图形呢？

答：可以通过text、arrow、annotate等函数进行添加。下面看一个添加文本的例子。

ax.text(0.7, 0.6, ‘Hello World!’, family = ‘monospace’, fontsize = 10)

![853854-20160927101424985-523686570.png][]

可以看到图片里面指定位置有我们添加的文字信息。

那生成了图表文件怎么保存呢？

利用plt.savefig可以将当前图表保存到文件。

Plt.savefig(‘figpath.svg’, dpi = 400, bbox\_inches = ‘tight’ )

\#文件类型是通过文件扩展名推断出来的，可以保存为.pdf.

Dpi是 ‘每英寸点数’分辨率，bbox\_inches可以剪除当前图表周围的空白部分

![853854-20160927101443172-108179876.png][]

保存到了一个.pdf的文件中。

Figure.savefig有一下选项：

Fname： 含有路径的字符串或python文件型对象。.pdf,.png根据扩展名推断得出。

dpi: 图像分辨率（每英寸点数），默认为100

facecolor，edgecolor： 图像的背景色，默认为‘w’（白色）

format： 显式设置文件格式（‘png’，‘pdf’，‘svg’，‘ps’，‘eps’…）

bbox\_inches：图表需要保存的部分。如果设置为‘tight’，则尝试剪除图表周围的空白部分。

\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*分割线\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*

Matplotlib实际上是一种比较低级的绘图工具。要组装一章图表，你得用它的各种基础组件才行。下面介绍一下pandas中的绘图函数。简单入门级别的集中。

\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*分割线\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*\*

线型图：

Series和DataFrame都有一个用于生成各类图表的plot方法。默认情况下，他们所生成的是线型图。

s = Series(na.random.randn(10).cumsum(), index = np.arange(0,100,10))

s.plot()

[853854-20160922124553356-518686822.png]: /images/20220516/366528fd016047fea4d8f23e575d6200.png
[853854-20160922125327168-55124486.png]: /images/20220516/f78ac164c6d442619df590e5c002c59f.png
[853854-20160922125355387-932857319.png]: /images/20220516/f322c2e6d2d5437fb28b51c08649c040.png
[853854-20160922130044199-1768900731.png]: /images/20220516/c2ff1155c4424dbea558b84e09731cd0.png
[853854-20160922130110152-395171014.png]: /images/20220516/61bdf00a94534d22bb54a7290ca2ee98.png
[853854-20160922130539668-1994792287.png]: /images/20220516/9c4f12e652a746219be897a170bf54bf.png
[853854-20160922130548402-837708128.png]: /images/20220516/255421dee3b549b98ad2021c8ce5190c.png
[853854-20160922131026699-937481027.png]: /images/20220516/e2450b7fd45b470b8acefcfce0747be3.png
[853854-20160922131033996-1184390500.png]: /images/20220516/5f1f8902336b42d99bc7cbc4182ae32d.png
[853854-20160922132356231-1749364060.png]: https://images2015.cnblogs.com/blog/853854/201609/853854-20160922132356231-1749364060.png
[853854-20160922132402621-577323662.png]: /images/20220516/6632c774ce674489a72de28801b0ea5a.png
[853854-20160922132709418-1437886685.png]: /images/20220516/4f8839137071410fae0f71cd60b6f922.png
[853854-20160922132754199-1160989462.png]: /images/20220516/1ff9922f439b48c2890512a4cd607eea.png
[853854-20160922133125715-1712990904.png]: /images/20220516/cb70f4df27974f5fbbc2e2bd5f9011be.png
[853854-20160922133134199-251526351.png]: /images/20220516/e021ec552eca40a3ad6d87b15dcac860.png
[853854-20160922134550262-333186656.png]: /images/20220516/e91d8b5a67734cef8a9a193d1eae23bb.png
[853854-20160922134558402-1753692493.png]: /images/20220516/45f74621dfaa49e5809efbc98d275b6a.png
[853854-20160922135118324-1930447207.png]: /images/20220516/3ac38b21b1b541009f6ab6fa747bb0ca.png
[853854-20160922141646027-740925717.png]: /images/20220516/c4e8f3e4cc88402f84a93b46b3d58711.png
[853854-20160922141653106-797424241.png]: /images/20220516/23fe26d851e44aaa9012fd17a33aa0e0.png
[853854-20160922142617777-266007063.png]: /images/20220516/da1c33a5f03f451d8016106b746bbb30.png
[853854-20160922142629949-1788134700.png]: /images/20220516/21bad95d55624b21b2d6242ca0bbde03.png
[853854-20160922143040856-357995086.png]: /images/20220516/2723db11fc944af29b917e49b68e83fe.png
[853854-20160922143046746-507905842.png]: /images/20220516/1bd5f24a1e934f0a96b2eb1612ea932d.png
[853854-20160922143354793-2028066885.png]: /images/20220516/f816dd5aa12544b4852600a9952ff6cf.png
[853854-20160922143400621-1802493626.png]: /images/20220516/b9aa4726e14e4b47bd8401039345afa3.png
[853854-20160922143815887-660340434.png]: /images/20220516/35b1b8191f804a1687fd51cfe73b636e.png
[853854-20160922144132309-1267570214.png]: /images/20220516/bce9e05144354ef0b3d855e5705b3bb8.png
[853854-20160922145021137-608135048.png]: /images/20220516/c537224767644d9b99de544434c12710.png
[853854-20160922145027996-444809553.png]: /images/20220516/d59a896535db4840af7d1b56e59b80b6.png
[853854-20160922145041652-1792994805.png]: /images/20220516/c3cd40f8bf95432aa25de57bab33607b.png
[853854-20160922150643074-1540966074.png]: /images/20220516/7ade7644b03f4f86ae0df871749ae8c2.png
[853854-20160927101408688-103727523.png]: /images/20220516/fe985149f14046d2ba75f12f5fd6d56a.png
[853854-20160927101424985-523686570.png]: /images/20220516/6d58030cfc984e7f92c965009cd31913.png
[853854-20160927101443172-108179876.png]: /images/20220516/b8189cc6e71f4a1f9571db3914542ec4.png