matplotlib中cmap_机器学习：Python常用库——Matplotlib库

浅浅的花香味﹌ 2023-01-02 05:22 650阅读 0赞

![1901f1f3ff0958182e4ad39d7f908791.png][]

![660c4515fe5bbdc97513b4853e9d0ec0.png][]

图 | 源网络 文 | 5号程序员 01

说起数据分析，你的眼前有没有浮现出直方图、散点图、曲线图…各种图表？

Python作为一门编程语言，如何能作图呢？

办法当然是有的，而且我们已经接触过了。在上一章节中画散点图的时候就导入过，它就是**Matplotlib**。

Matplotlib是Python的绘图库，具有丰富的绘图功能，是数据可视化的好帮手！

下面就看看如何用Matplotlib画图。

**基本设置**

打开Jupyter Noteboook，输入下列代码：

上面的代码中有**3**个重要部分：

1.为了在Jupyter Noteboook中显示图像，需要使用**%matplotlibinline**命令；

2.图片格式选择，高清的图片更清晰；

3. Matplotlib库默认是**不支持中文文本**在图像中显示的，为了解决这个问题，需要提前定义中文字体，其中fname参数指定字体文件的位置，size参数指定字体的大小。

关键的基本设置就这3项，接下来就可以画图了。

**画图**

先画个正弦曲线，内容如下：

上面的代码中，**plt.figure()**定义了一个指定大小的图像窗口，**plt.plot()**绘制对应坐标为X、Y的连线图，第三个参数"r-o"表示绘制红色曲线点图，plt.xlabel()定义X轴名称，plt.ylabel()定义Y轴名称，plt.title()定义图像名称，plt.grid("on")表示打开背景网格，最后使用plt.show()就能查看图像。

运行后，可以看到下图所示的曲线图：

![c3e4e1eaa961516872854221ee76b1d7.png][]

那有时候我们的相似图表需要放在一起比较怎么办呢？

很简单，把它们绘制在一个图中就可以，**plt.subplot()**方法支持绘制多个图像窗口。输入下列代码：

import matplotlib.pyplot as plt#让图像在Jupyter Notebook中显示%matplotlib inline#显示的图片格式，此处为mac中的高清格式，也可以设置为“bmp”等格式%config InlineBackend.figure_format ="retina"#设置字体为中文，这里调用Windows系统的字体文件from matplotlib.font_manager importFontPropertiesfonts = FontProperties(fname =r"C:\windows\fonts\simsun.ttc", size=14)import numpy as npX = np.linspace(1,15)Y = np.sin(X)xtick = [0,5,10,15]xticklabel = [str(x)+"在这"for xin xtick]plt.figure(figsize=(10,8))plt.subplot(2,2,1)plt.plot(X, Y, "b-.s") #表示绘制蓝色、虚线、矩形点plt.xlabel(r"$\alpha$") #使用LaTeX公式plt.ylabel(r"$\beta$")plt.title("$y = \sum sin(x)$")plt.subplot(2,2,2)plt.hist(Y, 20) #直方图plt.text(0,7,"直方图",fontproperties= fonts)plt.xlabel("频数",fontproperties= fonts)plt.ylabel("取值",fontproperties= fonts)plt.title("直方图",fontproperties= fonts)plt.subplot(2,1,2)plt.step(X,Y,c="R",label="sin(x)",linewidth=3)plt.ylabel("Y",fontproperties =fonts)plt.title("Bar",fontproperties =fonts)plt.legend(loc="lowerright",fontsize=16) #图例在右下角plt.xticks(xtick,xticklabel,rotation=45,fontproperties=fonts)#x坐标取值，45度倾斜plt.subplots_adjust(hspace=0.35) #调整图像之间的水平空间距离plt.show()

在这个例子中，分别绘制了**线图**、**直方图**和**阶梯****图**3个子图，采用的还是不规则划分。

**plt.subplot(2,2,1)**表示将当前图窗分成2\*2=4个区域，并在第一个区域上进行绘图；**plt.subplot(2,2,2)**表示在第二个区域上绘制图像；

第三个图比较特殊，占用了(2,2,3)和(2,2,4)，需要对其重新划分。按照2\*1划分后，前两个图占用了(2,1,1)的位置，因此第三个图占用**(2,1,2)**的位置。

可以看出，在Matplotlib下，一个Figure对象可以包含多个子图(Axes)，可以使用plt.subplot()快速绘制，按照**从左到右、从上到下**的顺序对每个子图区域进行编号。

新出现的直方图函数**plt.hist(Y, 20)**表示将数据Y分成20份来绘制直方图，plt.text(0,7,"直方图",fontproperties = fonts)表示在坐标为(0,7)的位置添加文本标签。

函数**plt.step**(X,Y,c="R",label="sin(x)",linewidth=3)为绘制阶梯图，并且指定线的颜色和宽度，plt.legend(loc="lower right",fontsize=16)为添加图例，并且位置在右下角。

运行程序后可看到：

![c28ac6ec9a2483245cbe383ae6bf534a.png][]

除了二维图像，Matplotlib也可以绘制**三维图像**。输入下列代码：

import matplotlib.pyplot as plt#让图像在Jupyter Notebook中显示%matplotlib inline#显示的图片格式，此处为mac中的高清格式，也可以设置为“bmp”等格式%config InlineBackend.figure_format ="retina"#设置字体为中文，这里调用Windows系统的字体文件from matplotlib.font_manager importFontPropertiesfonts = FontProperties(fname =r"C:\windows\fonts\simsun.ttc", size=14)import numpy as npfrom mpl_toolkits.mplot3d import Axes3Dx = np.linspace(-4, 4, num=50)y = np.linspace(-4, 4, num=50)X,Y = np.meshgrid(x,y)Z = np.sin(np.sqrt(X**2 + Y**2))fig = plt.figure(figsize=(12,5))ax1 = fig.add_subplot(121, projection='3d')#第一个子图ax1.plot_surface(X, Y, Z, rstride=1,cstride=1, alpha=0.5, cmap=plt.cm.coolwarm) #绘制曲面图cset = ax1.contour(X, Y, Z,zdir="z", offset=1, cmap=plt.cm.CMRmap) #绘制等高线ax1.set_xlabel("X")ax1.set_xlim(-4,4) #设置绘图范围ax1.set_ylabel("Y")ax1.set_ylim(-4,4)ax1.set_zlabel("Z")ax1.set_zlim(-1,1)ax1.set_title("surface andcontour")theta = np.linspace(-4*np.pi, 4*np.pi, 100)#第二个子图z = np.linspace(-2, 2, 100)r = z**2 +1x = r*np.sin(theta)y = r*np.cos(theta)ax2 = plt.subplot(122,projection="3d")ax2.plot(x,y,z) #绘制曲线ax2.scatter3D(x,y,z,c="r") #绘制红色三维散点ax2.view_init(elev=20, azim=25) #设置轴的方位角和高程ax2.set_title("Curve andscatter")plt.show

程序中，X,Y = np.meshgrid(x,y)是生成网格数据点，ax1用fig.add\_subplot(121, projection='3d')指定第一个子图绘制，**ax1.plot\_surface()**是绘制三维曲面图，**ax1.contour()** 指定绘制等高线图，并且制定投影在Z轴方向，位置在Z=1的平面；

**ax2.scatter3D(x,y,z,c="r")**表示绘制三维散点图，ax2.view\_init()为设置查看图像的视角。

运行后结果如图所示

![6ee24f8e86c6b351c34bc4c94f634a92.png][]

除了画图，Matplotlib还可以使用imshow()方法来显示图像，这里就不举例了，感兴趣的小伙伴可以移步官方文档。

关于Matplotlib库就说这么多，作为数据分析工具功能确实非常强大。下一次我们将介绍一个强大的统计分析库——**Statsmodels库**。

你确定不**关注**我一波？！

![6c39ccc6fc5c3cfa0271347a5fbb4c4b.png][]

**- END -**

![668fe4bd1b952027ac3ab740f8d767d3.png][]

![b3726f488150ef5d4f3df293cfcb3c2b.gif][]

[1901f1f3ff0958182e4ad39d7f908791.png]: /images/20221120/5f09cf67d0c64edb8013efc686df1124.png
[660c4515fe5bbdc97513b4853e9d0ec0.png]: /images/20221120/061346a7a3fc485b9fd521398db7f906.png
[c3e4e1eaa961516872854221ee76b1d7.png]: /images/20221120/570ebdb0657446f5ba108bf526f58193.png
[c28ac6ec9a2483245cbe383ae6bf534a.png]: /images/20221120/deb5d4b12a72456aac47734b5885269e.png
[6ee24f8e86c6b351c34bc4c94f634a92.png]: /images/20221120/71b96e6eedec4d84baa2614a1e39ca95.png
[6c39ccc6fc5c3cfa0271347a5fbb4c4b.png]: /images/20221120/43b39062fb9b430e924cd445051c1887.png
[668fe4bd1b952027ac3ab740f8d767d3.png]: /images/20221120/62aad1e5a2a64edc87a1e545478dc8fc.png
[b3726f488150ef5d4f3df293cfcb3c2b.gif]: /images/20221120/cc54a7195d51416a9367debf9b38bac0.png