Matplotlib入门

浅浅的花香味﹌ 2023-01-08 08:08 140阅读 0赞

# 原始数据样本 #

DATE,VALUE
    1948-01-01,3.4
    1948-02-01,3.8
    1948-03-01,4.0
    1948-04-01,3.9
    1948-05-01,3.5
    1948-06-01,3.6
    1948-07-01,3.6
    1948-08-01,3.9
    1948-09-01,3.8
    1948-10-01,3.7
    1948-11-01,3.8
    1948-12-01,4.0
    1949-01-01,4.3
    1949-02-01,4.7
    1949-03-01,5.0
    1949-04-01,5.3

# 1. 画折线图 #

import matplotlib.pyplot as plt
    import pandas as pd
    
    unrate = pd.read_csv('UNRATE.csv')
    twelve = unrate[0:12]  # 获取前12条数据
    plt.plot(twelve['DATE'], twelve['VALUE'])  # 横坐标是时间，纵坐标是值
    plt.show()

结果如下图：  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3ZpbmNlbnRfZHVhbg_size_16_color_FFFFFF_t_70]

可以看出来，横坐标的值已经挤压在一起了，  
使用`plt.xticks(rotation=45)`将横坐标进行旋转45度，

import matplotlib.pyplot as plt
    import pandas as pd
    
    unrate = pd.read_csv('UNRATE.csv')
    twelve = unrate[0:12]
    plt.plot(twelve['DATE'], twelve['VALUE'])
    plt.xticks(rotation=45)
    plt.show()

显示结果如下：  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3ZpbmNlbnRfZHVhbg_size_16_color_FFFFFF_t_70 1]

## 1.1 增加XY的label，以及title ##

plt.xlabel('Month')
    plt.ylabel('Unemployment Rate')
    plt.plot(twelve['DATE'], twelve['VALUE'])
    plt.xticks(rotation=45)
    plt.show()

结果如下图  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3ZpbmNlbnRfZHVhbg_size_16_color_FFFFFF_t_70 2]

# 2子图 #

## 2.1添加子图 ##

在写论文时，有很多指标，这些指标没有办法画在一张图中，因此需要画很多子图来表示。

*  fig.add\_subplot(4, 1, x)：`4`和`1`表示4行一列，顺序是从上到下，从左到右进行排序。  
    ![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3ZpbmNlbnRfZHVhbg_size_16_color_FFFFFF_t_70 3]

fig = plt.figure()  # 首先指定默认画图的区间 
    ax1 = fig.add_subplot(4, 3, 1)  # 添加子图ax1, 在当前区间，是第1个图
    ax2 = fig.add_subplot(4, 3, 2)  # 添加子图ax2,在当前区间，是第2个图
    ax3 = fig.add_subplot(4, 3, 6)  # 添加子图ax3,在当前区间，是第6个图
    plt.show()

![在这里插入图片描述][20210119155337863.png]

## 2.2 修改图片大小 ##

fig = plt.figure(figsize=(5,3))  # 5表示图片的长，3表示图片的宽
    ax1 = fig.add_subplot(2,1,1)  # 添加子图1
    ax2 = fig.add_subplot(2,1,2)  # 添加子图2
    ax1.plot(twelve['DATE'], twelve['VALUE'])  # 给子图1添加数据
    ax2.plot(twelve['DATE'], twelve['VALUE'])  # 给子图2添加数据
    plt.xticks(rotation=45)
    plt.show()

![在这里插入图片描述][20210119165851660.png]

## 2.3 在同一个图中，画两条折线 ##

fig = plt.figure(figsize=(6,3))
    
    plt.plot(unrate[0:12]['DATE'], unrate[0:12]['VALUE'], c='red', label='0-12')  #添加一条红色的线
    plt.plot(unrate[0:12]['DATE'], unrate[12:24]['VALUE'], c='blue', label='12-24')  # 添加一条蓝色的线
    plt.legend(loc='best') # 添加图例，best表示自动决定放到最合适的位置
    plt.xticks(rotation=45)
    plt.show()

结果如下：  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3ZpbmNlbnRfZHVhbg_size_16_color_FFFFFF_t_70 4]

# 3 柱状图 #

import numpy
    reviews = pd.read_csv('fandango_scores.csv')
    num_cols = ['RT_user_norm', 'Metacritic_user_nom', 'IMDB_norm', 'Fandango_Ratingvalue','Fandango_Stars']
    #print(norm_reviews)
    bar_heights = reviews.loc[0, num_cols].values  # 每一个柱状的高度, loc表示定位第几行
    print(bar_heights)
    bar_positions = numpy.arange(5) + 0.75  # 每一个柱状的位置。就是离原点的位置
    print(bar_positions)
    fig,ax = plt.subplots()  # 创建一个figure 和一组subplots
    ax.bar(bar_positions, bar_heights, 0.3)  #0.3表示柱状条形图宽度
    ax.set_xticks(range(1, 6))
    ax.set_xticklabels(num_cols, rotation=45)
    
    ax.set_xlabel('Rating Source')
    ax.set_ylabel('Average Rating')
    ax.set_title('Average User Rating For Avengers: Age of Ultro(2015)')
    
    plt.show()

输出结果：  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3ZpbmNlbnRfZHVhbg_size_16_color_FFFFFF_t_70 5]

## 3.1 横向柱状图 ##

import numpy
    reviews = pd.read_csv('fandango_scores.csv')
    num_cols = ['RT_user_norm', 'Metacritic_user_nom', 'IMDB_norm', 'Fandango_Ratingvalue','Fandango_Stars']
    #print(norm_reviews)
    bar_heights = reviews.loc[0, num_cols].values  # 每一个柱状的高度
    print(bar_heights)
    bar_positions = numpy.arange(5) + 0.75  # 每一个柱状的位置。就是离原点的位置
    print(bar_positions)
    fig,ax = plt.subplots()  # 创建一个figure 和一组subplots
    ax.barh(bar_positions, bar_heights, 0.3)  #0.3表示柱状条形图宽度, barh表示横向画图
    ax.set_yticks(range(1, 6))
    ax.set_yticklabels(num_cols, rotation=45)
    
    ax.set_xlabel('Average Rating')
    ax.set_ylabel('Rating Source')
    ax.set_title('Average User Rating For Avengers: Age of Ultro(2015)')
    
    plt.show()

输出结果：  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3ZpbmNlbnRfZHVhbg_size_16_color_FFFFFF_t_70 6]

## 3.2 按照x轴数据归类来画柱状图 ##

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3ZpbmNlbnRfZHVhbg_size_16_color_FFFFFF_t_70 7]  
当x轴上的数据非常多的时候，不方便将每个x轴数据进行显示，可以进行归类，如下图：

fig, ax = plt.subplots()
    ax.hist(norm_reviews['Fandango_Ratingvalue'])
    plt.show()

输出结果如下：  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3ZpbmNlbnRfZHVhbg_size_16_color_FFFFFF_t_70 8]  
默认情况下，`hist`按照10个进行统计。可以指定个数：  
`ax.hist(norm_reviews['Fandango_Ratingvalue'], bins=20)`  
这样会自动划分20个区间，那么输出结果如下：  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3ZpbmNlbnRfZHVhbg_size_16_color_FFFFFF_t_70 9]  
同时，还可以指定具体某一个区间，比如只显示区间(4,5)之间的数据，`ax.hist(norm_reviews['Fandango_Ratingvalue'], range=(4,5),bins=20)`如下图所示：  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3ZpbmNlbnRfZHVhbg_size_16_color_FFFFFF_t_70 10]  
同时可以指定y轴和x轴的区间范围：

ax2.hist(norm_reviews['RT_user_norm'], 20, range=(0,5))  # 可以省略bins
    ax2.set_title('Distribution of Rotten Tomatoes Ratings')
    ax2.set_ylim(0, 50) # 指定y轴的区间

输出结果如下：  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3ZpbmNlbnRfZHVhbg_size_16_color_FFFFFF_t_70 11]

## 指定横轴区间 ##

import matplotlib.pyplot as plt
    height = [168,155,182,170,173,161,155,173,176,181,166,172,170]
    bins = range(150, 191, 5) # 指定横轴区间
    plt.hist(height, bins=bins)
    plt.show()

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3ZpbmNlbnRfZHVhbg_size_16_color_FFFFFF_t_70 12]

## 条形图 ##

条形图是用宽度相同的条形的高度或长短来表示数据多少的图形。

import matplotlib.pyplot as plt
    classes = ['class1', 'class2', 'class3']
    scores = [70,80,60]
    plt.bar(classes,scores)
    plt.show()

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3ZpbmNlbnRfZHVhbg_size_16_color_FFFFFF_t_70 13]

# 4 散点图 #

fig,ax = plt.subplots()
    ax.scatter(norm_reviews['Fandango_Ratingvalue'], norm_reviews['RT_user_norm'])
    ax.set_xlabel('Fandango')
    ax.set_ylabel('Rotten Tomatoes')
    plt.show()

输出结果：  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3ZpbmNlbnRfZHVhbg_size_16_color_FFFFFF_t_70 14]

# 5 盒图 #

fig, ax = plt.subplots()
    num_cols = ['RT_user_norm', 'Metacritic_user_nom', 'IMDB_norm', 'Fandango_Ratingvalue']
    ax.boxplot(norm_reviews[num_cols])
    ax.set_xticklabels(num_cols, rotation=90)
    ax.set_ylim(0,5)
    
    plt.show()

输出结果如下：  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3ZpbmNlbnRfZHVhbg_size_16_color_FFFFFF_t_70 15]

# 6 饼图 #

mpl.rcParams['font.sans-serif'] = ['SimHei'] # 中文显示
    
    labels = ['房贷', '饮食', '出行', '教育']
    data = [8000, 2000, 2000, 3000]
    plt.pie(data, labels=labels, autopct='%1.1f%%') # autopct表示显示百分比

![在这里插入图片描述][20210503130213307.png]

# 中文设置 #

默认情况下中文设置会显示乱码，如下代码所示：

import matplotlib.pyplot as plt
    x=[1,2]
    y=[3,4]
    plt.title('中文标题')
    plt.bar(x,y)
    plt.show()

结果如下：  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3ZpbmNlbnRfZHVhbg_size_16_color_FFFFFF_t_70 16]  
可以看出来中文显示乱码了。

import matplotlib.pyplot as plt
    import matplotlib as mpl
    x=[1,2]
    y=[3,4]
    mpl.rcParams['font.sans-serif'] = ['SimHei']
    plt.title('中文标题')
    plt.bar(x,y)
    plt.show()

可以添加参数`rcParams`

# 负号乱码 #

当我们的数值中包含负号时，默认也会出现乱码现象：

import matplotlib.pyplot as plt
    import matplotlib as mpl
    x=[1,2]
    y=[-3,4]
    mpl.rcParams['font.sans-serif'] = ['SimHei']
    plt.title('中文标题')
    plt.bar(x,y)
    plt.show()

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3ZpbmNlbnRfZHVhbg_size_16_color_FFFFFF_t_70 17]  
同样可以通过设置参数进行修改：

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3ZpbmNlbnRfZHVhbg_size_16_color_FFFFFF_t_70 18]

# 修改线条样式 #

折线图：

import matplotlib.pyplot as plt
    import matplotlib as mpl
    x=[1,2]
    y=[-3,4]
    mpl.rcParams['font.sans-serif'] = ['SimHei']
    mpl.rcParams['axes.unicode_minus'] = False
    plt.title('中文标题')
    plt.plot(x,y)
    plt.show()

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3ZpbmNlbnRfZHVhbg_size_16_color_FFFFFF_t_70 19]  
设置线条类型：

import matplotlib.pyplot as plt
    import matplotlib as mpl
    x=[1,2]
    y=[-3,4]
    mpl.rcParams['font.sans-serif'] = ['SimHei']    # 中文支持
    mpl.rcParams['axes.unicode_minus'] = False  # 正常显示负号
    mpl.rcParams['lines.linewidth'] = 5  # 设置线条宽度
    mpl.rcParams['lines.color'] = 'red'  # 设置线条颜色
    mpl.rcParams['lines.linestyle'] = '--'  # 设置线条样式
    plt.title('中文标题')
    plt.plot(x,y)
    plt.show()

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3ZpbmNlbnRfZHVhbg_size_16_color_FFFFFF_t_70 20]

# 设置title xlable ylabel xticks #

x = [1,2,3]
    name = ['A班', 'B班', 'C班']
    y = [80, 85, 75]
    plt.bar(x, y)
    plt.title("三班成绩柱状图")
    plt.xlabel('班级')
    plt.ylabel('成绩')
    plt.xticks(x, name) # 将1对应为A班，2对应为B班，3对应为C班
    plt.text(1, 81,80) # 在(1,81)位置上添加文字80
    plt.text(2, 86, 85) # 在(2,86)位置上添加文字85

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3ZpbmNlbnRfZHVhbg_size_16_color_FFFFFF_t_70 21]

[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3ZpbmNlbnRfZHVhbg_size_16_color_FFFFFF_t_70]: /images/20221119/f0fa2c16bf454f62b7b517c5c7de0f3e.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3ZpbmNlbnRfZHVhbg_size_16_color_FFFFFF_t_70 1]: /images/20221119/384b3b580e8840739361a4f147dcf55e.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3ZpbmNlbnRfZHVhbg_size_16_color_FFFFFF_t_70 2]: /images/20221119/b33b1afb81b24dc0a7cb29e3461e8f02.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3ZpbmNlbnRfZHVhbg_size_16_color_FFFFFF_t_70 3]: /images/20221119/823bb88b2ef34de4a272c745e925cf06.png
[20210119155337863.png]: /images/20221119/82239b5c0f634e0b85bdc8455d0e5a40.png
[20210119165851660.png]: /images/20221119/77053e00a45845a9a15a5245445ae499.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3ZpbmNlbnRfZHVhbg_size_16_color_FFFFFF_t_70 4]: /images/20221119/26ce0b8a857042e7bbba71fd530f815d.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3ZpbmNlbnRfZHVhbg_size_16_color_FFFFFF_t_70 5]: /images/20221119/1eae2b46ac134031a196e6c329525b01.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3ZpbmNlbnRfZHVhbg_size_16_color_FFFFFF_t_70 6]: /images/20221119/e4a0c7eb266549ef9d33f5d86b766806.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3ZpbmNlbnRfZHVhbg_size_16_color_FFFFFF_t_70 7]: /images/20221119/faae6d860617429c8944ac5cca58f17a.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3ZpbmNlbnRfZHVhbg_size_16_color_FFFFFF_t_70 8]: /images/20221119/dd296d9df0c946d0858e7ae0ed2a3563.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3ZpbmNlbnRfZHVhbg_size_16_color_FFFFFF_t_70 9]: /images/20221119/6b83d9be412d4944b2f7ea31c980c183.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3ZpbmNlbnRfZHVhbg_size_16_color_FFFFFF_t_70 10]: /images/20221119/57e97c76242b4fd2af8a82b558c13535.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3ZpbmNlbnRfZHVhbg_size_16_color_FFFFFF_t_70 11]: /images/20221119/670c0e45ebe34d49abde8eeb1e1b406f.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3ZpbmNlbnRfZHVhbg_size_16_color_FFFFFF_t_70 12]: /images/20221119/617f8947d9304caeb8c3d547dcd1cbc5.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3ZpbmNlbnRfZHVhbg_size_16_color_FFFFFF_t_70 13]: /images/20221119/ae457050438a4a2aa7b32570883c885c.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3ZpbmNlbnRfZHVhbg_size_16_color_FFFFFF_t_70 14]: /images/20221119/04efcf2ab3e442c4989bba177c34fe45.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3ZpbmNlbnRfZHVhbg_size_16_color_FFFFFF_t_70 15]: /images/20221119/f12d0145e1ac481693d5a1e786405e98.png
[20210503130213307.png]: /images/20221119/65af3b22676b4259bccb48668dc2a066.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3ZpbmNlbnRfZHVhbg_size_16_color_FFFFFF_t_70 16]: /images/20221119/dd1e0a2338cb4d1199aa35831ea874fc.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3ZpbmNlbnRfZHVhbg_size_16_color_FFFFFF_t_70 17]: /images/20221119/6ae68f41c3b34e2a95d93a6edc639835.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3ZpbmNlbnRfZHVhbg_size_16_color_FFFFFF_t_70 18]: /images/20221119/ba0a8a8b864f4176b3151c9bcfb5f376.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3ZpbmNlbnRfZHVhbg_size_16_color_FFFFFF_t_70 19]: /images/20221119/14d3fa1ff84c47dabaffa2ac35d7fb97.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3ZpbmNlbnRfZHVhbg_size_16_color_FFFFFF_t_70 20]: /images/20221119/38c095e613d84a9082174969980b4680.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3ZpbmNlbnRfZHVhbg_size_16_color_FFFFFF_t_70 21]: /images/20221119/c99cc792e605460691d53ce67abd6596.png