matplotlib圖像繪制 / matplotlib image description
目錄
- 關於matplotlib
- matplotlib庫
- 補充內容
- Figure和AxesSubplot的生成方式
- 子圖的兩種生成方式
- 折線圖的繪制
- 柱狀圖的繪制
- 箱圖的繪制
- 散點圖的繪制
- 直方圖的繪制
- 細節設置
1 關於matplotlib / About matplotlib
Matplotlib 是一個 Python 的 2D繪圖庫，它以各種硬拷貝格式和跨平台的交互式環境生成出版質量級別的圖形。相應內容可參考 matplotlib 官網。
Matplotlib基礎知識
1. Matplotlib中的基本圖表包括的元素
- x軸和y軸: 水平和垂直的軸線
- x軸和y軸刻度: 刻度標示坐標軸的分隔，包括最小刻度和最大刻度
- x軸和y軸刻度標簽: 表示特定坐標軸的值
- 繪圖區域: 實際繪圖的區域
2. hold屬性
- hold屬性默認為True，允許在一幅圖中繪制多個曲線；將hold屬性修改為False，每一個plot都會覆蓋前面的plot。
- 但是目前不推薦去動hold這個屬性，這種做法（會有警告）。因此使用默認設置即可。
3. 網格線與grid方法
- grid方法: 使用grid方法為圖添加網格線
- 設置grid參數（參數與plot函數相同）: .lw代表linewidth，線的粗細，.alpha表示線的明暗程度
4. axis方法
- 如果axis方法沒有任何參數，則返回當前坐標軸的上下限
5. xlim方法和ylim方法
- 除了plt.axis方法，還可以通過xlim，ylim方法設置坐標軸范圍
6. legend
- 注釋圖標
7. Figure和AxesSubplot
- fig: 一個圖表的整體結構，所有需要繪制圖像的ax都將置於fig上
- ax: 繪制圖像的區域
2 matplotlib庫 / matplotlib Library
環境安裝:
pip install matplotlib
2.1 常量 / Constants
Pass
2.2 函數 / Function
Pass
2.3 類 / Class
2.3.1 Figure類
類實例化：fig = plt.figure(fig_name, figsize=)
類的功能:用於生成Figure
傳入參數: fig_name, figsize
fig_name: str類型，Figure的名稱
figsize: tuple類型，確定fig的長寬大小
返回參數: fig
fig: Figure類型，<class 'matplotlib.figure.Figure'>，生成的Figure
2.3.1.1 add_subplot()方法
函數調用：ax = fig.add_subplot(r, c, p)
函數功能:生成繪圖區域子圖
傳入參數: r, c, p
r: int類型，fig區域等分行數
c: int類型，fig區域等分列數
p: int類型，ax所在fig位置處
返回參數: ax
ax: AxesSubplot類型，<class 'matplotlib.axes._subplots.AxesSubplot'>，生成的AxesSubplot
2.3.2 AxesSubplot類
類實例化：ax = plt.subplot(r, c, p) / fig.add_subplot(r, c, p)
類的功能:生成繪圖區域
傳入參數: r, c, p
r: int類型，fig區域等分行數
c: int類型，fig區域等分列數
p: int類型，ax所在fig位置處
返回參數: ax
ax: AxesSubplot類型，<class 'matplotlib.axes._subplots.AxesSubplot'>，生成的AxesSubplot
Note: 實際上plt.subplot()函數最終調用的也是fig.add_subplot()函數
2.3.2.1 plot()方法
函數調用: ax.plot(x_list, y_list, c=, label=)
函數功能:繪制曲線圖
傳入參數: x_list, y_list, c, label
x_list: list類型，所有需要繪制的點的橫坐標列表
y_list: list類型，所有需要繪制的點的縱坐標列表
c: str/tuple類型，設置線條的顏色，可以使用名稱‘red’/縮寫‘r’/RGB(1, 0, 0)，其中RGB元組中的所有值為x/255，在0-1之間
label: str類型，線條的標簽名(在legend上顯示)
返回參數: 無
2.3.2.2 bar / barh()方法
函數調用: ax.bar / barh(bar_position, bar_height, bar_width)
函數功能:繪制柱狀圖（縱向或者橫向）
傳入參數: bar_position, bar_height, bar_width
bar_position: list類型，所有需要繪制的柱形的橫坐標位置列表
bar_height: list類型，所有需要繪制的柱形的高度列表
bar_width: int類型，柱形的寬度
返回參數: 無
2.3.2.3 boxplot()方法
函數調用: ax.boxplot(data)
函數功能:繪制箱圖
傳入參數: data
data: array/a sequence of vector類型，進行繪圖的二維數組，按列分組
返回參數: 無
2.3.2.4 scatter()函數
函數調用: ax.scatter(x, y)
函數功能:繪制散點圖
傳入參數: x, y
x: list/Series類型，繪制散點圖的x坐標集合
y: list/Series類型，繪制散點圖的y坐標集合
返回參數: 無
2.3.2.5 hist()方法
函數調用: ax.hist(x, bins=None, range=None)
函數功能:繪制histogram直方圖
傳入參數: x, bins, range
x: array/a sequence of array類型，數據點集合，不要求同長度
bins: int類型，繪制的直方圖分割數量
range: tuple類型，需要繪制直方圖的數據范圍
返回參數: 無
2.3.2.6 set_xticks / set_yticks()方法
函數調用: ax.set_xticks / set_yticks(posi_list)
函數功能:設置ticks的位置
傳入參數: posi_list
posi_list: list類型，各個ticks離原點坐標的距離
返回參數: 無
2.3.2.7 set_xticklabels / set_yticklabels()方法
函數調用: ax.set_xticklabels / set_yticklabels(name_list, rotation=0)
函數功能:設置ticks的名稱
傳入參數: name_list, rotation
name_list: list類型，各個ticks的名稱
rotation: int類型，label順時針旋轉的角度
返回參數: 無
2.3.2.8 set_xlabel / set_ylabel()方法
函數調用: ax.set_xlabel / set_ylabel(name)
函數功能:設置label的名稱
傳入參數: name
name: str類型，label的名稱
返回參數: 無
2.3.2.9 set_title()方法
函數調用: ax.set_title(name)
函數功能:設置title的名稱
傳入參數: name
name: str類型，title的名稱
返回參數: 無
2.3.2.10 set_xlim / set_ylim()方法
函數調用: ax.set_xlim / set_ylim(left, right)
函數功能:設置x/y軸的數值限制
傳入參數: left, right
left: int類型，數據的左端極值
right: int類型，數據的右端極值
返回參數: 無
2.3.2.11 tick_params()方法
函數調用: ax.tick_params(axis=‘both’, **kwarge)
函數功能:改變ticks或ticks的顯示狀態
傳入參數: axis, **kwarge
axis: str類型，‘x’/‘y’/‘both’確定目標軸
**kwarge: 傳入包括color/bottom/top/left/right/length/width等參數進行設置
返回參數: 無
2.3.2.12 spines屬性
屬性調用: sp = ax.spines
屬性功能:獲取所有坐標軸的一個類
屬性參數: sp
sp: obj類型，包含所有坐標軸（left, right, bottom, top）信息的類
Note: 對於獲取到的sp，可以通過for key, spine in sp.items()獲得各個spine，並利用spine的set_visible(False)函數隱藏所有的spine
2.4 模塊 / Module
2.4.1 pyplot模塊
from matlibplot import pyplot as plt
2.4.1.1 常量
Pass
2.4.1.2 函數
2.4.1.2.1 figure()函數
函數調用：fig = plt.figure(fig_name, figsize=)
函數功能:用於生成Figure
傳入參數: fig_name, figsize
fig_name: str類型，Figure的名稱
figsize: tuple類型，確定fig的長寬大小
返回參數: fig
fig: Figure類型，<class 'matplotlib.figure.Figure'>，生成的Figure
2.4.1.2.2 subplot()函數
類實例化：ax = plt.subplot(r, c, p)
類的功能:生成繪圖區域AxesSubplot
傳入參數: r, c, p
r: int類型，fig區域等分行數
c: int類型，fig區域等分列數
p: int類型，ax所在fig位置處
返回參數: ax
ax: AxesSubplot類型，<class 'matplotlib.axes._subplots.AxesSubplot'>，生成的AxesSubplot
Note: 實際上plt.subplot()函數最終調用的也是fig.add_subplot()函數
2.4.1.2.3 subplots()函數
類實例化：fig, ax = plt.subplots(nrows=1, ncols=1, sharex=False, sharey=False)
類的功能:生成圖像Figure以及相應數量的繪圖區域子圖AxesSubplot
傳入參數: nrows, ncols, sharex, sharey
nrows: int類型，fig區域等分行數，即nrows個子圖在一行
ncols: int類型，fig區域等分列數，即ncols列子圖
sharex: bool類型，所有子圖是否共享x軸
sharey: bool類型，所有子圖是否共享y軸
返回參數: fig, ax
fig: Figure類型，生成的當前Figure
ax: AxesSubplot / list類型，當ax數量大於1時，ax為所有子圖組成的ndarray
2.4.1.2.4 plot()函數
函數調用: plt.plot(x_list, y_list, c=, label=)
函數功能:對需要繪制的圖像點進行繪制處理（會對ax進行設置）
傳入參數: x_list, y_list, c, label
x_list: list類型，所有需要繪制的點的橫坐標列表
y_list: list類型，所有需要繪制的點的縱坐標列表
c: str/tuple類型，設置線條的顏色，可以使用名稱‘red’/縮寫‘r’/RGB(1, 0, 0)，其中RGB元組中的所有值為x/255，在0-1之間
label: str類型，線條的標簽名(在legend上顯示)
返回參數: 無
2.4.1.2.5 xticks / yticks()函數
函數調用: plt.xticks / yticks(loc, name, rotation=0)
函數功能:對最近一個ax設置ticks(軸標記)
傳入參數: loc, name, rotation
loc: list類型，包含了每個ticks到零點的距離
name: list類型，每個ticks的名稱
rotation: ticks的旋轉角度
返回參數: 無
2.4.1.2.6 xlabel / ylabel()函數
函數調用: plt.xlabel / ylabel(name)
函數功能:對最近一個ax設置label名稱
傳入參數: name
name: str類型，label的名稱
返回參數: 無
2.4.1.2.7 title()函數
函數調用: plt.title(name)
函數功能:對最近一個ax設置title名稱
傳入參數: name
name: str類型，title的名稱
返回參數: 無
2.4.1.2.8 legend()函數
函數調用: plt.legend(loc=‘upper right’)
函數功能:對最近一個ax設置legend圖例參數
傳入參數: loc
loc: str類型，legend所在位置
返回參數: 無
Note:
loc - int or string or pair of floats, default: 'upper right'
The location of the legend. Possible codes are:
=============== =============
Location String Location Code
=============== =============
'best' 0
'upper right' 1
'upper left' 2
'lower left' 3
'lower right' 4
'right' 5
'center left' 6
'center right' 7
'lower center' 8
'upper center' 9
'center' 10
=============== =============
2.4.1.2.9 show()函數
函數調用: plt.show()
函數功能:對所有的Figure類進行圖像顯示
傳入參數: 無
返回參數: 無
3.1 plt函數的作用范圍
對於plt函數，其實質依舊是調用了最近的ax的內部函數實現對title/legend/label等的設置，因此直接使用plt函數時需注意代碼位置，或者通過特定ax進行直接調用則不需要注意位置問題。
3.2 顏色數組RGB
在matplotlib中的顏色數組RGB內各個值的范圍均為0-1，求值的方式為x/255，下面是各個顏色的參考RGB值，除以255后可在matplotlib中使用。
3.3 箱圖
箱圖boxPlot是一種統計常用的圖形，能夠充分顯示數據分布的狀況。下圖中包括了中位數，1/4位數，3/4位數的位置，過大或過小的點將以點形式額外表示出來。
繪制圖像的第一步在於生成相應的fig和ax，此處有3種方法用於生成fig與ax
首先導入模塊，
1 from matplotlib import pylab as plt
(1) 利用plt的subplots()函數直接同時生成fig和ax
1 fig, ax = plt.subplots() 2 print(fig, ax)
(2) 利用plt的figure()函數生成fig，再利用fig的add_subplot()函數生成ax
1 fig = plt.figure('New_Figure') 2 ax = fig.add_subplot(1, 1, 1) 3 print(fig, ax)
(3) 利用plt的figure()函數生成fig，再利用plt的subplot()函數生成ax
1 fig = plt.figure('Another_Figure') 2 ax = plt.subplot(1, 1, 1) 3 print(fig, ax)
最后使用show函數可以得到3張圖像，分別對應上面的名稱
1 plt.show()
子圖的生成方式有以下兩種，
- 利用plt.subplots方法直接生成，並從返回的子圖列表中獲取各個子圖實例
- 利用fig實例的fig.add_subplot方法進行添加
1 # Two ways to create a figure with subplot 2 # First one: subplots 3 # plt.subplots(nrow, ncol) 4 # sharex and sharey decide whether all the subplot should to share the axis label 5 # If multi subplots, ax will be a array contains all subplots 6 fig, ax = plt.subplots(2, 2, sharex=False, sharey=False) 7 ax_1 = ax[0][0] 8 ax_2 = ax[0][1] 9 ax_3 = ax[1][0] 10 ax_4 = ax[1][1] 11 # Second one: use figure 12 fig = plt.figure('figure_name', figsize=(7, 7)) 13 ax_1 = fig.add_subplot(2, 2, 1) 14 ax_2 = fig.add_subplot(2, 2, 2) 15 16 plt.show()
顯示結果
完整代碼
1 import pandas as pd 2 import numpy as np 3 import matplotlib.pyplot as plt 4 5 curve = pd.read_csv('curve.csv') 6 print(curve) 7 print('------------') 8 # Change format to datetime format 9 curve['DATE'] = pd.to_datetime(curve['DATE']) 10 print(curve) 11 12 # matplotlib inline 13 # If plot nothing and show, it will plot and show a blank board 14 # plt.plot() 15 # plt.show() 16 # Similar to pyqtgraph, plot(x_list, y_list) 17 plt.plot(curve['DATE'], curve['VALUE']) 18 # If the tick is too long, use rotation to adjust 19 plt.xticks(rotation=-45) 20 plt.xlabel('Month') 21 plt.ylabel('Rate') 22 plt.title('Unemployment Rate') 23 #plt.show() 24 25 # Sub figure 26 # figsize decide the size of figure window 27 fig = plt.figure('figure_name', figsize=(7, 7)) 28 # add_subplot(row, column, location) 29 # add_subplot will divide fig into several part(according to row and column) and place the subplot in input location 30 ''' fig divided like that: 31 [1 ... x 32 . . 33 . . 34 . . 35 y ... x*y] 36 ''' 37 # May course some overlap if the shape(row/column) is different 38 ax1 = fig.add_subplot(2, 2, 1) 39 ax2 = fig.add_subplot(2, 2, 2) 40 ax4 = fig.add_subplot(2, 2, 4) 41 ax3 = plt.subplot(2, 2, 3) 42 43 ax1.plot(np.random.randint(1, 5, 5), np.arange(5)) 44 # Note np.arange(10)*3 will return an array shape(1, 10) with each element * 3 45 ax2.plot(np.arange(10)*3, np.arange(10)) 46 ax4.plot(np.random.randint(1, 10, 10), np.random.randint(1, 10, 10)) 47 48 month = curve['DATE'].dt.month 49 value = curve['VALUE'] 50 # If no new fig here, the curve will be plot on the latest fig(ax4 here) 51 fig = plt.figure(figsize=(9, 7)) 52 plt.plot(month[0:6], value[0:6], c='red', label='first half year') # c='r'/c=(1, 0, 0) 53 plt.plot(month[6:12], value[6:12], c='blue', label='second half year') 54 # If not call legend function, the label would not show 55 # loc='best' will place the label in a best location 56 ''' 57 loc : int or string or pair of floats, default: 'upper right' 58 The location of the legend. Possible codes are: 59 60 =============== ============= 61 Location String Location Code 62 =============== ============= 63 'best' 0 64 'upper right' 1 65 'upper left' 2 66 'lower left' 3 67 'lower right' 4 68 'right' 5 69 'center left' 6 70 'center right' 7 71 'lower center' 8 72 'upper center' 9 73 'center' 10 74 =============== ============= 75 ''' 76 plt.legend(loc='best') 77 plt.xlabel('Month') 78 plt.ylabel('Rate') 79 plt.title('My rate curve') 80 81 plt.show()
分段解釋
首先導入需要用到的 numpy 和 pandas 模塊，讀取所需要的數據，轉變為指定的時間格式，
1 import pandas as pd 2 import numpy as np 3 import matplotlib.pyplot as plt 4 5 curve = pd.read_csv('curve.csv') 6 print(curve) 7 print('------------') 8 # Change format to datetime format 9 curve['DATE'] = pd.to_datetime(curve['DATE']) 10 print(curve)
輸出結果如下
DATE VALUE A B C D E 0 1/1/1948 3.4 2.400000 4.50 2.400000 2.200000 5.60 1 2/1/1948 3.8 2.700000 3.50 8.800000 3.400000 4.20 2 3/1/1948 4.2 2.500000 4.60 4.300000 4.100000 7.30 3 4/1/1948 5.1 2.633333 4.30 7.066667 5.133333 7.40 4 5/1/1948 1.9 2.683333 4.35 8.016667 6.083333 8.25 5 6/1/1948 2.4 2.733333 4.40 8.966667 7.033333 9.10 6 7/1/1948 3.2 2.783333 4.45 9.916667 7.983333 9.95 7 8/1/1948 4.4 2.833333 4.50 10.866667 8.933333 10.80 8 9/1/1948 5.2 2.883333 4.55 11.816667 9.883333 11.65 9 10/1/1948 3.2 2.933333 4.60 12.766667 10.833333 12.50 10 11/1/1948 2.1 2.983333 4.65 13.716667 11.783333 13.35 11 12/1/1948 1.2 3.033333 4.70 14.666667 12.733333 14.20 12 1/1/1949 5.5 3.083333 4.75 15.616667 13.683333 15.05 13 2/1/1949 3.2 3.133333 4.80 16.566667 14.633333 15.90 14 3/1/1949 6.2 3.183333 4.85 17.516667 15.583333 16.75 15 4/1/1949 1.3 3.233333 4.90 18.466667 16.533333 30.00 ------------ DATE VALUE A B C D E 0 1948-01-01 3.4 2.400000 4.50 2.400000 2.200000 5.60 1 1948-02-01 3.8 2.700000 3.50 8.800000 3.400000 4.20 2 1948-03-01 4.2 2.500000 4.60 4.300000 4.100000 7.30 3 1948-04-01 5.1 2.633333 4.30 7.066667 5.133333 7.40 4 1948-05-01 1.9 2.683333 4.35 8.016667 6.083333 8.25 5 1948-06-01 2.4 2.733333 4.40 8.966667 7.033333 9.10 6 1948-07-01 3.2 2.783333 4.45 9.916667 7.983333 9.95 7 1948-08-01 4.4 2.833333 4.50 10.866667 8.933333 10.80 8 1948-09-01 5.2 2.883333 4.55 11.816667 9.883333 11.65 9 1948-10-01 3.2 2.933333 4.60 12.766667 10.833333 12.50 10 1948-11-01 2.1 2.983333 4.65 13.716667 11.783333 13.35 11 1948-12-01 1.2 3.033333 4.70 14.666667 12.733333 14.20 12 1949-01-01 5.5 3.083333 4.75 15.616667 13.683333 15.05 13 1949-02-01 3.2 3.133333 4.80 16.566667 14.633333 15.90 14 1949-03-01 6.2 3.183333 4.85 17.516667 15.583333 16.75 15 1949-04-01 1.3 3.233333 4.90 18.466667 16.533333 30.00
繪制折線圖
1 # matplotlib inline 2 # If plot nothing and show, it will plot and show a blank board 3 # plt.plot() 4 # plt.show() 5 # Similar to pyqtgraph, plot(x_list, y_list) 6 plt.plot(curve['DATE'], curve['VALUE']) 7 # If the tick is too long, use rotation to adjust 8 plt.xticks(rotation=-45) 9 plt.xlabel('Month') 10 plt.ylabel('Rate') 11 plt.title('Unemployment Rate') 12 #plt.show()
顯示圖形
接着繪制帶有子圖的折線圖
其中子圖的順序如代碼中注釋所示
1 # Sub figure 2 # figsize decide the size of figure window 3 fig = plt.figure('figure_name', figsize=(7, 7)) 4 # add_subplot(row, column, location) 5 # add_subplot will divide fig into several part(according to row and column) and place the subplot in input location 6 ''' fig divided like that: 7 [1 ... x 8 . . 9 . . 10 . . 11 y ... x*y] 12 ''' 13 # May course some overlap if the shape(row/column) is different 14 ax1 = fig.add_subplot(2, 2, 1) 15 ax2 = fig.add_subplot(2, 2, 2) 16 ax4 = fig.add_subplot(2, 2, 4) 17 ax3 = plt.subplot(2, 2, 3) 18 19 ax1.plot(np.random.randint(1, 5, 5), np.arange(5)) 20 # Note np.arange(10)*3 will return an array shape(1, 10) with each element * 3 21 ax2.plot(np.arange(10)*3, np.arange(10)) 22 ax4.plot(np.random.randint(1, 10, 10), np.random.randint(1, 10, 10))
顯示圖形
最后，嘗試將兩條折線繪制在同一個圖上，
Note: 第四行生成了一個新的fig，如果此處沒有新生成一個fig，則圖像會被顯示在最近的一個fig上（此處為之前的ax4）
1 month = curve['DATE'].dt.month 2 value = curve['VALUE'] 3 # If no new fig here, the curve will be plot on the latest fig(ax4 here) 4 fig = plt.figure(figsize=(9, 7)) 5 plt.plot(month[0:6], value[0:6], c='red', label='first half year') # c='r'/c=(1, 0, 0) 6 plt.plot(month[6:12], value[6:12], c='blue', label='second half year') 7 # If not call legend function, the label would not show 8 # loc='best' will place the label in a best location 9 ''' 10 loc : int or string or pair of floats, default: 'upper right' 11 The location of the legend. Possible codes are: 12 13 =============== ============= 14 Location String Location Code 15 =============== ============= 16 'best' 0 17 'upper right' 1 18 'upper left' 2 19 'lower left' 3 20 'lower right' 4 21 'right' 5 22 'center left' 6 23 'center right' 7 24 'lower center' 8 25 'upper center' 9 26 'center' 10 27 =============== ============= 28 ''' 29 plt.legend(loc='best') 30 plt.xlabel('Month') 31 plt.ylabel('Rate') 32 plt.title('My rate curve') 33 34 plt.show()
顯示圖形
完整代碼
1 import pandas as pd 2 import matplotlib.pyplot as plt 3 import numpy as np 4 5 curve = pd.read_csv('curve.csv') 6 cols = ['A', 'B', 'C', 'D', 'E'] 7 para = curve[cols] 8 print(para) 9 print(para[:1]) 10 print('-----------') 11 # ix function can fetch the data in certain position by index 12 # ix[row, column], row/column can be a number/list/key_list 13 # Bar height decide the height of bar graph 14 bar_height = para.ix[0, cols].values # para.ix[0, cols] type is Series 15 # Bar position decide the x distance to base point 16 bar_position = np.arange(5) + 1 17 # subplots function return a figure and only one subplot 18 # fig to set figure style, ax(axis) for graph draw 19 fig, ax = plt.subplots() 20 # bar(position_list, height_list, width_of_bar) 21 ax.bar(bar_position, bar_height, 0.3) 22 # Use barh to create a horizonal bar figure 23 ax.barh(bar_position, bar_height, 0.3) 24 # Set position of ticks 25 ax.set_xticks(range(1, 6)) 26 # Set x tick labels name and rotation 27 ax.set_xticklabels(cols, rotation=45) 28 # Set x/y label name 29 ax.set_xlabel('Type') 30 ax.set_ylabel('Rate') 31 ax.set_title('This is a test figure')
分段解釋
首先導入各個模塊，並讀取數據，
1 import pandas as pd 2 import matplotlib.pyplot as plt 3 import numpy as np 4 5 curve = pd.read_csv('curve.csv') 6 cols = ['A', 'B', 'C', 'D', 'E'] 7 para = curve[cols] 8 print(para) 9 print(para[:1]) 10 print('-----------')
輸出結果為
A B C D E 0 2.400000 4.50 2.400000 2.200000 5.60 1 2.700000 3.50 8.800000 3.400000 4.20 2 2.500000 4.60 4.300000 4.100000 7.30 3 2.633333 4.30 7.066667 5.133333 7.40 4 2.683333 4.35 8.016667 6.083333 8.25 5 2.733333 4.40 8.966667 7.033333 9.10 6 2.783333 4.45 9.916667 7.983333 9.95 7 2.833333 4.50 10.866667 8.933333 10.80 8 2.883333 4.55 11.816667 9.883333 11.65 9 2.933333 4.60 12.766667 10.833333 12.50 10 2.983333 4.65 13.716667 11.783333 13.35 11 3.033333 4.70 14.666667 12.733333 14.20 12 3.083333 4.75 15.616667 13.683333 15.05 13 3.133333 4.80 16.566667 14.633333 15.90 14 3.183333 4.85 17.516667 15.583333 16.75 15 3.233333 4.90 18.466667 16.533333 30.00 A B C D E 0 2.4 4.5 2.4 2.2 5.6 -----------
隨后根據數據繪制柱狀圖
1 # ix function can fetch the data in certain position by index 2 # ix[row, column], row/column can be a number/list/key_list 3 # Bar height decide the height of bar graph 4 bar_height = para.ix[0, cols].values # para.ix[0, cols] type is Series 5 # Bar position decide the x distance to base point 6 bar_position = np.arange(5) + 1 7 # subplots function return a figure and only one subplot 8 # fig to set figure style, ax(axis) for graph draw 9 fig, ax = plt.subplots() 10 # bar(position_list, height_list, width_of_bar) 11 ax.bar(bar_position, bar_height, 0.3) 12 # Use barh to create a horizonal bar figure 13 ax.barh(bar_position, bar_height, 0.3) 14 # Set position of ticks 15 ax.set_xticks(range(1, 6)) 16 # Set x tick labels name and rotation 17 ax.set_xticklabels(cols, rotation=45) 18 # Set x/y label name 19 ax.set_xlabel('Type') 20 ax.set_ylabel('Rate') 21 ax.set_title('This is a test figure')
得到圖形
1 import pandas as pd 2 import matplotlib.pyplot as plt 3 import numpy as np 4 5 curve = pd.read_csv('curve.csv') 6 cols = ['A', 'B', 'C', 'D', 'E'] 7 8 fig, ax = plt.subplots() 9 ax.boxplot(curve[cols].values) # curve[cols].values is ndarray 10 print(curve[cols].values) 11 plt.show()
輸出數據
[[ 2.4 4.5 2.4 2.2 5.6 ] [ 2.7 3.5 8.8 3.4 4.2 ] [ 2.5 4.6 4.3 4.1 7.3 ] [ 2.63333333 4.3 7.06666667 5.13333333 7.4 ] [ 2.68333333 4.35 8.01666667 6.08333333 8.25 ] [ 2.73333333 4.4 8.96666667 7.03333333 9.1 ] [ 2.78333333 4.45 9.91666667 7.98333333 9.95 ] [ 2.83333333 4.5 10.86666667 8.93333333 10.8 ] [ 2.88333333 4.55 11.81666667 9.88333333 11.65 ] [ 2.93333333 4.6 12.76666667 10.83333333 12.5 ] [ 2.98333333 4.65 13.71666667 11.78333333 13.35 ] [ 3.03333333 4.7 14.66666667 12.73333333 14.2 ] [ 3.08333333 4.75 15.61666667 13.68333333 15.05 ] [ 3.13333333 4.8 16.56666667 14.63333333 15.9 ] [ 3.18333333 4.85 17.51666667 15.58333333 16.75 ] [ 3.23333333 4.9 18.46666667 16.53333333 30. ]]
顯示圖形
1 import matplotlib.pyplot as plt 2 import numpy as np 3 import pandas as pd 4 5 curve = pd.read_csv('curve.csv') 6 fig, ax = plt.subplots() 7 # scatter(x, y) x for x axis para list/Series, y for y axis para list/Series 8 ax.scatter(curve['A'], curve['B']) 9 plt.show()
輸出圖形
1 import pandas as pd 2 import matplotlib.pyplot as plt 3 import numpy as np 4 5 curve = pd.read_csv('curve.csv') 6 cols = ['A', 'B', 'C', 'D', 'E'] 7 # value_counts function will return the number of each value 8 print(curve['C'].value_counts()) 9 fig, ax = plt.subplots() 10 # hist(Series, range=, bins=) 11 # Series is the data to be plotted, range is the plot range, bins is the number of plot hists in range 12 ax.hist(curve['C'], range=(1,20), bins=20) 13 # Set the x/y axis limit range 14 ax.set_xlim(0, 20) 15 ax.set_ylim(0, 5) 16 plt.show()
輸出結果
15.616667 1
18.466667 1
12.766667 1
8.800000 1
2.400000 1
16.566667 1
9.916667 1
8.016667 1
10.866667 1
17.516667 1
7.066667 1
4.300000 1
11.816667 1
8.966667 1
14.666667 1
13.716667 1
Name: C, dtype: int64
顯示圖形
利用matplotlib還可以對圖形的細節進行相應的設置
1 import pandas as pd 2 import matplotlib.pyplot as plt 3 import numpy as np 4 5 curve = pd.read_csv('curve.csv') 6 7 fig, ax = plt.subplots() 8 9 # Hide the tick params 10 ax.tick_params(bottom='off', top='off', left='off', right='off') 11 # Hide spine 12 print(type(ax.spines)) 13 for key, spine in ax.spines.items(): 14 print(key, spine) 15 spine.set_visible(False) 16 # Set the color, (R, G, B) the value should be between (0, 1) 17 color_dark_blue = (0/255, 107/255, 164/255) 18 color_orange = (255/255, 128/255, 14/255) 19 ax.plot(curve['A'], curve['B'], c=color_dark_blue, label='AB', linewidth=7) 20 ax.plot(curve['C'], curve['D'], c=color_orange, label='CD', linewidth=7) 21 plt.legend(loc='upper right') 22 plt.show()
輸出圖形
相關閱讀
1. numpy 的使用
2. pandas 的使用