Matplotlib畫圖詳解

from matplotlib import pyplot as plt 

#調節圖形大小，寬，高
plt.figure(figsize=(6,9))
#定義餅狀圖的標簽，標簽是列表
labels = [u'第一部分',u'第二部分',u'第三部分']
#每個標簽占多大，會自動去算百分比
sizes = [60,30,10]
colors = ['red','yellowgreen','lightskyblue']
#將某部分爆炸出來， 使用括號，將第一塊分割出來，數值的大小是分割出來的與其他兩塊的間隙
explode = (0.05,0,0)

patches,l_text,p_text = plt.pie(sizes,explode=explode,labels=labels,colors=colors,
                                labeldistance = 1.1,autopct = '%3.1f%%',shadow = False,
                                startangle = 90,pctdistance = 0.6)

#labeldistance，文本的位置離遠點有多遠，1.1指1.1倍半徑的位置
#autopct，圓里面的文本格式，%3.1f%%表示小數有三位，整數有一位的浮點數
#shadow，餅是否有陰影
#startangle，起始角度，0，表示從0開始逆時針轉，為第一塊。一般選擇從90度開始比較好看
#pctdistance，百分比的text離圓心的距離
#patches, l_texts, p_texts，為了得到餅圖的返回值，p_texts餅圖內部文本的，l_texts餅圖外label的文本

#改變文本的大小
#方法是把每一個text遍歷。調用set_size方法設置它的屬性
for t in l_text:
    t.set_size(30)
for t in p_text:
    t.set_size(20)
# 設置x，y軸刻度一致，這樣餅圖才能是圓的
plt.axis('equal')
plt.legend()
plt.show()

 1.1圖像無法顯示中文的原因

matplotlib中無中文庫

解決辦法：每次編代碼時加上

每次編代碼時都進行參數設置如下：

#coding:utf-8
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif']=['SimHei'] #用來正常顯示中文標簽
plt.rcParams['axes.unicode_minus']=False #用來正常顯示負號
#有中文出現的情況，需要u'內容'

2、 散點圖詳解

import numpy as np
import matplotlib.pyplot as plt

# 數據個數
n = 1024
# 均值為0, 方差為1的隨機數
x = np.random.normal(0, 1, n)
y = np.random.normal(0, 1, n)

# 計算顏色值
color = np.arctan2(y, x)
# 繪制散點圖
plt.scatter(x, y, s = 75, c = color, alpha = 0.5)
# 設置坐標軸范圍
plt.xlim((-1.5, 1.5))
plt.ylim((-1.5, 1.5))

# 不顯示坐標軸的值
plt.xticks(())
plt.yticks(())

plt.show()

 

• x,y 形如shape(n,)的數組，可選值，
• s 點的大小（也就是面積）默認20
• c 點的顏色或顏色序列，默認藍色。其它如c = 'r' (red); c = 'g' (green); c = 'k' (black) ; c = 'y'(yellow)

• marker 形狀，可選值，默認是圓
  
  如果需要其他的，可搜索matplotlib的官網，在官網中搜索markers，選擇第一個結果。

   

  import numpy as np
  import matplotlib.pyplot as plt
  N = 1000
  x = np.random.randn(N)
  y = np.random.randn(N)
  color = ['r','y','k','g','m']
  plt.scatter(x, y,c=color,marker='>')
  plt.show()
  

  　　

  

• alpha：標量，可選，默認值：無， 0（透明）和1（不透明）之間的alpha混合值

  import numpy as np
  import matplotlib.pyplot as plt
  N = 1000
  x = np.random.randn(N)
  y = np.random.randn(N)
  plt.scatter(x, y,alpha=0.5)
  plt.show()
  

  　　

  

• edgecolors，顧名思義，邊緣顏色或顏色序列，可選值，默認值：None

• import numpy as np
  import matplotlib.pyplot as plt
  N = 1000
  x = np.random.randn(N)
  y = np.random.randn(N)
  plt.scatter(x, y,alpha=0.5,edgecolors= 'white') #edgecolors = 'w',亦可
  plt.show()
  

  　　

   

• 

3、直方圖

 

直方圖與條形圖的區別：
條形圖是用條形的長度表示各類別頻數的多少，其寬度（表示類別）則是固定的；
直方圖是用面積表示各組頻數的多少，矩形的高度表示每一組的頻數或頻率，寬度則表示各組的組距，因此其高度與寬度均有意義。
由於分組數據具有連續性，直方圖的各矩形通常是連續排列，而條形圖則是分開排列。
條形圖主要用於展示分類數據，而直方圖則主要用於展示數據型數據。

示例代碼：
[python] view plain copy
#概率分布直方圖  
#高斯分布  
#均值為0  
mean = 0  
#標准差為1，反應數據集中還是分散的值  
sigma = 1  
x=mean+sigma*np.random.randn(10000)  
fig,(ax0,ax1) = plt.subplots(nrows=2,figsize=(9,6))  
#第二個參數是柱子寬一些還是窄一些，越大越窄越密  
ax0.hist(x,40,normed=1,histtype='bar',facecolor='yellowgreen',alpha=0.75)  
##pdf概率分布圖，一萬個數落在某個區間內的數有多少個  
ax0.set_title('pdf')  
ax1.hist(x,20,normed=1,histtype='bar',facecolor='pink',alpha=0.75,cumulative=True,rwidth=0.8)  
#cdf累計概率函數，cumulative累計。比如需要統計小於5的數的概率  
ax1.set_title("cdf")  
fig.subplots_adjust(hspace=0.4)  
plt.show()  

　　

運行結果為：