一、Matplotlib基礎知識

　import seaborn as sb

　　import numpy as np
　　import pandas as pd
　　import matplotlib.pyplot as plt
　　from pandas import Series,DataFrame

使用matplotlib.pyplot獲取一個numpy數組，數據來源於一張圖片

img_arr = plt.imread('./bobby.jpg')
plt.imshow(img_arr)           # 顯示照片
plt.imshow(img_arr - 66)    #  改變照片顏色
plt.imshow(img_arr[:,::-1,:])  # 將照片的列反轉

　包含單條曲線的圖

x=[1,2,3,4,5]
y=[2,4,6,8,10]
plt.plot(x,y)

繪制拋物線

x = np.linspace(-np.pi,np.pi,num=20)
y = x**2
plt.plot(x,y)

繪制正弦曲線圖

x
y = np.sin(x)
plt.plot(x,y)

包含多個曲線

將多個曲線圖繪制在一個table區域中：對象形式創建表圖

• a=plt.subplot（row,col,loc） 創建曲線圖
• a.plot(x,y) 繪制曲線圖

ax1 = plt.subplot(221)
ax1.plot(x,y)

ax2 = plt.subplot(2,2,2)
ax2.plot(x,y)

ax3 = plt.subplot(2,2,3)
ax3.plot(x,y)

ax4 = plt.subplot(2,2,4)
ax4.plot(x,y)

網格線 plt.gride(XXX) 

參數：

- axis
- color:支持十六進制顏色
- linestyle: --  -.  :
- alpha

繪制一個正弦曲線圖，並設置網格

坐標軸界限 

axis方法:設置x，y軸刻度值的范圍

plt.axis([xmin,xmax,ymin,ymax])

plt.axis('off')  關閉坐標軸

設置畫布比例：plt.figure(figsize=(a,b)) a:x刻度比例 b：y刻度比例 （2:1）表示x刻度顯示為y刻度顯示的2倍

坐標軸標簽

• s 標簽內容
• color 標簽顏色
• fontsize 字體大小
• rotation 旋轉角度
• plt的xlabel方法和ylabel方法 title方法

圖例 

legend方法

兩種傳參方法：

• 分別在plot函數中增加label參數,再調用plt.legend()方法顯示
• 直接在legend方法中傳入字符串列表

legend的參數

- loc參數

• loc參數用於設置圖例標簽的位置，一般在legend函數內
• matplotlib已經預定義好幾種數字表示的位置

保存圖片 

使用figure對象的savefig函數來保存圖片

fig = plt.figure()---必須放置在繪圖操作之前

figure.savefig的參數選項

• filename
  含有文件路徑的字符串或Python的文件型對象。圖像格式由文件擴展名推斷得出，例如，.pdf推斷出PDF，.png推斷出PNG （“png”、“pdf”、“svg”、“ps”、“eps”……）
• dpi
  圖像分辨率（每英寸點數），默認為100
• facecolor ，打開保存圖片查看 圖像的背景色，默認為“w”（白色）

設置plot的風格和樣式

plot語句中支持除X,Y以外的參數，以字符串形式存在，來控制顏色、線型、點型等要素，語法形式為：
plt.plot(X, Y, 'format', ...)

顏色值的方式

• 別名
  • color='r'

• 合法的HTML顏色名
  • color = 'red'

• HTML十六進制字符串
  • color = '#eeefff'

• 歸一化到[0, 1]的RGB元組
  • color = (0.3, 0.3, 0.4)

線型

參數linestyle或ls

點型

• marker 設置點形
• markersize 設置點形大小

 

 

# 繪制線      plt.plot(x1,y1,x2,y2)
# 網格線      plt.grid(True)  axes.grid(color,ls,lw,alpha)
# 獲取坐標系  plt.subplot(n1,n2,n3)
# 坐標軸標簽  plt.xlabel() plt.ylabel()
# 坐標系標題  plt.title()
# 圖例        plt.legend([names],ncol=2,loc=1)  plt.plot(label='name')
# 線風格      --  -. : None  step
# 圖片保存    figure.savefig()
# 點的設置    marker markersize markerfacecolor markeredgecolor\width
# 坐標軸刻度  plt.xticks(刻度列表，刻度標簽列表) plt.yticks()
#             axes.set_xticks(刻度列表) axes.set_xticklabels(刻度標簽列表)

三、2D圖形

 

直方圖

• 是一個特殊的柱狀圖，又叫做密度圖。

【直方圖的參數只有一個x！！！不像條形圖需要傳入x,y】

plt.hist()的參數

• bins
  直方圖的柱數，可選項，默認為10
• color
  指定直方圖的顏色。可以是單一顏色值或顏色的序列。如果指定了多個數據集合,例如DataFrame對象，顏色序列將會設置為相同的順序。如果未指定，將會使用一個默認的線條顏色
• orientation
  通過設置orientation為horizontal創建水平直方圖。默認值為vertical

data = [1,2,3,3,4,2,5]
plt.hist(data,bins=10)

 

 

條形圖：plt.bar()

• 參數：第一個參數是索引。第二個參數是數據值。第三個參數是條形的寬度

-【條形圖有兩個參數x,y】

• width 縱向設置條形寬度
• height 橫向設置條形高度

bar()、barh()

num = [1,2,3,4,5]
count = [2,4,6,8,10]
plt.barh(num,count)

 

餅圖

【餅圖也只有一個參數x】

pie()
餅圖適合展示各部分占總體的比例，條形圖適合比較各部分的大小

餅圖陰影、分裂等屬性設置

#labels參數設置每一塊的標簽；

#labeldistance參數設置標簽距離圓心的距離（比例值）

#autopct參數設置比例值小數保留位(%.3f%%)；

#pctdistance參數設置比例值文字距離圓心的距離

#explode參數設置每一塊頂點距圓心的長度（比例值,列表）；

#colors參數設置每一塊的顏色（列表）；

#shadow參數為布爾值，設置是否繪制陰影

#startangle參數設置餅圖起始角度

arr=[11,22,31,15]
plt.pie(arr,labels=['a','b','c','d'])

#labeldistance參數設置標簽距離圓心的距離（比例值）
arr=[11,22,31,15]
plt.pie(arr,labels=['a','b','c','d'],labeldistance=0.3)

#autopct參數設置比例值小數保留位(%.3f%%)；
arr=[11,22,31,15]
plt.pie(arr,labels=['a','b','c','d'],labeldistance=0.3,autopct='%.6f%%')

##explode參數設置每一塊頂點距圓心的長度（比例值,列表）；
arr=[11,22,31,15]
plt.pie(arr,labels=['a','b','c','d'],labeldistance=0.3,shadow=True,explode=[0.2,0.3,0.2,0.4])

#startangle參數設置餅圖起始角度
arr=[11,22,31,15]
plt.pie(arr,labels=['a','b','c','d'],startangle=50)

散點圖：因變量隨自變量而變化的大致趨勢¶

【散點圖需要兩個參數x,y，但此時x不是表示x軸的刻度，而是每個點的橫坐標！】

scatter()

x = np.random.randint(0,10,size=(20,))
y = np.random.randint(0,10,size=(20,))

plt.scatter(x,y,marker='d',c="rbgy") 設置不同的散點顏色

繪制條形圖

countplot(data：數據集, x：x坐標軸, color：條形圖顏色, order：排序)

color_palette()：返回一個RGB元組列表

test = pd.read_csv('pokemon.csv')
print(test.shape)
print(test.tail(10))
# value_counts函數統計各序列頻率，並降序
generation_order = test['generation_id'].value_counts().index
print(generation_order)
# color_palette 返回一個RGB元組列表
base_color = sb.color_palette()[0]
sb.countplot(data=test, x='generation_id', color=base_color, order=generation_order)
plt.show()

xticks(rotation：旋轉度數)：更改繪制x軸標簽方向（與水平方向的逆時針夾角度數）

yticks(rotation：旋轉度數)：更改繪制y軸標簽方向（與垂直方向的逆時針夾角度數）

plt.xticks(rotation=90)
plt.yticks(rotation=45)