對於Python數據可視化庫，matplotlib 已經成為事實上的數據可視化方面最主要的庫，此外還有很多其他庫，例如vispy，bokeh， seaborn，pyga，folium 和 networkx，這些庫有些是構建在 matplotlib 之上，還有些有其他一些功能。
目錄
- matplotlib
- 基本函數
- 中文亂碼
- plot：線性圖
- bar：柱狀圖
- barh：水平柱狀圖
- pie：餅圖
- scatter：散點圖
- hist：直方圖
- stackplot：面積圖
- subplot：子圖布局
- GridSpec：網格布局
matplotlib
matplotlib 是一個基於 Python 的 2D 繪圖庫，其可以在跨平台的在各種硬拷貝格式和交互式環境中繪制出高圖形。Matplotlib 能夠創建多數類型的圖表，如條形圖，散點圖，條形圖，餅圖，堆疊圖，3D 圖和地圖圖表。
％matplotlib 命令可以在當前的 Notebook 中啟用繪圖。Matlibplot 提供了多種繪圖 UI ，可進行如下分類 ：
- 彈出窗口和交互界面： ％matplotlib qt 和 ％matplot tk
- 非交互式內聯繪圖： ％matplotlib inline
- 交互式內聯繪圖： ％matplotlib notebook－－＞別用這個，它會讓開關變得困難。
安裝Matplotlib命令：pip install matplotlib
基本函數
legend：增加圖例（線的標題） ，格式：plt.legend(handles=(line1, line2, line3),labels=('label1', 'label2', 'label3'),loc='upper right'), 見如下示例代碼
1 ln1, = plt.plot(x_data, y_data, color = 'red', linewidth = 2.0, linestyle = '--') 2 ln2, = plt.plot(x_data, y_data2, color = 'blue', linewidth = 3.0, linestyle = '-.') 3 plt.legend(handles=[ln2, ln1], labels=['Android基礎', 'Java基礎'], loc='lower right')
loc參數值：
- 'best'：自動選擇最佳位置
- 'upper right'：將圖例放在右上角。
- 'upper left'：將圖例放在左上角。
- 'lower left'：將圖例放在左下角。
- 'lower right'：將圖例放在右下角。
- 'right'：將圖例放在右邊。
- 'center left'：將圖例放在左邊居中的位置。
- 'center right'：將圖例放在右邊居中的位置。
- 'lower center'：將圖例放在底部居中的位置。
- 'upper center'：將圖例放在頂部居中的位置。
- 'center'：將圖例放在中心。
figure：新建一個畫布，格式：figure(num=None, figsize=None, dpi=None, facecolor=None, edgecolor=None, frameon=True)
- num：圖像編號或名稱，數字為編號 ，字符串為名稱
- figsize：指定figure的寬和高，單位為英寸；
- dpi：指定繪圖對象的分辨率，即每英寸多少個像素，缺省值為80；1英寸等於2.5cm,A4紙是 21*30cm的紙張
- frameon：是否顯示邊框
spines：在matplotlib的圖中，默認有四個軸，兩個橫軸和兩個豎軸，可以通過ax = plt.gca()方法獲取，gca是‘get current axes’的縮寫，獲取圖像的軸，總共有四個軸 top、bottom、left、right
- axis指定要用的軸：由於axes會獲取到四個軸，而我們只需要兩個軸，所以我們需要把另外兩個軸隱藏，把頂部和右邊軸的顏色設置為none, 如：plt.gca().spines['top'].set_color('none')
- 移動軸到指定位置：ax.spines[‘bottom’]獲取底部的軸，通過 set_position 方法，設置底部軸的位置，例如：ax.spines[‘bottom’].set_position((‘data’,0)) 表示設置底部軸移動到豎軸的0坐標位置，設置軸設置的方法相同
示例代碼：
1 import matplotlib.pyplot as plt 2
3 fig = plt.figure(figsize=(4, 3), frameon=True, facecolor='r') 4 ax = fig.add_subplot(1, 1, 1) 5 ax.spines['top'].set_color = 'none'
6 ax.spines['right'].set_color = 'none'
7 ax.spines['left'].set_position(('data', 0)) 8 ax.spines['bottom'].set_position(('data', 0)) 9 plt.show()
效果圖：
中文亂碼
- 問題描述：matplotlib繪制圖像在顯示中文時候，中文會變成小方格子。其實plotlib是支持中文編碼的，造成這個現象的原因是，matplotlib庫的配置信息里面沒有中文字體的相關信息
- 解決方案：在python腳本中動態設置 matplotlibrc，這樣就避免了更改配置文件的麻煩，方便靈活，更改了字體導致顯示不出負號，將配署文件中 axes.unicode minus :True 修改為 Falsest 就可以了，代碼如下：
1 from pylab import mpl 2
3 mpl.rcParams['font.sans-serif'] = 'FangSong' # 指定默認字體
4 mpl.rcParams['axes.unicode_minus'] = False # 解決保存圖像是負號'-'顯示為方塊的問題
Windows的字體對應名稱如下
- 黑體：SimHei
- 微軟雅黑：Microsoft YaHei
- 微軟正黑體：Microsoft JhengHei
- 新宋體：NSimSun
- 新細明體：PMingLiU
- 標楷體：DFKai-SB
- 仿宋：FangSong
- 楷體：KaiTi
- 仿宋_GB2312： FangSong_GB2312
- 楷體_GB2312： KaiTi_GB2312
plot：線性圖
格式：plt.plot(x,y,format_string,**kwargs)
- x軸數據，y軸數據，format_string控制曲線的格式字串
- format_string：由顏色字符，風格字符，和標記字符。具體形式 fmt = '[color][marker][line]' ，fmt接收的是每個屬性的單個字母縮寫，見如下代碼：
- plot(x,y2,color='green', marker='o', linestyle='dashed', linewidth=1, markersize=6)
- plot(x,y3,color='#900302',marker='+',linestyle='-')
- 還可包含有其它的屬性，如：markerfacecolor：標記顏色 、markersize： 標記大小 等等
示例：
1 import matplotlib.pyplot as plt 2 from pylab import mpl 3
4 mpl.rcParams['font.sans-serif'] = 'FangSong' # 指定默認字體
5 mpl.rcParams['axes.unicode_minus'] = False # 解決保存圖像是負號'-'顯示為方塊的問題
6
7 year = ['1950', '1960', '1970', '1980', '1990', '2000', '2010'] 8 gdp = [300.2, 543.3, 1075.9, 2862.5, 5979.6, 10298.7, 14958.3] 9 y_data = [100, 200, 300, 400, 500, 600, 700] 10
11
12 def draw_plot(): 13 # plt.plot(year, gdp, 'go-', year, y_data, 'rp:')
14 plt.plot(year, gdp, 'go-', label='gdp') 15 plt.plot(year, y_data, 'rp:', label='second line') 16 plt.title("plot 線圖demo") 17 plt.xlabel('年度') 18 plt.ylabel('gdp') 19 plt.legend() #生成默認圖例
20 plt.show()
效果圖：
bar：柱狀圖
格式：bar(left, height, width, alpha=1, width=0.8, color=, edgecolor=, label=, lw=3)
- left：x軸的位置序列，一般采用arange函數產生一個序列；
- height：y軸的數值序列，也就是柱形圖的高度，一般就是我們需要展示的數據；
- width：柱形圖的寬度，一般這是為1即可；
- alpha：透明度
- width：為柱形圖的寬度，一般這是為0.8即可；
- color或facecolor：柱形圖填充的顏色；
- edgecolor：圖形邊緣顏色
- label：解釋每個圖像代表的含義
- linewidth or linewidths or lw：邊緣or線的寬度
示例
1 def draw_bar(): 2 plt.bar(x=year, height=gdp, width=0.4, label='gdp', color='green') 3 plt.bar(x=year, height=y_data, width=0.4, label='secend', color='red') 4 # 在柱狀圖上顯示具體數值, ha參數控制水平對齊方式, va控制垂直對齊方式
5 for x, y in enumerate(y_data): 6 plt.text(x, y - 400, '%s' % y, ha='center', va='bottom') 7 for x, y in enumerate(gdp): 8 plt.text(x, y + 400, '%s' % y, ha='center', va='top') 9
10 plt.title("bar 條形圖") 11 plt.xlabel('年度') 12 plt.ylabel('gdp') 13 plt.legend() 14 plt.show()
效果圖：
使用 bar() 函數繪制柱狀圖時，默認不會在柱狀圖上顯示具體的數值。為了能在柱狀圖上顯示具體的數值，程序可以調用 text() 函數在數據圖上輸出文字，增加如下代碼：1for x, y in enumerate(y_data):
1 for x, y in enumerate(y_data): 2 plt.text(x, y - 400, '%s' % y, ha='center', va='bottom') 3 for x, y in enumerate(gdp): 4 plt.text(x, y + 400, '%s' % y, ha='center', va='top')
- 在使用 text() 函數輸出文字時，該函數的前兩個參數控制輸出文字的 X、Y 坐標，第三個參數則控制輸出的內容。其中 va 參數控制文字的垂直對齊方式，ha 參數控制文字的水平對齊方式。
- 對於上面的代碼，由於 X 軸數據是一個字符串列表，因此 X 軸實際上是以列表元素的索引作為刻度值的。因此，當程序指定輸出文字的 X 坐標為 0 時，表明將該文字輸出到第一個條柱處；對於 Y 坐標而言，條柱的數值正好在條柱高度所在處，如果指定 Y 坐標為條柱的數值 +400，就是控制將文字輸出到條柱略上一點的位置。
效果圖：
如上圖 所示的顯示效果來看柱狀圖重疊，為了實現條柱井列顯示的效果，首先分析條柱重疊在一起的原因。使用 Matplotlib 繪制柱狀圖時同樣也需要 X 軸數據，本程序的 X 軸數據是元素為字符串的 list 列表，因此程序實際上使用各字符串的索引作為 X 軸數據。比如 '1950' 字符串位於列表的第一個位置，因此代表該條柱的數據就被繪制在 X 軸的刻度值1處（由於兩個柱狀圖使用了相同的 X 軸數據，因此它們的條柱完全重合在一起）。為了將多個柱狀圖的條柱並列顯示，程序需要為這些柱狀圖重新計算不同的 X 軸數據。為了精確控制條柱的寬度，程序可以在調用 bar() 函數時傳入 width 參數，這樣可以更好地計算條柱的並列方式。
示例 ：
1 def draw_bar2(): 2 barwidth=0.4
3 plt.bar(x=range(len(year)), height=gdp, width=0.4, label='gdp', color='green') 4 plt.bar(x=np.arange(len(year)) + barwidth, height=y_data, width=0.4, label='secend', color='red') 5 # 在柱狀圖上顯示具體數值, ha參數控制水平對齊方式, va控制垂直對齊方式
6 for x, y in enumerate(gdp): 7 plt.text(x, y + 400, '%s' % y, ha='center', va='top') 8 for x, y in enumerate(y_data): 9 plt.text(x + barwidth, y + 400, '%s' % y, ha='center', va='top') 10
11 plt.title("bar 條形圖") 12 plt.xlabel('年度') 13 plt.ylabel('gdp') 14 plt.legend() 15 plt.show()
效果圖：
運行上面程序，將會發現該柱狀圖的 X 軸的刻度值變成 0、1、2 等值，不再顯示年份。為了讓柱狀圖的 X 軸的刻度值顯示年份，程序可以調用 xticks() 函數重新設置 X 軸的刻度值，如下：
- plt.xticks(np.arange(len(year)) + barwidth/2, year)
- bar_width/2： 這些刻度值將被恰好添加在兩個條柱之間
希望兩個條柱之間有一點縫隙，那么程序只要對第二個條柱的 X 軸數據略做修改即可，完整代碼如下：
1 def draw_bar2(): 2 barwidth=0.4
3 plt.bar(x=range(len(year)), height=gdp, width=barwidth, label='gdp', color='green') 4 plt.bar(x=np.arange(len(year)) + barwidth + 0.01, height=y_data, width=barwidth, label='secend', color='red') 5 # 在柱狀圖上顯示具體數值, ha參數控制水平對齊方式, va控制垂直對齊方式
6 for x, y in enumerate(gdp): 7 plt.text(x, y + 400, '%s' % y, ha='center', va='top') 8 for x, y in enumerate(y_data): 9 plt.text(x + barwidth + 0.01, y + 400, '%s' % y, ha='center', va='top') 10
11 #X軸添加刻度
12 plt.xticks(np.arange(len(year)) + barwidth/2 + 0.01, year) 13 plt.title("bar 條形圖") 14 plt.xlabel('年度') 15 plt.ylabel('gdp') 16 plt.legend() 17 plt.show()
效果圖：
barh：水平柱狀圖
barh() 函數的用法與 bar() 函數的用法基本一樣，只是在調用 barh() 函數時使用 y參數傳入 Y 軸數據，使用 width 參數傳入代表條柱寬度的數據。
示例:
1 def draw_barh(): 2 barwidth = 0.4
3 plt.barh(y=range(len(year)), width=gdp, height=barwidth, label='gdp', color='green') 4 plt.barh(y=np.arange(len(year)) + barwidth + 0.01, width=y_data, height=barwidth, label='secend', color='red') 5 # 在柱狀圖上顯示具體數值, ha參數控制水平對齊方式, va控制垂直對齊方式
6 for y, x in enumerate(gdp): 7 plt.text(x + 1000, y + barwidth/2, '%s' % x, ha='center', va='bottom') 8 for y, x in enumerate(y_data): 9 plt.text(x + 1400, y + barwidth/2 - 0.01, '%s' % x, ha='center', va='top') 10
11 # y軸添加刻度
12 plt.yticks(np.arange(len(year)) + barwidth / 2 + 0.01, year) 13 plt.title("barh 水平柱狀圖") 14 plt.xlabel('gdp') 15 plt.ylabel('年度') 16 plt.legend() 17 plt.show()
效果圖：
pie：餅圖
格式：pie(x, explode=None, labels=None, colors=('b', 'g', 'r', 'c', 'm', 'y', 'k', 'w'), autopct=None, pctdistance=0.6, shadow=False, labeldistance=1.1, startangle=None, radius=None, counterclock=True, wedgeprops=None, textprops=None, center = (0, 0), frame = False )
- 創建餅圖最重要的兩個參數就是 x 和 labels，其中 x 指定餅圖各部分的數值，labels 則指定各部分對應的標簽
- 通常，餅圖用於顯示部分對於整體的情況，通常以％為單位。 幸運的是，Matplotlib 會處理切片大小以及一切事情，我們只需要提供數值。
- x：繪圖數據
- explode：突出顯示，如將第4個數據顯示：explode = [0, 0, 0, 0.3, 0, 0, 0, 0, 0, 0, 0]
- labels：顯示標簽
- autopct：設置百分比的格式，如保留3位小數：autopct='%.3f%%'
- pctdistance：置百分比標簽與圓心的距離，如：pctdistance=0.8
- labeldistance：設置標簽與圓心的距離，如：startangle = 180
- startangle：設置餅圖的初始角度， 如：startangle = 180
- center ： 設置餅圖的圓心（相當於X軸和Y軸的范圍）,如：center = (4, 4)
- radius ：設置餅圖的半徑（相當於X軸和Y軸的范圍），如：radius = 3.8
- counterclock ：是否逆時針，如這里設置為順時針方向：counterclock = False,
- wedgeprops：設置餅圖內外邊界的屬性值，如：wedgeprops = {'linewidth': 1, 'edgecolor':'green'}
- textprops：設置文本標簽的屬性值，如：textprops = {'fontsize':12, 'color':'black'}
- frame ：是否顯示餅圖的圓圈，如此處設為顯示：frame = 1
示例
1 def draw_pie(): 2 plt.pie(x=gdp, 3 labels=year, 4 autopct='%.3f%%', 5 explode=[0, 0, 0, 0.03, 0, 0, 0]) 6
7 plt.title("pie 圖") 8 plt.show()
效果：
scatter：散點圖
格式：scatter(x, y, s=None, c=None, marker=None, cmap=None, norm=None, vmin=None, vmax=None, alpha=None, linewidths=None, verts=None, edgecolors=None, hold=None, data=None, **kwargs)
- x, y：指 x 軸、y軸數據
- s：指定散點的大小（設置點半徑），如：s=50
- c：指定散點的顏色。如：c='red'
- alpha：指定散點的透明度。如：alpha = 0.5
- marker：指定散點的圖形樣式，見最上面標記字符圖，如：marker='p'
示例：
1 def draw_catter(): 2 plt.scatter(x=year, y=gdp, c='red', marker='*', s=100) 3
4 plt.title("catter 散點圖") 5 plt.show()
效果：
hist：直方圖
柱狀圖與直方圖：
- 柱狀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，柱狀圖的各矩形通常是連續排列，而條形圖則是分開排列。
- 柱狀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
格式：pyplot.hist(x, bins=None, range=None, normed=False, weights=None, cumulative=False, bottom=None, histtype=’bar’, align=’mid’, orientation=’vertical’, rwidth=None, log=False, color=None, label=None, stacked=False, hold=None, data=None, **kwargs)
- x：指定每個bin(箱子)分布的數據,對應x軸
- bins : 這個參數指定bin(箱子)的個數,也就是總共有幾條條狀圖
- normed : 是否將得到的直方圖向量歸一化
- histtype : {‘bar’, ‘barstacked’, ‘step’, ‘stepfilled’}
函數返回值：
- n : array or list of arrays(箱子的值)
- bins : array(箱子的邊界)
- patches : list or list of lists
stackplot：面積圖
格式：stackplot(x, *args, labels=(), colors=None, baseline='zero', data=None, **kwargs)
示例 ：
1 plt.stackplot(year, gdp, y_data, colors=['r', 'g']) 2 plt.title("stackplot 面積圖") 3 plt.show()
效果：
從圖上看不出顏色代表的含義，增加圖例，完整代碼如下：
1 def draw_stackplot(): 2 plt.plot([], [], color='r', label='gdp', linewidth=5) 3 plt.plot([], [], color='g', label='y_data', linewidth=5) 4 plt.stackplot(year, gdp, y_data, colors=['r', 'g']) 5 plt.title("stackplot 面積圖") 6 plt.legend() 7 plt.show()
效果圖：
subplot：子圖布局
subplot 在一張數據圖上包含多個子圖，格式：subplot(nrows, ncols, index, **kwargs)
- nrows：指定將數據圖區域分成多少行；
- ncols：指定將數據圖區域分成多少列；
- index：指定獲取第幾個區域
subplot() 函數也支持直接傳入一個三位數的參數，其中第一位數將作為 nrows 參數；第二位數將作為 ncols 參數；第三位數將作為 index 參數。
示例：
1 def draw_subplot(): 2 plt.figure(figsize=(4, 3)) 3
4 x_data = np.linspace(-np.pi, np.pi, 64, endpoint=True) 5 plt.subplot(2, 1, 1) 6 plt.plot(x_data, np.sin(x_data)) 7 plt.gca().spines['top'].set_color('none') 8 plt.gca().spines['right'].set_color('none') 9 plt.gca().spines['left'].set_position(('data', 0)) 10 plt.gca().spines['bottom'].set_position(('data', 0)) 11 plt.title('sin') 12
13 plt.subplot(2, 2, 3) 14 plt.plot(x_data, np.cos(x_data)) 15 plt.gca().spines['top'].set_color('none') 16 plt.gca().spines['right'].set_color('none') 17 plt.gca().spines['left'].set_position(('data', 0)) 18 plt.gca().spines['bottom'].set_position(('data', 0)) 19 plt.title('cos') 20
21 plt.subplot(2, 2, 4) 22 plt.plot(x_data, np.tan(x_data)) 23 plt.gca().spines['top'].set_color('none') 24 plt.gca().spines['right'].set_color('none') 25 plt.gca().spines['left'].set_position(('data', 0)) 26 plt.gca().spines['bottom'].set_position(('data', 0)) 27 plt.title('tan') 28
29 plt.show()
效果：
GridSpec：網格布局
指定在給定GridSpec中的子圖位置
示例：
1 def draw_gridspace(): 2 plt.figure(figsize=(4, 3)) 3
4 x_data = np.linspace(-np.pi, np.pi, 64, endpoint=True) 5 gs = gridspace.GridSpec(2, 2) 6 ax1 = plt.subplot(gs[0, :]) 7 ax2 = plt.subplot(gs[1, 0]) 8 ax3 = plt.subplot(gs[1, 1]) 9
10 ax1.plot(x_data, np.sin(x_data)) 11 ax1.spines['top'].set_color('none') 12 ax1.spines['right'].set_color('none') 13 ax1.spines['left'].set_position(('data', 0)) 14 ax1.spines['bottom'].set_position(('data', 0)) 15 ax1.set_title('sin') 16
17 ax2.plot(x_data, np.cos(x_data)) 18 ax2.spines['top'].set_color('none') 19 ax2.spines['right'].set_color('none') 20 ax2.spines['left'].set_position(('data', 0)) 21 ax2.spines['bottom'].set_position(('data', 0)) 22 ax2.set_title('cos') 23
24 ax3.plot(x_data, np.tan(x_data)) 25 ax3.spines['top'].set_color('none') 26 ax3.spines['right'].set_color('none') 27 ax3.spines['left'].set_position(('data', 0)) 28 ax3.spines['bottom'].set_position(('data', 0)) 29 ax3.set_title('tan') 30
31 plt.show()
效果與上節 subplot 一致
參考資料
- https://blog.csdn.net/u014539580/article/details/78207537
- https://blog.csdn.net/u010758410/article/details/71743225
- https://cloud.tencent.com/developer/news/320526
- figure：https://blog.csdn.net/m0_37362454/article/details/81511427
- spines：https://blog.csdn.net/qq_41011336/article/details/83015986
- bar1: https://blog.csdn.net/jiede1/article/details/61208576
- bar2: https://blog.csdn.net/liangzuojiayi/article/details/78187704
- bar3:http://c.biancheng.net/view/2716.html
- pie：http://c.biancheng.net/view/2713.html
- scatter： http://c.biancheng.net/view/2718.html
- hist：https://blog.csdn.net/lmj_2529980619/article/details/86063752
- hist：https://www.cnblogs.com/python-life/articles/6084059.html
- Stackplot：http://blog.sina.com.cn/s/blog_683754910102whwq.html
- subplot：http://c.biancheng.net/view/2711.html