Matplotlib：繪圖和可視化

• 簡介
• 簡單繪制線形圖
• plot函數
• 支持圖類型
• 保存圖表

一 、簡介

Matplotlib是一個強大的Python繪圖和數據可視化的工具包。數據可視化也是我們數據分析的最重要的工作之一，可以幫助我們完成很多操作，例如：找出異常值、必要的一些數據轉換等。完成數據分析的最終結果也許就是做一個可交互的數據可視化。

安裝方式：

pip install matplotlib

引用方法：

import matplotlib.pyplot as plt

二 、簡單繪制線形圖

plt.plot()   # 繪圖函數
plt.show()   # 顯示圖像

在jupyter notebook中不執行這條語句也是可以將圖形展示出來

import matplotlib.pyplot as plt
import numpy as np
data = np.arange(10)
plt.plot(data)
plt.show() # 顯示圖像，在notebook中不執行這一句也可以

執行結果：

雖然seaborn這些庫和pandas的內置繪圖函數能夠處理許多普通的繪圖任務，如果需要自定義一些高級功能的話就必須要matplotlib API.

三 、plot函數

3.1 plot函數：繪制折線圖

• 線型linestyle(-,-.,-–,..)
• 點型marker(v,^,s,*,H,+,X,D,O,..…)
• 顏色color(b,g,r,y,k,w,..…)

plt.plot([0,3,9,15,30],linestyle = '-.',color = 'r',marker = 'o') 

3.2 圖像標注

方法	描述
plt.title()	設置圖像標題
plt.xlabel()	設置x軸名稱
plt.ylabel()	設置y軸名稱
plt.xlim()	設置x軸范圍
plt.ylim()	設置y軸范圍
plt.xticks()	設置x軸刻度
plt.yticks()	設置y軸刻度
plt.legend()	設置曲線圖例

plt.plot([0,3,9,15,30],linestyle = '-.',color = 'r',marker = 'o',label="A") 
plt.plot([1,3,16,23,30],[30,23,13,25,30],label='B')
plt.title("Title")  # 標題
plt.xlabel('X')  # x軸名稱
plt.ylabel('Y')  # y軸名稱

plt.xticks(np.arange(0,30,2))  # x軸刻度
plt.xlim(-0.2,10,2)  # x軸范圍
plt.legend()  # 曲線圖例

運行圖例：

3.3 繪制數學函數

使用Matplotlib模塊在一個窗口中繪制數學函數y=x, y=x**2,y=sinx的圖像，使用不同顏色的線加以區別，並使用圖例說明各個線代表什么函數。

x = np.arange(-100,100)
y1 = x
y2 = x ** 2
y3 = np.sin(x)
-----------------------
plt.plot(x,y1,label="y=x")
plt.plot(x,y2,label="y=x^2")
plt.plot(x,y3,label="y=sin(x)")

plt.ylim(-100,100)
plt.legend()

四 、支持的圖類型

函數	說明
plt.plot(x,y,fmt)	坐標系
plt.boxplot(data,notch,position)	箱型圖
plt.bar(left,height,width,bottom)	柱狀圖
plt.barh(width,bottom,left,height)	橫向柱狀圖
plt.polar(theta,r)	極坐標系
plt.pie(data,explode)	餅圖
plt.psd(x,NFFT=256,pad_to,Fs)	功率譜密度圖
plt.specgram(x,NFFT=256,pad_to,F)	譜圖
plt.cohere(x,y,NFFT=256,Fs)	X-Y相關性函數
plt.scatter(x,y)	散點圖
plt.step(x,y,where)	步階圖
plt.hist(x,bins,normed)	直方圖

# 柱狀圖
data = [12,34,23,54]
labels = ['Jan','Fed','Mar','Apr']
plt.xticks([0,1,2,3],labels)  # 設置x軸刻度
plt.bar([0,1,2,3],data)    

# 橫向柱狀圖
data = [12,34,23,54]
labels = ['Jan','Fed','Mar','Apr']
plt.yticks([0,1,2,3],labels)
plt.barh([0,1,2,3],data)    

# DataFrame數組圖
df = pd.DataFrame({
    'Jan':pd.Series([1,2,3],index=['a','b','c']),
    'Fed':pd.Series([4,5,6],index=['b','a','c']),
    'Mar':pd.Series([7,8,9],index=['b','a','c']),
    'Apr':pd.Series([2,4,6],index=['b','a','c'])
})
df.plot.bar()  # 水平柱狀圖，將每一行中的值分組到並排的柱子中的一組
df.plot.barh(stacked=True,alpha=0.5)  # 橫向柱狀圖，將每一行的值堆積到一起

# 餅圖
plt.pie([10,20,30,40],labels=list('abcd'),autopct="%.2f%%",explode=[0.1,0,0,0])  # 餅圖
plt.axis("equal")
plt.show()

# 散點圖
import random
x = np.random.randn(100)
y = np.random.randn(100)
plt.scatter(x,y)

五 、保存圖表到文件

5.1 plt.savafig(‘文件名.拓展名’)

文件類型是通過文件擴展名推斷出來的。因此，如果你使用的是.pdf，就會得到一個PDF文件。

plt.savefig('123.pdf')

savefig並非一定要寫入磁盤，也可以寫入任何文件型的對象，比如BytesIO：

from io import BytesIO
buffer = BytesIO()
plt.savefig(buffer)
plot_data = buffer.getvalue()

參數	說明
fname	含有文件路徑的字符串或者Python的文件型對象。
dpi	圖像分辨率，默認為100
format	顯示設置文件格式(“png”,“jpg”,“pdf”,“svg”,“ps”,..…)
facecolor、edgecolor	背景色，默認為“W”(白色)
bbox_inches	圖表需要保存的部分。設置為”tight“，則嘗試剪除圖表周圍空白部分