matplotlib是Python中一个数学绘图库
- 绘制简单的折线图
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 | import matplotlib.pyplot as plt #模块pyplot包含很多用于生成图表的函数 input_values=[1,2,3,4,5] squares = [1, 4, 9, 16, 25] plt.plot(input_values,squares,linewidth=5)#尝试根据这些数字绘制出有意义的图形,linewidth表示线条粗细 #设置图表标题，并给坐标轴加上标签,fontsize表示图表中文字大小 plt.title("Squares Numbers",fontsize=24) plt.xlabel("Value",fontsize=14) plt.ylabel("Square of Value",fontsize=14) #设置刻度标记的大小,axis='both'表示x轴和y轴同时设置labelsize用于设置刻度线标签的字体大小 plt.tick_params(axis='both',labelsize=14) plt.show() # 打开matplotlib查看器，并显示绘制的图形 |
2.绘制散点图
- 绘制单个点，可使用函数 scatter() ，并向它传递一对x和y坐标，它将在指定位置绘制一个点
1 2 3 4 5 6 7 8 9 10 11 12 | import matplotlib.pyplot as plt #s=200指明了点的尺寸 plt.scatter(2,4,s=200) #设置图表标题，并给坐标轴加上标签,fontsize表示图表中文字大小 plt.title("Squares Numbers",fontsize=24) plt.xlabel("Value",fontsize=14) plt.ylabel("Square of Value",fontsize=14) #默认是major表示主刻度 plt.tick_params(axis='both',which='major',labelsize=14) plt.show() |
官方文档关于which参数的解释
which{'major', 'minor', 'both'}
Default is 'major'; apply arguments to which ticks.
网上找了很多，就找到了下面这个解释：
默认是major表示主刻度答，后面分布为次刻度及主次刻度都显示（其实我没看太懂这个意思）
于是自己试验了以下，下面三张图分别是参数对应major,minor,both的结果，我觉得当为major是正常情况，minor的时候会显示更精确的刻度，而both我还不知道是什么意思，如果有小伙伴知道可以解释下。
- 绘制一系列点
要绘制一系列的点，可向 scatter() 传递两个分别包含x值和y值的列表
1 2 3 4 5 6 7 8 9 10 11 12 13 14 | import matplotlib.pyplot as plt x_values=[1,2,3,4,5] y_values=[1,4,9,16,25] #s=200指明了点的尺寸 plt.scatter(x_values,y_values,s=200) #设置图表标题，并给坐标轴加上标签,fontsize表示图表中文字大小 plt.title("Squares Numbers",fontsize=24) plt.xlabel("Value",fontsize=14) plt.ylabel("Square of Value",fontsize=14) #默认是major表示主刻度 plt.tick_params(axis='both',which='major',labelsize=14) plt.show() |
- 自动计算数据，绘图的数据不是一个个列出
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 | import matplotlib.pyplot as plt x_values=list(range(1,1001)) y_values=[x**2 for x in x_values] plt.scatter(x_values,y_values,s=40) #设置图表标题，并给坐标轴加上标签,fontsize表示图表中文字大小 plt.title("Squares Numbers",fontsize=24) plt.xlabel("Value",fontsize=14) plt.ylabel("Square of Value",fontsize=14) #设置每个坐标轴取值范围 plt.axis([0,1100,0,1000000]) plt.show() |
- 使用颜色映射
颜色映射（colormap）是一系列颜色，它们从起始颜色渐变到结束颜色。在可视化中，颜色映射用于突出数据的规律，例如，你可能用较浅的颜色来显示较小的值，并使用较深的颜色来显示较大的值。
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 | import matplotlib.pyplot as plt x_values=list(range(1,1001)) y_values=[x**2 for x in x_values] plt.scatter(x_values,y_values,c=y_values,cmap=plt.cm.Blues,s=40) #设置图表标题，并给坐标轴加上标签,fontsize表示图表中文字大小 plt.title("Squares Numbers",fontsize=24) plt.xlabel("Value",fontsize=14) plt.ylabel("Square of Value",fontsize=14) #设置每个坐标轴取值范围 plt.axis([0,1100,0,1000000]) plt.show() |
将参数 c 设置成了一个y值列表，表示颜色根据y值来变化，并使用参数 cmap 告诉 pyplot 使用哪个颜色映射。这些代码将y值较小的点显示为浅蓝色，并将y值较大的点显示为深蓝色。
3.绘制随机漫步图
随机漫步是这样行走得到的路径：每次行走都完全是随机的，没有明确的方向，结果是由一系列随机决策决定的。
创建一个RandomWalk类，其中属性包含要创建的点个数，点的x,y坐标，使用fill_walk生成随机漫步的点的x和y坐标，再创建这个类的实例。
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 | from random import choice import matplotlib.pyplot as plt class RandomWalk(): #生成一个随机漫步的类 def __init__(self,num_points=5000): self.num_points=num_points #所有随机漫步数都始于0,0 self.x_values=[0] self.y_values=[0] def fill_walk(self): #计算随机漫步包含的所有点 #不断漫步，直到列表到达指定的长度 while len(self.x_values)<self.num_points: #决定前进方向以及沿这个方向前进的距离 x_direction=choice([1,-1]) x_distance=choice([0,1,2,3,4]) x_step=x_direction*x_distance y_direction=choice([1,-1]) y_distance=choice([0,1,2,3,4]) y_step=y_direction*y_distance #拒绝原地踏步 if x_step==0 and y_step==0: continue #计算下一个点的x和y值 next_x=self.x_values[-1]+x_step next_y=self.y_values[-1]+y_step self.x_values.append(next_x) self.y_values.append(next_y) rw=RandomWalk() rw.fill_walk() plt.scatter(rw.x_values,rw.y_values,s=5) plt.show() |
4.绘制csv文件绘图
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 | import csv import matplotlib.pyplot as plt from datetime import datetime filename='sitka_weather_2014.csv' with open(filename) as f: #创建一个与该文件相关联的阅读器对象 reader=csv.reader(f) #next将返回文件中的下一行 reader_row=next(reader) dates,highs,lows=[],[],[] #遍历文件中余下各行 for row in reader: current_date=datetime.strptime(row[0],'%Y-%m-%d') dates.append(current_date) highs.append(int(row[1])) lows.append(int(row[3])) print(highs) #根据数据绘制图形,alpha指定颜色透明度 fig=plt.figure(dpi=128,figsize=(6,4)) plt.plot(dates,highs,c='red',alpha=0.5) plt.plot(dates,lows,c='blue',alpha=0.5) #填充两个参数之间的区域，facecolor绘制颜色 plt.fill_between(dates,highs,lows,facecolor='blue',alpha=0.1) #设置图形格式 plt.title("Daily high and low temperature-2014",fontsize=20) plt.xlabel('',fontsize=16) #设置图表上日期显示为斜的 fig.autofmt_xdate() plt.ylabel('Temperature(F)',fontsize=16) plt.tick_params(axis='both',which='major',labelsize=16) plt.show() |
