###序言： Python的可视化工具,以下截图，均以展示图表实例，如需了解部分对象的输出结果，可参照我Github上的代码，3Q?
####【课程3.1】 Matplotlib简介及图表窗口 Matplotlib → 一个python版的matlab绘图接口，以2D为主，支持python、numpy、pandas基本数据结构，运营高效且有较丰富的图表库
图表窗口1 → plt.show()
import numpy as npimport pandas as pdimport matplotlib.pyplot as plt# 图表窗口1 → plt.show()plt.plot(np.random.rand(10))plt.show()# 直接生成图表复制代码
图表窗口2 → 魔法函数，嵌入图表
# 图表窗口2 → 魔法函数，嵌入图表% matplotlib inline x = np.random.randn(1000)y = np.random.randn(1000)plt.scatter(x,y)# 直接嵌入图表，不用plt.show()#代表该图表对象复制代码
% matplotlib notebook s = pd.Series(np.random.randn(100)) s.plot(style = 'k--o',figsize=(10,5))
可交互的matplotlib窗口，不用plt.show()
可做一定调整
>##### 图表窗口4 → 魔法函数，弹出matplotlib控制台复制代码
图表窗口4 → 魔法函数，弹出matplotlib控制台
% matplotlib qt5 df = pd.DataFrame(np.random.rand(50,2),columns=['A','B']) df.hist(figsize=(12,5),color='g',alpha=0.8)
可交互性控制台
如果已经设置了显示方式（比如notebook），需要重启然后再运行魔法函数
网页嵌入的交互性窗口 和 控制台，只能显示一个
#plt.close()
关闭窗口
#plt.gcf().clear()
每次清空图表内内容
PS:这里需要用代码调试####【课程3.2】 图表的基本元素 图表内基本参数设置>##### 图名，图例，轴标签，轴边界，轴刻度，轴刻度标签等复制代码
图名，图例，轴标签，轴边界，轴刻度，轴刻度标签等
df = pd.DataFrame(np.random.rand(10,2),columns=['A','B']) fig = df.plot(figsize=(6,4))
figsize：创建图表窗口，设置窗口大小
创建图表对象，并赋值与fig
plt.title('Interesting Graph - Check it out') # 图名 plt.xlabel('Plot Number') # x轴标签 plt.ylabel('Important var') # y轴标签
plt.legend(loc = 'upper right')
显示图例，loc表示位置
'best' : 0, (only implemented for axes legends)(自适应方式)
'upper right' : 1,
'upper left' : 2,
'lower left' : 3,
'lower right' : 4,
'right' : 5,
'center left' : 6,
'center right' : 7,
'lower center' : 8,
'upper center' : 9,
'center' : 10,
plt.xlim([0,12]) # x轴边界 plt.ylim([0,1.5]) # y轴边界 plt.xticks(range(10)) # 设置x刻度 plt.yticks([0,0.2,0.4,0.6,0.8,1.0,1.2]) # 设置y刻度 fig.set_xticklabels("%.1f" %i for i in range(10)) # x轴刻度标签 fig.set_yticklabels("%.2f" %i for i in [0,0.2,0.4,0.6,0.8,1.0,1.2]) # y轴刻度标签
范围只限定图表的长度，刻度则是决定显示的标尺 → 这里x轴范围是0-12，但刻度只是0-9，刻度标签使得其显示1位小数
轴标签则是显示刻度的标签
print(fig,type(fig))
查看表格本身的显示方式，以及类别
>##### 其他元素可视性复制代码
其他元素可视性
x = np.linspace(-np.pi,np.pi,256,endpoint = True) c, s = np.cos(x), np.sin(x) plt.plot(x, c) plt.plot(x, s)
通过ndarry创建图表
plt.grid(True, linestyle = "--",color = "gray", linewidth = "0.5",axis = 'x')
显示网格
linestyle：线型
color：颜色
linewidth：宽度
axis：x，y，both，显示x/y/两者的格网
plt.tick_params(bottom='on',top='off',left='on',right='off')
刻度显示
import matplotlib matplotlib.rcParams['xtick.direction'] = 'out' matplotlib.rcParams['ytick.direction'] = 'inout'
设置刻度的方向，in,out,inout
这里需要导入matploltib，而不仅仅导入matplotlib.pyplot
frame = plt.gca() #plt.axis('off')
关闭坐标轴
#frame.axes.get_xaxis().set_visible(False) #frame.axes.get_yaxis().set_visible(False)
x/y 轴不可见
####【课程3.3】 图表的样式参数 linestyle、style、color、marker>##### linestyle参数复制代码
linestyle参数
plt.plot([i**2 for i in range(100)], linestyle = '-.')
'-' solid line style
'--' dashed line style
'-.' dash-dot line style
':' dotted line style
>##### marker参数复制代码
marker参数
s = pd.Series(np.random.randn(100).cumsum()) s.plot(linestyle = '--', marker = '.')
'.' point marker
',' pixel marker
'o' circle marker
'v' triangle_down marker
'^' triangle_up marker
'<' triangle_left marker
'>' triangle_right marker
'1' tri_down marker
'2' tri_up marker
'3' tri_left marker
'4' tri_right marker
's' square marker
'p' pentagon marker
'*' star marker
'h' hexagon1 marker
'H' hexagon2 marker
'+' plus marker
'x' x marker
'D' diamond marker
'd' thin_diamond marker
'|' vline marker
'_' hline marker
>##### color参数复制代码
color参数
plt.hist(np.random.randn(100), color = 'g',alpha = 0.8)
alpha：0-1，透明度
常用颜色简写：red-r, green-g, black-k, blue-b, yellow-y
df = pd.DataFrame(np.random.randn(1000, 4),columns=list('ABCD')) df = df.cumsum() df.plot(style = '--.',alpha = 0.8,colormap = 'GnBu')
colormap：颜色板，包括：
Accent, Accent_r, Blues, Blues_r, BrBG, BrBG_r, BuGn, BuGn_r, BuPu, BuPu_r, CMRmap, CMRmap_r, Dark2, Dark2_r, GnBu, GnBu_r, Greens, Greens_r,
Greys, Greys_r, OrRd, OrRd_r, Oranges, Oranges_r, PRGn, PRGn_r, Paired, Paired_r, Pastel1, Pastel1_r, Pastel2, Pastel2_r, PiYG, PiYG_r,
PuBu, PuBuGn, PuBuGn_r, PuBu_r, PuOr, PuOr_r, PuRd, PuRd_r, Purples, Purples_r, RdBu, RdBu_r, RdGy, RdGy_r, RdPu, RdPu_r, RdYlBu, RdYlBu_r,
RdYlGn, RdYlGn_r, Reds, Reds_r, Set1, Set1_r, Set2, Set2_r, Set3, Set3_r, Spectral, Spectral_r, Wistia, Wistia_r, YlGn, YlGnBu, YlGnBu_r,
YlGn_r, YlOrBr, YlOrBr_r, YlOrRd, YlOrRd_r, afmhot, afmhot_r, autumn, autumn_r, binary, binary_r, bone, bone_r, brg, brg_r, bwr, bwr_r,
cool, cool_r, coolwarm, coolwarm_r, copper, copper_r, cubehelix, cubehelix_r, flag, flag_r, gist_earth, gist_earth_r, gist_gray, gist_gray_r,
gist_heat, gist_heat_r, gist_ncar, gist_ncar_r, gist_rainbow, gist_rainbow_r, gist_stern, gist_stern_r, gist_yarg, gist_yarg_r, gnuplot,
gnuplot2, gnuplot2_r, gnuplot_r, gray, gray_r, hot, hot_r, hsv, hsv_r, inferno, inferno_r, jet, jet_r, magma, magma_r, nipy_spectral,
nipy_spectral_r, ocean, ocean_r, pink, pink_r, plasma, plasma_r, prism, prism_r, rainbow, rainbow_r, seismic, seismic_r, spectral,
spectral_r ,spring, spring_r, summer, summer_r, terrain, terrain_r, viridis, viridis_r, winter, winter_r
其他参数见“颜色参数.docx”
>##### style参数，可以包含linestyle，marker，color复制代码
style参数，可以包含linestyle，marker，color
ts = pd.Series(np.random.randn(1000).cumsum(), index=pd.date_range('1/1/2000', periods=1000)) ts.plot(style = '--g.',grid = True)
style → 风格字符串，这里包括了linestyle（-），marker（.），color（g）
plot()内也有grid参数
>##### 整体风格样式复制代码
整体风格样式
import matplotlib.style as psl print(plt.style.available)
查看样式列表
psl.use('ggplot') ts = pd.Series(np.random.randn(1000).cumsum(), index=pd.date_range('1/1/2000', periods=1000)) ts.plot(style = '--g.',grid = True,figsize=(10,6))
一旦选用样式后，所有图表都会有样式，重启后才能关掉
####【课程3.4】 刻度、注解、图表输出 主刻度、次刻度>##### 刻度复制代码
刻度
from matplotlib.ticker import MultipleLocator, FormatStrFormatter
t = np.arange(0.0, 100.0, 1) s = np.sin(0.1np.pit)np.exp(-t0.01) ax = plt.subplot(111) #注意:一般都在ax中设置,不再plot中设置 plt.plot(t,s,'--*') plt.grid(True, linestyle = "--",color = "gray", linewidth = "0.5",axis = 'both')
网格
#plt.legend() # 图例
xmajorLocator = MultipleLocator(10) # 将x主刻度标签设置为10的倍数 xmajorFormatter = FormatStrFormatter('%.0f') # 设置x轴标签文本的格式 xminorLocator = MultipleLocator(5) # 将x轴次刻度标签设置为5的倍数
ymajorLocator = MultipleLocator(0.5) # 将y轴主刻度标签设置为0.5的倍数 ymajorFormatter = FormatStrFormatter('%.1f') # 设置y轴标签文本的格式 yminorLocator = MultipleLocator(0.1) # 将此y轴次刻度标签设置为0.1的倍数ax.xaxis.set_major_locator(xmajorLocator) # 设置x轴主刻度 ax.xaxis.set_major_formatter(xmajorFormatter) # 设置x轴标签文本格式 ax.xaxis.set_minor_locator(xminorLocator) # 设置x轴次刻度
ax.yaxis.set_major_locator(ymajorLocator) # 设置y轴主刻度 ax.yaxis.set_major_formatter(ymajorFormatter) # 设置y轴标签文本格式 ax.yaxis.set_minor_locator(yminorLocator) # 设置y轴次刻度
ax.xaxis.grid(True, which='both') #x坐标轴的网格使用主刻度 ax.yaxis.grid(True, which='minor') #y坐标轴的网格使用次刻度
which：格网显示
#删除坐标轴的刻度显示 #ax.yaxis.set_major_locator(plt.NullLocator()) #ax.xaxis.set_major_formatter(plt.NullFormatter())
>##### 注解复制代码
注解
df = pd.DataFrame(np.random.randn(10,2)) df.plot(style = '--o') plt.text(5,0.5,'hahaha',fontsize=10)
注解 → 横坐标，纵坐标，注解字符串
>#####图表输出复制代码
图表输出
df = pd.DataFrame(np.random.randn(1000, 4), columns=list('ABCD')) df = df.cumsum() df.plot(style = '--.',alpha = 0.5) plt.legend(loc = 'upper left') plt.savefig('C:/Users/Hjx/Desktop/pic.png', dpi=400, bbox_inches = 'tight', facecolor = 'g', edgecolor = 'b')
可支持png，pdf，svg，ps，eps…等，以后缀名来指定
dpi是分辨率
bbox_inches：图表需要保存的部分。如果设置为‘tight’，则尝试剪除图表周围的空白部分。
facecolor，edgecolor： 图像的背景色，默认为‘w’（白色）
####【课程3.5】 子图 在matplotlib中，整个图像为一个Figure对象在Figure对象中可以包含一个或者多个Axes对象每个Axes(ax)对象都是一个拥有自己坐标系统的绘图区域 plt.figure, plt.subplot>##### plt.figure() 绘图对象复制代码
plt.figure() 绘图对象
plt.figure(num=None, figsize=None, dpi=None, facecolor=None, edgecolor=None,
frameon=True, FigureClass=<class 'matplotlib.figure.Figure'>, **kwargs)
fig1 = plt.figure(num=1,figsize=(4,2)) plt.plot(np.random.rand(50).cumsum(),'k--') fig2 = plt.figure(num=2,figsize=(4,2)) plt.plot(50-np.random.rand(50).cumsum(),'k--')
num：图表序号，可以试试不写或都为同一个数字的情况，图表如何显示
figsize：图表大小
当我们调用plot时，如果设置plt.figure()，则会自动调用figure()生成一个figure, 严格的讲，是生成subplots(111)
>##### 子图创建1 - 先建立子图然后填充图表复制代码
子图创建1 - 先建立子图然后填充图表
fig = plt.figure(figsize=(10,6),facecolor = 'gray')
ax1 = fig.add_subplot(2,2,1) # 第一行的左图 plt.plot(np.random.rand(50).cumsum(),'k--') plt.plot(np.random.randn(50).cumsum(),'b--')
先创建图表figure，然后生成子图，(2,2,1)代表创建2*2的矩阵表格，然后选择第一个，顺序是从左到右从上到下
创建子图后绘制图表，会绘制到最后一个子图
ax2 = fig.add_subplot(2,2,2) # 第一行的右图 ax2.hist(np.random.rand(50),alpha=0.5)
ax4 = fig.add_subplot(2,2,4) # 第二行的右图 df2 = pd.DataFrame(np.random.rand(10, 4), columns=['a', 'b', 'c', 'd']) ax4.plot(df2,alpha=0.5,linestyle='--',marker='.')
也可以直接在子图后用图表创建函数直接生成图表
>##### 子图创建2 - 创建一个新的figure，并返回一个subplot对象的numpy数组 → plt.subplot复制代码
子图创建2 - 创建一个新的figure，并返回一个subplot对象的numpy数组 → plt.subplot
fig,axes = plt.subplots(2,3,figsize=(10,4)) ts = pd.Series(np.random.randn(1000).cumsum()) print(axes, axes.shape, type(axes))
生成图表对象的数组
ax1 = axes[0,1] ax1.plot(ts)
>#####plt.subplots,参数调整复制代码
plt.subplots,参数调整
fig,axes = plt.subplots(2,2,sharex=True,sharey=True)
sharex,sharey：是否共享x，y刻度
for i in range(2): for j in range(2): axes[i,j].hist(np.random.randn(500),color='k',alpha=0.5) plt.subplots_adjust(wspace=0,hspace=0)
wspace,hspace：用于控制宽度和高度的百分比，比如subplot之间的间距
>##### 子图创建3 - 多系列图，分别绘制复制代码
子图创建3 - 多系列图，分别绘制
df = pd.DataFrame(np.random.randn(1000, 4), index=ts.index, columns=list('ABCD')) df = df.cumsum() df.plot(style = '--.',alpha = 0.4,grid = True,figsize = (8,8), subplots = True, layout = (2,3), sharex = False) plt.subplots_adjust(wspace=0,hspace=0.2)
plt.plot()基本图表绘制函数 → subplots，是否分别绘制系列（子图）
layout：绘制子图矩阵，按顺序填充
#####最后：[以上完整代码](https://github.com/ChaoRenYuan/Python/tree/master/Python数据分析工具/图表绘制工具：Matplotlib)复制代码