matplotlib从入门到精通教程.docx
《matplotlib从入门到精通教程.docx》由会员分享，可在线阅读，更多相关《matplotlib从入门到精通教程.docx（9页珍藏版）》请在冰豆网上搜索。
matplotlib从入门到精通教程
一、导入
1.导入matplotlib库简写为plt
importmatplotlib.pyplotasplt
二、基本图表
2.用plot方法画出x=（0,10）间sin的图像
x=np.linspace（0,10,30）
plt.plot（x,np.sin（x））;
3.用点加线的方式画出x=（0,10）间sin的图像
plt.plot（x,np.sin（x）,'-o'）;
4.用scatter方法画出x=（0,10）间sin的点图像
plt.scatter（x,np.sin（x））;
5.用饼图的面积及颜色展示一组4维数据
rng=np.random.RandomState（0）
x=rng.randn（100）
y=rng.randn（100）
colors=rng.rand（100）
sizes=1000*rng.rand（100）
plt.scatter（x,y,c=colors,s=sizes,alpha=0.3,
cmap='viridis'）
plt.colorbar（）;#展示色阶
6.绘制一组误差为±0.8的数据的误差条图
x=np.linspace（0,10,50）
dy=0.8
y=np.sin（x）+dy*np.random.randn（50）
plt.errorbar（x,y,yerr=dy,fmt='.k'）
7.绘制一个柱状图
x=[1,2,3,4,5,6,7,8]
y=[3,1,4,5,8,9,7,2]
label=['A','B','C','D','E','F','G','H']
plt.bar（x,y,tick_label=label）;
8.绘制一个水平方向柱状图
plt.barh（x,y,tick_label=label）;
9.绘制1000个随机值的直方图
data=np.random.randn（1000）
plt.hist（data）;
10.设置直方图分30个bins，并设置为频率分布
plt.hist（data,bins=30,histtype='stepfilled',density=True）
plt.show（）;
11.在一张图中绘制3组不同的直方图，并设置透明度
x1=np.random.normal（0,0.8,1000）
x2=np.random.normal（-2,1,1000）
x3=np.random.normal（3,2,1000）
kwargs=dict（alpha=0.3,bins=40,density=True）
plt.hist（x1,**kwargs）;
plt.hist（x2,**kwargs）;
plt.hist（x3,**kwargs）;
12.绘制一张二维直方图
mean=[0,0]
cov=[[1,1],[1,2]]
x,y=np.random.multivariate_normal（mean,cov,10000）.T
plt.hist2d（x,y,bins=30）;
13.绘制一张设置网格大小为30的六角形直方图
plt.hexbin（x,y,gridsize=30）;
三、自定义图表元素
14.绘制x=（0,10）间sin的图像，设置线性为虚线
x=np.linspace（0,10,100）
plt.plot（x,np.sin（x）,'--'）;
15设置y轴显示范围为（-1.5,1.5）
x=np.linspace（0,10,100）
plt.plot（x,np.sin（x））
plt.ylim（-1.5,1.5）;
16.设置x,y轴标签variablex，valuey
x=np.linspace（0.05,10,100）
y=np.sin（x）
plt.plot（x,y,label='sin（x）'）
plt.xlabel（'variablex'）;
plt.ylabel（'valuey'）;
17.设置图表标题“三角函数”
x=np.linspace（0.05,10,100）
y=np.sin（x）
plt.plot（x,y,label='sin（x）'）
plt.title（'三角函数'）;
18.显示网格
x=np.linspace（0.05,10,100）
y=np.sin（x）
plt.plot（x,y）
plt.grid（）
19.绘制平行于x轴y=0.8的水平参考线
x=np.linspace（0.05,10,100）
y=np.sin（x）
plt.plot（x,y）
plt.axhline（y=0.8,ls='--',c='r'）
20.绘制垂直于x轴x<4andx>6的参考区域，以及y轴y<0.2andy>-0.2的参考区域
x=np.linspace（0.05,10,100）
y=np.sin（x）
plt.plot（x,y）
plt.axvspan（xmin=4,xmax=6,facecolor='r',alpha=0.3）#垂直x轴
plt.axhspan（ymin=-0.2,ymax=0.2,facecolor='y',alpha=0.3）;#垂直y轴
21.添加注释文字sin（x）
x=np.linspace（0.05,10,100）
y=np.sin（x）
plt.plot（x,y）
plt.text（3.2,0,'sin（x）',weight='bold',color='r'）;
22.用箭头标出第一个峰值
x=np.linspace（0.05,10,100）
y=np.sin（x）
plt.plot（x,y）
plt.annotate（'maximum',xy=（np.pi/2,1）,xytext=（np.pi/2+1,1）,
weight='bold',
color='r',
arrowprops=dict（arrowstyle='->',connectionstyle='arc3',color='r'））;
四、自定义图例
23.在一张图里绘制sin,cos的图形，并展示图例
x=np.linspace（0,10,1000）
fig,ax=plt.subplots（）
ax.plot（x,np.sin（x）,label='sin'）
ax.plot（x,np.cos（x）,'--',label='cos'）
ax.legend（）;
24.调整图例在左上角展示，且不显示边框
ax.legend（loc='upperleft',frameon=False）;
fig
25.调整图例在画面下方居中展示，且分成2列
ax.legend（frameon=False,loc='lowercenter',ncol=2）
fig
26.绘制的图像，并只显示前2者的图例
y=np.sin（x[:
np.newaxis]+np.pi*np.arange（0,2,0.5））
lines=plt.plot（x,y）
#lines是plt.Line2D类型的实例的列表
plt.legend（lines[:
2],['first','second']）;
#第二个方法
#plt.plot（x,y[:
0],label='first'）
#plt.plot（x,y[:
1],label='second'）
#plt.plot（x,y[:
2:
]）
#plt.legend（framealpha=1,frameon=True）;
27.将图例分不同的区域展示
fig,ax=plt.subplots（）
lines=[]
styles=['-','--','-.',':
']
x=np.linspace（0,10,1000）
foriinrange（4）:
lines+=ax.plot（x,np.sin（x-i*np.pi/2）,styles[i],color='black'）
ax.axis（'equal'）
#设置第一组标签
ax.legend（lines[:
2],['lineA','lineB'],
loc='upperright',frameon=False）
#创建第二组标签
frommatplotlib.legendimportLegend
leg=Legend（ax,lines[2:
],['lineC','lineD'],
loc='lowerright',frameon=False）
ax.add_artist（leg）;
五、自定义色阶
28.展示色阶
x=np.linspace（0,10,1000）
I=np.sin（x）*np.cos（x[:
np.newaxis]）
plt.imshow（I）
plt.colorbar（）;
29.改变配色为'gray'
plt.imshow（I,cmap='gray'）;
30.将色阶分成6个离散值显示
plt.imshow（I,cmap=plt.cm.get_cmap（'Blues',6））
plt.colorbar（）
plt.clim（-1,1）;
六、多子图
31.在一个1010的画布中，（0.65,0.65）的位置创建一个0.20.2的子图
ax1=plt.axes（）
ax2=plt.axes（[0.65,0.65,0.2,0.2]）
32.在2个子图中，显示sin（x）和cos（x）的图像
fig=plt.figure（）
ax1=fig.add_axes（[0.1,0.5,0.8,0.4],ylim=（-1.2,1.2））
ax2=fig.add_axes（[0.1,0.1,0.8,0.4],ylim=（-1.2,1.2））
x=np.linspace（0,10）
ax1.plot（np.sin（x））;
ax2.plot（np.cos（x））;
33.用for创建6个子图，并且在图中标识出对应的子图坐标
foriinrange（1,7）:
plt.subplot（2,3,i）
plt.text（0.5,0.5,str（（2,3,i））,fontsize=18,ha='center'）
#方法二
#fig=plt.figure（）
#fig.subplots_adjust（hspace=0.4,wspace=0.4）
#foriinrange（1,7）:
#ax=fig.add_subplot（2,3,i）
#ax.text（0.5,0.5,str（（2,3,i））,fontsize=18,ha='center'）
34.设置相同行和列共享x,y轴
fig,ax=plt.subplots（2,3,sharex='col',sharey='row'）
35.用[]的方式取出每个子图，并添加子图座标文字
foriinrange
（2）:
forjinrange（3）:
ax[i,j].text（0.5,0.5,str（（i,j））,fontsize=18,ha='center'）
fig
36.组合绘制大小不同的子图，样式如下
ImageName
grid=plt.GridSpec（2,3,wspace=0.4,hspace=0.3）
plt.subplot（grid[0,0]）
plt.subplot（grid[0,1:
]）
plt.subplot（grid[1,:
2]）
plt.subplot（grid[1,2]）;
37.显示一组二维数据的频度分布，并分别在x,y轴上，显示该维度的数据的频度分布
mean=[0,0]
cov=[[1,1],[1,2]]
x,y=np.random.multivariate_normal（mean,cov,3000）.T
#Setuptheaxeswithgridspec
fig=plt.figure（figsize=（6,6））
grid=plt.GridSpec（4,4,hspace=0.2,wspace=0.2）
main_ax=fig.add_subplot（grid[:
-1,1:
]）
y_hist=fig.add_subplot（grid[:
-1,0],xticklabels=[],sharey=main_ax）
x_hist=fig.add_subplot（grid[-1,1:
],yticklabels=[],sharex=main_ax）
#scatterpointsonthemainaxes
main_ax.scatter（x,y,s=3,alpha=0.2）
#histogramontheattachedaxes
x_hist.hist（x,40,histtype='stepfilled',
orientation='vertical'）
x_hist.invert_yaxis（）
y_hist.hist（y,40,histtype='stepfilled',
orientation='horizontal'）
y_hist.invert_xaxis（）
七、三维图像
38.创建一个三维画布
frommpl_toolkitsimportmplot3d
fig=plt.figure（）
ax=plt.axes（projection='3d'）
39.绘制一个三维螺旋线
ax=plt.axes（projection='3d'）
#Dataforathree-dimensionalline
zline=np.linspace（0,15,1000）
xline=np.sin（zline）
yline=np.cos（zline）
ax.plot3D（xline,yline,zline）;
40.绘制一组三维点
ax=plt.axes（projection='3d'）
zdata=15*np.random.random（100）
xdata=np.sin（zdata）+0.1*np.random.randn（100）
ydata=np.cos（zdata）+0.1*np.random.randn（100）
ax.scatter3D（xdata,ydata,zdata,c=zdata,cmap='Greens'）;
八、宝可梦数据集可视化
41.展示前5个宝可梦的Defense,Attack,HP的堆积条形图
pokemon=df['Name'][:
5]
hp=df['HP'][:
5]
attack=df['Attack'][:
5]
defense=df['Defense'][:
5]
ind=[xforx,_inenumerate（pokemon）]
plt.figure（figsize=（10,10））
plt.bar（ind,defense,width=0.8,label='Defense',color='blue',bottom=attack+hp）
plt.bar（ind,attack,width=0.8,label='Attack',color='gold',bottom=hp）
plt.bar（ind,hp,width=0.8,label='Hp',color='red'）
plt.xticks（ind,pokemon）
plt.ylabel（"Value"）
plt.xlabel（"Pokemon"）
plt.legend（loc="upperright"）
plt.title（"5PokemonDefense&Attack&Hp"）
plt.show（）
42.展示前5个宝可梦的Attack,HP的簇状条形图
N=5
pokemon_hp=df['HP'][:
5]
pokemon_attack=df['Attack'][:
5]
ind=np.arange（N）
width=0.35
plt.bar（ind,pokemon_hp,width,label='HP'）
plt.bar（ind+width,pokemon_attack,width,label='Attack'）
plt.ylabel（'Values'）
plt.title（'PokemonHp&Attack'）
plt.xticks（ind+width/2,（df['Name'][:
5]）,rotation=45）
plt.legend（loc='best'）
plt.show（）
43.展示前5个宝可梦的Defense,Attack,HP的堆积图
x=df['Name'][:
4]
y1=df['HP'][:
4]
y2=df['Attack'][:
4]
y3=df['Defense'][:
4]
labels=["HP","Attack","Defense"]
fig,ax=plt.subplots（）
ax.stackplot（x,y1,y2,y3）
ax.legend（loc='upperleft',labels=labels）
plt.xticks（rotation=90）
plt.show（）
44.公用x轴，展示前5个宝可梦的Defense,Attack,HP的折线图
x=df['Name'][:
5]
y1=df['HP'][:
5]
y2=df['Attack'][:
5]
y3=df['Defense'][:
5]
#Createtwosubplotssharingyaxis
fig,（ax1,ax2,ax3）=plt.subplots（3,sharey=True）
ax1.plot（x,y1,'ko-'）
ax1.set（title='3subplots',ylabel='HP'）
ax2.plot（x,y2,'r.-'）
ax2.set（xlabel='Pokemon',ylabel='Attack'）
ax3.plot（x,y3,':
'）
ax3.set（xlabel='Pokemon',ylabel='Defense'）
plt.show（）
45.展示前15个宝可梦的Attack,HP的折线图
plt.plot（df['HP'][:
15],'-r',label='HP'）
plt.plot（df['Attack'][:
15],':
g',label='Attack'）
plt.legend（）;
46.用scatter的x,y,c属性，展示所有宝可梦的Defense,Attack,HP数据
x=df['Attack']
y=df['Defense']
colors=df['HP']
plt.scatter（x,y,c=colors,alpha=0.5）
plt.title（'Scatterplot'）
plt.xlabel（'HP'）
plt.ylabel（'Attack'）
plt.colorbar（）;
47.展示所有宝可梦的攻击力的分布直方图，bins=10
x=df['Attack']
num_bins=10
n,bins,patches=plt.hist（x,num_bins,facecolor='blue',alpha=0.5）
plt.title（'Histogram'）
plt.xlabel（'Attack'）
plt.ylabel（'Value'）
plt.show（）
48.展示所有宝可梦Type1的饼图
plt.figure（1,figsize=（8,8））
df['Type1'].value_counts（）.plot.pie（autopct="%1.1f%%"）
plt.legend（）
49.展示所有宝可梦Type1的柱状图
ax=df['Type1'].value_counts（）.plot.bar（figsize=（12,6）,fontsize=14）
ax.set_title（"PokemonType1Count",fontsize=20）
ax.set_xlabel（"PokemonType1",fontsize=20）
ax.set_ylabel（"Value",fontsize=20）
plt.show（）
50.展示综合评分最高的10只宝可梦的系数间的相关系数矩阵
importseabornassns
top_10_pokemon=df.sort_values（by='Total',ascending=False）.head（10）
corr=top_10_pokemon.corr（）
fig,ax=plt.subplots（figsize=（10,6））
sns.heatmap（corr,annot=True）
ax.set_ylim（9,0）
plt.show（）
升级会员 