Python基础图表绘制

阅读量

cover.png

Matplotlib是一个综合库，用于在Python中创建静态、动画和交互式可视化。在做数据可视化，尤其是三维图像时，是一个不错的选择。

当前环境：Win10、Python 3.8.5、Matplotlib 3.3.2


二维函数绘制

折线图

以下程序是一个最简单（$y = x$）的二维函数绘制例程：

1
2
3
4
5
6
7
8
9
10
11
#!/usr/bin/env python3
# -*- coding:utf-8 -*-

import numpy as np
import matplotlib.pyplot as plt

x = np.arange(0, 5, 0.1)
y = x

plt.plot(x, y)
plt.show()

sample.png

上述示例就是一个最素的函数绘制，没有title，没有坐标系说明，没有指定线的颜色，没有函数说明等等。

下面我们以冰淇淋-供需平衡的数据为例，绘制一个全面的：

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
#!/usr/bin/env python3
# -*- coding:utf-8 -*-

import numpy as np
import matplotlib.pyplot as plt

# 需求数据
supply_x = np.arange(0, 35, 5)
supply_y = np.arange(12, -2, -2)

# 供给数据
demand_x = np.arange(0, 35, 5)
demand_y = np.arange(0, 7, 1)

plt.plot(supply_x, supply_y, color="r", linestyle="-", linewidth=2, marker="o", label="需求曲线")
plt.plot(demand_x, demand_y, color="b", linestyle="-", linewidth=2, marker="o", label="供给曲线")

# 下面3行效果和上面等价
# supply, demand = plt.plot(supply_x, supply_y, demand_x, demand_y)
# plt.setp(supply, color='r', linestyle="-", linewidth=2, marker="o")
# plt.setp(demand, color='b', linestyle="-", linewidth=2, marker="o")

# 如果不指定linewidth，可以只用1行
# plt.plot(supply_x, supply_y, 'ro-', demand_x, demand_y, 'bo-')

plt.legend(loc="upper right")  # 显示图例说明并指定位置
# label不写在plot里，也可以写在这儿
# plt.legend(labels=["需求曲线", "供给曲线"], loc="upper right")

plt.axis([-1, 31, -1, 13])  # axis 函数接受一个[xmin，xmax，ymin，ymax]列表，用于指定x、y轴的范围，即整个显示窗口的大小

plt.rcParams["font.sans-serif"] = ["SimHei"]  # 设置字体为SimHei才可以显示中文
plt.rcParams['axes.unicode_minus'] = False  # 用来正常显示负号
plt.title("冰淇淋-供需平衡")  # 设置整个图的Title为“冰淇淋-供需平衡”
plt.xlabel("价格")  # 设置x轴的标签为“价格”
plt.ylabel("需求量")  # 设置y轴的标签为“需求量”
plt.grid()  # 显示网格
plt.show()

supply_and_demand_plot.png

arange
1
numpy.arange([start,] stop[, step], dtype=None)

根据 start 与 stop 指定的范围以及 step 设定的步长，生成一个 ndarray。

参数 描述
start 起始值（序列包含起始值），不指定时默认为0
stop 终止值（不包含）
step 步长，不指定时默认为1
dtype 指定返回ndarray的数据类型，如果没有指定，则会使用输入数据的类型。
color
简写 颜色
‘b’ 蓝色
‘g’ 绿色
‘r’ 红色
‘c’ 青色
‘m’ 洋红色
‘v’ 黄色
‘k’ 黑色
‘w’ 白色

也可以使用#1f77b4这样的RGB值。

linestyle
字符 Style
‘-‘ 实线
‘—‘ 虚线
‘-.’ 点划线
‘:’ 点线
marker


饼图

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
#!/usr/bin/env python3
# -*- coding:utf-8 -*-

import matplotlib.pyplot as plt

ax = plt.axes()

# 饼图，切片按逆时针方向排序和绘制
labels = 'Frogs', 'Pigs', 'Dogs', 'Ducks'
sizes = [15, 30, 45, 10]
explode = (0, 0.1, 0, 0)  # 只“爆炸”第二片

ax.pie(sizes, explode=explode, labels=labels, autopct='%1.1f%%',
        shadow=True, startangle=90)
ax.axis('equal')  # 等宽高比，确保饼图绘制为圆形

plt.show()

pie.png

subplot(多坐标系)

在同一个界面显示多个坐标系：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
#!/usr/bin/env python3
# -*- coding:utf-8 -*-

import numpy as np
import matplotlib.pyplot as plt

names = ['a', 'b', 'c']
values = [1, 10, 100]

plt.figure(figsize=(9, 3))

plt.subplot(131)  # 指定位置，1行3列的第1个
plt.scatter(names, values)
plt.subplot(132)
plt.plot(names, values)
plt.subplot(133)
plt.bar(names, values)
plt.suptitle('Categorical Plotting')
plt.show()

效果如下：

subplot.png


三维绘图

绘制3D图像主要有两种方式，一种是利用关键字projection='3d'来实现，另一种则是通过从mpl_toolkits.mplot3d导入对象Axes3D来实现，目的都是生成具有三维格式的对象Axes3D。

1
2
3
4
5
6
7
8
9
10
#!/usr/bin/env python3
# -*- coding:utf-8 -*-
# 方法一，利用关键字

import matplotlib.pyplot as plt

plt.figure()
plt.axes(projection='3d')

plt.show()
1
2
3
4
5
6
7
8
9
10
11
#!/usr/bin/env python3
# -*- coding:utf-8 -*-
#方法二，利用三维轴方法

import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D

fig = plt.figure()
ax = Axes3D(fig)

plt.show()

散点图

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
#!/usr/bin/env python3
# -*- coding:utf-8 -*-

import numpy as np
import matplotlib.pyplot as plt

plt.figure()
ax = plt.axes(projection='3d')

# 一个边长为4的正方形散点阵列
# 循环4*4*4次，对每一个点进行绘制
edge = range(4)
for x in edge:
    for y in edge:
        for z in edge:
            if z == 0:
                ax.scatter(x, y, z, c='r', marker='o')  # 根据不同层进行着色
            elif z == 1:
                ax.scatter(x, y, z, c='g', marker='o')
            elif z == 2:
                ax.scatter(x, y, z, c='b', marker='o')
            elif z == 3:
                ax.scatter(x, y, z, c='k', marker='o')

# 调整xyz轴
axis = range(-3, 7, 1)
ax.auto_scale_xyz(axis, axis, axis)

ax.set_xlabel('X')
ax.set_ylabel('Y')
ax.set_zlabel('Z')

plt.show()

square_scatter_1.png

另外，也可以使用meshgrid来快速生成：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
#!/usr/bin/env python3
# -*- coding:utf-8 -*-

import numpy as np
import matplotlib.pyplot as plt

plt.figure()
ax = plt.axes(projection='3d')

edge = range(4)
X,Y,Z = np.meshgrid(edge, edge, edge)

ax.scatter(X, Y, Z, c='k', marker='o')

# 调整xyz轴
axis = range(-3, 7, 1)
ax.auto_scale_xyz(axis, axis, axis)

ax.set_xlabel('X')
ax.set_ylabel('Y')
ax.set_zlabel('Z')

plt.show()

square_scatter_2.png

meshgrid

meshgrid是一个快速生成坐标矩阵的函数。

以上图为例，生成一个4x4x4的方形矩阵，正方形只需要指定一条边的坐标，长方形也只需要指定3条边的坐标，就可以使用For循环来绘图了，这是一种思路。

还有另外一种思路，这64个点都有x、y、z轴的坐标，所有x轴的坐标存在X里，所有y轴的坐标存在Y里，所以z轴的坐标存在Z里。

scatter函数支持一个一个点的绘制，也支持传入坐标函数的绘制。而meshgrid就是自动根据每边坐标生成坐标矩阵的函数。

折线图

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
#!/usr/bin/env python3
# -*- coding:utf-8 -*-

import numpy as np
import matplotlib.pyplot as plt

plt.figure()
ax = plt.axes(projection='3d')

'''
# 楼梯折线图
[1,5] [5,5]
[1,1] [5,1]
一共5楼
'''
x = [1, 1, 5, 5] * 5
y = [1, 5, 5, 1] * 5
z = np.arange(20)

ax.plot(x, y, z)

plt.show()

line_chart.png

线框图

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
#!/usr/bin/env python3
# -*- coding:utf-8 -*-

import numpy as np
import matplotlib.pyplot as plt

plt.figure()
ax = plt.axes(projection='3d')

x = np.arange(-5, 6, 1)
X, Y = np.meshgrid(x, x)
Z = -(X*X + Y*Y)

ax.plot_wireframe(X, Y, Z)

ax.set_xlabel('X')
ax.set_ylabel('Y')
ax.set_zlabel('Z')
plt.show()

wireframe.png

表面图

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
#!/usr/bin/env python3
# -*- coding:utf-8 -*-

import numpy as np
import matplotlib.pyplot as plt
from matplotlib import cm

fig = plt.figure()
ax = plt.axes(projection='3d')

X = np.arange(-5, 5, 0.25)
Y = np.arange(-5, 5, 0.25)
X, Y = np.meshgrid(X, Y)
R = np.sqrt(X ** 2 + Y ** 2)
Z = np.sin(R)

surf = ax.plot_surface(X, Y, Z, cmap=cm.coolwarm,
                       linewidth=0, antialiased=False)

# 显示颜色板，高度-颜色映射
fig.colorbar(surf, shrink=0.5, aspect=5)

plt.show()

surface.png

Colormap

如上所示，表面图的颜色可以指定cmap的样式来更换颜色映射。


参考

扫一扫，分享到微信

微信分享二维码
总访问量: | 总访问人数:

tag:

    缺失模块。
    1、请确保node版本大于6.2
    2、在博客根目录（注意不是yilia根目录）执行以下命令：
    npm i hexo-generator-json-content --save

    3、在根目录_config.yml里添加配置： 

      jsonContent:
    meta: false
    pages: false
    posts:
      title: true
      date: true
      path: true
      text: false
      raw: false
      content: false
      slug: false
      updated: false
      comments: false
      link: false
      permalink: false
      excerpt: false
      categories: false
      tags: true