Matplotlib可视化教程～

AwesomeTang 大邓和他的Python 2022-07-09

作者: AwesomeTang
原文: https://www.kesci.com/home/project/5ead1655366f4d002d743eb3/code

前言

✨本文会逐步整理maplotlib常见用法；
💥matplotlib版本：3.1.1

import matplotlib.pyplot as plt
import numpy as np
import random

基础图表

🐋基本示例

# 生成数据
x = np.linspace(0, 10, 1000) 
y = x**2

plt.figure()  # 新建一个空画布
plt.plot(x, y)  # 绘图
plt.show()

🐡另一种实现方式；

#生成数据
x = np.linspace(0, 10, 1000) 
y = x**3

fig, ax = plt.subplots()   # 创建画布（包含axes）
ax.plot(x, y)  
plt.show()

折线图

🍤设置标题；
🥟画布大小设置；
🍣线型设置；

# 生成数据
x = np.linspace(-10, 10, 1000) 

plt.figure(figsize=(8, 5))  # 新建一个空画布，设置尺寸
plt.plot(x, np.sin(x), ':r', label='sin(x)')  
plt.plot(x, np.cos(x), '-.g', label='cos(x)') 
plt.legend()    # 显示图例
plt.title("I'm Title")
plt.show()

中文显示（默认中文会显示方框）；

🍬坐标轴文本设置；

# 指定字体，默认不支持中文显示
# 显示中文
plt.rcParams['font.sans-serif'] = ['SimHei']  #Windows
#plt.rcParams['font.sans-serif'] = ['Arial Unicode MS'] #Mac
plt.rcParams['axes.unicode_minus'] = False


# 生成数据
x = np.linspace(-10, 10, 1000) 

plt.figure(figsize=(8, 5))  # 新建一个空画布，设置尺寸
plt.plot(x, np.sin(x), ':r', label='sin(x)')  
plt.plot(x, np.cos(x), '-.g', label='cos(x)') 
plt.legend()    # 显示图例
plt.title("我是中文标题")
plt.ylabel('我是Y轴')
plt.show()

柱状图/直方图

🥪标题/标题位置设置；
🥙图例显示；

# 示例数据，
cate = ['Apple', 'Huawei', 'Xiaomi', 'Oppo', 'Vivo', 'Meizu']
data1 = [123, 153, 157, 107, 98, 142]
data2 = [56, 77, 93, 68, 45, 67]

plt.figure(figsize=(8, 5))  # 新建一个空画布，设置尺寸
plt.bar(cate, data1, label='总计')
plt.bar(cate, data2, label='线上')
plt.legend()
plt.title('各手机品牌销售额对比', 
          # 设置标题位置
          loc="left")
plt.show()

🍝图像不重叠；
🍜设置字体/字体大小；
🍲刻度值设置；

# 示例数据，
cate = ['Apple', 'Huawei', 'Xiaomi', 'Oppo', 'Vivo', 'Meizu']
data1 = [89, 45, 56, 74, 23, 21]
data2 = [56, 77, 93, 68, 45, 67]

x_location = np.arange(len(cate))

plt.figure(figsize=(8, 5))  # 新建一个空画布，设置尺寸
plt.bar(x_location, data1, label='线下', width=0.3)
plt.bar(x_location+0.3, data2, label='线上', width=0.3)

# 为X轴设置刻度值
plt.xticks(x_location+0.15, cate)
plt.legend()
plt.title('各手机品牌销售额对比', loc="left", 
          # 设置标题字体
          fontdict={'fontsize':18,'color':'red'})
plt.show()

🥩纵向显示

如遇标签过长，可选择纵向显示图像；

# 示例数据，
cate = ['Apple', 'Huawei', 'Xiaomi', 'Oppo', 'Vivo', 'Meizu']
data1 = [89, 45, 56, 74, 23, 21]
data2 = [56, 77, 93, 68, 45, 67]

x_location = np.arange(len(cate))

plt.figure(figsize=(8, 5))  # 新建一个空画布，设置尺寸
plt.barh(x_location, data1, label='线下', height=0.3)
plt.barh(x_location+0.3, data2, label='线上', height=0.3)

# 为X轴设置刻度值
plt.yticks(x_location+0.15, cate)
plt.legend()
plt.title('各手机品牌销售额对比', loc="left", 
          # 设置标题字体
          fontdict={'fontsize':18,'color':'red'})
plt.show()

饼图

🍣基础示例；
🍰显示百分比；

# 示例数据
cate = ['Apple', 'Huawei', 'Xiaomi', 'Oppo', 'Vivo', 'Meizu']
data = [153, 124, 107, 99, 89, 46]

plt.figure(figsize=(5, 5))  # 新建一个空画布，设置尺寸
plt.pie(data, labels=cate,
        # 显示百分比，支持调用方法
        autopct='%.2f%%')
plt.show()

🍕突出显示类目；
🌭显示阴影；

# 示例数据
cate = ['Apple', 'Huawei', 'Xiaomi', 'Oppo', 'Vivo', 'Meizu']
data = [153, 124, 107, 99, 89, 46]

plt.figure(figsize=(5, 5))  # 新建一个空画布，设置尺寸
plt.pie(data, labels=cate,
        # 对应类目偏移，0为不偏移
        explode=[0,0.1,0,0,0.2,0],
        autopct='%.2f%%',
        shadow=True)
plt.show()

🦜标签文本设置
🦢颜色设置

# 示例数据
cate = ['Apple', 'Huawei', 'Xiaomi', 'Oppo', 'Vivo', 'Meizu']
data = [153, 124, 107, 99, 89, 46]

plt.figure(figsize=(8, 8))  # 新建一个空画布，设置尺寸
plt.pie(data, 
        labels=cate, 
        explode=[0,0.1,0,0,0,0],
        autopct='%.2f%%',
        shadow=True,
        # 自定义颜色，不需要于类目数相等，循环调用
        colors=['#FFC0CB', '#FF00FF', '#FFD700', '#FFA500', '#00FF7F', 'blue'],
        # 文本设置，包括字体，大小，颜色等属性
        textprops={'fontsize':12,'color':'red'})
plt.legend()
plt.show()

散点图

🍭基础示例；

data_x = [random.randint(1, 100) for _ in range(1000)]
data_y = [random.randint(1, 100) for _ in range(1000)]
          
plt.figure(figsize=(8, 8))
plt.scatter(data_x, data_y)
plt.show()

🍨设置散点颜色；
🍩设置散点大小；
🥤透明度设置；

N = 100
x = np.random.rand(N)
y = np.random.rand(N)
colors = np.random.rand(N)
area = np.pi * (15 * np.random.rand(N))**2 

plt.figure(figsize=(8, 8))
plt.scatter(x, y, 
            # 图形大小
            s=area, 
            # 颜色
            c=colors, 
            # 透明度
            alpha=0.3)
plt.show()

图表动态刷新

🥫交互模式

我们在训练模型的时候，可能需要去不停去更新图表数据；

# jupyter中动态显示需要
from IPython import display

x, y1, y2 = [], [], []
plt.ion()    # 交互模式打开
for i in np.linspace(0,20,500):
    x.append(i)
    y1.append(np.cos(i))
    y2.append(np.sin(i))
    plt.figure(figsize=(12, 2))
    plt.clf()   
    plt.ylim(-1, 1)    # 设置y轴刻度值最大最小值
    plt.plot(x, y1, '--r')
    plt.plot(x, y2, 'g')
    plt.pause(0.1)
    display.clear_output(wait=True)    # 清除输出
plt.ioff()   # 关闭交互模式

子图/图表风格

🍰多子图；
🍧图表风格设置；

# 可用风格
style_list = plt.style.available

# 数据
cate = ['Apple', 'Huawei', 'Xiaomi', 'Oppo', 'Vivo', 'Meizu']
data1 = [89, 45, 56, 74, 23, 21]
data2 = [56, 77, 93, 68, 45, 67]
x_location = np.arange(len(cate))

plt.figure(figsize=(20, 40))
for i, style in enumerate(style_list):
    
    with plt.style.context(style):  # 设置图表风格     
        plt.subplot(7, 4, i+1)
        plt.bar(x_location, data1, label='线下', width=0.3)
        plt.bar(x_location+0.3, data2, label='线上', width=0.3)

        # 为X轴设置刻度值
        plt.xticks(x_location+0.15, cate)
        plt.title(style,
                 fontdict={'fontsize':20,'color':'red'})
plt.show()

图片显示

🗺指定图片通道（RGB为例）；

from PIL import Image

img = Image.open('img/新垣结衣.jpeg')

plt.figure(figsize=(15, 8))
plt.subplot(1, 2, 1)
plt.imshow(img)
plt.axis('off') # 关掉坐标轴为 off
plt.subplot(1, 2, 2)

# 显示灰度图片
plt.imshow(img.convert('L'), cmap='gray')
plt.axis('off') # 关掉坐标轴为 off
plt.show()