大数据分析 matplotlib思维导图

下图是一个matplotlib思维导图，导图从图象的样式设置、图表类型、plt.plot的属性参数、图象基本属性设置、导入以及初始操作等多个方面的内容介绍。

matplotlib

• 图象的样式设置
  • 线的样式linestyle
    • 实线-虚线--线点-.点线:
  • 点的样式marker
    • …点 o实心圆 D'钻石状*'五角形'x'叉状
  • 颜色color
    • 常用:red-rgreen-gblack-k,blue-byellow-y 若以列表形式传入，指定对应图形颜色
  • 色板colormap
    • 图像自动匹配色板中的颜色:Blues.Reds.Y1Gn,BuGn...
  • 注释text
    • plt.text(xy,text)设置注释的xy轴位置，传入text注释文字
  • 风格style
    • style='ko--,即color='k, marker='o',linesytle='--’
• 图表类型
  • 柱状图bar
    • plt.bar(left,height, width,bottom, facecolor, edgecolor, label)
    • plt.plot(kind='bar' "'barh')
      • 参数colormap='Blues_r'
      • 参数kind=bar
      • 参数stack=True
      • 参数ax=ax1第几个子图
  • 直方图hist
    • plt.hist0
    • plt.plot(kind='hist')
    • 参数 bins:直方图箱数 normed:标准化 orientation:直方图方向vertical/horizontal histtype:直方图风格 "bar", "barstacked', 'step", 'stepfilled'stacked:是否堆叠
  • 面积图area
    • plt.plot_area0
    • plt.plot(kind='area')
  • 填图fill
    • plt.fi1l()
    • plt.fill_between()
  • 饼状图pie
    • plt.pie()
    • plt.plot(kind='pie)
    • 参数 explode:指定每部分的偏移量 饼状图pie labels:标签 colors:颜色 autopct:饼图上数据标签显示方式 pctdistance:中心与autopct比例的距离 iabeldistance:被饼图标记的直径，默认信 shadow:阴影布尔值 表类型 startangle:开始角度 radius:半径 frame:图框 布尔值
  • 散点图scatter
    • plot.scatter
      • 参数 marker:散点符号的形状 alpha:散点符号的透明度 linewidths:线宽l edgecolors:散点符号的边线颜色 plt.scatter() :散点符号的大小
    • df.plot.scatter(x="co1 1",y="co1 2" ,c="co1 3")
      • 参数c,color, c=colors散点为彩色 c=茶column散点为按菜column数值大小的渐变色 df.plot.scatter(x="co1 1",y="co1 2" ,c="co1 3") 参数s.size，可以是多个column
  • 箱线图box
    • box plt.boxplot()
    • plt.plot.box(）
• plt.plot的属性参数
  • x, y,data
    • x轴的数据/对象，y轴的数据/对象，绘图数据
  • kind
    • line/bar/barh/kde/hist….折线图，柱形图(横)，和密度图，直方图等
  • ax
    • ax=axes[0/1..]
  • figsize
    • 图的宽高
  • title
    • 图标题
  • legend
    • 显示图例(布尔值)
  • grid
    • 显示网格(布尔值)
  • alpha
    • 透明图0-1
  • use_index
    • 将索引作为刻度标签，布尔值，默认True: 出现不显示刻度标签的情况可能是主刻度数不契合索引数
  • style
    • style传入的参数，可以包含多种设置如color,marker,linestyle.比如style='ko--'，即color='k', marker= 'o', linesytle='__'
  • xticks/ystick
    • 轴刻度显示范围
  • xlim/ylim
    • x轴，y轴的边界
  • rot
    • 轴标签的旋转角度
  • fontsize
    • 字体大小
  • subplots
    • 拆分成子图(布尔值)
  • color colormap
    • color=单--颜色或列表(--对应); colormap颜色板，图形自动上色
  • table
    • 是否显示外嵌图表(布尔值)
  • secondary _y
    • 当图像需要呈现不同大小层次的数据时，设置v轴副坐标(布尔值)是否显示
  • label
    • 设置图形的图例标签内容，只对含单个数据序列的图形有效
• 图象基本属性设置
  • 图例legend
    • plt.legend0用于显示图例或作为图表对象ax1的参数: axl.legend(prop=fsize=10等})
    • 参数
      • 图例的位置1oc="best/upper right/left right.…" best是自适应
      • 图例字体大小fontsize:int or float or{'xx-small, 'x-small’,'smal1’.medium’, 'large''x-large'.'xx-large’}
      • 设置图例边框及背景 plt.legend(loc=bestframeon=False)#去掉图例边框
      • 图例标题: title='xxxx'
    • 多个axes的图例放在一起fig=plt.figure(1) axl=pltsubplot(211 ax2=plt.subplot(2,1,2) 11,=axl.plot(x,x*x'r) #关键 12,=ax2.plot(x,x*x,'b') #注意 plt.legend([11,12],[first', second],loc = 'upper right')
  • 图名title
    • 图像函数plt.plot)参数名称title
    • plt.title()
      • 参数1oc:图名位置center,left,right
      • 参数1abe1:传入字符串定义图名
  • 轴标签xlabel/ylabel
    • plt.xlabe1:设置x轴标签
    • plt.ylabel:设置y轴标签
  • 轴边界lim
    • 图像函数plt.plot()参数:xlim/ylim 传入一个元组，收尾包含
    • plt.xlim()/plt.xlim() 传入一个元组，收尾包含
  • 轴刻度xticks/yticks
    • 图像函数 plt.plot0参数xticks/yticks 设置刻度范围
    • plt.xticks /plt.yxticks
      • 第一个位置参数locs，一个序列，作为刻度，可以作为刻度的偏移设置
      • 第二个位置参数，labels，作为刻度对应的显示标签，可省略
      • 参数rotation设置刻度标签的旋转角度
      • 参数size刻度标签的大小
    • ax.set_xticks/ax.set_yticks
      • 面对对象接口的图像刻度设置
      • 作用是设置某Axe将主刻度放在那里 (主刻度为显式刻度，次刻度为隐式刻度)
    • ax.set_xticklabels / ax.set_yticklabels
      • 面对对象的图像刻度设置
      • 作用是设置某Axe将主刻度对应的标签
  • 图象大小figsize
  • 网格grid
    • 图像函数plt.plot()参数grid True or False是否显式网格线
    • plt.grid
      • 参数axis:both-xy轴都显式，x-只显式x轴，y-只显示y轴
      • 参数1inestyle:网格线风格:--._.....
      • 参数color:颜色
      • 参数1inewidth:线宽
      • 参数alpha:透明度
      • 参数which按刻度显示网格线，both-主次刻度都显示major-显示主刻度，minor显示次刻度
  • 标注线
    • 横线:pltaxvline(y轴上的值color="G".) 标注线
    • 竖线:pltaxhline(x轴上的值,color="G",linewidth=0.7..)
• 导入以及初始操作
  • import matplotlib.pyplot as plt #设置jupyter notebook行内直接显示图片%
  • matplotlib inline #调整图片大小
  • pltrcParamsfigurefigsize]=(128) pltrcParams[fontsans-serif"]=['SimHei""]#用来正常显示中文标签 plt.rcParams[axesunicode minus']=False#用来正常显示负号