Matplotlib

Python可视化大学生知识框架图，包括：事件与保存、plt.plot的属性参数、图像的样式设置、图表类型、 图表基本属性设置、导入及初始设置。

Matplotlib

• 事件与保存
  • 事件响应与处理
    • 常用事件
      • button_press_event（鼠标按下时触发的事件）
      • button_release_event（鼠标抬起时触发的事件）
      • key_press_event（键盘上某个键按下时触发的事件）
      • key_release_event键盘上某个键抬起时触发的事件
  • 保存绘图结果
    • fname
    • dpi
    • facecolor、edgecolor
    • format
    • transparent
    • bbox_extra_artists
    • bbox_inches
    • pad_inches
• 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..]子图位置
  • 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 / ysticks
    • 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y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
• 图像的样式设置
  • 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 '×'叉状 ……
  • 颜色color
    • 常用:red - r, green - g,black - k, blue - b, yellow - 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, YlGn,BuGn...
  • 注释text
    • plt.text(x,y, text)设置注释的x y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kind=bar 或 barh
      • 参数colormap='Blues_r'
      • 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.fill()
    • 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 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 labeldistance:被饼图标记的直径，默认值 shadow:阴影布尔值 startangle:开始角度 radius:半径 frame:图框 布尔值
  • 散点图scatter
    • plt.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 s:散点符号的大小
    • df.plot.scatter(x="col_1",y="col_2" , c="col_3")
      • 参数c,color, c=colors散点为彩色 c=某column散点为按某column数值大小的渐变色 参数s,size，可以是某个column
  • 矩阵散点图scatter_matrix
    • pd.scatter_matrix()通过pandas模块调用，一般不用Seaborn的pairplot可完全替代
  • 极坐标图（雷达图）
    • 创建方式一:调用subplot0创建极坐标子圈(projeotion='polar') .在子圈中绘图 ax=plo.subplot(projection='polar') ax.plot(theta,data) #弧度制theta #弧度分割需要与数据分割—致
      • 折线雷达图:极坐标+折线图+填数据+收尾闭合 1. ax=plt.subplot(projection='polar')#创建极坐标子圈 2. theta=np.concatenate((theta,[theta[0]]) data=np.concatenate(data,[data[0]))#首尾极坐标及数据首尾闭合处理 3. ax.plot(theta, data,**kwargs)#极坐标子图上绘图 4. ax.fill(theta, data,**kwargs)#填图
      • 柱状雷达图:极坐标+柱状图+颜色分区 1. ax=plt.subplot(projection='polar')#创建极坐标子图 2. ax.bar(theta, data, color,**kwargs) #在极坐标子图上绘制柱状图向color传入设定的颜色序列
    • 创建方法二: plt.polar()传入弧度坐标+数据只能创建折线雷达图plt.polar()
  • 箱线图box
    • plt.boxplot()
    • plt.plot.box()
• 图表基本属性设置
  • 图例legend
    • plt.legend0用于显示图例或作为图表对象ax1的参数: ax1.legend(prop=f'size'=10等})
    • 参数：
      • 图例的位置loc="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’ , 'small’,'medium’ , ‘large'. 'x-large'. ‘xx-large’}
      • 设置图例边框及背景 plt.legend(loc='best',frameon=False)#去掉图例边框 plt.legend(loc='best",edgecolor='blue')#设置图例边框颜色 plt.legend(loc='best',facecolor="blue')#设置图例背景颜色,若无边框,参数无效
      • 图例标题: title= 'xxxx'
    • 多个axes的图例放在一起fig = plt.figure(1) ax1 = plt.subplot(2,1,1) ax2 = plt.subplot(2,1,2) l1, = ax1.plot(x, x*x, 'r) #关键 l2,= ax2.plot(x,x*x, 'b') #注意 plt.legend([11,l2],['first', 'second'], loc = 'upper right')
  • 图名title
    • 图像函数plt.plot)参数名称title
    • plt.title()
      • 参数loc:图名位置,center, left, right
      • 参数label:传入字符串定义图名
  • 轴标签xlabel/ylabel
    • plt.xlabel: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
  • 图像大小figsize
    • figzise传入一个元组，设置图像宽高
  • 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linestyle:网格线风格:--.-. -.. : ...
      • 参数color:颜色
      • 参数linewidth: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:plt.axvline(y轴上的值, color="G"... )
    • 竖线: plt.axhline(x轴上的值, color="G", linewidth=0.7...)
• 导入及初始设置
  • 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 plt.rcParams['figure.figsize'] = (12,8)
  • plt.rcParams['font.sans-serif"]=['SimHei"']#用来正常显示中文标签plt.rcParams['axes.unicode_minus']=False #用来正常显示负号