1. 導(dǎo)入庫：import matplotlib.pyplot as plt

2. 傳入數(shù)據(jù)：比如plt.plot([y1,y2...])，此時只傳入了一個數(shù)組，那么庫會假定傳入的是圖表的y值，于是將其跟一個序列的x值對應(yīng)起來，x取值為0、1、2、...

又比如plt.plot([x1,x2...],[y1,y2...])，此時傳入的是兩個數(shù)組，第一個數(shù)組為x軸上各數(shù)值，第二個數(shù)組為y軸上各數(shù)值

其實，[x1,x2...]和[y1,y2...]就是NumPy數(shù)組，可以直接把NumPy數(shù)組作為輸入數(shù)據(jù)，同時數(shù)組經(jīng)過pandas處理后也無需進一步處理，比如plt.plot(t,y1)

3. 繪制圖表：plt.show()

此外還可以繪制子圖，用subplot()函數(shù)先進行區(qū)域設(shè)置，其中參數(shù)由3個連續(xù)整數(shù)組成，分別表示垂直方向、水平方向被分成幾部分以及可以直接用命令控制的子圖

# 比如要分成上下兩個子圖，則先plt.subplot(211)然后繪制第一個，接著plt.subplot(212)然后繪制第二個

# 再比如要分成左右兩個子圖，則先plt.subplot(121)然后繪制第一個，接著plt.subplot(122)然后繪制第二個

4. 修飾圖表元素：

(1) 帶顏色的數(shù)據(jù)點：比如'ro'紅色圓點，'b*'藍(lán)色星星點，'g^'綠色正三角點，'ys'黃色正方形點等等，就是'顏色+形狀'做參數(shù)加到plt.plot()里頭去就行了

# 注意默認(rèn)的是實線，如果用了這個參數(shù)，圖表里面就沒實線了，全是點。對于顏色，還有：'c'藍(lán)綠色、'm'洋紅、'k'黑色、'w'白色

(2) 帶顏色的其他線型：比如'b--'是藍(lán)色虛線，'r-.'紅色點線等等

(3) 改變線條粗細(xì)：增加參數(shù)linewidth，比如設(shè)置linewidth=2.0

(4) axis()：定義x軸和y軸的取值范圍，plt.axis([xmin,xmax,ymin,ymax]) # 一般提前進行的，比如不合理的軸取值可能會讓數(shù)據(jù)點在邊緣

(5) title()：為圖表增加標(biāo)題，plt.plot('My first plot')

(6) xlabel()和ylabel()：添加軸標(biāo)簽

# 對于(4)~(6)，還可以參加參數(shù)來修改文本屬性，比如fontsize=20、fontname='Times New Roman'、color='gray'

(7) text()：為各個數(shù)據(jù)點添加標(biāo)簽，它有四個參數(shù)text(x,y,s,fontdict=None,**kwargs)，其中x,y,s表示三維坐標(biāo)點，如果兩維則x,y即可，fontdict為文本要使用的字體，**kwargs為要添加的標(biāo)簽

比如plt.text(1,1.5,'First')則為數(shù)據(jù)點(1,1.5)添加了字符串標(biāo)簽First，fontdict參數(shù)如果沒特別要求可以不管

此外，text()中還能支持latex表達(dá)式，即**kwargs處添加r'$y=x^2$'，注意3點，一是用r開頭，二是用''引用，三是用$$界定公式范圍

(8) grid()：添加網(wǎng)格，用plt.grid(True)即可

(9) legend()：添加圖例，比如：plt.plot([1,2],[2,3],'ro') plt.plot([2,3],[1,2],'b*') plt.legend(['First series','Second series'])

意思就是分別給'ro'和'b*'兩個數(shù)據(jù)集添加圖例(圖例實際上就是在圖標(biāo)里弄個小框標(biāo)注哪些線或點表示什么意思)

legend()函數(shù)默認(rèn)為1，即右上角添加，還可以添加關(guān)鍵字參數(shù)loc來指定，loc取值從0~10分別表示最佳位置、右上角、左上角、右下角、左下角、右側(cè)、左側(cè)垂直居中、右側(cè)垂直居中、下方水平居中、上方水平居中、正中間

5. 保存圖片：plt.savefig('圖片名.png') # 切記在最后一行使用

6. 處理日期值：如果讓matplotlib自動管理可讀，會在時間軸(x軸)出現(xiàn)不清晰，很混亂，所以要人為設(shè)置時間格式

有set_major_locator()、set_minor_locator()、set_major_formatter()等函數(shù)，需要的時候網(wǎng)上copy一段代碼即可，這波操作有代碼片段滴！

7. 畫線形圖：

(1) 繪制由數(shù)學(xué)函數(shù)生成的數(shù)據(jù)點：比如x=np.arange(-2*np.pi,2*np.pi,0.01) y=np.sin(3*x)/x，還是得先單獨指定x范圍

# 注意上面這個例子，x的范圍是-2pi~2pi，但刻度標(biāo)簽?zāi)J(rèn)使用數(shù)值形式，如果要用pi的倍數(shù)代替數(shù)值，則以下代碼操作一波

# plt.xticks([-2*np.pi,-np.pi,0,np.pi,2*np.pi],[r'$-2\pi$',r'$-np.pi$',r'$0$',r'$+\pi$',r'$+2\pi$'])，格式就是兩個列表，后面那個用latex表達(dá)式，且套上獨有的界定符

# 如果要修改縱軸，使用yticks()函數(shù)即可

(2) 繪制一系列數(shù)據(jù)點：需要創(chuàng)建兩個NumPy數(shù)組，一個包含x值，另一個包含每個x值所對應(yīng)的y值

(3) 讓x,y軸穿過(0,0)的方法：(下面實際是一大段代碼，沒咋看懂...)

ax=plt.gca() ax=spines['right'].set_color('none') ax=spines['top'].set_color('none') ax.xaxis.set_ticks_position('bottom')

ax.spines['bottom'].set_position(('data',0)) ax.yaxis.set_ticks_position('left') ax.spines['left'].set_position(('data',0))

(4) 注釋+箭頭標(biāo)明曲線上某一數(shù)據(jù)點：

plt.annotate(r'&Latex表達(dá)式&'或'字符串',xy=[注釋數(shù)據(jù)點的x坐標(biāo),注釋數(shù)據(jù)點的y坐標(biāo)],xycoords='data',xytext=[30,30],fontsize=16,textcoords='offset points',arrowprops=dict(arrowstyle="->",connectionstyle="arc3,rad=.2"))

# 參數(shù)比較繁瑣，最后的效果就是這個表達(dá)式或字符串伸個箭頭指向要曲線上要注釋的這個數(shù)據(jù)點的位置

(5) 為DataFrame繪制線形圖：直接一個plot()，就按每個索引同時呈現(xiàn)多條曲線的，再來個legend()函數(shù)，則會以索引名為圖例名添加相應(yīng)個圖例

8. 畫直方圖：hist()函數(shù)，比如：n,bins,patches=plt.hist(pop,bins=20)

# 其中pop是數(shù)據(jù)，pop=np.random.randint(0,100,100)，bins參數(shù)指定了將樣本個體分到多少個面元中，如果未指定，則默認(rèn)為10個面元

# hist()函數(shù)除了以圖表形式表示外，還能以元組形式返回，也就是上面的n,bins,patches，返回成(n,bins,patches)

9. 畫條狀圖：

(1) 一般條狀圖：

(a) 垂直：bar()函數(shù)，如plt.bar(index,values)，其中index和values是指定的兩個列表，分別作為圖表中的x軸和y軸的值，各x值顯示在每個條形塊的左下角

plt.xticks(index+0.4,['A','B','C','D','E'])，讓x值顯示從左下角到居中，并將x顯示值換成A到E，即標(biāo)簽

增加誤差線元素：plt.bar(index,values,yerr=std1,error_kw={'ecolor':'0.1','capsize':6},alpha=0.7,label='First')

其中ecolor指定誤差線的顏色，capsize指定誤差線兩頭橫線的寬度，alpha取值為0~1，0表示對象完全透明

(b) 水平：barh()函數(shù)，其用法和bar()類似，但需要注意的是，水平條狀圖中，類別分布在y軸，數(shù)值顯示在x軸

(2) 多序列條狀圖：

(a) 需要多少個序列共用一個類別，則把每個類別占據(jù)的空間分為多少個部分即可

比如默認(rèn)每個類別空間寬度為1：bw=0.3 plt.bar(index,values1,bw,color='b') plt.bar(index+bw,values2,bw,color='g') plt.bar(index+2*bw,values3,bw,color='r')就ok了

接著上述例子，同樣可以plt.xticks(index+1.5*bw,['A','B','C','D','E'])，index后面加上的增量要講究以下

如果要生成水平方向的，用barh()即可，參數(shù)用法等一樣噠

(b) 為DataFrame繪制多序列條狀圖：可以快速完成，實現(xiàn)自動化，df.plot(kind='bar')就ok了，其中df=pd.DataFrame(data)，做好的圖自動添加圖例

同樣，水平則kind='barh'即可，美滋滋！

(3) 多序列堆積條狀圖： # 比如想表示總和是由幾個條狀圖相加得到的，就用它啦！

(a) s1,s2,s3是三個numpy序列，則plt.bar(index,s1,color='r') plt.bar(index,s2,color='b',bottom=s1) plt.bar(index,s3,color='g',bottom=(s2+s1)) 就OK了，關(guān)鍵就是在bottom參數(shù)

水平的殊途同歸，bar()換成barh()就OK了 # 同時應(yīng)當(dāng)注意，水平的“x軸”相應(yīng)變到了y上，所以原本的xticks()也要換成yticks()

(b) 為DataFrame繪制堆積條狀圖：df.plot(kind='bar',stacked=True)即可，df是DataFrame對象

(4) 其他條狀圖：

(a) 前面都是用顏色填充，實際上還可以用不同陰影填充，先把條狀圖顏色設(shè)置成白色，然后用hatch關(guān)鍵字參數(shù)指定影線的類型

不同影線用不同的字符(|、/、-、\、*)表示，且同一符號出現(xiàn)的次數(shù)越多，則形成的陰影的線條越密集，比如///就比//密集

(b) 兩列有著共同類別的數(shù)據(jù)，其條狀圖分列于x軸兩側(cè)，分別向+y和-y生長，比如以下這段代碼：

plt.ylim(-7,7)

plt.bar(x0,y1,0.9,facecolor='r',edgecolor='w')

plt.bar(x0,-y2,0.9,facecolor='b',edgecolor='w')

plt.xticks(())

plt.grid(True)

for x,y in zip(x0,y1):plt.text(x+0.4,y+0.05,'%d'%y,ha='center',va='bottom')

for x,y in zip(x0,y2):plt.text(x+0.4,-y-0.05,'%d'%y,ha='center',va='top')

# 其中 x0,y1,y2分別是np數(shù)組。這段code先記下，來日方長

10. 畫餅圖：

(1) labels=['A','B','C'] values=[1.2.3] colors=['yellow','green','red']

plt.pie(values,labels=labels,colors=colors)

plt.axis('equal') # 為了繪制標(biāo)準(zhǔn)的圓形圖餅，還需要在代碼最后調(diào)用axis()函數(shù)

同時還可以添加很多參數(shù)，explode表示某塊是否突出，其取值為0~1,0表示沒有抽取；startangle用來調(diào)整餅圖的旋轉(zhuǎn)角度，取值為0~360；

autopct在每一塊的中間位置添加文本標(biāo)簽來顯示百分比；shadow用來添加陰影效果，設(shè)置為True即可

這樣一來：plt.pie(values,labels=labels,colors=colors,explode=explode,shadow=True,autopct='%1.1f%%',startangle=180)，其中explode=[0.3,0,0]

(2) 為DataFrame繪制餅圖：df['s1'].plot(kind='pie',figsize=(6,6))，其中為了繪制一個標(biāo)準(zhǔn)的圓形餅圖就有必要添加figsize關(guān)鍵字，df['s1']則只講DataFrame對象中的s1序列做成圖

11. 畫等值線圖：

X,Y=np.meshgrid(x,y)

def f(x,y):return (1-y**5+x**5)*np.exp(-x**2-y**2)

C=plt.contour(X,Y,f(X,Y),8,colors='black') # 用contour()函數(shù)生成三維結(jié)構(gòu)表面的等值線圖

plt.contourf(X,Y,F(X,Y),8)

plt.clabel(C,inline=1,fontsize=10)

plt.colorbar() # 增加圖例作為對圖表中所有顏色的說明

12. 畫極區(qū)圖： # 可以將其視作兼有餅圖和條狀圖特點的圖表

theta=np.arange(0.,2*np.pi,2*np.pi/N) # 這里是平均分配的，實際上可以按照它們所占比例來分配角度，就和餅圖一樣，所以說它兼顧了餅圖的特征

radii=np.array([4,7,5,3,1,5,6,7]) # 這里體現(xiàn)了極區(qū)圖兼顧條狀圖的特點

plt.axes([0.025,0.025,0.95,0.95],polar=True)

colors=np.array(懶得敲代碼了)

bars=plt.bar(theta,radii,width=(2*np.pi/N),bottom=0.0,color=colors) # 使用bar函數(shù)，然后注意各個參數(shù)

總結(jié)

以上是生活随笔為你收集整理的python cookbook 中文第四版_Python Cookbook (4)的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。