利用Matplotlib画图

画图"/>

利用Matplotlib画图

- Matplotlib绘图基础
plt.plot(x,y,ls=,lw=,c=,marker=，markersize=,markeredgecolor=,markerfacecolor=,label=)
   - x:x轴上的数值
   - y：y轴上的数值
   - ls：折线的风格('-','--','-,','（点画线）:(实点线)')
   - lw：线条宽度
   - c:颜色
   - marker：线条上点的形状
   - markersize：线条上点的形状的大小
   - markeredgecolor：点的边框色
   - markerfacecolor：点的填充色
   - label：文本

首先导入要用的库：

import numpy as np
import matplotlib.pyplot as plt#matplotlib中的一个模块（内有很多函数）
import pandas as pd#利用pandas读取数据
import seaborn as sns

%matplotlib inline#为了让图像完全展示出来

现在来绘制简单的sin图形：

x = np.linspace(0,100,1000)#创建等差数列 初始为0 终止为100 共有1000个元素

y = np.sin(x)

plt.plot(x,y,c='red',lw=2,ls='-')
plt.show()

 接下来我们继续拓展：

#plt.rcParams['font.sans-serif']=['SimHei']
#plt.rcParams['axes.unicode_minus'] = False   #解决中文乱码和未知图标
plt.plot(x,y,ls='-',marker='o',markersize=1,c='red',markeredgecolor='blue',markerfacecolor='black',label='x和y的关系')
plt.legend(loc='upper center')#展示图例，loc=表示位置
plt.show()

#由于本人没有中文包，会存在乱码的问题

# 常用图像绘制
    饼图
    条形图（柱状图）
    直方图
    散点图

- 饼图语法
- 运用pie模块实现
pie(x=,explode=,label=,colors,autopct=,pctdistance,shadow,startangle,radius,wedgeprops,textprops,center)
--label:标签
--colors：颜色
--autopct：百分比
autopct=’%.1f%%’
--pctdistance：百分比标签与圆心距离
pctdistance=数字
--shadow：是否添加饼图阴影效果
shadow=True/False
--startangle设置饼图的初始拜访角度
startangle=数字
--radius：设置饼图半径大小
radius=数字
--counterclock是否逆时针呈现
counterclock=False/True
--wedgeprops：设置饼图内外边界的属性
wedgeprops={‘linewidth’:数字，’edgecolor’:’颜色’}
--textprops：设置饼图中文本属性
textprops{‘fontsize’:数字，‘color’:’颜色’}
--center：设置中心位置

- 条形图语法
  - bar（x,y,width,bottom,color,linewidth,tick_label,align）
    --x:指定x轴上数值
        x=数据
    -y：指定y轴上数值
        y=数据
    --width：指定条形图宽度
        width=数字
    --color：条形图的填充色
    --edge：条形图的片框色
    --bottom：百分比标签与圆心距离
    --linewidth：条形图边框宽度
    --tick_label:条形图的刻度标签
        tick_labeld=参数
    --align：指定x轴上的对齐方式
        align=‘center‘/‘left’/‘right’-

直方图语法
plt.hist(x,bins,range,normed,cumilative,bottom,align,rwidth,color,edgecolor,label)
  - x:数据
  - bin：条形个数
  - range：上下界
   - normed：是否将频数转换成频率
  - cumulative：是否计数累积频率
  - bottom：为直方图的每个条形添加基准线，标准为0
  - align：对齐方式
   - rwidth：条形的宽度
  - color：颜色
  - edgecolor：设置直方图边框色
  - label：设置直方图标签

- 散点图语法（一般用来展示2个连续型变量的的关系，可用来判断两个变量间是否存在线性关系或其他的关系）
  - plt.scatter(x,y,s,c,marker,cmap,norm,alpha,linewidths,egdecolors)
  - x:x轴数据
     x=数据
  - y：y轴数据
    y=数据
  - s：散点大小
  - c：散点颜色
  - marker：散点图形状
  - cmap：指定某个colormap值，该参数一般不用，用默认值
  - linewidth：散点边界线的宽度
  - alpha：散点的透明度
  - linewidths：散点边界线的宽度
  - egdecolors：设置散点边界线的颜色

数据的读取用pandas#其他属性的添加
  - frontsize：变迁大小  pad：标签距离
  - plt.xlabel(‘标签名字’，fontsize=数字，xlabelpad=数字)
  - plt.ylabel(‘标签名字’，fontsize=数字，xlabelpad=数字)
  - plt.title(‘标题名字’，pad=数字，frontsize=数字)
  - plt.show()

# 图形设置参数

1.设置图像大小
 当你作出图像后觉得大小尺寸不好
用fig= plt.gcf()#返回当前图像并且赋值给fig
     fig.set_size_inches(18.5,10.5)
plot.show()

 例如：

x = np.linspace(0,100,1000)#创建等差数列 初始为0 终止为100 共有1000个元素
y = np.sin(x)
plt.plot(x,y,c='red',lw=2,ls='-')
fig= plt.gcf()
fig.set_size_inches(185,15)
plt.show()#用 fig.set_size_inches函数重新调整了画布的大小

2.设置网格线
plt.grid(ls=’—’,c=’darkblue’)
plt.show()

x = np.linspace(0,100,1000)#创建等差数列 初始为0 终止为100 共有1000个元素
y = np.sin(x)
plt.plot(x,y,c='red',lw=2,ls='-')
plt.grid(ls='-',c='darkblue')
plt.show() 

 3.绘制平行与x轴和y轴的参考线
plt.axhline(y=y轴上的一个数值,ls=,c=,lw=)
plt.axvine(x=x轴上的一个数值,ls=,c=,lw=)

x = np.linspace(0,100,1000)#创建等差数列 初始为0 终止为100 共有1000个元素
y = np.sin(x)
plt.plot(x,y,c='red',lw=2,ls='-')
plt.axhline(y=0.75,ls='--',c='red',lw=3)
plt.axvline(x=20,ls='--',c='red',lw=3)
plt.show()

 4绘制参考区
plt.axvspan(xmin=,xmax=,facecolor=)
plt.axhspan(xmin=,xmax=,facecolor=)

x = np.linspace(0,100,1000)#创建等差数列 初始为0 终止为100 共有1000个元素
y = np.sin(x)
plt.plot(x,y,c='red',lw=2,ls='-')
plt.axvspan(xmin=40,xmax=60,facecolor='y')
plt.axhspan(ymin=0.75,ymax=1.00,facecolor='b')
plt.show()