matolotlib 基本圖形繪制
from pandas import Series,DataFrame
import matplotlib.pyplot as plt
import numpy as np
import pandas as pd
下面先做兩個(gè)例子繪折線圖
Series生成圖表
ts=Series(np.random.randn(120),index=pd.date_range('1/1/2018',periods=120))
ts=ts.cumsum()
ts.head()
2018-01-01 0.732337
2018-01-02 1.222352
2018-01-03 0.460722
2018-01-04 0.694276
2018-01-05 0.394703
Freq: D, dtype: float64
ts.plot(kind='line',
title='2018 time',
label='2018',
style='--g',
color='red',
alpha=0.5,
grid=True,
rot=60,
ylim=[-30,50],
yticks=list(range(-20,50,5)),
use_index=True,
figsize=(8,5),
legend=True)
image
DataFrame生成圖表
df=DataFrame(np.random.randn(120,4),index=pd.date_range('1/1/2018',periods=120),columns=list('ABCD'))
df=df.cumsum()
df.head() #查看前五行數(shù)據(jù)
df.plot(kind='line',
title='2018 time',
label='2018',
style='--',
alpha=0.5,
grid=True,
rot=60,
use_index=True,
figsize=(15,8),
fontsize='large',
legend=True,
subplots=False)
image
繪圖標(biāo)簽總結(jié)：
#Series.plot() series的index為橫坐標(biāo)，value為縱坐標(biāo)
#figsize:圖像大小標(biāo)簽
#title:圖像標(biāo)題名稱
#kind:line,bar 折線圖式矫、柱狀圖等形狀設(shè)定
#label:為圖例標(biāo)簽，DataFrame是列名為label圖例標(biāo)簽
#style：風(fēng)格字符串 包括linestyle,narker,color
#color:顏色
#alpha：透明度
#grid：圖表網(wǎng)格
#xlim 、ylim：x,y軸界限
#xticks,yticks:x,y刻度值
#legend:是否顯示圖例 使用plt.legend
下面練習(xí)簡(jiǎn)單的圖形繪制
1. 柱狀圖與 堆疊圖
fig,axes=plt.subplots(4,1,figsize=(10,15)) #創(chuàng)建四個(gè)子圖
df1=Series(np.random.randint(0,10,16),index=list('abcdefghijklmnop'))
df2=DataFrame(np.random.rand(10,3),columns=['a','b','c'])
#單系列圖
df1.plot(kind='bar',grid=True,alpha=0.6,ax=axes[0]) #選擇第一個(gè)子圖
#多系列圖
df2.plot(kind='bar',alpha=0.5,ax=axes[1]) #選擇第二個(gè)子圖
#多系列圖和堆疊圖
df2.plot(kind='bar',colormap='Blues_r',edgecolor='green',stacked=True,ax=axes[2])#選擇第三個(gè)子圖
df2.plot.barh(ax=axes[3])
柱狀圖
2. 面積圖
fig,axes=plt.subplots(2,1,figsize=(8,6))
df3=DataFrame(np.random.rand(10,4),columns=['a','b','c','d']) #正值的數(shù)據(jù)
df4=DataFrame(np.random.randn(10,4),columns=['a','b','c','d']) #正值和負(fù)值都有的數(shù)據(jù)
df3.plot.area(alpha=0.5,ax=axes[0],colormap='Greens_r')
df4.plot.area(stacked=False,colormap='Set2',alpha=0.5,ax=axes[1])
#stacked 是否堆疊储笑，默認(rèn)區(qū)域圖是堆疊
#為了產(chǎn)生堆積面積圖码耐，每列需要是全部正值或者是全部是負(fù)值
#當(dāng)數(shù)據(jù)有缺失na值時(shí)倾剿，會(huì)自動(dòng)填充為0
面積圖
3. 填充圖
fig,axes=plt.subplots(2,1,figsize=(8,6))
x=np.linspace(0,5*np.pi,1000)
y1=np.sin(x)
y2=np.sin(2*x)
axes[0].fill_between(x,y1,y2,color='g',alpha=0.5,label='area') #填充
axes[0].grid()
x2=np.arange(0.0,4.0*np.pi,0.01)
y2=np.sin(x2)
axes[1].plot(x2, y2)
axes[1].plot((x2.min(),x2.max()), (0,0)) #水平基準(zhǔn)線
axes[1].fill_between(x2,y2,color='r',alpha=0.5) #填充
axes[1].grid()
填充圖
4. 餅圖
s=Series(2*np.random.rand(4),index=['a','b','c','d'],name='series')
plt.axis('equal') #讓圖形的長(zhǎng)和寬相等
plt.pie(s,colors=['r','g','b','y'],
explode=[0.1,0,0,0], #每部分的偏移量
labels=s.index,
autopct='%.2f%%', # 餅圖上的數(shù)據(jù)標(biāo)簽顯示方式
labeldistance=1.2, # 畫餅標(biāo)記的直徑 默認(rèn)1.1
pctdistance=0.8, # 每個(gè)切片的中心和通過autopct生成的文本開始之間的比例
shadow=True, #陰影
startangle=0, #開始角度
radius=1.5, #半徑
frame=False)
print(s)
a 0.435720
b 0.888153
c 1.066442
d 1.867224
Name: series, dtype: float64
餅圖
5. 直方圖和密度圖
s1=Series(np.random.randn(1000))
s1.hist(bins=20, #箱子寬度
histtype='bar', #風(fēng)格 bar 艘刚，step
align='mid', #對(duì)齊方式 left mid right
orientation='vertical',#水平還是垂直 horizontal ,vertical
normed=True, #標(biāo)準(zhǔn)化
alpha=0.5)
#密度圖
s1.plot(kind='kde',style='k--',grid=True) #密度圖時(shí)候 normed=True,
直方圖和密度圖
6. 散點(diǎn)圖
plt.figure(figsize=(8,6))
x=2*np.random.randn(1000)
y=np.random.randn(1000)
plt.scatter(x,y,marker='.',
s=np.random.randn(1000)*100, #散點(diǎn)大小
alpha=0.5,
c=np.random.randn(1000)*100, #散點(diǎn)顏色
cmap='Reds')
plt.grid()
散點(diǎn)圖
7. 矩陣散點(diǎn)圖
ddf=DataFrame(np.random.randn(100,4),columns=['a','b','c','d'])
pd.plotting.scatter_matrix(ddf,figsize=(10,6),
marker='o',
diagonal='kde',#只能并且在 hist和kde 中選擇一個(gè)张肾，每個(gè)指標(biāo)的頻率圖
range_padding=0.1, #圖形在x軸和y軸原點(diǎn)的留白
alpha=0.6)
散點(diǎn)矩陣圖
8. 極坐標(biāo)圖
##創(chuàng)建數(shù)據(jù)
s= Series(np.arange(20))
theta=np.arange(0,2*np.pi,0.02)
#print(s.head())
#print(theta[:60])
#創(chuàng)建子坐標(biāo)
fig=plt.figure(figsize=(8,4))
ax1=plt.subplot(121,projection='polar')
ax2=plt.subplot(122,projection='polar')
#也可以這樣創(chuàng)建ax=fig.add_subplot(111,polar=True)
ax1.plot(theta,theta/6,linestyle='--',lw=2) #lw為線寬
#ax1.plot(s,linestyle='--',marker='.',lw=2)
ax2.plot(theta,theta/6,linestyle='--',lw=2)
#參數(shù)設(shè)定比較
#坐標(biāo)軸正方向芭析，默認(rèn)逆時(shí)針方向
ax2.set_theta_direction(-1)
#設(shè)置極坐標(biāo)角度網(wǎng)格線顯示和標(biāo)簽 ，其中網(wǎng)格和標(biāo)簽數(shù)量一致
ax2.set_thetagrids(np.arange(0.0,360.0,90),['a','b','c','d'])
#設(shè)置網(wǎng)格線顯示吞瞪，參數(shù)必須為正數(shù)
ax2.set_rgrids(np.arange(0.2,2,0.2))
#設(shè)置角度偏移馁启，逆時(shí)針 弧度
ax2.set_theta_offset(np.pi/2)
#設(shè)置極坐標(biāo)半徑范圍
ax2.set_rlim(0.2,1.8)
ax2.set_rmax(2) #極坐標(biāo)半徑的最大值
ax2.set_rticks(np.arange(0.1,1.5,0.2)) #極坐標(biāo)半徑網(wǎng)格線的顯示范圍
極坐標(biāo)圖
9. 箱線圖
fig,axes=plt.subplots(2,1,figsize=(10,6))
dff=DataFrame(np.random.rand(10,5),columns=['A','B','C','D','E'])
color=dict(boxes='DarkGreen',whiskers='DarkOrange',medians='DarkBlue',caps='Gray')
#boxes 箱線顏色
#whiskers 分位數(shù)與error bar橫線之間豎線的顏色
#medians 中位數(shù)線顏色
#caps 橫線顏色
dff.plot.box(ylim=[0,1.2],
grid=True,
color=color,
ax=axes[0])
dff.plot.box(vert=False, #vert 默認(rèn)垂直，是否垂直
positions=[1,4,9,8,6], #箱線圖占位
grid=True,
color=color,
ax=axes[1])
箱線圖
另外還有其他比較復(fù)雜的圖形繪制和繪圖參數(shù)的知識(shí)需要花時(shí)間熟悉進(jìn)行學(xué)習(xí)芍秆，可以在matplotlib官網(wǎng)進(jìn)行學(xué)習(xí)惯疙。
matplotlib官網(wǎng)網(wǎng)址：https://matplotlib.org/
