文章详情

短信预约-IT技能 免费直播动态提醒

请输入下面的图形验证码

提交验证

短信预约提醒成功

【Python数据科学快速入门系列 | 06】Matplotlib数据可视化基础入门(一)

2023-09-11 10:57

关注

这是机器未来的第52篇文章

原文首发地址:https://robotsfutures.blog.csdn.net/article/details/126899226


文章目录


写在开始:

  • 博客简介:专注AIoT领域,追逐未来时代的脉搏,记录路途中的技术成长!
  • 博主社区:AIoT机器智能, 欢迎加入!
  • 专栏简介:从0到1掌握数据科学常用库Numpy、Matploblib、Pandas。
  • 面向人群:AI初级学习者

本文概述了matplotlib是什么,能做什么,怎么做的问题,是一篇matplotlib数据可视化入门文章,对于matplotlib的基础功能做了一个整体的使用说明。包含绘制第一个图表、绘图编程风格、Figure画布、axes绘图区,绘图样式等内容。

Matplotlib是一个数据可视化综合绘图库,python三剑客(Numpy、Matplotlib、Pandas)之一,用于创建静态图、动态图和Python中的交互式可视化图像。

只需几行代码就可以生成图表,直方图,功率谱,条形图,误差图,散点图等

说到数据可视化,我们为什么需要数据可视化?

如果将文本数据与图表数据相比较,人类的思维模式更适合于理解后者,原因在于图表数据更加直观且形象化,它对于人类视觉的冲击更强,这种使用图表来表示数据的方法被叫做数据可视化。

举个简单的例子:给你一只股票的分时数据,你认为一行行的数据直观呢,还是K线图直观呢?

有2种主流的安装方式:

pip install matplotlib

conda install matplotlib

3.1 第一个Matplot例子:绘制折线图

#引入matplotlib.pyplot绘图库from matplotlib import pyplot as plt#创建一个只有单个子图的画布fig,ax=plt.subplots()#Create a figure containing a single axes.#4个坐标点的坐标分别是(1,1),(2,4),(3,2),(4,3)ax.plot([1,2,3,4],[1,4,2,3]);#Plot some data on the axes.plt.show()

png

可以看到仅仅4行代码就生成了非常好看的折线图,C语言开发工程师已经哭晕…

那么它到底怎么做的呢?

3.2 编码风格

有人可能注意到我们在网上看到的绘图代码好像不是这样的,直接使用plt就可以绘制了,就像这样:

#引入matplotlib.pyplot绘图库from matplotlib import pyplot as plt#4个坐标点的坐标分别是(1,1),(2,4),(3,2),(4,3)plt.plot([1,2,3,4],[1,4,2,3]);#Plot some data on the axes. bplt.show()

png

从结果来看,是一模一样的,好像更方便,仅仅3行代码就可以了。

第二种绘制方法绘制过程如下:

其实从编码风格来说,第一种是面向对象的编码风格,第二种是pyplot风格:依靠pyplot自动创建和管理图形和轴,并使用pyplot函数进行绘图。

一般来说,我们建议使用OO风格,特别是对于复杂的绘图,以及旨在作为更大项目的一部分重用的函数和脚本。但是,pyplot样式可以非常方便地进行快速交互工作。

3.2 绘图参数详解

3.2.1 Figure画布

首先创建的就是画布,创建画布的方式有多种

from matplotlib import pyplot as plt#创建空白画布fig = plt.figure()#an empty figure with no Axesplt.show()
from matplotlib import pyplot as plt#创建单个绘图区域的画布fig,ax=plt.subplots()#a figure with a single Axesplt.show()


png

from matplotlib import pyplot as plt#创建2x2四个绘图区域的画布fig,axs=plt.subplots(2,2)#a figure with a 2x2 grid of Axesplt.show()


png

3.2.2 Axes绘图区域与Axis坐标轴

一个画布可以包含多个绘图区域,如上面的例子,一个画布包含4个绘图区域,每个绘图区域由2个(2D)或3个(3D)坐标轴组成。看下面的结构图的直观展示:

3.2.3 输入数据的类型

绘图函数需要 numpy.array 或 numpy.ma.masked_array 作为输入,或者可以传递给 numpy.asarray 的对象转换。

x, y array-like or scalar

3.2.4 绘图样式

3.2.4.1 标准表示

linestyledescription
'-' or 'solid'实线
'--' or 'dashed'杠虚线
'-.' or 'dashdot'点杠虚线
':' or 'dotted'点虚线
'none', 'None', ' ', or ''

marker样式非常多,更多样式参考官方文档:https://matplotlib.org/stable/api/markers_api.html

markersymboldescription
"."m00point
","m01pixel
"o"m02circle
"v"m03triangle_down
"^"m04triangle_up
"<"m05triangle_left
">"m06triangle_right
"1"m07tri_down
"2"m08tri_up
"3"m09tri_left
"4"m10tri_right
"8"m11octagon
"s"m12square
"p"m13pentagon
"P"m23plus (filled)
"*"m14star
"h"m15hexagon1
"H"m16hexagon2
"+"m17plus
"x"m18x
"X"m24x (filled)
"D"m19diamond
"d"m20thin_diamond
"|"m21vline
"_"m22hline
"""曲线样式例子1"""import matplotlib as mplimport matplotlib.pyplot as pltimport numpy as npfig, ax = plt.subplots(figsize=(8, 5))# 生成0~2π之间的等差数列,数据元素为30个x = np.linspace(0, 2*np.pi, 30)y1 = np.cos(x)y2 = np.sin(x)y3 = np.cos(2*x)y4 = np.sin(2*x)# 绘制余弦曲线,颜色为黑色,线宽3,线样式为杠虚线,点标记为小三角ax.plot(x, y1, color='#000000', linewidth=3, linestyle='--', marker='^')# 绘制正弦函数曲线,颜色为橙色,线宽2,点标记为星号l, = ax.plot(x, y2, color='orange', linewidth=2, marker='*')# 单独设置线样式为点虚线l.set_linestyle(':')# 绘制2x余弦函数曲线,线宽为8,线样式为杠点虚线ax.plot(x, y3, color='red', linewidth=6, linestyle='-.')# 绘制2x正弦函数曲线,颜色为绿色,线宽为1,线样式为实线ax.plot(x, y4, color='green', linewidth=2, linestyle='-')plt.show()


png

3.2.4.2 简写表示

除了上面的设置方式之外,还有一种简写设置方式。

plot([x], y, [fmt], *, data=None, **kwargs)
fmt = '[marker][line][color]'或fmt = '[color][marker][line]'

fmt的内容本身没有限定顺序,可以自由组合。

line指的是line_style,marker和line_style的取值和上面的表描述是一样的,颜色代码简写表示如下:

颜色

支持的颜色缩写是单字母代码

特点颜色
'b'蓝色的
'g'绿色
'r'红色的
'c'青色
'm'品红
'y'黄色
'k'黑色的
'w'白色的
import matplotlib as mplimport matplotlib.pyplot as pltimport numpy as np# 生成0~2π之间的等差数列,数据元素为30个x = np.linspace(0, 2*np.pi, 30)y1 = np.cos(x)y2 = np.sin(x)y3 = np.cos(2*x)# g-green,o-cycle圆点标记,--为杠杠虚线,其它样式需要单独指定plt.plot(x, y1, 'go--', linewidth=2, markersize=6)# c-青色,^-三角标志,:为点虚线plt.plot(x, y2, 'c^:', linewidth=2, markersize=3)# b-blue,*-star标志,-.为杠点虚线plt.plot(x, y3, 'b*-.', linewidth=2, markersize=3)
[]


png

未完待续,后续详见下一篇文章:
【Python数据科学快速入门系列 | 06】Matplotlib数据可视化基础入门(二)

— 博主热门专栏推荐 —

来源地址:https://blog.csdn.net/RobotFutures/article/details/126899226

阅读原文内容投诉

免责声明:

① 本站未注明“稿件来源”的信息均来自网络整理。其文字、图片和音视频稿件的所属权归原作者所有。本站收集整理出于非商业性的教育和科研之目的,并不意味着本站赞同其观点或证实其内容的真实性。仅作为临时的测试数据,供内部测试之用。本站并未授权任何人以任何方式主动获取本站任何信息。

② 本站未注明“稿件来源”的临时测试数据将在测试完成后最终做删除处理。有问题或投稿请发送至: 邮箱/279061341@qq.com QQ/279061341

软考中级精品资料免费领

  • 历年真题答案解析
  • 备考技巧名师总结
  • 高频考点精准押题
  • 2024年上半年信息系统项目管理师第二批次真题及答案解析(完整版)

    难度     813人已做
    查看
  • 【考后总结】2024年5月26日信息系统项目管理师第2批次考情分析

    难度     354人已做
    查看
  • 【考后总结】2024年5月25日信息系统项目管理师第1批次考情分析

    难度     318人已做
    查看
  • 2024年上半年软考高项第一、二批次真题考点汇总(完整版)

    难度     435人已做
    查看
  • 2024年上半年系统架构设计师考试综合知识真题

    难度     224人已做
    查看

相关文章

发现更多好内容

猜你喜欢

AI推送时光机
位置:首页-资讯-后端开发
咦!没有更多了?去看看其它编程学习网 内容吧
首页课程
资料下载
问答资讯