为了处理数据和绘图，我们首先导入第三方包Numpy和快速绘图模块pyplot。
绘图库Matplotlib的安装与导入¶
我们可以通过在命令行提示符cmd(对于Windows系统)或者终端Terminal(对于Mac系统)使用下述命令安装Matplotlib：
pip install matplotlib
如果已经是使用Anaconda作为编程集成环境，那电脑中已经装好该库了，无需再次安装。
一般我们在使用时都是导入该库的pyplot模块,将其简写为plt
import matplotlib.pyplot as plt
在绘图时我们往往也会结合Numpy库一起使用。
常用图形绘制¶
Matplotlib 可以绘制丰富的科学图形和统计图形，如折线图、散点图、直方图等，下面具体介绍这些图形的绘制方法。 首先将绘图库等进行导入，然后准备相应的绘图数据。
import numpy as np # 引入Numpy库
import matplotlib.pyplot as plt # 引入pyplot模块
%matplotlib inline # 设置matplotlib的图像直接在jupyter notebook行间进行显示
折线图plot()¶
plot函数可以展现变量的变化趋势
- 调用方法：
plt.plot(x,y,ls='-',lw=2,label='plot figure') - 参数说明
x:x轴上的数值y: y轴上的数值ls: linestyle,折线的线条风格lw: linewidth,折线的线条宽度label: 标记图形内容的标签文本 例如显示图像如下x = np.linspace(0,2,100) # 生成从0.05 到 10 等分的1000个数据 y = x**2 # 二次函数 y2 = x**0.5 # 根式 plt.plot(x,y,'c',ls='-',lw=3,label='Square') # 线性为虚线--，线宽为6，标签为'My first line' plt.plot(x,y2,'b',ls='-',lw=3,label='Root') plt.legend() # 显示图例，不加这一句则不显示图例 plt.xlabel('X') # 设置横坐标名称 plt.ylabel('Y') # 设置纵坐标名称 plt.title('Plot') # 设置标题 plt.savefig('images/mat0101.png') # 将图片保存
散点图scatter()¶
散点图可以用来寻找变量之间的关系
- 调用方法：
plt.scatter(x,y,c='b',label = 'scatter figure') - 参数说明
x: $x$轴上的数值y: $y$轴上的数值c: 散点图中的标记颜色label: 标记图形内容的标签文本s: 标记的大小cmap: 标记的颜色映射表x = np.linspace(0.05,10,100) # 生成从0.05 到 10 等分的100个数据 y = np.random.rand(100)# 生成100个正态分布的随机数 y1 = np.random.rand(100) # 生成100个正态分布的随机数 plt.scatter(x,y,c= 'b',label='Scatter 1') # 绘制第一组数据 plt.scatter(x,y1,c= 'r',label='Scatter 2') # 绘制第二组数据 plt.legend() # 增加图例 plt.grid() # 绘制网格线 plt.title('Scatter') # 设置标题 plt.savefig('images/mat0102.png') # 将图片保存
条形图bar()¶
`bar()'函数可以在x轴上绘制定性数据的分布特征。
- 调用方法：
plt.bar(x,y) - 参数说明
x: 标示在x轴上的定性数据的分布特征y: 每种定性数据类别的数量x = [1,2,3,4,5,6,7,8] y = [3,1,4,5,8,9,7,2] plt.bar(x,y,align='center',color='k',tick_label =list('ABCDEFGH')) # 设置横纵坐标数据、柱状图放置位置，颜色 plt.xlabel('X') # 设置横坐标标题 plt.ylabel('Y') # 设置纵坐标标题 plt.grid(axis = 'y') # 只绘制平行于x轴的格线 plt.title('Bar') # 设置标题 plt.savefig('images/mat0103.png') # 将图片保存
直方图hist()¶
hist函数可以x轴上绘制定量数据的分布特征。
- 调用方法：
plt.hist(x) - 参数说明
x: 在$x$轴上绘制的数据bins: 在$x$轴上分割的直方个数color: 直方颜色rwidth: 直方宽度占比alpha: 透明度x = np.random.randint(0,10,100) # 生成0-10共100个随机数 bins = range(0,10,1) # 设置bins数据， plt.hist(x, bins = bins, color = 'c', rwidth=0.8, alpha=0.5) plt.xlabel('X') plt.ylabel('Y') plt.title('Histogram') # 设置标题 plt.savefig('images/mat0104.png') # 将图片保存
饼图pie()¶
饼图pie可以绘制定性数据的不同类型的百分比
- 调用方法：
plt.pie(x) - 参数说明
x: 定性数据的不同类型的百分比explode: 显示要突出的部分与其他部分的距离label: 各个类型的标签autopct: 显示百分比并设定小数点位数colors: 设置各部分的颜色nums = [0.05,0.45,0.15,0.35] kinds = ['A','B','C','D'] colors = ["C1","C2","C3","C4"] plt.figure(figsize=(8,8)) # 设置图片大小 plt.pie(nums, # 各个类型的数量 explode=[0.05,0,0,0], # 显示要突出的部分与其他部分的距离 labels=kinds, # 各个类型的标签 autopct="%3.1f%%", # 显示百分比并设定小数点位数 colors=colors) # 显示颜色 plt.title('Pie') # 设置标题 plt.savefig('images/mat0105.png') # 将图片保存
箱线图boxplot()¶
boxplot可以用来绘制箱线图
- 调用方法：
plt.boxplot(x) - 参数说明
x: 箱线图的输入数据
x = np.random.normal(0,1,1000) # 生成正态分布数据
plt.boxplot(x) # 绘制箱线图
plt.xlabel('A') # 设置横坐标
plt.ylabel('Y') # 设置纵坐标标签
plt.grid(linestyle = '--',alpha = 0.3) # 设置网格线
plt.title('Boxplot') # 设置标题
plt.savefig('images/mat0106.png') # 将图片保存
