Matplotlib实现数据可视化

发布于：2024-04-14 ⋅ 阅读:(150) ⋅ 点赞:(0)

Matplotlib是Python中应用较为广泛的绘图工具之一，首次发布于2007年。它在函数设计上参考了MATLAB，因此名字以"Mat"开头，中间的"plot"代表绘图功能，结尾的"lib"表示它是一个集合。Matplotlib支持众多图形的绘制。

Matplotlib绘图流程：

  1. 准备数据
  2. 添加内容
  3. 绘制图形
  4. 保存/显示

一、折线图

1、实现AQI走势折线图

 import matplotlib.pyplot as plt
 import numpy as np
 ​
 plt.rcParams['font.sans-serif'] = ['SimHei']  # 设置中文格式
 plt.rcParams['axes.unicode_minus'] = False
 # 1、准备数据
 data = np.loadtxt('../数据集/aqi_new.csv', delimiter=',', skiprows=1)
 x = data[:31, 2]  # 日期
 y = data[:31, -1]  # AQI
 # 2、添加内容
 plt.title("2017年1月份AQI走势图") 
 plt.xlabel("日期")                 
 plt.ylabel("AQI的值")     
 x_label = [str(int(i)) for i in x]  # 设置x轴名称
 plt.xticks(x, x_label)  # 设置x轴对应的刻度名称
 # 3、绘制图形
 plt.plot(x,y,c='red')
 # 4、显示图形
 plt.show()

常用标签和图形设置函数：

函数名 描述
plt.title("标题内容") 添加标题，可以指定标题名称、位置、颜色、字体大小等
plt.xlabel("名称") 添加X轴名称
plt.ylabel("名称") 添加Y轴名称
plt.xlim(left,right) 指定当前图形X轴的范围，即确定一个数值区间
plt.ylim(left,right) 指定当前图形Y轴的范围，即确定一个数值区间
plt.xticks(ticks,labels,rotation) 获取或设置X轴的当前刻度位置和标签。ticks：刻度值，列表型。labels：放置在给定刻度线位置的标签。rotation：倾斜角度。
plt.yticks(ticks,labels) 获取或设置Y轴的当前刻度位置和标签
plt.legend(title,loc) 显示 图例。title：图例添加标题，列表型。loc：图例的位置，可以设置为'beast','upper right','upper left','lower left','lower right','right','center left','center right','lower center','upper center','center'
plt.grid() 显示网格线
plt.savefig() 保存为图片

2、图形的优化和美化

plot()函数的常用参数：

 plot(*args, scalex=True, scaley=True, data=None, **kwargs)
参数 描述
*args 一个可变位置参数
**kwargs 一个可变长关键字参数。下面的x、y、fmt、c/color都属于可变长参数
x,y X轴和Y轴对应的数据。数组或列表
fmt 一个格式字符串
c/color 设置颜色
w 设置线宽

fmt是一种格式字符串，由颜色、标记和线型三部分组成：

 fmt = '[color][market][line]'

常用颜色符号：

字符 描述 字符 描述 字符 描述 字符 描述
'b' 蓝色 'r' 红色 'm' 品红 'k' 黑色
'g' 绿色 'c' 青色 'y' 黄色 'w' 白色

常用标记符号：

字符 描述 字符 描述 字符 描述 字符 描述
'.' 点 '4' 右箭头 'H' 六边形2 '_' 标记线
',' 像素 's' 正方形 '+' 加号 'v' 下三角
'o' 圆圈 'p' 五边形 'x' X号 '^' 上三角
'1' 下箭头 'P' 加号 'D' 菱形 '<' 左三角
'2' 上箭头 '*' 星号 'd' 小菱形 '>' 右三角
'3' 左箭头 'h' 六边形1 '|' 垂直线

常用线型符号：

字符 描述 字符 描述
'-' 实线 '-.' 点画线
'--' 长虚线 ':' 短虚线 
 # 红色长虚线，数据使用星号标记：
 plt.plot(x,y,"m--*")
 ​
 # 黑色点画线，数据使用五边形标记：
 plt.plot(x,y,"k-.D")
 ​
 # 蓝色短虚线，无数据标记
 plt.plot(x,y,"b:")      # 颜色，线型和标记都是可选项

3、添加注释

使用matplotlib.pyplot.annotate()函数可实现添加注释：

 matplotlib.pyplot.annotate(text, xy, *args,**kwargs)

annotate()函数常用参数：

参数 描述
text 注释的文本，字符串型
xy 要注释的点，元组型，（x轴，y轴）
xytext 注释文本所在的位置，元组型，（x轴，y 轴）
arrowprops 设置在xy和xytext之间绘制箭头的样式，可选，字典型，可设置以下特征：width：箭头宽度。headwidth：箭头底部宽度。headlength：箭头长度。facecolor：填充颜色。edgecolor：边框颜色。 
 # 使用箭头标注最小值所在位置：
 index = np.argmin(y)                # 获取y中最小值所对应的索引
 plt.annotate(text='最小值',                    # 注释的文本
              xy=(x[index], y[index]),
              xytext=(x[index], y[index] + 50),
              color='red',                       # 文字颜色
              arrowprops=dict(facecolor='g',     # 填充颜色
                              headlength=10,     # 箭头长度
                              headwidth=10,      # 箭头底部宽度
                              width=2,           # 箭头宽度
                              edgecolor='g',     # 边框颜色
                              )
              )

如果只是设置注释文本，可以使用matplotlib.pylot.text()函数实现：

 matplotlib.pylot.text(x, y, s, fontdict=None, **kwargs)

text()函数的常用参数：

参数 描述
x,y 放置文本的位置
s 文本内容
color 文本颜色
fontdict 设置文字属性，字典型。设置的属性主要有以下几种：fontsize：文字大小。fontstyle：文字样式，可设置为'normal','italic','oblique'。fontfamily：字体，可设为字体名称、'serif','sans-serif','cursive','fantasy','monospace'。alpha：透明度，0~1的小数。rotation：文字的旋转角度，可设为数值、'vertical','horizontal' 
 plt.text(12,350,"这是通过text设置的文字",
          color='red',
          fontdict={
              "fontsize":15,             # 文字大小
              "fontfamily":"sans-serif", # 字体
              "alpha":0.5                # 透明度
              "rotation":15              # 倾斜15度
          })

二、条形图

1、条形图

import numpy as np
import matplotlib.pyplot as plt
# 设置中文格式
plt.rcParams['font.sans-serif'] = ['SimHei']  # 设置中文格式
plt.rcParams['axes.unicode_minus'] = False
# 1、读取数据
data = np.loadtxt('../数据集/aqi_new.csv',delimiter=',',dtype=float,skiprows=1)
x = np.arange(1,21) 		# 日期1-22
y = data[:20,3] 			# PM2.5
# 2、添加内容
plt.title("2017年1月份（前20天）AQI走势图")	   # 设置标题
plt.xlabel("日期")							# 设置X轴名称
plt.ylabel("PM2.5的值")						# 设置Y轴名称
# 3、绘制图形
x_label = [str(int(i)) for i in x]  # 设置x轴刻度标签
plt.bar(x,y,						# X，Y轴坐标值
        facecolor="g",				# 条形框的填充色
        edgecolor="b",				# 条形框的边框色
        align="center",				# 条形框与X轴刻度的对齐方式
        tick_label=x_label,			# 显示在X轴刻度上的文字
        alpha=0.6					# 透明度
        )
# 4、显示图形
plt.show()

matplotlib.pyplot.bar()函数可以实现条形图的绘制：

matplotlib.pyplot.bar(x, height, width=0.8, bottom=None, *, align='center',data=None, **kwargs)

bar()函数的常用参数：

参数 描述
x,height X轴和Y轴对应的数据
width 条形框的宽度，默认值为0.8
align 设置条形框与刻度线的对齐方式，默认为'center'。'center'：条形图中央与刻度线对齐。'edge'：条形图左边缘与刻度线对齐
facecolor 填充颜色
edgecolor 边框颜色
tick_label 设置与X轴刻度对应的文字，默认使用数字标签

2、堆叠条形图

import numpy as np
import matplotlib.pyplot as plt
# 设置中文格式
plt.rcParams['font.sans-serif'] = ['SimHei']  # 设置中文格式
plt.rcParams['axes.unicode_minus'] = False
# 1、读取数据
data = np.loadtxt('../数据集/aqi_new.csv',delimiter=',',dtype=float,skiprows=1)
x = np.arange(1,21) # 日期1-22
pm25_1 = data[:20,3]	# 1月份PM2.5
pm25_2 = data[32:52,3]	# 2月份PM2.5
# 2、添加内容
plt.title("2017年1月份和2月份前20天PM2.5比较")	# 设置标题
plt.xlabel("日期")							 # 设置X轴名称
plt.ylabel("PM2.5的值")						 # 设置Y轴名称
x_label = [str(int(i)) for i in x]  		  # 设置x轴刻度标签
plt.xticks(x,x_label,rotation=45)			  # 设置X轴的位置、刻度线和倾斜度
# 3、绘制图形
plt.bar(x,pm25_1,color='r',alpha=0.6)
plt.bar(x,pm25_2,color='g',alpha=0.6)
plt.legend(['1月份','2月份'])
# 4、展示图形
plt.show()

需要注意的是，plt.legend()一定要在绘制图形代码的后面，否则无法显示

3、并排条形图

import numpy as np
import matplotlib.pyplot as plt
# 设置中文格式
plt.rcParams['font.sans-serif'] = ['SimHei']  # 设置中文格式
plt.rcParams['axes.unicode_minus'] = False
# 1、读取数据
data = np.loadtxt('../数据集/aqi_new.csv',delimiter=',',dtype=float,skiprows=1)
bw = 0.3 # 设置条形框的宽度
x=np.arange(1,21)  # 日期1-20
x2=x+bw # 设置PM10的条形图的位置
pm25 = data[:20,3]      # 1月份PM2.5
pm10 = data[:20,4]      # 1月份PM10
# 2、添加内容
plt.title("2017年1月份前20天PM2.5和PM10比较")    # 设置标题
plt.xlabel("日期")                             # 设置X轴名称
plt.ylabel("PM2.5或PM10的值")                  # 设置Y轴名称
x_label = [str(int(i)) for i in x]            # 设置x轴刻度标签
plt.xticks(x+bw/2,x_label,rotation=45)         # 设置x轴刻度和刻度标签
# 3、绘制图形
plt.bar(x,pm25,color='r',width=bw)
plt.bar(x2,pm10,color='g',width=bw)
plt.legend(['PM2.5','PM10'])
# 4、展示图形
plt.show()

三、散点图

scatter()函数实现散点图：

scatter(x, y, s=None, c=None, marker=None, cmap=None, norm=None,vmin=None, vmax=None, alpha=None, linewidths=None, *,edgecolors=None, plotnonfinite=False, data=None, **kwargs)

scatter()函数的常用参数：

参数 描述
x,y X轴和Y轴对应的数据
s 指定点的大小
c 设置颜色
market 绘制的点的形状
alpha 点的透明度，取值为0-1的小数 

import matplotlib.pyplot as plt
import numpy as np
# 设置中文格式
plt.rcParams['font.sans-serif'] = ['SimHei']  # 设置中文格式
plt.rcParams['axes.unicode_minus'] = False
# 准备数据
data = np.loadtxt('../数据集/aqi_new.csv', delimiter=',', skiprows=1)
# 1、准备数据
aqi = data[:366,-1]
pm25 = data[:366,3]
pm10 = data[:366,4]
# 2。添加内容
plt.title("2017年PM2.5、PM10与AQI关系散点图")
plt.xlabel("各指标值")
plt.ylabel("AQI的值")
# 3、绘制图形
plt.scatter(pm25,aqi,c='r',marker='*')
plt.scatter(pm10,aqi,c='g',marker='o')
plt.legend(['PM2.5','PM10'])
# 4、显示图形
plt.show()

四、子图

子图是将画布切割为多个网格区域，每个区域独立展示图形的格式。子图可以同时展示多个图形，并能清晰、直观地比较图形之间的差异。

import matplotlib.pyplot as plt
import numpy as np
# 设置中文格式
plt.rcParams['font.sans-serif'] = ['SimHei']  # 设置中文格式
plt.rcParams['axes.unicode_minus'] = False
# 1、准备数据
data = np.loadtxt('../数据集/aqi_new.csv', delimiter=',', skiprows=1)
aqi = data[:200, -1]
pm25 = data[:200, 3]
pm10 = data[:200, 4]
SO2 = data[:200, 5]
NO2 = data[:200, 6]
CO = data[:200, 7]
O3 = data[:200, 8]
# 2、绘制子图
plt.figure(figsize=(12, 10))    # 创建图形，figsize用于设置图形宽和高，单位为英寸
# 子图1
plt.subplot(221)      # 子图位置在2*2网格中的第一格
plt.title("PM2.5、PM10与AQI关系散点图")
plt.scatter(pm25,aqi,c='r',marker='*')
plt.scatter(pm10,aqi,c='g',marker='o')
plt.legend(['PM2.5','PM10'])
# 子图2
plt.subplot(222)
plt.title("SO2、NO2与AQI关系散点图")
plt.scatter(SO2,aqi,c='r',marker='*')
plt.scatter(NO2,aqi,c='g',marker='o')
plt.legend(['SO2','NO2'])
# 子图3
plt.subplot(2,2,3)
plt.title("CO与AQI关系散点图")
plt.scatter(CO,aqi,c='r',marker='*')
# 子图4
plt.subplot(2,2,4)
plt.title("O3与AQI关系散点图")
plt.scatter(O3,aqi,c='r',marker='*')
plt.show()

五、饼图

使用matplotlib.pyplot.pie()函数实现饼图的绘制：

matplotlib.pyplot.pie(
    x, explode=None, labels=None, colors=None, autopct=None,
    pctdistance=0.6, shadow=False, labeldistance=1.1,
    startangle=0, radius=1, counterclock=True, wedgeprops=None,
    textprops=None, center=(0, 0), frame=False,
    rotatelabels=False, *, normalize=True, hatch=None, data=None)

pie()函数的常用参数：

参数 描述
x 绘制“饼”的数据，array型
explode 脱离圆心的幅度，取值范围0-1,1表示完全脱离
labels 指定每一项的名称，array型
colors 指定每一项的颜色，string型或array型，默认为None
autopct 数值的显示方式，string型，默认为None
shadow 是否显示阴影效果，默认为False
startangle 逆时针的旋转角度，float型，默认为0
radius 指定饼图的半径，float型，默认值为1

 

import matplotlib.pyplot as plt
import numpy as np
 # 设置中文格式
plt.rcParams['font.sans-serif'] = ['SimHei'] 
plt.rcParams['axes.unicode_minus'] = False
# 准备数据
data = np.loadtxt('../数据集/aqi_new.csv', delimiter=',', skiprows=1)
aqi = data[:366,-1]
l1 = len(aqi[aqi<=50])  # 优
l2 = len(aqi[np.logical_and(aqi>50,aqi<=100)])  # 良
l3 = len(aqi[np.logical_and(aqi>100,aqi<=150)])  # 轻度污染
l4 = len(aqi[np.logical_and(aqi>150,aqi<=200)])  # 中度污染
l5 = len(aqi[np.logical_and(aqi>200,aqi<=300)])  # 重度污染
l6 = len(aqi[aqi>300])  # 严重污染
# 绘制图形
plt.title('2017年空气质量占比图')
plt.pie(
    x=[l1,l2,l3,l4,l5,l6],
    explode=[0,0,0,0,0,0.1],
    labels=['优','良','轻度污染','中度污染','重度污染','严重污染'],
    colors=['b','g','r','c','m','y'],
    autopct="%1.1f%%",
    shadow=True
)
plt.show()

网站公告

今日签到

点亮在社区的每一天
去签到

热门文章

最新发布