-
Matplotlib安装
cmd输入：pip install Matplotlib
点我进入Matplotlib官网
-
画布(fig)与子图(ax)
需要导入:
form matplotlib import pyplt as plt
plt.figure(figsize,dpi)
创建画布
| plt.figure（属性） | |
|---|---|
| figsize = (widtht,hight) | 设置画布宽度和高度 |
| dpi | 画布透明度 |
plt.subplot(x y index)
创建子图
| plt.subplot（属性） | |
|---|---|
| x | 行数 |
| y | 列数 |
| index | 索引（从1开始，从左往右，从上往下） |
plt.subplots(nrows, ncols, sharex = False, sharey = False)
创建画布和子图
返回值：fig,ax
| plt.subplots（属性） | |
|---|---|
| nrows | 子图的行数 |
| ncols | 子图的列数 |
| sharex | 所有子图使用相同的x轴刻度 |
| sharey | 所有子图使用相同的y轴刻度 |
| 通用方法 | |
|---|---|
| plt.figure(figsize=None,dpi=None) | 生成新的画布，figsize：画布大小（传参：元组），dpi：透明度 |
| plt.savefig(fname) | 保存图片,fname:保存图片位置 |
| plt.xticks(ticks=None,lables=None) | ticks:设置x轴刻度的值，labels:刻度标签 |
| plt.yticks(ticks=None,lables=None) | ticks:设置y轴刻度的值，labels:刻度标签 |
| plt.xlabel(xlabel) | 设置x轴标签 |
| plt.ylabel(ylabel) | 设置y轴标签 |
| plt.title() | 设置图标题 |
| plt.grid() | 根据x轴和y轴的数值展示轴网格 |
| plt.legend(prop) | 显示图例标签，prop:局部字体设置 |
| plt.annotate(text,xy,xytext,arrowprops = {}) | 数据标签，text:文本标签，xy:标点位置（元组）,xytext:文本位置（元组），arrowprops:箭头设置 |
| plt.show() | 释放空间，并显示已绘制的图 |
| plt.subplots_adjust(wspace,hspace) | 调整子图之间的间距,wspace（左右间距）,hspace（上下间距） |
zip() 函数
作用：用于生成坐标
zip(x,y)
生成坐标（x,y必须数量一致）
| zip（属性） | |
|---|---|
| x | x轴上的位置 |
| y | y轴上的位置 |
-
中文显示问题
解决方法：
方法一：
import matplotlib
font = {
'family':'SimHei',
'weight':'bold',
'size':12
}
matplotlib.rc("font", **font)
方法二：
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif'] = ['SimHei'] # 步骤一（替换sans-serif字体）
plt.rcParams['axes.unicode_minus'] = False # 步骤二（解决坐标轴负数的负号显示问题）
方法三：
from matplotlib import pyplot as plt
from matplotlib.font_manager import FontProperties
font = FontProperties(fname=r"c:\windows\fonts\simsun.ttc", size=14)
x = [1,2,3,4]
y = [3,2,1,3]
plt.plot(x,y)
plt.xlabel("x轴标签",fontproperties=font)
plt.show()
-
折线图
折线图以折线的上升或下降来表示统计数量的增减变化的统计图
特点：能够显示数据的变化趋势，反映事物的变化情况
折线图可以通过plt.plot()函数来绘制
plt.plot(x,y,color,linestyle,marker,label)
构件折线图
（x,y元素必须一致）
| plt.plot（属性） | |
|---|---|
| x | 在x轴上的点 |
| y | 在y轴上的点 |
| color | 设置线的颜色 |
| linestyle | 设置线的样式 |
| marker | 标记样式 |
| label | 图例标签 |
-
散点图
散点图用两组数据构成多个坐标点，考察坐标点的分布，判断两变量之间是否存在某种关联或总结坐标点的分布模式
特点：判断变量之间是否存在数量关联趋势，表示离群点(分布规律)
散点图通过plt.scatter() 函数
plt.scatter(x,y)
来构件散点图
| plt.scatter（属性） | |
|---|---|
| x | 在x轴上的点 |
| y | 在y轴上的点 |
-
柱状图及条形图
条形图是用宽度相同的条形的高度或长短来表示数据多少的图形。条形图可以横置或纵置，纵置时也称为柱形图。
特点：1.能够使人们一眼看出各个数据的大小。
2.易于比较数据之间的差别。
通过 plt.bar() 方法绘制柱状图, plt.barh() 方法绘制条形图
plt.bar(x,height,width = 0.8,bottom,align = "center")
构建 柱状图
| plt.bar（属性） | |
|---|---|
| x | 在x轴上的位置 |
| height | 在y轴上的高度 |
| width = 0.8 | 柱子的宽度 |
| bottom = “None” | 柱子底部的起始位置 |
| align = “center” | 校准位置 |
plt.barh(y,width,height = 0.8,align = "center")
构建 条形图
| bar.barh（属性） | |
|---|---|
| y | 在x轴上的长度 |
| width | 在y轴上的位置 |
| height | 柱子的宽度 |
| align = “center” | 校准位置 |
-
直方图
直方图由一系列高度不等的纵向条纹或线段表示数据分布的情况，一般用横轴表示数据范围，纵轴表示分布情况
特点：绘制连续性的数据，展示一组或者多组数据的分布情况(统计)
通过 plt.hist() 方法绘制
plt.hist(x,bins = None,density =False)
构建图形
| plt.hist（属性） | |
|---|---|
| x | 在x轴上的位置 |
| bins = None | 组数（默认为10） |
| density = False | 频率（默认为频数） |
-
扇形图
扇形图，用整个圆表示总数，用圆内各个扇形的大小表示各部分数量占总数的百分数。
通过 plt.pie() 方法绘制
plt.pie(x, explode=None, labels=None,autopct=None,shadow=False)
构建图形
| plt.pie（属性） | |
|---|---|
| x | 扇形数据 |
| explode = None | 设置某几个分块是否要分离饼图 |
| labels = None | 每块扇形标签 |
| autopct = None | 百分比数据标签 |
| shadow = False | 是否显示阴影 |
| plt.pie返回值 | |
|---|---|
| patchs | 绘制饼图每块对象 |
| texts | 文本列表 |
| autotexts | 百分比的文本列表 |
-
箱型图
箱线图是一种直观简洁的方式去呈现一组数据的分布。 箱线图广泛用于各个数据分析领域，它能非常简单明了地显示一组数据中5个重要数值，并且还能发现一组数据中的存在的异常值。
| 五个重要数值 | ||||
|---|---|---|---|---|
| 最大值 | 最小值 | 中位数 | 下四分位数 | 上四分位数 |
通过 plt.boxplot() 方法绘制
ply.boxplot(x,notch=None,sym=None,vert=None,whis=None,positions=None,widths=None,labels=None,meanline=None,showmeans=None)
构建图形
| plt.boxplot（属性） | |
|---|---|
| x | 需要绘制的箱型图的数据 |
| notch = None | 是否展示置信区间 默认为False |
| sym = None | 代表异常点的符号表示 默认为圆点 |
| vert = None | 是否是垂直的 默认是True |
| whis = None | 上下限系数 默认为1.5 |
| positions = None | 设置每个盒子的位置 |
| widths = None | 设置每个盒子的宽度 |
| labels = None | 每个盒子的label |
| meanline和showmean | 都为True的时候 会展示平均线 |
-
雷达图
雷达图（Radar Chart）又被叫做蜘蛛网图，适用于显示三个或更多的维度的变量的强弱情况。比如某个企业在哪些业务方面的投入等，都可以用雷达图方便的表示。
用过 plt.polar() 来绘制
plt.polar(theta,r)
来构建图形
| plt.polar | |
|---|---|
| theta | 分割区块 |
| r | 数据 |
（区块和数据个数必须相等）
-
Axes （子画）
Axes容器是用来创建具体的图形的。比如画曲线，柱状图，都是画在上面。所以之前我们学的使用plt.xx绘制各种图形（比如条形图，直方图，散点图等）都是对Axes的封装
| 方法 | |
|---|---|
| axes.set_xlim(min,max) | 限制x轴的范围 |
| axes.set_ylim(min,max) | 限制y轴的范围 |
| axes.text(x,y,text) | 在坐标位置标注文本 |
| axes.set_xlabel(text) | 设置x轴文本标签 |
| axes.set_ylabel(text) | 设置y轴文本标签 |
| axes.twinx() | 共享x轴 |
| axes.twiny() | 共享y轴 |
| axes.minorticks_on() | 显示x与y轴的子刻度 |
-
Axis（轴）
Axis代表的是x轴或者y轴的对象。包含Tick（刻度）对象，TickLabel刻度文本对象，以及AxisLabel坐标轴文本对象。axis对象有一些方法可以操作刻度和文本等。
axis: xaxis,yaxis
| 方法 | |
|---|---|
| axes.axis.set_label_coords(x,y) | 设置x或y轴的文本标签位置 |
自定义刻度格式
from matplotlib import ticker
formatter = ticker.FormatStrFormatter("自定义格式")
ax1.yaxis.set_major_formatter(formatter)
- 多图布局
调整子图间距
fig.tight_layout(h_pad=None,v_pad=None)
（不传参，默认自动调整）
| fig.tight_layout（属性） | |
|---|---|
| h_pad | 上下间距 |
| v_pad | 左右间距 |
自定义布局
方法一：
from matplotlib import pyplot as plt
plt.figure()
plt.subplot(221)
plt.subplot(223)
plt.subplot(122)
方法二：
fig.add_gridspec(nrows=1, ncols=1,width_ratios,height_ratios)
创建栅栏模式
| fig.add_gridspec（属性） | |
|---|---|
| nrows | 行 |
| nclos | 列 |
| width_ratios | 宽的比值 |
| height_ratios | 高的比值 |
from matplotlib import pyplot as plt
fig = plt.figure()
gs = fig.add_gridspec(2,2)
fig.add_subplot(gs[0,:])
fig.add_subplot(gs[1,0])
fig.add_subplot(gs[1,1])
