篇首语:本文由编程笔记#小编为大家整理,主要介绍了Python数据科学快速入门系列|06Matplotlib数据可视化基础入门相关的知识,希望对你有一定的参考价值。这
篇首语:本文由编程笔记#小编为大家整理,主要介绍了Python数据科学快速入门系列 | 06Matplotlib数据可视化基础入门相关的知识,希望对你有一定的参考价值。
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
《Python数据科学快速入门系列》快速导航:
- 【Python数据科学快速入门系列 | 01】Numpy初窥——基础概念
- 【Python数据科学快速入门系列 | 02】创建ndarray对象的十多种方法
- 【Python数据科学快速入门系列 | 03】玩转数据摘取:Numpy的索引与切片
- 【Python数据科学快速入门系列 | 04】Numpy四则运算、矩阵运算和广播机制的爱恨情仇
- 【Python数据科学快速入门系列 | 05】常用科学计算函数
- 【Python数据科学快速入门系列 | 06】Matplotlib数据可视化基础入门
文章目录
- 《Python数据科学快速入门系列》快速导航:
- 前言
- 1. Matplotlib简介
- 2. Matplotlib的安装
- 3. Matplotlib的基础使用
- 3.1 第一个Matplot例子:绘制折线图
- 3.2 编码风格
- 3.2 绘图参数详解
- 3.2.1 Figure画布
- 3.2.2 Axes绘图区域与Axis坐标轴
- 3.2.3 输入数据的类型
- 3.2.4 绘图样式
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
前言
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。
1. Matplotlib简介
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?
2. Matplotlib的安装
有2种主流的安装方式:
pip install matplotlib
或
conda install matplotlib
3. Matplotlib的基础使用
3.1 第一个Matplot例子:绘制折线图
from matplotlib import pyplot as plt
fig,ax=plt.subplots()
ax.plot([1,2,3,4],[1,4,2,3]);
plt.show()
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?
- 首先创建了一个画布fig
- 然后创建了一个绘图区域ax(axes),这个绘图区域有2个坐标轴axis,分别在横轴和纵轴。
- 然后绘图区域对象ax调用了方法plot绘制了4个坐标点,形成折线图。
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:
from matplotlib import pyplot as plt
plt.plot([1,2,3,4],[1,4,2,3]);
plt.show()
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:
- 隐式创建一个画布,并创建一个绘图区域
- 然后绘制4个坐标点,绘制折线图
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
from matplotlib import pyplot as plt
fig,axs=plt.subplots(2,2)
plt.show()
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
linestyle | description |
---|
'-' or 'solid' | 实线 |
'--' or 'dashed' | 杠虚线 |
'-.' or 'dashdot' | 点杠虚线 |
':' or 'dotted' | 点虚线 |
'none' , 'None' , ' ' , or '' | 无 |
marker样式非常多,更多样式参考官方文档:https://matplotlib.org/stable/api/markers_api.html#module-matplotlib.markers
marker | symbol | description |
---|
"." | | point |
"," | | pixel |
"o" | | circle |
"v" | | triangle_down |
"^" | | triangle_up |
"<" | | triangle_left |
">" | | triangle_right |
"1" | | tri_down |
"2" | | tri_up |
"3" | | tri_left |
"4" | | tri_right |
"8" | | octagon |
"s" | | square |
"p" | | pentagon |
"P" | | plus (filled) |
"*" | | star |
"h" | | hexagon1 |
"H" | | hexagon2 |
"&#43;" | | plus |
"x" | | x |
"X" | | x (filled) |
"D" | | diamond |
"d" | | thin_diamond |
"|" | | vline |
"_" | | hline |
"""
曲线样式例子1
"""
import matplotlib as mpl
import matplotlib.pyplot as plt
import numpy as np
fig, ax &#61; plt.subplots(figsize&#61;(8, 5))
x &#61; np.linspace(0, 2*np.pi, 30)
y1 &#61; np.cos(x)
y2 &#61; np.sin(x)
y3 &#61; np.cos(2*x)
y4 &#61; np.sin(2*x)
ax.plot(x, y1, color&#61;&#39;#000000&#39;, linewidth&#61;3, linestyle&#61;&#39;--&#39;, marker&#61;&#39;^&#39;)
l, &#61; ax.plot(x, y2, color&#61;&#39;orange&#39;, linewidth&#61;2, marker&#61;&#39;*&#39;)
l.set_linestyle(&#39;:&#39;)
ax.plot(x, y3, color&#61;&#39;red&#39;, linewidth&#61;6, linestyle&#61;&#39;-.&#39;)
ax.plot(x, y4, color&#61;&#39;green&#39;, linewidth&#61;2, linestyle&#61;&#39;-&#39;)
plt.show()
3.2.4.2 简写表示
除了上面的设置方式之外&#xff0c;还有一种简写设置方式。
plot([x], y, [fmt], *, data&#61;None, **kwargs)
fmt &#61; &#39;[marker][line][color]&#39;
或
fmt &#61; &#39;[color][marker][line]&#39;
fmt的内容本身没有限定顺序&#xff0c;可以自由组合。
line指的是line_style&#xff0c;marker和line_style的取值和上面的表描述是一样的&#xff0c;颜色代码简写表示如下&#xff1a;
颜色
支持的颜色缩写是单字母代码
特点 | 颜色 |
---|
&#39;b&#39; | 蓝色的 |
&#39;g&#39; | 绿色 |
&#39;r&#39; | 红色的 |
&#39;c&#39; | 青色 |
&#39;m&#39; | 品红 |
&#39;y&#39; | 黄色 |
&#39;k&#39; | 黑色的 |
&#39;w&#39; | 白色的 |
import matplotlib as mpl
import matplotlib.pyplot as plt
import numpy as np
x &#61; np.linspace(0, 2*np.pi, 30)
y1 &#61; np.cos(x)
y2 &#61; np.sin(x)
y3 &#61; np.cos(2*x)
plt.plot(x, y1, &#39;go--&#39;, linewidth&#61;2, markersize&#61;6)
plt.plot(x, y2, &#39;c^:&#39;, linewidth&#61;2, markersize&#61;3)
plt.plot(x, y3, &#39;b*-.&#39;, linewidth&#61;2, markersize&#61;3)
[]
未完待续&#xff0c;后续详见下一篇文章&#xff1a;
【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 —
- Python零基础快速入门系列
- 深入浅出i.MX8企业级开发实战系列
- MQTT从入门到提高系列
- 物体检测快速入门系列
- 自动驾驶模拟器AirSim快速入门
- 安全利器SELinux入门系列
- Python数据科学快速入门系列