本章节主要是 Matplotlib 和 NumPy 实际操作案例讲解,matplotlib 通常与 NumPy 一起使用,提供了一种有效的 MatLab 开源替代方案,除此之外,它还可以和其他图形工具包搭配使用。前提是在现在的环境中已经安装了 Numpy 模块,Numpy 安装详情请参考第 79 天:数据分析之 Numpy 初步
这一节将从简到繁用实例讲解 matplotlib 和 Numpy 结合使用的知识点。
1、折线图
使用 Numpy的函数 np.arange()
函数创建 x 轴上的值。将 y 轴上的对应值存储在另一个数组对象 y 中。 这些值使用 matplotlib 软件包的 pyplot 子模块的 plot() 函数绘制。
实例如下:
1 |
|
以上程序运行结果图:
注意:作为线性图的替代,可以通过向 plot() 函数添加格式字符串来显示离散值,可以使用以下格式化字符,表格如下:
字符 | 描述 |
---|---|
’-‘ | 实线样式 |
’–’ | 短横线样式 |
’-.’ | 点划线样式 |
’:’ | 虚线样式 |
’.’ | 点标记 |
’,’ | 像素标记 |
‘o’ | 圆标记 |
‘v’ | 倒三角标记 |
’^’ | 正三角标记 |
‘<’ | 左三角标记 |
‘>’ | 右三角标记 |
‘1’ | 下箭头标记 |
‘2’ | 上箭头标记 |
‘3’ | 左箭头标记 |
‘4’ | 右箭头标记 |
’s’ | 正方形标记 |
‘p’ | 五边形标记 |
‘*’ | 星形标记 |
‘h’ | 六边形标记 1 |
‘H’ | 六边形标记 2 |
’+’ | 加号标记 |
‘x’ | X 标记 |
‘D’ | 菱形标记 |
‘d’ | 窄菱形标记 |
‘|’ | 竖直线标记 |
‘_’ | 水平线标记 |
图形显示颜色缩写简写表格如下:
字符 | 颜色 |
---|---|
‘b’ | 蓝色 |
‘g’ | 绿色 |
‘r’ | 红色 |
‘c’ | 青/绿色 |
‘m’ | 品红色 |
‘y’ | 黄色 |
‘k’ | 黑色 |
‘w’ | 白色 |
‘o’ | 橙色 |
2、散点图
使用以上两个表格表示的简化符号画一个绿色散点图,散点使用 'o'
表示,,具体实例如下:
1 |
|
以上程序运行结果为:
例如绘制一个倒三角图形:
1 |
|
显示结果如下:
3、正余弦波形图
正弦波形图
正弦波形图的绘制需要用到 Numpy 的数学函数 sin() 和 cos(),详细的数学函数使用请参考 NumPy 系列文章:第 84 天:NumPy 数学函数
1 |
|
显示结果:
余弦波形图
1 |
|
正余弦波形图
在一张图中显示出正弦函数和余弦函数,这里需要使用 subplot 来建立网格图,一幅图中使用两个网格,两个网格中分别展示正弦函数和余弦函数;subplot 函数使用说明如下:
matplotlib 中, 一个 Figure 对象可以包含多个子图(Axes), 可以使用 subplot() 快速绘制, 调用形式如下 :
1 |
|
参数说明:
- 图表的整个绘图区域被分成 numRows 行和 numCols 列
- 然后按照从左到右,从上到下的顺序对每个子区域进行编号,左上的子区域的编号为1,左下子区域编号为3,右上子区域编号为2,右下子区域编号为 4,当然具体的还要看指定网格的行数和列数而定。
- plotNum 参数指定创建的 Axes 对象所在的区域
网格编号图如下:
假如 numRows = 2, numCols = 3, 那整个绘制图表样式为 2X3 的图片区域, 用坐标表示为
1 |
|
再当 plotNum = 3 时, 表示的坐标为(1, 3), 即第一行第三列的子图 如果 numRows, numCols 和 plotNum 这三个数都小于 10 的话, 可以把它们缩写为一个整数, 例如 subplot(323) 和 subplot(3,2,3) 是相同的。
subplot 在 plotNum 指定的区域中创建一个轴对象, 如果新创建的轴和之前创建的轴重叠的话,之前的轴将被删除。
例1:上述网格编号图代码如下
1 |
|
例4:
1 |
|
还可以表示为:
1 |
|
结果显示:
网格图1:
网格图2:
所以正余弦函数波形图可以表示为:
1 |
|
最后图形展示:
4、直方图
直方图也称条形图,pyplot 子模块提供 bar() 函数来生成条形图,下面的实例是一个使用 bar()
函数生成的一个简单的柱状图.
实例如下:
1 |
|
程序运行结果为:
Matplotlib 结合 NumPy 使用:
这时候需要用到 NumPy 中的直方统计函图:histogram
1 |
|
参数说明:
a
是待统计数据的数组;bins
指定统计的区间个数;range
是一个长度为2的元组,表示统计范围的最小值和最大值,默认值None
,表示范围由数据的范围决定weights
为数组的每个元素指定了权值,histogram()
会对区间中数组所对应的权值进行求和density
为True
时,返回每个区间的概率密度;为False
,返回每个区间中元素的个数
函数说明:
numpy.histogram()
函数是数据的频率分布的图形表示。 水平尺寸相等的矩形对应于类间隔,称为 bin,变量 height 对应于频率。numpy.histogram()
函数将输入数组和 bin 作为两个参数。 bin 数组中的连续元素用作每个 bin 的边界。
例如:
1 |
|
输出结果为:
1 |
|
plt()
函数使用:
Matplotlib 可以将直方图的数字表示转换为图形。 pyplot 子模块的 plt() 函数将包含数据和 bin 数组的数组作为参数,并转换为直方图,例如:
1 |
|
显示结果:
5、曲线图
例1:一个简单的曲线图
画出一个简单的曲线图,如下所示:
1 |
|
结果展示为:
例2:升级版的曲线图
1 |
|
结果展示为:
总结
本章节是 Matplotlib 结合 NumPy 使用的画图方法,主要介绍了折线图、正余弦波形图、方形图、曲线图的基本画法,同时也详细讲述了子图 subplot
的基本使用方法,希望以上知识点能对学习这一模块的伙伴们提供更好支撑,若有任何问题欢迎在交流群中进行交流 :)
参考
https://www.runoob.com/numpy/numpy-matplotlib.html https://www.runoob.com/w3cnote/matplotlib-tutorial.html https://matplotlib.org/tutorials/introductory/usage.html#sphx-glr-tutorials-introductory-usage-py
文中示例代码:python-100-days