Matplotlib——绘制图表

---

通过figure()函数创建画布

在pyolot模块中，默认拥有一个Figure对象，该对象可以理解为一张空白的画布，用于容纳图标的各种组件，比如图例、坐标轴等。

figure(num=None, # autoincrement if None, else integer from 1-N
figsize=None, # defaults to rc figure.figsize
dpi=None, # defaults to rc figure.dpi
facecolor=None, # defaults to rc figure.facecolor
edgecolor=None, # defaults to rc figure.edgecolor
frameon=True,
FigureClass=Figure,
clear=False,
**kwargs
)

部分参数表示的含义如下：

1. num：表示图形的编号或名称，数字代表编号，字符串表示名称。如果没有提供该参数，则会创建一个新的图形，并且这个图形的编号会增加；如果提供该参数，并且具有此id的图形已经存在，则会将其激活并返回对其的引用，若此图形不存在，则会创建并返回它。
2. figsize：用于设置画布的尺寸，宽度、高度以英寸为单位。
3. dpi：设置图形的分辨率。
4. facecolor：用于设置画板的背景颜色。
5. edgecolor：用于显示边框原色。
6. frameon：表示是否显示边框。
7. FigureClass：派生自matplotlib.figure.Figure的类，可以选择使用自定义的图形对象。
8. clear：若设为True且该图形已经存在，则它会被清除。

---

创建新的画布并返回Figure实例

figure_obj = plt.figure()
print(type(figure_obj))

输出结果：

<class 'matplotlib.figure.Figure'>

用type()查看figure_obj对象的类型，可以看出其是一个Figure类的对象。

创建的新画布：

---

尝试另创建一个背景颜色为灰色的新画布，并在画布上绘制一张折线图：

import matplotlib.pyplot as plt
import numpy as np

data = np.arange(100, 201)
plt.figure(facecolor='gray')
plt.plot(data)
plt.show()

输出结果：

从输出结果可以看出x轴的刻度范围为0~100，y轴的刻度范围为指定的数值区间。这是因为在调用plot()函数时，如果传入了单个列表或数组，则会将其设为y轴序列，且自动生成x轴的序列。x轴的序列从0开始，与y轴序列具有相同的长度。

---

通过subplot()函数创建单个子图

在同一个画布上绘制多个图形，Figure对象允许划分为多个绘图区域，每个绘图区域都是一个Axes对象，它拥有属于自己的坐标系统，被称为子图。

subplot(nrows, ncols, index, **kwargs)

参数表示的含义如下：

1. nrows，ncols：表示子区网格的行数、列数。
2. index：表示矩阵区域的索引。

---

subplot()函数会将整个绘图区域等分为“nrows（行）× ncols（列）”的矩阵区域，之后按照从左到右、从上到下的顺序对每个区域进行编号。从一开始依次递增。

如果nrows, ncols, index这三个参数的值都小于10，则可以把它们简写为一个实数，如subplot(2,2,3)可以写成subplot(223)。

创建单个子图并在其上绘制简单的图形：

data = np.arange(100, 201)
plt.subplot(221)
plt.plot(data, data)
plt.subplot(2, 2, 2)
plt.plot(data, -data)
plt.subplot(212)
plt.plot(data, data*2)
plt.show()

输出结果：

通过subplot()函数可以规划Figure对象划分为多少个字图，但每调用一次该函数只会创建单个子图。

---

通过subplots()函数创建多个子图

如果希望一次性创建一组子图，则可以通过subplots()函数进行实现。

subplots(nrows=1, ncols=1, sharex=False, sharey=False, squeeze=True,
subplot_kw=None, gridspec_kw=None, **fig_kw):

上述函数常用的参数含义如下：

1. nrows，ncols：表示子区网格的行数、列数，默认为1。
2. sharex，sharey：表示控制x或y轴是否共享。若设为“True”或“all”，则表示x或y轴在所有的子图中共享；若设为“False”或“None”，则每个子图的x或y轴是独立的；若设为“row”，则每个子图沿行方向共享x轴或y轴；若设为“col”，则每个子图沿列方向共享x轴或y轴。

subplots()函数会返回一个元组，元组的第一个元素为Figure对象（画布），第二个元素为Axes对象（子图，包含坐标轴和画的图）或Axes对象数。如果创建的是单个子图，则返回的是一个Axes对象，否则返回的是一个Axes对象数组。

---

创建4个子图，并在每个子图上绘制一些简单的图形：

# 生成包括100~200之间所有整数的数组
data = np.arange(100, 201)

# 分成2*2的矩阵区域，返回子图数组axes
fig, axes = plt.subplots(2, 2)
ax1 = axes[0, 0]
ax2 = axes[0, 1]
ax3 = axes[1, 0]
ax4 = axes[1, 1]
# 再选中的子图上作图
ax1.plot(data, data)
ax2.plot(data, -data)
ax3.plot(data, data**2)
ax4.plot(data, np.log(data))
plt.show()

输出结果：

---

通过add_subplot()方法添加和选中子图

想要创建子图，除了使用pyplot模块的函数之外， 还可以通过Figure类的add_subplot()方法添加和选中子图。

add_subplot(self, *args, **kwargs)

上述方法中，*args参数表示一个三位数的实数或三个独立的实数，用于描述子图的位置。（具体用法类似于subplot()函数中的nrows, ncols, index参数。）

注意： 每调用一次add_subplot()方法会规划画布划分子图，但只会添加一个子图。当调用plot()函数绘制图形时，会画在最后一次指定子图的位置上。

---

创建具有两行两列的矩阵区域，且在编号为2的子图上绘制图形：

# 通过add_subplot()方法添加和选中子图
fig = plt.figure()
# 添加子图
fig.add_subplot(2, 2, 1)
fig.add_subplot(2, 2, 4)
fig.add_subplot(223)
fig.add_subplot(2, 2, 2)
# 在子图上作图，randn函数返回一个或一组样本，具有标准正态分布。
random_arr = np.random.randn(100)
# 默认是在最后一次使用subplot的位置上作图，即编号为3的位置
plt.plot(random_arr)
plt.show()

输出结果：

上述示例中，首先创建了Figure类对象fig，然后调用add_subplot()方法将fig对象化分为一个2行2列的矩阵区域，且将图形绘制在最后选中的编号为2的子区域上，调用plot()函数根据创建的随机数组绘制折线图。

---

添加各类标签

图表添加标签和图例的常用函数

函 数 名 称	说 明
title()	设置当前轴的标题
xlabel()	设置当前图形x轴的标签名称
ylabel()	设置当前图形y轴的标签名称
xticks()	指定x轴刻度的数目与取值
yticks()	指定y轴刻度的数目与取值
xlim()	设置或获取当前图形x轴的范围
ylim()	设置或获取当前图形y轴的范围
legend()	在轴上放置一个图例

表中的函数之间是并列关系，没有先后顺序，既可以先绘制图形，也可以先添加标签。当然，添加图例只能在绘制完成之后。

---

在使用Matplotlib绘图时，如果要设置的图标标题中有中文字符，则会变成方格子而无法正确显示。

实际上Matplotlib是支持中文编码的，出现这种情况主要是因为Matplotlib库的配置信息里面没有中文字体的相关信息，这是可以采用以下方式进行解决：

在python脚本中动态设置matplotlib，这样就可以避免由于更改配置文件而造成的麻烦。

from pylab import mpl
mpl.rcParams['font.sans-serif'] = ['SimHei']  # 设置显示中文字体

另外，由于字体更改以后会导致坐标轴中部分字符无法正常显示，这是需要更改axes.unicode_minus参数。

mpl.rcParams['axes.unicode_minus'] = False  # 设置正常显示符号

代码实现：

# 添加各类标签
mpl.rcParams['font.sans-serif'] = ['SimHei']  # 设置显示中文字体
mpl.rcParams['axes.unicode_minus'] = False  # 设置正常显示符号
data1 = np.arange(0, 1.8, 0.1)
plt.title("陈丑丑的身高体重数据")  # 添加标题
plt.xlabel("length")  # x轴名称
plt.ylabel("weight")  # y轴名称
plt.xticks(np.arange(0, 1.8, step=0.1))
plt.yticks(np.arange(0, 66, step=4))
plt.plot(data1, (data1**2)*20)  # 绘制y=(x^2)*20曲线
plt.legend(["y=(x^2)*20"])  # 添加图例
plt.show()

输出结果：

---

绘制常见图表

绘制直方图——hist()函数

hist(
x, bins=None, range=None, density=False, weights=None,
cumulative=False, bottom=None, histtype=‘bar’, align=‘mid’,
orientation=‘vertical’, rwidth=None, log=False, color=None,
label=None, stacked=False, *, data=None, **kwargs)

上述函数中常用参数表示的含义如下：

1. x：表示输入值，可以是单个数组，或者是不需要相同长度的数组序列。
2. bins：表示绘制条柱的个数，默认为10。
3. range：bins的上下范围（最大和最小值）。
4. color：表示条柱的颜色，默认为None。

---

代码实现：

arr_random = np.random.randn(100)
plt.hist(arr_random, bins=8, color='m', alpha=0.5)  # alpha用于设置颜色深度——透明度
plt.show()

输出结果：

上述示例中，首先创建了一个包含100个随机数的数组，用来表示绘制图形使用的数据，接着调用hist()函数绘制一个直方图，这个直方图共有8个条柱，每个条柱的颜色为品红，透明度alpha为0.5。

---

绘制散点图——scatter()函数

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

上述函数中常用参数表示的含义如下：

1. x，y：表示x轴和y轴对应的数据。
2. s：指定散点的大小。若传入的是一维数组，则表示每个点的大小。
3. c：指定散点的颜色。若传入的是一维数组，则表示每个点的颜色。
4. marker：表示绘制的散点类型。
5. alpha：表示点的透明度，取值0~1之间。

---

代码实现：

# 绘制散点图
x = np.arange(21)
y = np.random.rand(21)*10
plt.scatter(x, y, c='g', marker='*')
plt.show()

输出结果：

上述示例中，首先创建了一个包含整数0 ~ 20的数组，这些数值将作为散点图中x轴对应的数据。其次创建了含有21个0 ~ 1之间的随机数的数组，将它们乘以10的结果作为y轴对应的数据。散点的类型为星形。【关于线条的相关参数设置在本篇篇尾】

---

绘制柱状图——bar()函数

bar(
x, height, width=0.8, bottom=None, *, align=‘center’,
data=None, **kwargs)

上述函数中常用参数表示的含义如下：

1. x：表示x轴的数据。
2. height：表示条形的高度。
3. width：表示条形的宽度，默认为0.8。
4. color：表示条形的颜色。
5. edgecolor：表示条形边框的颜色。

---

代码实现：

# 绘制柱状图
x1 = np.arange(5)
# 从上下限范围内随机选取整数，创建两个2行5列的数组
y1, y2 = np.random.randint(1, 91, size=(2, 5))
ax = plt.subplot(222)  # 创建一个子图
width = 0.25  # 条形的宽度
ax.bar(x1, y1, width=width, color='r')  # 绘制红色的柱形图
ax.bar(x1+width, y2, width=width, color='g')  # 绘制另一个绿色的柱形图
ax.set_xticks(x1+0.1)  # 设置x轴的刻度
ax.set_xticklabels(['a', 'b', 'c', 'd', 'e'])  # 设置x轴的标签
plt.show()

输出结果：

上述示例中，首先创建了包含整数0 ~ 4的数组，将其作为x轴的数据；接着又创建了两个2行5列的二维数组，它们的数据是从1 ~ 30内随机选取的整数，然后再指定编号为2的子图上，调用bar()函数绘制了两个柱形图。第一个柱形图x，y轴的数据设为x1、y1，颜色为红色。第二个柱形图x，y轴使用的数据为x+width和y2，颜色为绿色，最后设置了x轴的刻度标签为“a、b、c、d、e”。

---

设定线条的相关参数

线条颜色使用color参数控制

颜 色 值	说 明
b(blue)	蓝色
g(green)	绿色
r(red)	红色
c(cyan)	青色
m(magenta)	品红
y(yellow)	黄色
k(black)	黑色
w(white)	白色

标记风格使用marker参数控制

标记风格值	说 明
o	实心圆圈
D	菱形
h	六边形1
H	六边形2
8	八边形
p	五边形
+	加号
.	点
s	正方形
*	星形
v	倒三角形
^	正三角形
>	一角朝右的三角形
<	一角朝左的三角形

线型使用linestyle参数控制

线型值	说明
-	实线
–	长虚线
-.	短点相间线
:	短虚线

代码示例：

data2 = np.arange(1, 3, 0.3)
plt.plot(data2, marker="x", linestyle='--')
plt.plot(data2+1, marker='o', linestyle=':')
plt.plot(data2+2, color='k', marker='s', linestyle='-.')

输出结果：

代码示例：

# 等价于
plt.plot(data2, 'x--', data2+1, 'o:', data2+2, 'ks-.')

输出结果：

---

本地保存图片

想要保存当前生成的图表，可以调用savefig()函数进行保存。

savefig(*args, **kwargs)

上述函数中，有fname参数——一个包含文件名路径的字符串，或者是一个类似于Python文件的对象。
如果format参数设为None且fname参数是一个字符串，则输出格式将根据文件名的扩展名推导出来。

使用savefig()函数将图片保存在指定的目录下，具体代码实现如下（在show()函数钱插入）：

data2 = np.arange(1, 3, 0.3)
plt.plot(data2, marker="x", linestyle='--')
plt.plot(data2+1, marker='o', linestyle=':')
plt.plot(data2+2, color='k', marker='s', linestyle='-.')
# 等价于
plt.plot(data2, 'x--', data2+1, 'o:', data2+2, 'ks-.')

# 本地保存图片
plt.savefig(r"D:\数据分析\demo.png")
plt.show()
print("over!")

输出结果：

在操作完成后使用print(“over!”)输出上图结果作为执行结束提示。

可以从相应路径中打开文件以检查是否成功保存。