使用matplotlib进行绘图

2020-06-14  本文已影响0人  盛夏的猫宁

环境介绍

基本示例

简单尝试

#导入matplotil库,用于画图
import matplotlib.pyplot as plt
#导入numpy库,用于数据处理
import numpy as np
#画图
data = np.arange(10)
plt.plot(data)
#使图像展示出来
plt.show()

上面的代码展示了最简单的图片绘制。总结起来有一下几个步骤:

  1. 导入绘图和数据处理需要的库
  2. 导入需要绘制成图的数据,处理这些数据。比如本例中执行data = np.arange(10)生成从0-9的整数。
  3. 绘图并展示。这里需要说明,如果不执行plt.show(),在PyCharm中不会自动弹出绘制出来的图形,需要在PyCharm界面的最右侧点击‘Sciview’按钮进行查看。另在,如果是在Jupyter中绘图,需要加入代码matplotlib notebook,如果是在Ipython中运行,则需要加入代码matplotlib

上述代码的执行效果如下所示。

image

子图

#导入matplotil库,用于画图
import matplotlib.pyplot as plt
#导入numpy库,用于数据处理
import numpy as np
#画图
data = np.arange(10)
#第一种生成子图的方式
fig = plt.figure() #生成一个图片对象
#将fig划分成2行2列4个子图 ,a1表示第1个子图,对应subplot的三个参数。
a1 = fig.add_subplot(2,2,1)
#在生成两个子图
a2 = fig.add_subplot(2,2,2)
a3 = fig.add_subplot(2,2,3)

#绘图
plt.plot(np.random.randn(50).cumsum(),'k--')
_ = a1.hist(np.random.randn(100),bins=20,color = 'k',alpha=0.3)
a2.scatter(np.arange(30),np.arange(30)+2*np.random.randn(30))

#第二种生成子图的方式。
#生成2行3列的子图,sharex表示所有子图横坐标范围相同
fig,axs = plt.subplots(2,3,sharex=True)
#对在第1行第2列的子图进行绘制
axs[0,1].hist(np.random.randn(100),bins=20,color = 'k',alpha=0.3)
#使图像展示出来
plt.show()

常用的生成子图的方式有两种。

颜色、标记、线性

#导入matplotil库,用于画图
import matplotlib.pyplot as plt
#导入numpy库,用于数据处理
import numpy as np
from numpy.random import randn
#画图
data = np.random.randn(30).cumsum()
plt.plot(data,color='k', linestyle='dashed', marker='o', label='One')
plt.plot(data,'r-', drawstyle='steps-post', label='Two')
#生成图例
plt.legend(loc='best')
plt.show()

上面的代码中有两个plt.plot,所以可以在同一个图中绘制两条不同的线。

效果如下所示:

image

刻度,坐标轴,注释

# 导入matplotil库,用于画图
import matplotlib.pyplot as plt
# 导入numpy库,用于数据处理
import numpy as np
from numpy.random import randn

# 画图
fig = plt.figure()
ax = fig.add_subplot(1, 1, 1)
ax.plot(np.random.randn(1000).cumsum())

# 设置x轴上,哪些坐标处需要加刻度
ticks = ax.set_xticks([0, 250, 500, 750, 1000])
# 设置刻度的内容
labels = ax.set_xticklabels(['one', 'two', 'three', 'four', 'five'], rotation=45, fontsize='small')
# 设置横坐标的名称
ax.set_xlabel('Stages')
plt.show()

效果如下所示。

image
# 导入matplotil库,用于画图
import matplotlib.pyplot as plt
# 导入numpy库,用于数据处理
import numpy as np
from numpy.random import randn

from datetime import datetime
import pandas as pd

fig = plt.figure()
ax = fig.add_subplot(1, 1, 1)

data = pd.read_csv('C:/Users/Nighthink/Downloads/pydata-book/examples/spx.csv', index_col=0, parse_dates=True)
spx = data['SPX']

spx.plot(ax=ax, style='k-')

crisis_data = [
    (datetime(2007, 10, 11), 'Peak of bull market'),
    (datetime(2008, 3, 12), 'Bear Stearns Fails'),
    (datetime(2008, 9, 15), 'Lehman Bankruptcy')
]

for date, label in crisis_data:
    ax.annotate(label, xy=(date, spx.asof(date) + 75),
                xytext=(date, spx.asof(date) + 225),
                arrowprops=dict(facecolor='black', headwidth=4, width=2,
                                headlength=4),
                horizontalalignment='left', verticalalignment='top')

# Zoom in on 2007-2010
ax.set_xlim(['1/1/2007', '1/1/2011'])
ax.set_ylim([600, 1800])

ax.set_title('Important dates in the 2008-2009 financial crisis')

效果如下所示:

image

图片的保存

执行代码plt.savegif('fig.png',dpi=400,bbox_inches='tight')可以将图保存成png格式,文件名是fig,dpi参数表示每英寸点数的分辨率,bbox_inches参数可以用来控制实际图像四周的空白。

上一篇 下一篇

猜你喜欢

热点阅读