Python: 使用pyplot可视化

Posted on 2024-01-11 Edited on 2025-12-31 In Programming , Python , Data Science Utils Word count in article: 3.5k Reading time ≈ 13 mins.

`matplotlib`数据可视化

基本用法

matplotlib用于将数据呈现为图，它并非python自带的库，需要pip install

生成一条直线的步骤如下，它的原理是将提供的数组中各点连接，所以提供的数组越大，线越光滑

import matplotlib.pyplot as plt  # 常用的是pyplot模块
import numpy as np

# x,y可以是数字或字符串，为字符串时默认等距。
x = np.linspace(1,10,500) # linspace:在1-10区间内生成500个等距点,返回数组
y = 2*x + 1     # 直线方程

plt.figure()    # 创建新图,方便开多个figure
# plt.figure(num=4)     可以传数字参数num=?,空则默认按顺序命名
# plt.figure(figsize=(5,6))   自定义宽,高(但实际上可以用鼠标拉长)
plt.title('a line')   # 图的名称
plt.plot(x,y)    # 生成图,x轴数组为x,y轴数组为y
plt.show()     # 将该图展现出来

如图，底栏所示功能编号1-7

2-3. 后退/前进

移动
放大窗口
调整图的边界参数
保存当前窗口

自定义线

如果想在一个figure内画多条线，plt.plot还可以接受其他参数用于区分两条线

y = exp(x)
plt.figure()
plt.plot(x,y)
plt.plot(y,x,color='red',linestyle='--')# 默认蓝色,这里改为红色,虚线
# linestyle可简写为ls,color可简写为c
plt.plot(x,y,linestyle=(0,(1,2,3)))  # 元组定义线型

关于元组定义线型，(num,(n1,n2,n3,...))表示以后面元组的值作为单位画线例如(0,(1,2,3))指的是(1磅实线,2磅空白,3磅实线)，因为是奇数个，所以下一组变为(1磅空白,2磅实线,3磅空白)，所以一般来说，常用的是偶数个元素的元组关于num，它用于在显示标签时偏移的长度，例如：

plt_linestyle

color参数可用简写如'r'(红色),'g'(绿色)，多条曲线不指定颜色时会自动选择不同颜色，其它颜色如下：

'm'：洋红色
'w'：白色
'k'：黑色
'y'：黄色
'g'：绿色
'#000000'：自定义RGB颜色字符串->RGB颜色查询对照表

其它常用linestyle如下：

'-'/'solid'：实线，默认
'--'/'doshed'：虚线
':'/'dotted'：点线
'-.'/dashdot：点划线

其它参数：

label='name'：设置这条线的标签，可用plt.legend()显示
linewidth=num：线的宽度，默认为1，可简写为lw
alpha：线的透明度，范围0~1
'bo'：改为用蓝色实心圈绘制而非连线，常用于绘制单独的点，通过改变首字母来改变颜色，以下标记也可以在前面添加表示颜色的字母，不再赘述
'.'/','：点/像素点(很小的点)绘制
'<'/'>'/'^'/'v'：各种三角
'1'/'2'/'3'/'4'：各种三叉
'*'：星号绘制
'+'：+号绘制，上面标记都只能跟在数组后且不能重复

如果只提供一个数组，则x会默认为[0,1,...,N-1]，N为提供的数组的元素个数

绘图标记

除了改变线型，pyplot还可以用marker更改点的样式

plt.plot(x,y,marker='o') # 每个点用实心圆代替(但是线型还是直线)
plt.plot(x,y,marker=r'$\alpha$',markersize=10,label='name')  # markersize可简写为ms
plt.plot(x,y,marker='*',mec='r',mfc='k') # mec设置点边框的颜色,mfc设置点内部颜色
# mec:markeredgecolor, mfc:markerfacecolor

除了线型所支持的标记外，点的标记还支持Latex语法

可以用fmt='[mk][line][color]'参数快速设置点、线、色

1	plt.plot(x,y,fmt='o:k') # 实心圆(点),虚线(线),黑色(色)

自定义坐标轴

设置坐标轴的值

plt.xlim((0,1))  # 限制x轴的范围
plt.ylim((1,2))  # 限制y轴的范围(也可以用[]括起)
plt.xlabel('label') # 设定x轴的标签,即说明x轴是什么,同理可用plt.ylabel()设置y轴的标签
# loc属性:设置标签的位置,有right/left/center 默认center ---> title(),legend()都有该属性
# ylabel的loc属性有top/bottom/center

plt.xticks(np.linspace(0,1,5)) # 更改x轴的单位,默认每0.5为一个节点,这里设置为将0-1分割为5点
# 后面数组对应前面数组的值,可以改成自己需要的名称
plt.xticks([0,1,5],['none','middle','pretty good'])

此外，后面数组还支持Latex语法，因为可能要用到转义字符等，所以这种情况需要在字符串前加上'r'/'R'，将它视为原始字符串(raw string)来解析，例如plt.xticks([0,1,5],[r'$\theta$','$x$',r'$\Theta$'])的效果为：

移动坐标轴

需要用到gca()方法，全称get current axis，一般将返回的对象称为ax，以下是隐藏右轴及上轴的代码

1
2
3

ax = plt.gca() # 获取前面这整张图的坐标轴,有上下左右四条轴
for i in ['right','top']:
 ax.spines[i].set_color('none') # 可以通过spines[]更改对应轴的属性

四条轴分别为：top,bottom,left,right

需要移动坐标轴，则要用到set_position()方法，它接受元组参数，效果如下

1	ax.spines['left'].set_position(('data',0)) # 将y轴移动到x=0的位置

一般来说，将坐标轴交点设置在(0,0)处的方法如下

1 2	for i in ['left','bottom']: ax.spines[i].set_position(('data',0))

网格线

可用grid方法设置网格线：

1	plt.grid(None,which='major',axis='both',...) # 其它参数和设置线型时类似

None：是否显示网格线，如果后面接了其它参数，则默认为1，可设置为0
which：显示主要/次要网格线，默认只显示主要，可改为minor或both
axis：显示某方向的网格线，默认为both，可改为x或y

绘制子图

pyplot提供subplot()和subplots()方法，它能在一张画布中绘制多张图

`subplot`

subplot有三个必选参数，从左到右分别是行、列、标号，可以加可选参数例如共享轴、标签、投影类型等，返回一个对象，在subplots里将详细讲述对象作图或者，把逗号删去，使用一个三位数的参数，例如plt.subplot(111)

子图里可以改变图的投影类型，如：

plt.figure()        # 创建画布,或:
fig = plt.figure()       # 将画布赋给fig
ax = plt.subplot(111,projection='polar') # 极坐标投影,或:
ax = plt.subplot(111,polar=1)    # 等效

其它投影类型还有：

aitoff
hammer
lambert
mollweide

这些投影类型需借助其它库，超出了pyplot的范围，且都用作绘制世界地图，故不细讲

注意到这个fig对象，它让切分画布变得便利：

1	ax1 = fig.add_subplot(111) # 将左上角的区域切分出来

`subplots`

subplots用于一次性创建多个子图，并返回数组对象方便操作，现在介绍不同于上述用函数作图的对象作图方法，这种方法更常用，便于进行精细化操作。当然，如果只需要简单的图形，用函数作图的方式也无妨

它利用subplots返回画布和图对象，通过改变对象的属性，进行对特定画布中特定部分的修改：

1 2	fig, ax = plt.subplots() # 返回画布,图数组(这里没给参数,默认生成一张图) ax.plot(x,y)

这里的ax指的是axes，即画布中的一部分。这里因为只生成一张图，所以只有一个axes

这种方法就不需要plt.figure()了，因为subplots()返回时就已创建一张画布了

此外，还可以设置共享轴与投影形式：

fig,(ax1,ax2) = plt.subplots(1,2,sharex=1,sharey=1) # 1即所有子图共享,0即所有子图独立
# 改变图形与subplot不同,需要将参数转换为字典传进去
fig,ax3 = plt.subplots(1,1,subplot_kw=dict(projection='polar'))
fig,ax3 = plt.subplots(1,1,subplot_kw=dict(polar=1))

还可设置为col(每列子图共享，列与列间独立)，row(每行子图共享，行与行间独立)

其它设置与函数作图类似但部分有所不同：

fig,axs = plt.subplots(2,2)      # 两行两列,返回数组,用坐标访问
axs[0,0].set_title('titleName')     # 标题
axs[0,0].plot(x,y,lw=1,c='r',marker='*',...) # plot
axs[0,0].set_xticks(array)      # 轴的单位
axs[0,0].set_xlim(-1,1)       # 轴的范围
axs[0,0].spines['right'].set_color('none')  # 隐藏轴
axs[0,0].axis('off')       # 隐藏所有轴,可以用xaxis/yaxis
axs[0,0]1.set_xlabel('labelName')    # 给x轴加标注

其它图形

接下来简略介绍其它图形的绘制

散点图`(scatter)`

除了x、y外，其它参数可以有：marker(改变点的样式),s(点的大小),c(点的颜色),lw等已经讲过的，和：

cmap(colormap)：调色盘，只有当c是一个浮点数数组时启用，会将这些数值对应到调色盘内的某个颜色。默认为viridis，可以通过以下命令查看颜色条

# c=y,则y的数值大小可以清晰地映射到颜色条上
plt.scatter(x,y,c=y,cmap='viridis')
plt.colorbar()           # 函数作图
ax.figure.colorbar(ax.scatter(x,y,c=y,cmap='viridis')) # 对象作图

其它可选调色盘：

vmin,vmax：调节颜色条的范围，大于vmax的数值将被强制映射到vmax上，vmin同理
norm：也是用于调节范围的，优先级高于上一条，参数没搞懂，有如下：
- linear
- log
- symlog
- asinh
- logit
- function
- functionlog

柱形图`(bar/barh)`

bar即纵向柱形图，barh即横向柱形图。除x,y外的其它参数有：

width：浮点数数组，表示柱子宽度
height：浮点数数组，表示横向柱子的宽度，它是barh()的参数
bottom：底线值，即y=?，默认0
color：颜色，不能缩写为c，可接受颜色数组
align：对齐方式，默认center，即值的中间，可改为edge(左对齐)，如要实现右对齐，可以传递负数宽度值

饼图`(pie)`

饼图的参数有点不同，它只需要一个x的参数，且它必须是非负数、非字符串的值。其它参数如下：

explode：一个数组，表示各个扇形的间隔。一般来说，没有显式说明的第二个参数默认为它
labels：一个列表，表示各个扇形的标签
colors：自定义颜色
autopct：数值显示形式，与C语言类似，%d表示整数，%0.1f表示一位小数，在后面加上%%表示百分比形式显示
labeldistance：标签的位置，默认1.1，即饼图外侧
pctdistance：与上一条类似，表示数值的位置
shadow：饼图是否有阴影，默认为0
radius：饼图半径

其它参数实用性不强，这里不再说明

直方图`(hist)`

直方图用于统计数的个数，也只需要提供x。其它参数如下：

bins：箱数，默认为10。hist将直方图分为bins个等距区间(即箱)，每个箱子的柱高表示这个区间内数的个数
density：是否以频率显示。默认为0，即默认为统计个数而非频率
weights：数组，表示每个箱子的权重，箱子中每有一个数就会乘以这个权重值
bottom：与柱形图功能相同
histtype：直方图样式，可选参数有(一些没有区别的已省去)：
- bar：默认值
- step：空心柱

其它装饰

复杂子图

在讲述subplots时，只是提到了一个简便的画图方法，如果需要更加精细地切分画布，这种规规整整的方式就不行了。于是我们需要用到网格：

plt.figure()
ax1 = plt.subplot2grid((2,2),(0,0)) # 将画布切分为2行2列,并把(0,0)网格返回给ax对象
ax2 = plt.subplot2grid((2,2),(1,0),colspan=2) # ax2占满第二行
ax3 = plt.subplot2grid((2,2),(1,1),rowspan=2) # ax3占满第二列

也可以用matplotlib.gridspec模块实现：

import matplotlib.gridspec as gridspec
plt.figure()
gs = gridspec.GridSpec(3,3)  # 将画布切分成3行3列
ax1 = plt.subplot(gs[0,0])
ax2 = plt.subplot(gs[1:,1])
ax3 = plt.subplot(gs[-1,-1])

网格坐标写法有如下：

start:end：从start开始占到end，例如[1:,1]为占了第一列的第二行到最后一行
-num：倒数第num行

这还是有点方正了，如果想随心所欲改变图的长宽，可以用update方法或plt.subplots_adjust，它们的参数是类似的：

1 2	gs1 = gridspec.GridSpec(3,3) gs1.update(left=0,right=0.5) # 限定gs1网格只占画布的左边

其它参数：

wspace：横向子图的间距，默认0.2
hspace：纵向子图的间距，默认0.2
top,bottom：上边界和下边界

中文显示

需要在开头加上：

1	plt.rcParams["font.family"]="SimHei" # 将字体名称设置为"SimHei"(黑体)

关于其它字体的设置：链接

但是在正则表达式中似乎无效

`tick_params()`

通过这个方法可以让刻度线消失：

1 2	ax.tick_params(length=0) # 直接设置刻度线的长度,或 ax.tick_params(bottom=0) # 不显示底轴的刻度线

实例

code：

import numpy as np
import matplotlib.pyplot as plt
import matplotlib.gridspec as gridspec
def main():
    x = np.linspace(-5,5,30)
    xSin = np.linspace(0, 2*np.pi,30)
    theta = np.linspace(0, 2*np.pi,30)
    yExp = np.exp(x)
    ySin = np.sin(xSin)
    rHeart = np.sin(theta)
    plt.figure()
    # 左网格
    gsL = gridspec.GridSpec(2,2)
    gsL.update(left=0.05,right=0.4,wspace=0.4)
    axSin = plt.subplot(gsL[0,0])
    axPol = plt.subplot(gsL[0,1], polar=1)  # 心形线极坐标映射
    axExp = plt.subplot(gsL[1,:])           # 占满第二行

    axSin.plot(xSin,ySin)
    axSin.set_xticks([0,np.pi,2*np.pi],[0,r'$\pi$',r'$2\pi$'])
    axSin.set_title('y=sinx',backgroundcolor='skyblue')

    axPol.plot(theta, rHeart)
    axPol.set_title(r'$\rm r=sin\theta$',backgroundcolor='skyblue')

    axExp.plot(x,yExp,label=r'$y=e^x$')
    axExp.plot(yExp,x,ls=(0,(0,1,2,1)),label='y=lnx')
    axExp.plot([0,1],[1,0],'ko')
    axExp.set_xlim(-0.5,2)
    axExp.set_ylim(-5,10)
    axExp.set_xticks(np.linspace(0,2,3))
    axExp.set_yticks(np.linspace(-5,10,4))
    axExp.tick_params(length=0)
    axExp.set_title(r'$\rm y=e^x\ &\ y=\ln x$',backgroundcolor='pink')
    plt.legend(loc='upper right')
    for i in ['right','top']:
        axSin.spines[i].set_color('none')
        axExp.spines[i].set_color('none')
    for i in ['left','bottom']:
        axSin.spines[i].set_position(('data',0))
        axExp.spines[i].set_position(('data',0))
    # 右网格
    gsR = gridspec.GridSpec(2,2,left=0.5,right=0.9,hspace=0.3)
    axDens = plt.subplot(gsR[0,0])
    axNums = plt.subplot(gsR[0,1])
    axPie = plt.subplot(gsR[1,:])

    rng = np.random
    xNums1 = rng.randn(1000)
    xNums2 = rng.randn(1000)
    axDens.hist(xNums1,alpha=0.7,color='skyblue',
                bins=100,weights=[np.array(2)for _ in range(1000)],density=1)
    axDens.hist(xNums2,alpha=0.7,color='pink',bins=100,density=1)
    axDens.tick_params(length=0)
    axDens.set_title('two groups\'s density',backgroundcolor='orange')
    
    axNums.hist(xNums1,alpha=0.7,color='skyblue',
                bins=100,weights=[np.array(2)for _ in range(1000)])
    axNums.hist(xNums2,alpha=0.7,color='pink',bins=100)
    axNums.tick_params(length=0)
    axNums.set_title('two groups',backgroundcolor='red')
    
    axPie.pie([40,30,20,10],colors=['#a4f9e4','#f9c5a4','#c9a4f9','#d1f9a4'],
              autopct="%d%%",radius=1.5,
              labels=['yorushika','atarayo','zutomayo','yoasobi'],
              labeldistance=0.7,
              pctdistance=0.3,
              shadow=1,
              explode=[0.1,0,0,0])
    axPie.set_title("The four 'YoRu's in my mind")

    plt.show()

if __name__ == '__main__':
    main()

run：

plt_run

matplotlib数据可视化