# Matplotlib ## 什么是matplolib？ ``` Matplotlib是一个Python 2D绘图库，可以生成各种硬拷贝格式和跨平台交互式环境的出版物质量数据。Matplotlib可用于Python脚本，Python和IPython shell，Jupyter笔记本，Web应用程序服务器和四个图形用户界面工具包。 Matplotlib能够很方便的生成绘图，比如直方图，功率谱，条形图，误差图，散点图等。 ``` ## 如何在matplotlib中显示中文 ``` from pylab import mpl mpl.rcParams['font.sans-serif'] = ['FangSong'] # 指定默认字体 mpl.rcParams['axes.unicode_minus'] = False # 解决保存图像是负号'-'显示为方块的问题 ``` ## 相关组件 ![img](https://cdn.jsdelivr.net/gh/TheFoxFairy/notebook-picgo@master/img/20200926192218.png) ![img](https://cdn.jsdelivr.net/gh/TheFoxFairy/notebook-picgo@master/img/20200926192219.png) ## 什么是Figure和Axes ``` Figure：整个画布对象。我们所有的绘图操作都是在Figure对象上操作的，不论是单个图表还是多子图 Axes：就是常说的具体的“一幅图”（），它是具有数据空间的图像区域 ``` ### 演示 In\[1]: ``` import numpy as np import matplotlib.pyplot as plt import math from pylab import mpl mpl.rcParams['font.sans-serif'] = ['FangSong'] # 指定默认字体 mpl.rcParams['axes.unicode_minus'] = False # 解决保存图像是负号'-'显示为方块的问题 # 创建数据集 x = np.linspace(0,3,100) # 绘制三条线 plt.plot(x,x,label='线性') plt.plot(x,x**2,label='平方') plt.plot(x,x**3,label='立方') # 设置x轴和y轴名称 plt.xlabel('x轴') plt.ylabel('y轴') # 设置标题名称 plt.title('简单绘图') # 显示legend plt.legend() plt.show() ``` Out\[1]: ![](https://cdn.jsdelivr.net/gh/TheFoxFairy/notebook-picgo@master/img/20200926192220.png) ## 多子图 In\[1]: ``` import numpy as np import matplotlib.pyplot as plt ``` ### 第一种方式 In \[2]: ``` fig = plt.figure(figsize=(12,4)) # figsize 用来设置图的大小 ax1 = fig.add_subplot(1,3,1) # 添加子图，参数含义为位置（x,y）以及第几张图 ax2 = fig.add_subplot(1,3,2) ax3 = fig.add_subplot(1,3,3) ax1.plot([1,2,3]) ax2.plot([3,2,1]) ax3.plot([2,2,2]) plt.show() ``` ![img](https://cdn.jsdelivr.net/gh/TheFoxFairy/notebook-picgo@master/img/20200926192221) In \[3]: ``` fig = plt.figure(figsize=(12,4)) # figsize 用来设置图的大小 ax1 = fig.add_subplot(1,3,2) # 添加子图，参数含义为位置（x,y） # 以及第几张图即图的位置以及顺序 ax2 = fig.add_subplot(1,3,3) ax3 = fig.add_subplot(1,3,1) ax1.plot([1,2,3]) ax2.plot([3,2,1]) ax3.plot([2,2,2]) plt.show() ``` ![img](https://cdn.jsdelivr.net/gh/TheFoxFairy/notebook-picgo@master/img/20200926192222) ### 第二种方式 In \[4]: ``` fig2,axes= plt.subplots(1,3,figsize=(12,4)) axes[0].plot([1,2,3]) # 通过axes数组直接进行分部图形位置 axes[1].plot([3,2,1]) axes[2].plot([2,2,2]) plt.show() ``` ![img](https://cdn.jsdelivr.net/gh/TheFoxFairy/notebook-picgo@master/img/20200926192223) * 如果axes是多维对象，则需要传入多个坐标 In \[5]: ``` fig3,axes = plt.subplots(2,3,figsize=(12,4)) # 创建一个2x3的图布 axes[0,0].plot([1,2,3]) # 传入数值，进行绘画 axes[0,1].plot([3,2,1]) axes[0,2].plot([2,2,2]) plt.show() ``` ![img](https://cdn.jsdelivr.net/gh/TheFoxFairy/notebook-picgo@master/img/20200926192224.png) ### 第三种方式 > 由于不推荐，就不进行学习了 ## 线形图 ``` matplotlib.pyplot.plot(*args, scalex=True, scaley=True, data=None, kwargs) ``` ### 传数据的两种方式 In\[1]: ``` matplotlib.pyplot.plot(*args, scalex=True, scaley=True, data=None, kwargs) ``` In \[2]: ``` import matplotlib.pyplot as plt fig,axes = plt.subplots() axes.plot([1,2,3,4]) plt.show() ``` In \[3]: ``` figure,axes = plt.subplots() data = { 'a':[1,2,3], 'b':[3,2,1] } axes.plot('a','b',data=data) plt.show() ``` ![img](https://cdn.jsdelivr.net/gh/TheFoxFairy/notebook-picgo@master/img/20200926192225.png) ### 绘制多条线 In \[4]: ``` figure,axes = plt.subplots() data = { 'a':[1,2,3], 'b':[3,2,1] } axes.plot('a','b',data=data) axes.plot([1,2,3,4]) plt.show() ``` ![img](https://cdn.jsdelivr.net/gh/TheFoxFairy/notebook-picgo@master/img/20200926192226.png) ### 其他设置 #### 1.颜色设置--color ``` 可选值： 'b' blue 'g' green 'r' red 'c' cyan 'm' magenta 'y' yellow 'k' black 'w' white ``` In \[5]: ``` figure,axes = plt.subplots() axes.plot([1,2,3,4,5,6],color='r',drawstyle='steps') plt.show() ``` ![img](https://cdn.jsdelivr.net/gh/TheFoxFairy/notebook-picgo@master/img/20200926192227.png) #### 2.线性设置--linestyle ``` 可选值：['solid' | 'dashed', 'dashdot', 'dotted' | (offset, on-off-dash-seq) | '-' | '--' | '-.' | ':' | 'None' | ' ' | ''] ``` In \[6]: ``` figure,axes = plt.subplots() axes.plot([1,2,3,4,5,6],linestyle='-.') plt.show() ``` ![img](https://cdn.jsdelivr.net/gh/TheFoxFairy/notebook-picgo@master/img/20200926192228.png) #### 3.drawstyle ``` 可选值：['default' | 'steps' | 'steps-pre' | 'steps-mid' | 'steps-post'] ``` In \[7]: ``` figure,axes = plt.subplots() axes.plot([1,2,3,4],color='r',drawstyle='steps') plt.show() ``` ![img](https://cdn.jsdelivr.net/gh/TheFoxFairy/notebook-picgo@master/img/20200926192229.png) #### 4.标记--marker ``` 可选值：'.' point marker ',' pixel marker 'o' circle marker 'v' triangle_down marker '^' triangle_up marker '<' triangle_left marker '>' triangle_right marker '1' tri_down marker '2' tri_up marker '3' tri_left marker '4' tri_right marker 's' square marker 'p' pentagon marker '*' star marker 'h' hexagon1 marker 'H' hexagon2 marker '+' plus marker 'x' x marker 'D' diamond marker 'd' thindiamond marker '|' vline marker ``''`` hline marker ``` In \[8]: ``` figure,axes = plt.subplots() axes.plot([1,2,3,4,5,6],marker='o') plt.show() ``` ![img](https://cdn.jsdelivr.net/gh/TheFoxFairy/notebook-picgo@master/img/20200926192230.png) ## 坐标轴刻度 In \[1]: ``` import numpy as np import matplotlib.pyplot as plt ``` ### 设置坐标轴上下限 In \[2]: ``` x = np.linspace(0,15,100) plt.plot(x,np.sin(x)) plt.xlim(0,12) # x轴刻度 plt.ylim(-2,2) # y轴刻度 plt.show() ``` ![img](https://cdn.jsdelivr.net/gh/TheFoxFairy/notebook-picgo@master/img/20200926192231.png) * 坐标轴设置为倒序 In \[3]: ``` x = np.linspace(0,10,100) plt.plot(x,np.sin(x)) plt.xlim(12,0) plt.ylim(2,-2) plt.show() ``` ![img](https://cdn.jsdelivr.net/gh/TheFoxFairy/notebook-picgo@master/img/20200926192232.png) ### 自定义刻度 In \[4]: ``` plt.plot(np.linspace(-40,1,800)) # 设置x轴与y轴的刻度，rotation为旋转的度数，fontsize为字体的大小 plt.xticks([0,200,400,600,800],rotation=30 ,fontsize='large') plt.yticks([-40,-30,-20,-10,0],rotation=30,fontsize='small') ``` Out\[4]: ``` ([, , , , ], ) ``` ![img](https://cdn.jsdelivr.net/gh/TheFoxFairy/notebook-picgo@master/img/20200926192233.png) ## 标题、轴标签以及图例 ### 演示 In \[1]: ``` import numpy as np import matplotlib.pyplot as plt plt.rcParams['font.sans-serif'] = ['SimHei'] # 用来正常显示中文 plt.rcParams['axes.unicode_minus'] = False # 用来正常显示负号 ``` In \[2]: ``` x = np.linspace(0,2,100) plt.plot(x,np.sin(x),'-.g',label='sin(x)') plt.plot(x,np.cos(x),':r',label='cos(x)') plt.title("演示标题") plt.xlabel('x轴') plt.ylabel('sin or cos') plt.legend() ``` Out\[2]: ``` ``` ![img](https://cdn.jsdelivr.net/gh/TheFoxFairy/notebook-picgo@master/img/20200926192234.png) ### 设置标题--title ``` fontsize：字体大小，默认12，也可以使用xx-small....字符串系列 fontweight：字体粗细，或者'light'、'normal'、'medium'、'semibold'、'bold'、'heavy'、'black'。 fontstyle： 字体类型，或者'normal'、'italic'、'oblique'。 verticalalignment：垂直对齐方式 ，或者'center'、'top'、'bottom'、'baseline' horizontalalignment：水平对齐方式，可选参数：‘left’、‘right’、‘center’ rotation：旋转角度 alpha： 透明度，参数值0至1之间 backgroundcolor： 背景颜色 bbox：给标题增加外框 ，常用参数如下： boxstyle：方框外形 facecolor：(简写fc)背景颜色 edgecolor：(简写ec)边框线条颜色 edgewidth:边框线条大小 ``` In \[3]: ``` x = np.linspace(0,2,100) plt.plot(x,np.sin(x),'-.r',label='sin(x)') plt.title('演示标题',fontsize=16,fontweight='heavy') plt.xlabel('x') plt.ylabel('y') plt.legend() ``` Out\[3]: ``` ``` ![img](https://cdn.jsdelivr.net/gh/TheFoxFairy/notebook-picgo@master/img/20200926192235.png) ### 设置图例 ``` loc：图例的位置,参数值分别为1,2,3,4代表四个方向 prop：字体参数 fontsize：字体大小 markerscale：图例标记与原始标记的相对大小 markerfirst：如果为True，则图例标记位于图例标签的左侧 numpoints：为线条图图例条目创建的标记点数 scatterpoints：为散点图图例条目创建的标记点数 scatteryoffsets：为散点图图例条目创建的标记的垂直偏移量 frameon：是否显示图例边框 fancybox：边框四个角是否有弧度 shadow：控制是否在图例后面画一个阴影 framealpha：图例边框的透明度 edgecolor：边框颜色 facecolor：背景色 ncol：设置图例分为n列展示 borderpad：图例边框的内边距 labelspacing：图例条目之间的垂直间距 handlelength：图例句柄的长度 handleheight：图例句柄的高度 handletextpad：图例句柄和文本之间的间距 borderaxespad：轴与图例边框之间的距离 columnspacing：列间距 title：图例的标题 ``` In \[4]: ``` lines = [] styles = ['-','-.','--',':'] x = np.linspace(0,1,100) for i in range(4): lines += plt.plot(x,np.sin(x+np.pi*x),styles[i]) plt.axis('equal') # 生成第一个图例 leg = plt.legend(lines[:2],['A','B'],loc=1,frameon=False) # 生成第二个图例，但是第一个图例会被抹去 plt.legend(lines[2:],['C','D'],loc=4,frameon=False) # gca方法获取当前坐标轴，再使用它的`add_artist`方法将第一个图例重新画上去 plt.gca().add_artist(leg) ``` Out\[4]: ``` ``` ![img](https://cdn.jsdelivr.net/gh/TheFoxFairy/notebook-picgo@master/img/20200926192236.png) ## 文本、箭头和注释 ### 演示 In \[1]: ``` import numpy as np import matplotlib.pyplot as plt plt.rcParams['font.sans-serif'] = ['SimHei'] # 用来正常显示中文 plt.rcParams['axes.unicode_minus'] = False # 用来正常显示负号 ``` In \[2]: ``` x = np.linspace(0,2,100) plt.plot(x,np.sin(x),'-.g',label='sin(x)') plt.plot(x,np.cos(x),':r',label='cos(x)') plt.title("演示标题") plt.xlabel('x轴') plt.ylabel('sin or cos') plt.legend() ``` Out\[2]: ``` ``` ![img](https://cdn.jsdelivr.net/gh/TheFoxFairy/notebook-picgo@master/img/20200926192237.png) ### 设置标题--title ``` fontsize：字体大小，默认12，也可以使用xx-small....字符串系列 fontweight：字体粗细，或者'light'、'normal'、'medium'、'semibold'、'bold'、'heavy'、'black'。 fontstyle： 字体类型，或者'normal'、'italic'、'oblique'。 verticalalignment：垂直对齐方式 ，或者'center'、'top'、'bottom'、'baseline' horizontalalignment：水平对齐方式，可选参数：‘left’、‘right’、‘center’ rotation：旋转角度 alpha： 透明度，参数值0至1之间 backgroundcolor： 背景颜色 bbox：给标题增加外框 ，常用参数如下： boxstyle：方框外形 facecolor：(简写fc)背景颜色 edgecolor：(简写ec)边框线条颜色 edgewidth:边框线条大小 ``` In \[3]: ``` x = np.linspace(0,2,100) plt.plot(x,np.sin(x),'-.r',label='sin(x)') plt.title('演示标题',fontsize=16,fontweight='heavy') plt.xlabel('x') plt.ylabel('y') plt.legend() ``` Out\[3]: ``` ``` ![img](https://cdn.jsdelivr.net/gh/TheFoxFairy/notebook-picgo@master/img/20200926192238.png) ### 设置图例 ``` loc：图例的位置,参数值分别为1,2,3,4代表四个方向 prop：字体参数 fontsize：字体大小 markerscale：图例标记与原始标记的相对大小 markerfirst：如果为True，则图例标记位于图例标签的左侧 numpoints：为线条图图例条目创建的标记点数 scatterpoints：为散点图图例条目创建的标记点数 scatteryoffsets：为散点图图例条目创建的标记的垂直偏移量 frameon：是否显示图例边框 fancybox：边框四个角是否有弧度 shadow：控制是否在图例后面画一个阴影 framealpha：图例边框的透明度 edgecolor：边框颜色 facecolor：背景色 ncol：设置图例分为n列展示 borderpad：图例边框的内边距 labelspacing：图例条目之间的垂直间距 handlelength：图例句柄的长度 handleheight：图例句柄的高度 handletextpad：图例句柄和文本之间的间距 borderaxespad：轴与图例边框之间的距离 columnspacing：列间距 title：图例的标题 ``` In \[4]: ``` lines = [] styles = ['-','-.','--',':'] x = np.linspace(0,1,100) for i in range(4): lines += plt.plot(x,np.sin(x+np.pi*x),styles[i]) plt.axis('equal') # 生成第一个图例 leg = plt.legend(lines[:2],['A','B'],loc=1,frameon=False) # 生成第二个图例，但是第一个图例会被抹去 plt.legend(lines[2:],['C','D'],loc=4,frameon=False) # gca方法获取当前坐标轴，再使用它的`add_artist`方法将第一个图例重新画上去 plt.gca().add_artist(leg) ``` Out\[4]: ``` ``` ![img](https://cdn.jsdelivr.net/gh/TheFoxFairy/notebook-picgo@master/img/20200926192239.png) ### 文本 ``` class matplotlib.text.Annotation(text, xy, xytext=None, xycoords='data', textcoords=None, arrowprops=None, annotation_clip=None, kwargs) ``` In \[5]: ``` x = np.linspace(0,20,100) plt.plot(x,np.sin(x)) # 11和0.6表示文本出现的(x,y)位置，ha以及va分别为水平和垂直方向 plt.text(11,0.6,'the sin(x)',ha='center',va='center') ``` Out\[5]: ``` Text(11, 0.6, 'the sin(x)') ``` ![img](https://cdn.jsdelivr.net/gh/TheFoxFairy/notebook-picgo@master/img/20200926192240.png) ### 箭头和注释 ``` matplotlib.pyplot.annotate(s, xy, *args, kwargs) 主要参数： s：注释文本内容 xy：被注释对象的坐标位置，实际上就是图中箭头的箭锋位置 xytext： 具体注释文字的坐标位置 xycoords：被注释对象使用的参考坐标系 extcoords：注释文字的偏移量 arrowprops：可选，增加注释箭头 width：箭头宽度，以点为单位 frac：箭头头部所占据的比例 headwidth：箭头底部的宽度，以点为单位 shrink：移动提示，并使其离注释点和文本一些距离 ``` In \[6]: ``` figure,axes = plt.subplots() x = np.linspace(0,20,1000) axes.plot(x,np.cos(x),'-.r') axes.axis('equal') # facecolor参数修改箭头颜色，shrink参数越小箭头长度越长 axes.annotate('极大值',xy=(6.28,1.2),xytext=(10,5), arrowprops=dict(facecolor='blue',shrink=0.05)) # arrowstyle指定箭头形状 axes.annotate('极小值',xy=(5*np.pi,-1),xytext=(10,-6), arrowprops=dict(arrowstyle='->',connectionstyle='angle3,angleA=0,angleB=-90')) ``` Out\[6]: ``` Text(10, -6, '极小值') ``` ![img](https://cdn.jsdelivr.net/gh/TheFoxFairy/notebook-picgo@master/img/20200926192241.png) ## 条形图 In \[1]: ``` import numpy as np from matplotlib import pyplot as plt from pylab import mpl mpl.rcParams['font.sans-serif'] = ['FangSong'] # 指定默认字体 mpl.rcParams['axes.unicode_minus'] = False # 解决保存图像是负号'-'显示为方块的问题 matplotlib.pyplot.bar(x, height, width=0.8, bottom=None, *, align='center', data=None, kwargs) 主要参数说明: x：x坐标。int,float height：条形的高度。int,float width：宽度。0~1，默认0.8 botton：条形的起始位置，也是y轴的起始坐标 align：条形的中心位置。“center”,"lege"边缘 color：条形的颜色。“r","b","g","#123465"，默认“b" edgecolor：边框的颜色。同上 linewidth：边框的宽度。像素，默认无，int tick_label：下标的标签。可以是元组类型的字符组合 log：y轴使用科学计算法表示。bool orientation：是竖直条还是水平条。竖直："vertical"，水平条："horizontal" ``` In \[2]: ``` y = range(0,16) x = np.arange(16) plt.bar(x,y) plt.show() ``` ![img](https://cdn.jsdelivr.net/gh/TheFoxFairy/notebook-picgo@master/img/20200926192242.png) In \[3]: ``` y = range(0,17) x = np.arange(17) plt.bar(x,y,alpha=0.5,width=0.3,color='red',edgecolor='black',label='条形图1',lw=3) plt.bar(x+0.4,y,alpha=0.2,width=0.3,color='blue',edgecolor='yellow',label='条形图2',lw=3) plt.show() ``` ![img](https://cdn.jsdelivr.net/gh/TheFoxFairy/notebook-picgo@master/img/20200926192243.png) In \[4]: ``` M = 7 age1 = [20,25,36,25,28,30,10] age2 = [21,22,38,26,21,35,18] age1_std = [5,3,4,2,3,1,2] age2_std = [2,3,6,4,5,2,2] x = np.arange(M) width = 0.35 p1 = plt.bar(x, age1, width, yerr=age1_std) p2 = plt.bar(x, age2, width,bottom=age1, yerr=age2_std) # p2条形图位于p1条形图的上方 plt.ylabel('年龄') plt.title('男女年龄') plt.xticks(x,['a1','a2','a3','a4','a5','a6','a7']) plt.yticks(np.arange(0,100,10)) plt.legend((p1[0],p2[0]),('男生年龄','女生年龄')) plt.show() ``` ![img](https://cdn.jsdelivr.net/gh/TheFoxFairy/notebook-picgo@master/img/20200926192244.png) ## 直方图 ``` matplotlib.pyplot.hist(x, bins=None, range=None, density=None, weights=None, cumulative=False, bottom=None, histtype='bar', align='mid', orientation='vertical', rwidth=None, log=False, color=None, label=None, stacked=False, normed=None, *, data=None, kwargs) 主要参数： x：数据集，最终的直方图将对数据集进行统计 bins：统计的区间分布 range：tuple, 显示的区间，测试发现添加range并没有达到想要的效果，即显示指定区间统计结果，如果有小伙伴知道，欢迎评论，谢谢 density：bool，默认为false，显示的是频数统计结果，为True则显示频率统计结果，这里需要注意，频率统计结果=区间数目/(总数*区间宽度)，和normed效果一致，官方推荐使用density histtype：可选{'bar', 'barstacked', 'step', 'stepfilled'}之一，默认为bar，推荐使用默认配置，step使用的是梯状，stepfilled则会对梯状内部进行填充，效果与bar类似 align：可选{'left', 'mid', 'right'}之一，默认为'mid'，控制柱状图的水平分布，left或者right，会有部分空白区域，推荐使用默认 log：bool，默认False,即y坐标轴是否选择指数刻度 stacked：bool，默认为False，是否为堆积状图 ``` In \[5]: ``` mu = 3 sigma = 0.1 number = 1000 x = np.random.normal(mu,sigma,number)*10+50 plt.hist(x,50) plt.show() ``` ![img](https://cdn.jsdelivr.net/gh/TheFoxFairy/notebook-picgo@master/img/20200926192245.png) In \[6]: ``` mu, sigma = 60,10 x = mu + sigma * np.random.randn(10000) plt.hist(x, 50, density=True, facecolor='g', alpha=0.75) plt.xlabel('数量') plt.ylabel('频率') plt.title('直方图') plt.text(30, .035, r'$\mu={} ,\sigma={}$'.format(mu,sigma)) # 修改x,y刻度范围 plt.ylim(0,0.05) plt.xlim(20,100) plt.grid(True) plt.show() ``` ![img](https://cdn.jsdelivr.net/gh/TheFoxFairy/notebook-picgo@master/img/20200926192246.png) ## 饼图 ``` matplotlib.pyplot.pie(x, explode=None, labels=None, colors=None, autopct=None, pctdistance=0.6, shadow=False, labeldistance=1.1, startangle=None, radius=None, counterclock=True, wedgeprops=None, textprops=None, center=(0, 0), frame=False, rotatelabels=False, *, data=None) 主要参数： x ：(每一块)的比例，如果sum(x) > 1会使用sum(x)归一化； labels：(每一块)饼图外侧显示的说明文字； explode：(每一块)离开中心距离； startangle：起始绘制角度,默认图是从x轴正方向逆时针画起,如设定=90则从y轴正方向画起； shadow：在饼图下面画一个阴影。默认值：False，即不画阴影； labeldistance：label标记的绘制位置,相对于半径的比例，默认值为1.1, 如<1则绘制在饼图内侧； autopct：控制饼图内百分比设置,可以使用format字符串或者format function，'%1.1f'指小数点前后位数(没有用空格补齐)； pctdistance：类似于labeldistance,指定autopct的位置刻度,默认值为0.6； radius：控制饼图半径，默认值为1； counterclock：指定指针方向；布尔值，可选参数，默认为：True，即逆时针。将值改为False即可改为顺时针。 wedgeprops ：字典类型，可选参数，默认值：None。参数字典传递给wedge对象用来画一个饼图。例如：wedgeprops={'linewidth'：3}设置wedge线宽为3。 textprops：设置标签（labels）和比例文字的格式；字典类型，可选参数，默认值为：None。传递给text对象的字典参数。 center：浮点类型的列表，可选参数，默认值：(0,0)。图标中心位置。 frame：布尔类型，可选参数，默认值：False。如果是true，绘制带有表的轴框架。 rotatelabels：布尔类型，可选参数，默认为：False。如果为True，旋转每个label到指定的角度。 ``` In \[7]: ``` x = [10,20,30,40,50] plt.pie(x) plt.show() ``` ![img](https://cdn.jsdelivr.net/gh/TheFoxFairy/notebook-picgo@master/img/20200926192247.png) In \[8]: ``` # 图表，将按照逆时针顺序排序 labels = ['A','B','C','D','E'] x = [15,20,37,20,26] explode = [0,0.1,0,0,0] # 饼图中B区域会脱离与其他区域 figure,axes = plt.subplots() # shadow:阴影 # statangle；起始绘制角度 # explode：(每一块)离开中心距离 # autopct：区域所占百分比 axes.pie(x,explode=explode,labels=labels,autopct='%1.1f%%',shadow=True,startangle=90) # 长宽比相等可确保将饼图绘制为圆形 axes.axis('equal') plt.show() ``` ![img](https://cdn.jsdelivr.net/gh/TheFoxFairy/notebook-picgo@master/img/20200926192248.png) ## 散点图 ``` 主要参数说明： x，y：输入数据 s：标记大小，以像素为单位 color：颜色 marker：标记 alpha：透明度 linewidths：线宽 edgecolors ：边界颜色 ``` In \[9]: ``` x = np.random.randint(0,15,15) y = np.random.randint(0,15,15) plt.scatter(x,y) ``` Out\[9]: ``` ``` ![img](https://cdn.jsdelivr.net/gh/TheFoxFairy/notebook-picgo@master/img/20200926192249.png) In \[10]: ``` number = 100 r0 = 0.6 x = np.random.rand(number) y = np.random.rand(number) area = (20*np.random.rand(number))**2 c = np.sqrt(area) r = np.sqrt(x**2+y**2) # 满足条件时mask返回True，否则返回False，即被masked的区间为True area1 = np.ma.masked_where(r < r0,area) area2 = np.ma.masked_where(r >= r0,area) plt.scatter(x,y,s=area1,marker='^',c=c) plt.scatter(x,y,s=area2,marker='o',c=c) plt.show() ``` ![img](https://cdn.jsdelivr.net/gh/TheFoxFairy/notebook-picgo@master/img/20200926192250.png) ## 箱线图 ``` matplotlib.pyplot.boxplot(x, notch=None, sym=None, vert=None, whis=None, positions=None, widths=None, patch_artist=None, bootstrap=None, usermedians=None, conf_intervals=None, meanline=None, showmeans=None, showcaps=None, showbox=None, showfliers=None, boxprops=None, labels=None, flierprops=None, medianprops=None, meanprops=None, capprops=None, whiskerprops=None, manage_ticks=True, autorange=False, zorder=None, *, data=None) 主要参数： x：指定要绘制箱线图的数据 notch：是否是凹口的形式展现箱线图，默认非凹口 sym：指定异常点的形状，默认为+号显示 vert：是否需要将箱线图垂直摆放，默认垂直摆放 whis：指定上下须与上下四分位的距离，默认为1.5倍的四分位差 positions：指定箱线图的位置，默认为[0,1,2…] widths：指定箱线图的宽度，默认为0.5 patch_artist：是否填充箱体的颜色 meanline：是否用线的形式表示均值，默认用点来表示 showmeans：是否显示均值，默认不显示 showcaps：是否显示箱线图顶端和末端的两条线，默认显示 showbox：是否显示箱线图的箱体，默认显示 showfliers：是否显示异常值，默认显示 boxprops：设置箱体的属性，如边框色，填充色等 labels：为箱线图添加标签，类似于图例的作用 filerprops：设置异常值的属性，如异常点的形状、大小、填充色等 medianprops：设置中位数的属性，如线的类型、粗细等 meanprops：设置均值的属性，如点的大小、颜色等 capprops：设置箱线图顶端和末端线条的属性，如颜色、粗细等 whiskerprops：设置须的属性，如颜色、粗细、线的类型等 ``` In \[11]: ``` x = np.random.rand(1000) plt.boxplot(x) plt.show() ``` ![img](https://cdn.jsdelivr.net/gh/TheFoxFairy/notebook-picgo@master/img/20200926192251.png) In \[12]: ``` # 创建3个正态分布的一维数组 data = [np.random.normal(0,std,100) for std in range(1,4)] labels = ['x1','x2','x3'] fig,ax = plt.subplots(nrows=1,ncols=2,figsize=(9,4)) # 矩形箱图 """ vert:是否垂直 patch_artist：是否填充箱体的颜色 """ boxplot1 = ax[0].boxplot(data,vert=True,patch_artist=True,labels=labels) ax[0].set_title('矩形箱图') # 缺口形状箱形图 """ notch：是否是凹口的形式展现箱线图，默认非凹口 """ boxplot2 = ax[1].boxplot(data,notch=True,vert=True,patch_artist=True,labels=labels) ax[1].set_title('缺口形状箱形图') # 填充颜色 colors = ['red','pink','lightgreen'] for bp in (boxplot1,boxplot2): for patch,color in zip(bp['boxes'],colors): patch.set_facecolor(color) # 添加水平网格线 for a in ax: a.yaxis.grid(True) a.set_xlabel('三个样本') a.set_ylabel('样本值') plt.show() ``` ![img](https://cdn.jsdelivr.net/gh/TheFoxFairy/notebook-picgo@master/img/20200926192252.png) > 箱形图最大的优点就是不受异常值的影响，能够准确稳定地描绘出数据的离散分布情况，同时也利于数据的清洗