目录

Matplotlib介绍

线形图（折线图）

直方图

条形图

饼状图

散点图

Matplotlib介绍

matplotlib是一个Python 的2D绘图库，提供了一套表示和操作图以及图内部对象的函数，借助它可以绘制多种多样的数据图，如线形图、饼状图等。

Matplotlib中提供了两种绘图接口：

基于MATLAB：自动创建和管理图和坐标系，用pyplot 中函数作图；

基于面向对象：显示创建图和坐标系，再调用对象的方法来作图。

本文介绍的绘图都是基于MATLAB的绘图接口。

Pyplot 是一个有命令风格的函数集合，和MATLAB很相似，通过调用函数不断完善绘图，最开始时图中什么都没有，需要什么就调用对应函数进行添加。pyplot 子库中的figure()用来创建图，subplot()用来创建子图。所有的操作都是在子图上进行，pyplot 表示当前子图，若没有就创建一个子图，实际应用中经常直接用pyplot调用相关函数。

Python标准库中默认不包含 matplotlib，需要自己下载安装：

命令行安装pipinstall matplotlib（安装过程中会涉及到相关依赖包的安装，稍微有点慢）

借助于第三方软件，例如通过Anaconda进行软件的安装和包管理。

Matplotlib中的所有对象都称为Artist，大致可分为两类：

容器类：图、坐标系、坐标轴、刻度；（图中可包含若干个坐标系，坐标系中又包含多个坐标轴，坐标轴上包含多个刻度）

基础类：线、点、文本、图例、网格、标题等

Matplotlib中图的构成如图所示，（该图来源于官网），主要包括：图（figure）、坐标系（axes）、坐标轴（axis）、主刻度（Major tick）、分刻度（Minor tick）、主刻度标签（Major tick label）、分刻度标签（ Minor tick label）、Y 轴标签（Y axis label）、X 轴标签（X axis label）、线（line）、点（marker）、图例（legend）、网格（grid）、标题（title）等。

注意：并不是所有图中都包含这些内容，图中默认什么都没有，需要什么调用相应的方法即可将其添加进去。Pyplot中常见的方法如下：

pyplot.figure()

num：整数或字符串，可选的，如果没有传值，则采用自增值，可通过number属性访问；如果传递整数，则会检查是否存在对应的图，存在则直接返回，否则创建新的图；如果传的是字符串，则设置为窗口的标题；

figsize：浮点型元组，可选。图的宽、高值，单位为英寸，默认为[6.4, 4.8]；

dpi：整数，可选。分辨率，默认为100；

facecolor：背景颜色，默认为白色；

edgecolor：边框颜色，默认为白色，默认看不出效果，需要将linewidth设置为一个比较大的值才能观察到；

frameon:是否绘制边框和背景，默认为True；

FigureClass:图对应的类；

clear:是否清空画布，默认为False，设置为True，且图已存在时，会清空已有内容;

kwargs:其他关键字参数，例如线条宽度。

可以同时创建和显示多个图（figure）。

pyplot.subplot()

如果想在同一个图中绘制多个坐标系，可调用多次调用subplot()方法，每次在当前图中添加一个子块，返回一个坐标系对象。方法定义如下：

args：可变参数，可传递3个整数，如①所示，分别表示行数、列数以及当前的位置；也可传递一个3位整数，如②所示，第1位表示行数、第2位表示列数、第3位表示当前位置，此时要求所有数字都小于10。此时将当前图划分为 nrows * ncols 网格，子块的位置左上角为1，从左到右，从上到下不断增大。如果多次调用subplot() 时，会在对应位置添加新内容，如果已有内容则覆盖。每次画图前需要指定位置，默认会执行subplot(1,1,1)。kwargs:其他关键字参数，例如可以通过projection指定坐标系类型、通过polar指定是否为极坐标、通过sharex或sharey指定共享x轴或y轴坐标等。例如下面代码将整个图划分为2行2列4个区域。

线形图（折线图）

线形图主要是通过线条将序列中相邻的两个点进行连接而成，使用非常广泛，通过plot()函数绘制，可以指定线条的样式，点的标记以及颜色等。使用plot()方法绘制点或线等，需指定所有点的坐标，可同时绘制多条线。调用方式有如下两种：

plot([x],y,[fmt], *,data=None,**kwargs)

plot([x],y,[fmt],[x2],y2,[fmt2], ...,**kwargs)

主要参数及其含义如下：

x：x轴坐标，可选，当没有传值时，采用默认值，值的个数与y轴坐标个数相同，从0开始不断增大；

y：y轴坐标，不可省略，通常是一个数或一维数组；

data:通常为可检索的对象，例如字典、DataFrame等；

fmt:定义基本样式，由[颜色][点的标记][线条样式]三部分字符组成，也可通过关键字参数设置；

kwargs：关键字参数，例如：color（颜色）、marker（标记）、linestyle（线条样式）、linewidth（线条宽度）、markersize（标记大小）、label（标签，用于图例）等。

如果通过color关键字参数单独设置颜色，可使用颜色单词全称（如“green”）以及十六进制字符串（如“#aabbcc”）。

注意：三种字符顺序可打乱，也可省略部分，没指定线条样式时，将不显示线条，没指定标记则不显示点。

线形图案例

参考代码：

注意：pyplot 默认不支持中文显示，两种解决方案：

使用rcParams['font.family']属性修改字体，此时，整个图中的字体都会改变；

在需要显示中文的地方，增加一个属性：fontproperties，此时只修饰部分地方，其他地方的字体不会跟随改变；

rcParams中关键的属性及其默认值如下：

采用中文字体时，部分字体下，负号不能正常显示，需设置axes.unicode_minus为False。

绘制正弦曲线、余弦曲线

思路：首先需要一系列的X轴坐标，可通过numpy中的arange()函数生成，例如从0 到 4，步长为0.02；然后借助 numpy 中的正弦、余弦函数对每个x坐标分别求值；最后根据x坐标和对应的y坐标画图。

运行效果图如下：

参考代码如下：

直方图

直方图是用一系列等宽不等高的长方形来表示数据，宽度表示数据范围的间隔，高度表示在给定间隔内数据出现的频数，矩形的高度跟落在间隔内的数据数量成正比，变化的高度形态反映了数据的分布情况。

直方图的一些效果举例：

pyplot 中使用hist()绘制直方图，并以元组形式返回直方图的计算结果，包括各区间中元素的数量，区间的取值范围，以及具体每个区间对象。

hist(x,bins=None,range=None,density=False,weights=None,cumulative=False,bottom=None,histtype='bar',align='mid',orientation='vertical',**kwargs)

一些关键参数说明：

x：数组或者数组序列（不要求每个数组长度相同），用于存放数据；

bins:整数、序列或字符串，整数表示等宽区间的个数，自动计算区间范围，序列则表示区间的范围，除了最后一个以外，都是包含左边不包含右边，字符串则表示对应的策略，默认为hist.bins；

range:元组，指定最小值和最大值，默认为数据中的最小值和最大值，如果bins是一个序列，则range没什么影响；

density：布尔值，可选，如果为True，则返回的是归一化的概率密度，所有区间的概率之和为1；

weight：类似于数组的值，可选，形状和 x 相同，表示每个值对应的权重，默认情况下所有数据的权重相同；

cumulative：布尔值或-1，累积求和，表示小于某个数的所有元素个数之和，随着数的增大而不断增大，如果为-1，则反转方向，表示大于某个数的所有元素个数之和，随着数量增大而不断减小；

histtype :直方图类型，'bar'（多个并列摆放）, 'barstacked'（多个堆叠摆放）, 'step'（生成对应的折线）, 'stepfilled'（填充相关区域）；

orientation:直方图的方向，默认为垂直。

直方图案例

思路：随机生成1000个以10为中心的正态分布的数，和1000个以12为中心的正态分布的数，然后将结果取值范围划分为30个等距离的区间，然后统计各个区间上数出现的个数，最终绘制出直方图。如图所示。

参考代码如下：

条形图

条形图跟直方图类似，只不过x 轴表示的不是数值而是类别。直方图的各矩形通常是连续排列，而条形图则是分开排列。使用 pyplot 的bar()函数绘制的条形图。

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

x：x 轴的位置序列，即条形的起始位置；

height：y轴的数值序列，即条形图的高度，需展示的数据；

width：每个矩形的宽度，可选，默认为0.8；

bottom：y轴坐标的基线，默认为0；

align：对齐方式，可选，center和edge两种，默认为'center'；

color：条形图的填充颜色；

edgecolor：条形图边框的颜色；

orientation：方向，vertical（垂直）、 horizontal（水平）

如果需要在一个图上显示多种条形图，可调整位置和宽度让多个条形图并列摆放，也可以堆叠摆放。

条形图案例

饼状图

饼状图显示一个数据系列中各项的大小与各项总和的比例。Pyplot中绘制饼状图的函数为 pie()，主要参数如下：

x：饼图中每一块的比例，通常是一个数组。如果 sum(x) > 1 会使用归一化后的比例，即每一块除以sum(x)，如果sum(x) < 1，则按照实际比例，此时有一部分为空白；

explode：指定饼图中每块离开中心的距离，通常是一个数组，默认为0；

labels：为饼图添加标签说明，类似于图例说明，标签列表；

colors：指定饼图的填充色，颜色列表；

autopct：设置饼图内每块百分比显示样式，可以使用format字符串或者格式化函数'% width. Precision f %%'指定饼图内百分比的数字显示宽度和小数的位数；

radius：设置饼图的半径；

labeldistance：每块旁边的文本标签的位置离饼的中心点的距离；

shadow：是否有阴影效果，默认为False。

案例：已知一个员工一天的活动时间分配为：工作8小时、睡觉7小时、吃饭3小时，玩乐6小时，根据这些信息，绘制该员工一天时间分配饼状图，效果如下。

参考代码如下：

散点图

散点图是以一个变量为横坐标，另一变量为纵坐标，利用散点的分布形态反映变量统计关系的一种图形，以不同颜色、不同大小的点表示数据之间的关系。Pyplot 中绘制散点图的函数为scatter()，主要参数如下：

scatter(x,y,s=None,c=None,marker=None,cmap=None,norm=None,vmin=None,vmax=None,alpha=None,**kwargs)

x：散点图中点的x轴坐标；

y：散点图中点的y轴坐标；

s：散点图点的大小，默认为20，标量或数组；

c：散点图点的颜色，默认为蓝色，标量或数组；

marker：指定散点图点的形状，默认为圆形；

cmap：颜色映射，可选，将颜色映射到已有色系，例如plt.cm.Blues；

norm：将亮度数据归一化到 0-1 之间；

vmin：亮度的最小值；

vmax：亮度的最大值；

alpha：设置散点的透明度；

编程程序，绘制散点图，要求图中的每个散点随机呈现不同的大小和颜色。效果如图所示，随机生成30个点，x轴坐标和y轴坐标都在0-10之间，颜色取值在0-30之间。大小在30-300之间。效果图如下：

代码参考如下：

更多关于手把手教你学Python的文章请关注微信公众号：Python资源分享。详细的视频讲解可查看CSDN学院里的手把手教你学Python系列视频：/lecturer/5686。

完整课件下载网址如下：

数据可视化-matplotlib（课件）_python数据可视化课件-Python文档类资源-CSDN下载详细介绍Python中数据可视化第三方库Matplotlib的使用，包括绘图基础以及一些经典图的绘制python数据可视化课件更多下载资源、学习资料请访问CSDN下载频道./download/Dream_Gao1989/13624911?spm=1001..3001.5503