1. 前言
Matplotlib为数据可视化的库。
2. 环境配置
- 要不要plt.show()?
iPython(如Notebook)中可用魔术方法 %matplotlib inline,则不需要plt.show() pycharm中必须要使用plt.show()
- 绘图风格设置
利用plt.stye.use(风格类型),可以在绘图前设置想要的绘图风格。 在绘图过程中,如果需要修改绘图风格,使用:
- 将绘制好的图像进行保存
plt.savefig(保存的图像名字)
3. Matplotlib
3.1 折线图plot
3.1.1 单条曲线
3.1.2 多条曲线
3.2 散点图 sccatter
3.2.1 简单的散点图
3.2.2 颜色配置
3.2.3 根据数据控制点的大小
3.2.4 透明度
3.3 柱状图 bar
3.3.1 简单柱形图
3.3.2 累加柱形图
3.3.3 并列柱形图
3.3.4 横向柱形图
3.4 多子图 subplot
3.5 直方图 hist
3.5.1 普通频次
3.5.2 概率密度图
- 不带填充
3.5.3 累计概率分布
3.6 误差图 errorbar bar
3.6.1 基本误差图
3.6.2 柱形图误差
3.7 图修饰
3.7.1 线条
- 线条颜色
- 线条风格
- 调整线条宽度
3.7.2 数据点
-
调整数据点标记 -
设置数据点的大小 -
颜色和风格一起设置
3.7.3 坐标轴
-
利用axis对坐标轴进行限制 -
对数坐标 -
调整坐标轴刻度 -
调整刻度样式
3.7.4 图形
- 设置图形标签
- 设置图例 – 默认
- 修饰图例
3.7.5 添加文字和箭头
-
添加文字 -
添加箭头
3.8 面向对象的绘图风格
3.8.1 普通图
3.8.2 画中画
3.8.2 多子图
3.9 三维绘图
3.9.1 点与线
3.9.2 曲面图
4. 其它绘图工具
4.1 seaborn库
- 基于matplotlib
- 数据结构和pandas统一的统计图制作库
4.1.1 多曲线对比
4.1.2 柱形图对比
4.1.3 线性关系
非常好看
4.2 Pandas
4.2.1 线性图
4.2.2 柱形图
- 普通柱形图
- 累加柱形图
4.2.3 直方图
概率密度图
4.2.4 散点图
4.2.5 多子图
|