Python的matplotlib可视化工具基本操作（数据分析生成图表）

一、安装导入

1、使用包管理器安装matplotlib

pip3 install matplotlib

2、导入plt工具

import matplotlib.pyplot as plt

二、基本函数

1、创建图表 

使用pyplot工具打点调用创建图表函数

例如创建直方图：

import matplotlib.pyplot as plt
import pandas as pd
import numpy as np
data=np.random.rand(100)
plt.hist(data,color='blue')
plt.show()

上述代码中data是生成的100个0~1之间的随机数数组。plt.hist()是利用pyplot工具打点调用hist直方图函数创建直方图，第一个参数为绘图所需的数据，第二个参数是设置这个图表的颜色。plt.show()是将图表绘制出来。

图表：

 pyplot工具能绘制的图表种类很多，都可以使用pyplot打点调用。常见的图表类型：

1. 折线图（Line Plot）：
   • 用于展示数据随时间或其他连续变量的变化趋势。
   • 使用plt.plot(x, y)函数创建。
2. 散点图（Scatter Plot）：
   • 用于展示两个变量之间的关系和分布。
   • 使用plt.scatter(x, y)函数创建。
   • 可以通过设置点的颜色、大小、形状等参数来定制散点图的外观。
3. 柱状图（Bar Plot）：
   • 用于比较不同类别的数据。
   • 使用plt.bar(x, heights)函数创建。
   • x参数表示柱子的位置，heights参数表示柱子的高度。
4. 饼图（Pie Chart）：
   • 用于显示数据的相对比例。
   • 使用plt.pie(sizes, labels=labels, autopct='%1.1f%%')函数创建。
   • sizes参数表示各部分的大小，labels参数表示各部分的标签，autopct参数用于显示各部分所占的百分比。
5. 箱线图（Box Plot）：
   • 用于展示数据的分布特征，包括最小值、第一四分位数、中位数、第三四分位数和最大值。
   • 使用plt.boxplot(data)函数创建。
   • data参数是一个包含多个数据点的列表或数组。
6. 直方图（Histogram）：
   • 用于展示数据的频数分布。
   • 使用plt.hist(data, bins=num_bins, edgecolor='black')函数创建。
   • data参数是数据点的列表或数组，bins参数指定直方图的柱数或柱的边界，edgecolor参数用于设置柱子的边框颜色。
7. 双坐标轴折线图（Dual Y-Axis Line Plot）：
   • 在同一张图上绘制两条折线，分别使用左右两个不同的Y轴刻度。
   • 常用于表示不同量纲或变化幅度较大的数据。
   • 需要通过创建第二个坐标轴（ax2 = ax1.twinx()）来实现。
8. 面积图（Area Plot）：
   • 折线图的一种变体，通过在折线下方填充颜色来展示数据随时间的累积变化。
   • 常用于表示累积数据，如总收入或总销量。
   • 可以通过在plt.plot()函数中设置fill_between参数或使用plt.fill_between()函数来实现。
9. 三维图表（3D Plot）：
   • 包括三维散点图、三维折线图等。
   • 需要使用mpl_toolkits.mplot3d模块中的功能来创建。
   • 例如，使用Axes3D.scatter(x, y, z)创建三维散点图

创建图表的属性： 

颜色（Color）color 或 c：设置线条或点的颜色。
线型（Linestyle）linestyle 或 ls：设置线条的类型（如实线、虚线等）。
线宽（Linewidth）linewidth 或 lw：设置线条的宽度。
标记（Marker）marker：设置散点图中点的形状。
标记大小（Marker Size）markersize 或 ms：设置散点图中点的大小。
标记边缘颜色（Marker Edge Color）markeredgecolor 或 mec：设置散点图中点边缘的颜色。
标记填充颜色（Marker Face Color）markerfacecolor 或 mfc：设置散点图中点的填充颜色。
透明度（Alpha）alpha：设置线条或点的透明度。
标签（Label）label：为线条或数据点设置标签，用于图例。
标题（Title）使用 plt.title() 函数为整个图表设置标题。
图例（Legend）使用 plt.legend() 函数添加图例，显示不同线条或数据点的标签。
网格（Grid）使用 plt.grid() 函数添加网格线，帮助识别图表中的值。
坐标轴标签（Axis Labels）使用 plt.xlabel() 和 plt.ylabel() 函数为 x 轴和 y 轴设置标签。
坐标轴范围（Axis Limits）使用 plt.xlim() 和 plt.ylim() 函数设置坐标轴的范围。
坐标轴刻度（Ticks）使用 plt.xticks() 和 plt.yticks() 函数自定义坐标轴的刻度。
字体大小（Font Size）可以通过 fontsize 参数设置标题、标签、图例等的字体大小。
线条样式（Line Styles）组合例如，'b-' 表示蓝色实线，'g--' 表示绿色虚线等。
这些属性可以组合使用

 2、设置图表

设置标题和标签：

plt.title('图表标题') 
plt.xlabel('x 轴标签') 
plt.ylabel('y 轴标签')

设置坐标轴范围：

plt.xlim(xmin, xmax)  
plt.ylim(ymin, ymax)

添加网格：

plt.grid(True)

添加图例：

plt.legend(['标签1', '标签2'], loc='upper right')

设置颜色、线型和标记：

plt.plot(x, y, color='red', linestyle='--', marker='o')

 设置x,y轴刻度：

plt.xticks(np.arange(0, 11, 1))  # 设置 x 轴刻度为 0 到 10 的整数
plt.yticks(np.arange(0, 11, 1))

设置 x 轴和 y 轴的刻度标签 : 

plt.xticklabels(factories)  
plt.yticklabels(quality) 

其他设置：

1、创建绘图子集

fig,axs=plt.subplots(2,2)

上述代码表示在画布上将有4个图表：2*2。返回值：fig:当前画布，axs:设置数据引用。

注意：使用了子集的画布，在设置标题和标签时要在方法前加上："set_"。例如在子集上设置标题：

axs[0][1].set_title('随机样本')

2、自动布局

fig.tight_layout()