Python 数据可视化（一）熟悉Matplotlib

目录

一、安装包

二、先画个折线图

1、修改标签文字和线条粗细

2、内置样式

3、scatter() 绘制散点图

4、scatter() 绘制多个点

5、设置样式

6、保存绘图

数据可视化指的是通过可视化表示来探索和呈现数据集内的规律。

一、安装包

win + R   打开终端

安装 Matplotlib，在终端提示符下执行命令：

python -m pip install --user matplotlib

## python -m pip：这个部分表示使用 Python 解释器来运行 pip 模块

## --user：这个选项表示将包安装到当前用户的目录中，而不是全局环境

## matplotlib：这是安装的具体包的名

结果如下：

二、先画个折线图

import matplotlib.pyplot as plt

nums = [1, 2, 4, 8, 16, 32, 64]
# nums = [1, 4, 9, 16, 25, 36]
fig, ax = plt.subplots()
ax.plot(nums)
plt.show()

# fig, ax = plt.subplots() 创建了一个图形对象 fig 和一个坐标轴对象 ax

# ax.plot(nums) 使用 plot 方法绘制 nums 中的数据

变量 fig 表示由生成的一系列绘图构成的整个图形，变量 ax 表示图形中的绘图。

1、修改标签文字和线条粗细

import matplotlib.pyplot as plt

nums = [1, 2, 4, 8, 16, 32, 64]
# nums = [1, 4, 9, 16, 25, 36]
fig, ax = plt.subplots()
ax.plot(nums, linewidth=3)

ax.set_title("2**n", fontsize=24)
ax.set_xlabel("Value_2", fontsize=14)
ax.set_ylabel("2**n", fontsize=14)

# 设置刻度标记的样式
ax.tick_params(labelsize=14)
plt.show()

结果显示：

        参数 linewidth 决定了 plot() 绘制的线条的粗细；set_title() 方法给绘图指定标题；fontsize 用于指定图中各种文字的大小；tick_params() 方法设置刻度标记的样式。

当你运行如下代码时：

import matplotlib.pyplot as plt

# nums = [1, 2, 4, 8, 16, 32, 64]
# input_value = [0, 1, 2, 3, 4, 5, 6]

nums = [1, 4, 9, 16, 25, 36]
input_value = [1, 2, 3, 4, 5, 6]
fig, ax = plt.subplots()
# ax.plot(input_value, nums, linewidth=3)
ax.plot(nums, linewidth=3)

ax.set_title("n**2", fontsize=24)
ax.set_xlabel("Value_n", fontsize=14)
ax.set_ylabel("n**2", fontsize=14)

# 设置刻度标记的样式
ax.tick_params(labelsize=14)
plt.show()

        结果输出：

        注意：如果看的仔细的话，上边的图是不是不太对，5的平方怎么到36了。

现在我们改动一行代码：

ax.plot(input_value, nums, linewidth=3)

输出结果：

        在向 plot() 提供一个数值序列时，它假设第一个数据点对应的 x 坐标值为 0，但这里的第一个点对应的 x 坐标值应该为 1。因此将输入的数据也提供给 plot() 函数。

2、内置样式

Matplotlib 有很多定义好的内置样式，如果想知道有哪些能用的，可以直接打印出来查看：

print(plt.style.available)

# plt 是别名

import matplotlib.pyplot as plt

nums = [1, 2, 4, 8, 16, 32, 64]
input_value = [0, 1, 2, 3, 4, 5, 6]

plt.style.use('classic')
fig, ax = plt.subplots()
ax.plot(input_value, nums, linewidth=3)

ax.set_title("2**n", fontsize=24)
ax.set_xlabel("Value_2", fontsize=14)
ax.set_ylabel("2**n", fontsize=14)

# 设置刻度标记的样式
ax.tick_params(labelsize=14)
plt.show()
print(plt.style.available)

输出结果：

3、scatter() 绘制散点图

绘制单个点，可使用 scatter() 方法，并向它传递该点的 x 坐标值和 y 坐标值：

import matplotlib.pyplot as plt
plt.style.use('fivethirtyeight')
fig, ax = plt.subplots()
ax.scatter(2, 4)
plt.show()
print(plt.style.available)

输出结果：

设置样式后：

import matplotlib.pyplot as plt
plt.style.use('bmh')
fig, ax = plt.subplots()
ax.scatter(2, 4, s=200)
# 设置图题并给坐标轴加上标签
ax.set_title("Pingfang", fontsize=24)
ax.set_xlabel("x_value", fontsize=14)
ax.set_ylabel("y_value", fontsize=14)

# 设置刻度标记的样式
ax.tick_params(labelsize=14)
plt.show()
print(plt.style.available)

输出结果：

4、scatter() 绘制多个点

import matplotlib.pyplot as plt

x_values = [1, 2, 3, 4, 5]
y_values = [1, 4, 9, 16, 25]

plt.style.use('bmh')
fig, ax = plt.subplots()
ax.scatter(x_values, y_values, s=100)
# 设置图题并给坐标轴加上标签
ax.set_title("Pingfang", fontsize=24)
ax.set_xlabel("x_value", fontsize=14)
ax.set_ylabel("y_value", fontsize=14)

# 设置刻度标记的样式
ax.tick_params(labelsize=14)
plt.show()
print(plt.style.available)

输出结果：

        两个列表传递给 scatter() 时，Matplotlib 会依次从每个列表中读取一个值来绘制一个点。要绘制的点的坐标分别为(1, 1)、(2, 4)、(3, 9)、(4, 16)和(5, 25)。但是这样手动设置列表数据，效率不高，试试自动生成数据，并画图。

import matplotlib.pyplot as plt

x_values = range(1, 101)
y_values = [x**2 for x in x_values]

plt.style.use('seaborn-v0_8-dark-palette')
fig, ax = plt.subplots()
ax.scatter(x_values, y_values, s=10)
# 设置图题并给坐标轴加上标签
ax.set_title("Pingfang", fontsize=24)
ax.set_xlabel("x_value", fontsize=14)
ax.set_ylabel("y_value", fontsize=14)

# 设置刻度标记的样式
ax.tick_params(labelsize=14)
# 设置每个坐标轴的取值范围
ax.axis([0, 110, 0, 11_000])

plt.show()
print(plt.style.available)

        使用 axis() 方法指定每个坐标轴的取值范围，x轴和 y 轴各自的最小值和最大值。这里将 x 轴的取值范围设置为 0～110，将 y 轴的取值范围设置为 0～11000。

5、设置样式

# 刻度数值的常规表示，当数字过大时会自动转换为科学计数，如下可以常规表示
ax.ticklabel_format(style='plain')

# scatter() 传递参数 color 并将其设置为要使用的颜色
ax.scatter(x_values, y_values, color='red', s=10)

# 颜色映射：是一个从起始颜色渐变到结束颜色的颜色序列
ax.scatter(x_values, y_values, c=y_values, cmap=plt.cm.Blues, s=10)

        参数 c 设置成了一个 y 坐标值列表，并使用参数 cmap 告诉 pyplot 使用哪个颜色映射。这些代码将 y 坐标值较小的点显示为浅蓝色，将 y 坐标值较大的点显示为深蓝色。

6、保存绘图

        将绘图保存到文件中：

plt.savefig('nums_plot.png', bbox_inches='tight')

        第一个实参指定要以什么文件名保存绘图，这个文件将被存储到 xxxx.py 所在的程序目录中。第二个实参指定将绘图多余的空白区域裁剪掉。如果要保留绘图周围多余的空白区域，只需省略这个实参。注意：使用 Path对象，将输出文件存储到其他目录。