python数据分析工具之 matplotlib详解
不论是数据挖掘还是数学建模，都免不了数据可视化的问题。对于 Python 来说，matplotlib 是最著名的绘图库，它主要用于二维绘图，当然也可以进行简单的三维绘图。它不但提供了一整套和 Matlab 相似但更为丰富的命令，让我们可以非常快捷地用 python 可视化数据。
matplotlib基础
# 安装
pip install matplotlib
两种绘图风格：
MATLAB风格：
基本函数是 plot，分别取 x，y 的值，然后取到坐标（x，y）后，对不同的连续点进行连线。
面向对象：
创建一个图形 fig 和一个坐标 ax 。
- fig：figure(plt.Figure) 是一个能容纳各种坐标轴，图形，文字和标签的容器。
- ax：axes(plt.Axes) 是一个带有刻度和标签的矩形，最终会包含各种可视化元素。
示例：
import matplotlib.pyplot as plt
import numpy as np
# 图形显示风格
plt.style.use('seaborn-whitegrid')
# 创建fig和ax
fig = plt.figure()
ax = plt.axes()
x = np.linspace(0,10,100)
# 显示sin函数图形
plt.plot(x, np.sin(x))
# 显示cos函数图形
plt.plot(x, np.cos(x))
plt.show()
绘图样式
文字设置
图形标题：plt.title
坐标轴标题：plt.xlabel, plt.ylabel
基础图例：plt.legend
注意：对中文不友好，需要额外方法，尽量使用英文
# 示例
import matplotlib.pyplot as plt
import numpy as np
x = np.linspace(1, 10, 100)
plt.plot(x, np.sin(x))
plt.title('sin-function')
plt.xlabel('x-value')
plt.ylabel('y-label')
plt.show()
颜色条
import matplotlib.pyplot as plt import numpy as np x = np.linspace(1, 10, 100) I = np.sin(x) * np.cos(x[:,np.newaxis]) plt.imshow(I) plt.colorbar() plt.show()
散点图基础
散点图主要以点为主，数据是不连续的数据，通过设置线的型号来完成。型号包括‘o'、‘+'、‘*'、‘1'、‘h'、‘D'等等，具体使用探索一下就好，用不到太多。
import matplotlib.pyplot as plt
import numpy as np
# 图形显示风格
plt.style.use('seaborn-whitegrid')
x = np.linspace(0, 10, 30)
y = np.sin(x)
# 通过设置线型为点来完成散点图的绘制
plt.plot(x, y, 'o', color='blue')
plt.show()
连续误差线表示的是连续量，可以使用 plt.plot 和 plt.fill_between 来画出。
import matplotlib.pyplot as plt
import numpy as np
# 图形显示风格
plt.style.use('seaborn-whitegrid')
x = np.linspace(0, 10, 30)
ysin = np.sin(x)
ycos = np.cos(x)
plt.plot(x, ysin, color='red')
plt.plot(x, ycos, color='blue')
plt.fill_between(x, ysin, ycos, color='gray', alpha=0.2)
plt.show()
