- 访问作者github： https://github.com/NefelibataBIGR/Machine_Learning_Notes ，获取笔记代码
- 具体笔记代码见 Python>matplotlib 文件中的 ==matplotlib.ipynb== 文件
一、基本介绍与操作
1. What？
专门用于开发二维图表的工具（包括三维）
以渐进、交互式方式实现数据可视化
matplotlib：
- mat：Matrix 矩阵，二维图表
- plot：Plot 画图
- lib：Library 库
- 模仿 MATLAB
一般画图的结构
matplotlib.pyplot：包含画图函数，作用于当前图像的当前坐标系
2. Why？
- 数据可视化：
- 更直观呈现
- 更客观、更有说服力
- 方便理解数据，选择合适的数据分析处理方法
3. 基本操作
- 三步走：
- 创建画布：plt.figure()
- 绘制图像：plt.plot( )
- 展示图像：plt.show()
如：
import matplotlib.pyplot as plt # 导入Matplotlib库
%matplotlib inline
# ↑用于在 Jupyter Notebook 中内嵌显示 Matplotlib 绘制的图表。使用这个命令后，可以省略 plt.show() 这一步，直接在 Notebook 中显示图像。
plt.figure() # 创建画布
plt.plot([1, 0, 9], [4, 5, 6]) # 绘制图像
plt.show() # 展示图像，用了matplotlib inline命令后可以省略
输出：
↑最基础的图（描点连线图）
4. 三层结构
- 容器层、辅助显示层、图像层
（1）容器层
- 画板层（Canvas）
- 画布层（Figure）：plt.figure( )
- 绘图区/坐标系（Axes）：plt.subplots( )，可以一个可以多个，容纳辅助显示层和图像层
↑ 4个绘图区
（2）辅助显示层
- 在绘图区上画
- 添加图例、标题、刻度、网格等辅助显示
（3）图像层
- 在绘图区上画
- 添加不同的颜色和风格
5. 常见图像种类
- 折线图（plot）
- 展示某指标随时间变化情况
- 画各种数学函数图像
- 散点图（scatter）
- 展示数据点
- 观察关系、规律
- 柱状图（bar）
- 统计离散类别的数据数量
- 直方图（hist）
- 统计连续数据的分布状况
- 饼图（pie）
- 统计占比（一般不超过9个）
二、基础绘图功能
1. 绘图细节
- plt.figure(figsize=(15, 8), dpi=80)
- figsize：图像大小
- dpi（dot per inch）：图像清晰度
- 保存图像：
- plt.savefig(路径/名字)
- 注意要放在plt.show()前面，因为show会释放图像资源
- 修改刻度：
- plt.xticks(要修改的刻度 , 新刻度)
- plt.yticks(要修改的刻度 , 新刻度)
- 绘制网格：
- plt.grid(linestyle=”–”, alpha=0.5)
- 添加坐标轴名称和标题
- plt.xlabel(“xxx”)
- plt.ylabel(“xxx”)
- plt.title(“xxx”)
- 显示图例：
- plot( )里面设置label
- plt.legend()
如：
x = range(60)
y_city_1 = [random.uniform(15, 18) for i in x] # 随机生成指定的数据，random.uniform 均匀分布
y_city_2 = [random.uniform(13, 16) for i in x]
plt.figure(figsize=(10, 4), dpi=80)
plt.plot(x, y_city_1, color="r", linestyle="-.", label="城市1")
plt.plot(x, y_city_2, color="b", label="城市2")
# 显示图例
plt.legend(loc=1) # loc图例位置，默认0/1右上角
# 准备刻度：
x_label = ["11点{}分".format(i) for i in x]
# 修改x、y轴刻度
plt.xticks(x[::5], x_label[::5]) # 步长为5，注意x与x_label步长对应
plt.yticks(range(10, 21, 2)) # 注意range左闭右开区间
# 添加网格
plt.grid(linestyle="--", alpha=0.5) # linestyle线条风格，alpha透明度
# 添加坐标轴名称和标题
plt.xlabel("时间")
plt.ylabel("温度")
plt.title("两城市11点到12点每分钟的温度变化状况")
plt.show()
输出：
- 中文显示问题
- Windows：（问 ai）
- 执行代码：（黑体）
- Windows：（问 ai）
plt.rcParams['font.sans-serif'] = ['SimHei'] # 指定默认字体为黑体
plt.rcParams['axes.unicode_minus'] = False # 解决保存图像时负号'-'显示为方块的问题
Mac、Linux：问 ai
- plt.plot( )：
- 一些参数：
- 其他参数自己查 api
- 一些参数：
2. 多个绘图区
- 面向对象的画图效果
- plt.subplots(nrows= , ncols= , ……)
- 注意是subplots，有s！
- 参数：
- nrows=：几行
- ncols=：几列
- return：figure（图像）、axes（绘图区）
- 使用：
- axes[n]：第（n+1）个绘图区
- axes[n].set_xticks/set_yticks( )
- axes[n].set_xlabel/set_ylabel( )
三、绘制各种图像
1. 折线图
- plt.plot(x , y) 就是折线图（描点连线）
- 三步走 -> 修改细节 -> 完善（增加辅助显示层）
- 代码见文件
2. 散点图
- plt.scatter(x , y)
- 代码见文件
3. 柱状图
- plt.bar(x , y , width= )
- width=：柱子宽度
- 代码见文件
4. 直方图
- 相关概念：
- 组距
- 组数（可以用组距、数据最大/小值计算）
- plt.hist(x , bins= , density= )
- bins=：组数
- density=：默认False纵轴为频数，True纵轴为频率
- 代码见文件
5. 饼图
- plt.pie(x , labels= , autopct= )
- labels=：类别名称
- autopct=：占比数值显示，一般指定%1.2f%%
- 代码见文件
