matplotlib教程（一）—— 入门基础

前言

? ? ? ? ? ?Matplotlib 是 Python 的绘图库，它能让使用者很轻松地将数据图形化，并且提供多样化的输出格式；它可以绘制线图、散点图、等高线图、条形图、柱状图、3D 图形、甚至是图形动画等

? ? ? ? ? ?在使用它之前，应导入：import? matplotlib.pyplot? as? plt

1. 画布与子图

? ? matplotlib所绘制的图位于画布（Figure）对象中，我们可以通过去设置一张画布，进而在画布上画出按我们希望的格式排版的多个子图

?1.1 画布与子图的创建

? ?1.1.1 生成画布

• 语法：plt.figure（）? ? ? ?#生成新的画布

常用参数说明：

? ? ? ? ? ? ? ? ? ?? ??

? ? ? ? ? ? ?num：画布编号或名称，数字为编号 ，字符串为名称

? ? ? ? ? ? ?figsize：指定figure的宽和高，单位为英寸，输入格式为（宽，高）

? ? ? ? ? ? ?dpi：分辨率（一般笔记本200，若要比较清楚可设置400、500左右）

? ? ? ? ? ? ?facecolo：背景颜色

? ? ? ? ? ? ?edgecolor：边框颜色

? ? ? ? ? ? ?frameon：是否显示边框（默认显示）

---

? ?1.1.2 创建单个子图

• ?语法： 画布.add_subplot（nrows,ncols,index）

常用参数说明：? ? ? ??

? ? ? ? ? ? ? ?nrows,ncols：行数，列数（即创建 几乘几 的图片）

? ? ? ? ? ? ? ?index：创建子图的序号位置（从1开始）

import matplotlib.pyplot as plt
import pandas as pd
plt.rcParams['font.sans-serif'] = ['SimHei'] # 用黑体显示中文
data = pd.read_excel(r"E:\python 资料\孙兴华 数据分析教程\matplotlib课件和笔记\课件\09.折线与柱状组合图.xlsx")
print(data)

fig = plt.figure(num = "示例图") # 创建画布
first = fig.add_subplot(2,2,1) # 创建第一个子图
plt.plot(data['班级'],data['毛利率'],label = "毛利率",color="red",marker="*") #在第一个子图位置画一个折线图
second = fig.add_subplot(2,2,2) # 创建第二个子图
third = fig.add_subplot(2,2,3) # 创建第三个子图
fourth = fig.add_subplot(2,2,4) # 创建第四个子图 
plt.bar(data["班级"],data["销售量"],color="yellow")#在第四个子图位置画一个柱状图
plt.show() #显示输出图像

---

? ?1.1.3 创建多个子图?

• 语法：fig，axes?=??plt.subplots（nrows，ncols）

?参数：?

? ? ? ? ? ?sharex / sharey：所有子图是否使用相同的x轴 / y轴刻度

?注：这里需要用两个变量来接收，fig指生成的画布，axes是包含n×n子图的数组

? ? ? ? axes可以直接像二维数组那样索引，可以用 axes[ i，j ].plot / bar(? )...?在指定位置作图

# 上述代码等价
fig,axes = plt.subplots(2,2)
axes[0,0].plot(data['班级'],data['毛利率'],label = "毛利率",color="red",marker="*")#第一个子图
axes[1,1].bar(data["班级"],data["销售量"],color="yellow")#第四个子图
plt.show()

?1.2 新增子区域

? ? ?所谓新增子区域可以理解为在一个图中，我们想再添加 / 叠加另外一个图

? ? ?操作原理是通过设定图的大小和位置来进行子区域的插入?

• 语法：fig.add_axes（[ left，bottom，width，height ]）

?参数说明：

? ? ? ? ? ? ?left、bottom：距离边框左侧、底部的距离

? ? ? ? ? ? ?width、height：自身的宽和高度

#导入数据
import matplotlib.pyplot as plt
import pandas as pd
plt.rcParams['font.sans-serif'] = ['SimHei'] # 用黑体显示中文
data = pd.read_excel(r"E:\python 资料\孙兴华 数据分析教程\matplotlib课件和笔记\课件\09.折线与柱状组合图.xlsx")

fig = plt.figure() #创建画布
axes1 = fig.add_axes([0.1,0.1,0.8,0.8])#设定图1的大小和位置
axes1.bar(data.班级,data.销售量) #在图1上作图
axes1.set_title("销售量") #设定图1的标题

axes2 = fig.add_axes([0.65,0.6,0.25,0.25])#设定图2的大小和位置
axes2.plot(data.班级,data.毛利率)
axes2.set_title("毛利率")
plt.show()

?1.3 调整边框与子图的间距

? ?1.3.1 自动调整

• 语法：fig.tight_layout（）? ? ?# 不会让图片之间有重叠

? ?1.3.2 手动调整?

• 语法：fig.subplots_adjust（）

常用参数：
? ? ? ? ? ? ? left / right / top / bottom：子图与边框 左侧 / 右侧 / 顶部 /底部 距离百分比

? ? ? ? ? ? ? wspace / hspace：子图之间的 宽度 / 高度 百分比

?1.4 案例：图形组合?

• 要求：利用子区域方法，作出柱形图和折线图的组合图形（需掌握折线图和柱状图知识）

import matplotlib.pyplot as plt
import pandas as pd
plt.rcParams['font.sans-serif'] = ['SimHei'] # 用黑体显示中文
# 导入数据
data = pd.read_excel(r"E:\python 资料\孙兴华 数据分析教程\matplotlib课件和笔记\课件\09.折线与柱状组合图.xlsx")
# 创建画布
fig = plt.figure()

# 创建图1————柱状图
picture1 = fig.add_subplot(1,1,1)
picture1.bar(data["班级"],data["销售量"],label = "销售量")
picture1.legend(loc = "best") # 打开图例，best指自动选择最佳位置
picture1.set_xlabel("班级") #设置x轴名称
picture1.set_ylabel("销售量") #设置y轴名称

# 创建图2————折线图
picture2 = picture1.twinx() # 设置x轴为共享轴,图1使用左侧y轴，图2使用右侧y轴
picture2.plot(data["班级"],data["毛利率"],marker = "o",color = "red",label = "毛利率")
picture2.legend(bbox_to_anchor=(1,0.93)) # 打开图例
picture2.set_ylabel("毛利率") #设置y轴名称

plt.show()

2. 图的样式

? ? ? matplotlib的主函数plot接收带有x和y轴的数组，以及一些可选的参数来指明颜色和线的类型

• 语法：plot（x，y，[ fmt ]，color = ，linestyle = ，marker =? ）

?2.1 样式字符串

? ? ? matplotlib的格式字符串 fmt 由 “ [ color ] [ marker?] [ linestyle ]?”组成，即线条的颜色、标记、线的形状 三部分

?例子：ax.plot（x，y，“ko--”）? ? ? ? ? ?表示黑色，标记为实心圆的虚线?

?

?2.1.1 颜色（color）

• 单个颜色字符：取值范围为‘r’，‘g’，‘b’，‘c’，‘m’，‘y’，‘k’
• 也可以自定义颜色类型，例如：SeaGreen、#8FBC8F?等

? 2.1.2 标记（marker）

• ?标记即数据点的图案样式，标记字符与外观对应关系如下图所示：

标记的大小与颜色：

• ms：标记的大小（markersize）
• mfc：标记内部的颜色（markerfacecolor）
• mec：标记边框的颜色（markeredgecolor）

? 2.1.3 线的形状（linestyle）

• 线形的取值范围为：‘-’, ‘--’, ‘-.’, ‘:’
• 线形字符与外观对应关系如下图所示：

线的其他参数：

• lw：线的宽度（linewidth）
• drawstyle：点的插入方式（默认线性内插， “steps-post”：阶梯式）

2.2 刻度与标签

?pyplot中有许多对象方法，可以控制刻度，标题，标签等

?如果我们在调用时不传入参数，就会返回当前的参数值；如果传入参数，就会修改参数值

方法	作用	备注
fig.suptitle（）	设置画布标题
axes.set_title（）	设置图片标题
axes.set_xlabel（）	设置x轴的名称	y轴直接将x换成y即可
axes.set_xlim（）	设置x轴的范围	传入一个含min和max的列表
axes.set_xticks（）	设置x轴刻度	直接传入一个列表即可 也可直接传入两个列表，另一为对应标签
axes.set_xtickslabels（）	设置x轴刻度的对应标签	传入一个与刻度数量相同的字符串列表

?关于标签的一些参数：
? ? ? ? ? ? ? ? ? ? ?rotation：标签逆时针旋转度数（默认0）? ? ? ? ? ? ? ? ? ??

? ? ? ? ? ? ? ? ? ? ?fontsize：标签字体大小（xx-small, x-small, small, medium, large, x-large,

? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? xx-large, larger, smaller??或者输入数字也可）

?2.3 图例

• 语法：axes.legend（ [ handles=?，labels =] ）?

命名参数：
? ? ? ? ? ? ?handles：可见对象（比如线条、形状）序列，传入一个元组

? ? ? ? ? ? ?labels：各个对象的名称，传入一个字符串列表

? ? ? ? ? ? ?title：图例的名称

注：? ? ?前两个参数应该配合一起使用；

? ? ? ? ? ? 若在定义各个图 / 线时，使用label参数定义了名称，则可以什么都不传入，自行匹配

---

?位置参数：

?? ? ? ? ? ? ?loc：默认为 “best” 即自动选择最优位置，该参数也可传入（left、right、center、

? ? ? ? ? ? ? ? ? ? ? ?upper、lower）或者他们的组合来表示具体位置

? ? ? ? ? ? ??

? ? ? ? ? ? ??bbox_to_anchor：该参数可直接传入一个坐标（x，y），x和y取值范围为0 ~ 1

---

样式参数：

? ? ? ? ? ?prop：传入一个数字，调整图例大小

? ? ? ? ? ?ncol：排列方式（默认1：并列展示，2：并排展示） ??

import matplotlib.pyplot as plt

line1, = plt.plot([1, 1], marker='o')
line2, = plt.plot([2, 2])
plt.legend((line1, line2), ['1st', '2nd'], loc= "best",
           title='legends', ncol=2, # 按行排列
           facecolor='gray', edgecolor='r') #背景颜色 / 边框颜色
plt.show()

?2.4 注释（数据标签）

???所谓注释，即我们想在图上添加一些重要点的说明；或者我们想标出数据点所对应的y值?

• 语法：plt.text（x，y，string，...）???

参数说明：

? ? ? ? ?

? ? ? ? ?x,y：坐标值 一一> 指注释的位置

? ? ? ? ?string：注释的内容，若要写数据标签，直接传入str（y数据）即可

? ? ? ? ?fontsize：注释字体大小

? ? ? ? ?ha：水平对齐方式 ，参数：[ ‘center’（居中对齐） | ‘right’ （右对齐）| ‘left’（左） ]

? ? ? ???va：垂直对齐方式 ，参数：[ ‘center’ | ‘top’ | ‘bottom’ | ‘baseline’ ]

? ? ? ? ?rotation：注释的逆时针旋转角度

? ? ? ? ?alpha：文字透明度

• 补充：enumerate（）?

? ? ? ?在添加注释时，因为我们在填入坐标值时一次只能传入一对，所以我们不能利用dataframe的行列索引传入，我们需要分别获取对应的下标（x轴）和数据（y轴），我们就可以利用enumerate函数：for? x，y? in? enumerate（列表名）：? ?x，y就分别得到对应下标和数据

import matplotlib.pyplot as plt
import pandas as pd
plt.rcParams['font.sans-serif'] = ['SimHei'] # 用黑体显示中文
# 导入数据
data = pd.read_excel(r"E:\python 资料\孙兴华 数据分析教程\matplotlib课件和笔记\课件\09.折线与柱状组合图.xlsx")
# 创建画布
fig = plt.figure()

# 创建图1————柱状图
picture1 = fig.add_subplot(1,1,1)
picture1.bar(data["班级"],data["销售量"],label = "销售量")
picture1.legend(loc = "best") # 打开图例，best指自动选择最佳位置
picture1.set_ylim([0,12000]) #设置y轴范围

# 添加数据标签
for x,y in enumerate(data["销售量"]):
    picture1.text(x,y+200,str(y),ha = "center")

plt.show()

3. 图的保存

• 语法：plt.savefig（路径字符串，dpi = ，format = ）

参数说明：
? ? ? ? ? ??dpi：图片分辨率，默认为100（一般用200）

? ? ? ? ? ? facecoler / edgecolor：多余背景 / 边框 颜色（默认白色）

? ? ? ? ? ? format：格式（‘png’，‘pdf’，‘jpg’...）

? ? ? ? ? ? bbox_inches：保存的图片范围（若传入‘tight’，则去除周围空白）