零、准备工作

1
2
3
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
  1. mat → MATLAB
    plot → 做图
    lib → 库
    提供了强大的可视化功能
  2. 作图要有自变量、因变量、函数

一、折线图

  1. 作图基本操作 
    1
    2
    3
    4
    5
    6
    7
    8
    9
    10
    11
    12
    13
    14
    15
    16
    17
    18
    19
    20
    21
    22
    23
    x = np.arange(100)
    y = 2*x + 1
    plt.plot(x,y) 
    # 即可输出图像，但可视化效果并不好

    # 图像美化
    x = np.arange(100)
    y1 = 2*x + 1
    y2 = -2*x - 1 # 多曲线
    plt.figure(figsize=(12,6)) # 设定图像大小

    plt.plot(x,y1,'-.',color='r',linewidth=6) # 设定线的样式
    plt.plot(x,y2,'-.',color='r',linewidth=6) # 多条曲线 

    plt.xlabel('independent variable',fontsize=16) # 横坐标名称
    plt.ylabel('dependent variable',fontsize=16) # 纵坐标
    plt.xticks(fontsize=12) # 数字大小
    plt.yticks(...)
    plt.legend(['line1','line2'],fontsize=12) # 图例，按顺序来
    plt.title('xxx',fontsize=12) # 图像名字

    plt.grid() # 网格
    plt.show() # 去除其他代码
  2. 子图 
    1
    2
    3
    4
    5
    6
    7
    8
    9
    10
    11
    12
    13
    14
    15
    16
    17
    18
    19
    20
    21
    22
    23
    24
    25
    26
    27
    28
    29
    30
    31
    32
    33
    34
    35
    36
    37
    38
    39
    40
    41
    42
    43
    44
    45
    46
    47
    48
    x = np.arange(100)
    y1 = 2*x + 1
    y2 = -2*x - 1 
    plt.figure(figsize=(12,6)) 

    plt.subplot(2,2,1) # 做子图，两行一列，最后一格数字是“接下来画的图在第一个画布里”
    plt.plot(x,y1,'-.',color='r',linewidth=6) 
    plt.xlabel('independent variable',fontsize=16) 
    plt.ylabel('dependent variable',fontsize=16) 
    plt.xticks(fontsize=12) 
    plt.yticks(...)
    plt.legend(['line1'],fontsize=12) 
    plt.title('xxx',fontsize=12) 
    plt.grid() 

    plt.subplot(2,2,2) # 接下来做第二张图
    plt.plot(x,y2,'-.',color='b',linewidth=6)
    plt.xlabel('independent variable',fontsize=16) 
    plt.ylabel('dependent variable',fontsize=16) 
    plt.xticks(fontsize=12) 
    plt.yticks(...)
    plt.legend(['line2'],fontsize=12) 
    plt.title('xxx',fontsize=12) 
    plt.grid() 

    xx == np.arange(-6,6,0.01) # 保证曲线的取点够多，图像够平滑

    plt.subplot(2,2,3)
    plt.plot(xx,np.sin(xx),'-.',color='g',linewidth=6)
    plt.xlabel('independent variable',fontsize=16) 
    plt.ylabel('dependent variable',fontsize=16) 
    plt.xticks(fontsize=12) 
    plt.yticks(...)
    plt.legend(['line3'],fontsize=12) 
    plt.title('xxx',fontsize=12) 
    plt.grid() 

    plt.subplot(2,2,4)
    plt.plot(xx,np.cos(xx),'-.',color='y',linewidth=6)
    plt.xlabel('independent variable',fontsize=16) 
    plt.ylabel('dependent variable',fontsize=16) 
    plt.xticks(fontsize=12) 
    plt.yticks(...)
    plt.legend(['line4'],fontsize=12) 
    plt.title('xxx',fontsize=12) 
    plt.grid() 

    plt.show() # 只写一遍就可以

二、条形图

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
Company = ['Samsung','Huawei','Apple','Xiaomi','OPPO','VIVO','Others']
Shipment = [300,240,196,125,120,114,400]
data = pd.DataFrame({'Company':Company,'Shipment':Shipment})

plt.figure(figsize=(12,6))

plt.bar(data.Company,data.Shimpent,width=0,5,color='royalblue') # 条宽度
plt.plot(data.Company,data.Shimpent,color='r',linewidth=3,marker='o',markersize=10) # 也可以加个折线图,可以补点、调整点大小等。

plt.xlabel('Company',fontsize=12)
plt.ylabel('Shipment',fontsize=12)
plt.xticks(fontsize=12)
plt.yticks(fontsize=12)
plt.title('xxx',fontsize=15)
plt.grid()
plt.show()

三、直方图

  • 频数，适合表示频率
    1
    2
    3
    4
    5
    6
    7
    8
    9
    10
    11
    x = np.random.randint(1,11,10) # 生成一个随机一行数组备用

    plt.figure(figsize=(12,6))
    plt.hist(x,color = 'royalblue') # 生成频数直方图。
    plt.show()

    # 正态分布直方图
    x = np.random.randn(100,1) # 生成的数字越多，越接近正态分布
    plt.figure(figsize=(12,6))
    plt.hist(x,color = 'royalblue',bins = 100) # 生成频数直方图。bins越大，越接近平滑。
    plt.show()

四、饼图

  • 适合表示百分比
    1
    2
    3
    4
    5
    6
    7
    8
    data['share'] = [i/data.Shipment.sum().round(3) for i in data.Shipment] # 保留三位小数
    x = data.Company
    y = data.Share

    plt.figure(figsize=(6,6)) # 改成圆形
    plt.pie(y,labels = x,autopct = '%.1f%%',textprop = {'fontsize':'x-large'},labeldistance = 1.2,shadow = True) # 以百分比形式表示，数字大小，名称距离，阴影

    plt.show()