一、plot()函數(shù)的認(rèn)識(shí)

在使用Python進(jìn)行數(shù)據(jù)可視化編程中matplotlib庫是我們用來對(duì)數(shù)據(jù)進(jìn)行畫圖常用的第三方庫。其中含有各類函數(shù)也就是不同類型的圖形，要使用matplotlib庫中的函數(shù)就需要了解函數(shù)所需要數(shù)據(jù)的格式，這也是我們學(xué)習(xí)matplotlib庫的重點(diǎn)。

直接使用plot（）函數(shù)畫圖，是對(duì)于一般的簡(jiǎn)單數(shù)據(jù)。我們可以采用直接調(diào)用plot（）函數(shù)對(duì)列表數(shù)據(jù)進(jìn)行直接畫圖。初期學(xué)習(xí)直接使用plot（）函數(shù)能便于我們對(duì)后面圖形學(xué)習(xí)奠定函數(shù)的參數(shù)及基礎(chǔ)。

matplotlib圖的組成：

• Figure （畫布）
• Axes (坐標(biāo)系)
• Axis (坐標(biāo)軸)
• 圖形（plot(),scatter(),bar(),...)
• Title, Labels, ......

直接是用plot（）函數(shù)畫圖如法如下：

plt.plot(x, y, fmt='xxx', linestyle=, marker=, color=, linewidth=, markersize=, label=, )

其中x,y代表橫縱坐標(biāo)，fmt = '#color#linestyle#marker'即代表各類參數(shù)。

（1）linestyle：此字段是線的樣式，參數(shù)形式：字符串

linestyle(線的樣式)

（2）linewidth：此參數(shù)是線的粗細(xì)，粗細(xì)程度和所定數(shù)值大小有關(guān)，參數(shù)形式：數(shù)值

（3）marker：點(diǎn)的樣式，字符串

marker（點(diǎn)的樣式）

（4）markersize：點(diǎn)的大小，參數(shù)形式：數(shù)值

（5）color：調(diào)節(jié)線條還有點(diǎn)的顏色 ，字符串，參數(shù)形式字符串

color（點(diǎn)、線顏色）

此處顏色參數(shù)還可以有二進(jìn)制，十進(jìn)制等表示方法，同時(shí)對(duì)于顏色，RGB是三原色

（6）label：圖例，legend文字

二、plot()函數(shù)基本運(yùn)用

使用plot()函數(shù)時(shí)需要導(dǎo)入對(duì)應(yīng)的庫,導(dǎo)入庫后我們?cè)谖从袛?shù)據(jù)的情況下直接畫圖，直接畫圖會(huì)隱式創(chuàng)建Figure，Axes對(duì)象。

import matplotlib.pyplot as pltplt.plot()

 下面通過構(gòu)造數(shù)據(jù)繪制簡(jiǎn)單圖形

首先數(shù)據(jù)構(gòu)造，設(shè)置參數(shù)，參數(shù)也可以在將數(shù)據(jù)填入plot（）函數(shù)的時(shí)候設(shè)置。

# 導(dǎo)入包
import matplotlib.pyplot as plt
import numpy as np
# 構(gòu)造數(shù)據(jù)
# 位置 （2維：x,y一一對(duì)應(yīng)）
x = np.linspace(0, 2 * np.pi, 200)  # 從0到2pi的200個(gè)值
y = np.sin(x)                       # 從sin(0)到sin(2pi)的200個(gè)值
# 顏色（0維）
c = 'red'
c = 'r'
c = '#FF0000'
# 大?。?維）: 線寬
lw = 1

畫出圖形

# 生成一個(gè)Figure畫布和一個(gè)Axes坐標(biāo)系
fig, ax = plt.subplots()
# 在生成的坐標(biāo)系下畫折線圖
ax.plot(x, y, c, linewidth=lw)
# 顯示圖形
plt.show()

圖形展示：

給定兩組數(shù)據(jù)，建立y與x的關(guān)系試，使用plot函數(shù)進(jìn)行畫圖，本次畫圖線條選用點(diǎn)虛線形式，粗細(xì)選用1，點(diǎn)選用方形，點(diǎn)大小選用值為10，圖例為‘1234’

import matplotlib.pyplot as plt
x = [1,2,3]
y = [1,2,3]
y = x
plt.plot(x,y,linestyle=':', linewidth=1, marker='d', markersize=10, label='1234')
plt.legend()

作出圖片如下;

 下面我們引用numpy的linspace函數(shù)生創(chuàng)建均勻分布序列，然后對(duì)x，y建立數(shù)值關(guān)系，由此來創(chuàng)建圖畫。

import matplotlib.pyplot as plt
import numpy as np
x = np.linspace(-100,100,10)
y = x**2 + 2*x +1
plt.plot(x,y,'g-.o')

作出如下圖案，由此可見，我們對(duì)于圖形的設(shè)置方面，在我們熟練以后如果沒有粗細(xì)的設(shè)置可以直接縮減再一個(gè)字符串里面

以上都是簡(jiǎn)單圖形的講解，我們現(xiàn)在通過一個(gè)簡(jiǎn)單的對(duì)數(shù)據(jù)DataFrame進(jìn)行作圖，在往后的數(shù)據(jù)可視化中我們需要對(duì)數(shù)據(jù)進(jìn)行處理后再進(jìn)行可視化。下面我們通過正、余弦函數(shù)進(jìn)行作圖。

#導(dǎo)入包
import matplotlib.pyplot as plt
import numpy as np
import pandas as pd
 
#使用linspace（）方法構(gòu)成數(shù)據(jù)
x = np.linspace(0, 2 * np.pi, 50)  # 
y1 = np.sin(x)
y2 = np.cos(x)
#轉(zhuǎn)化數(shù)據(jù)形式
df = pd.DataFrame([x,y1,y2]).T
#對(duì)列重新命名
df.columns = ['x','sin(x)','cos(x)']
#數(shù)據(jù)寫入圖像，命名圖例
plt.plot(df['x'],df['sin(x)'],label='sin(x)')
plt.plot(df['x'],df['cos(x)'],label='cos(x)')
plt.legend()

我們通過numpy的linspace方法生成數(shù)據(jù)再通過pandas對(duì)數(shù)據(jù)進(jìn)行DataFrame化再帶入plot()函數(shù)，此處需要講的就是圖例的命名方法，通過在函數(shù)中寫入label參數(shù)，確定圖例的標(biāo)簽，再通過legend（）函數(shù)生成圖例，在后續(xù)的學(xué)習(xí)中也會(huì)講到圖例的位置、形式等的運(yùn)用。

三、plot()函數(shù)數(shù)據(jù)可視化畫圖以及圖元基本參數(shù)設(shè)置

通過繪制世界人口變化曲線圖了解基本圖元參數(shù)設(shè)置，本次繪圖過程主要是先通過對(duì)人口數(shù)據(jù)導(dǎo)入，了解數(shù)據(jù)構(gòu)造，再進(jìn)配置畫圖參數(shù)最后完成圖形的制作，其中基本的圖元參數(shù)用于別的圖形也適用，在這兒學(xué)會(huì)了我們只需要了解數(shù)據(jù)結(jié)構(gòu)，構(gòu)造成圖形所要的數(shù)據(jù)結(jié)構(gòu)就可以就行畫出自己想要的圖形。

首先進(jìn)行數(shù)據(jù)導(dǎo)入，了解數(shù)據(jù)結(jié)構(gòu)形式。為了學(xué)習(xí)方便，選用jupyter notebook進(jìn)行可視化圖形講解。

import pandas as pd
datafile = r'world_population.txt'  # 打開文件
df = pd.read_csv(datafile)  #讀取數(shù)據(jù)
df.head()#展示前面部分?jǐn)?shù)據(jù)

以下就是基本的數(shù)據(jù)樣式，由年份和人口數(shù)量組成

 這里做了基本的圖元設(shè)計(jì)，也就是對(duì)于畫布的設(shè)置，前面我們所學(xué)函數(shù)參數(shù)都是對(duì)于圖形中間的設(shè)置，我們構(gòu)成一個(gè)可視化界面是通過畫布+畫中圖形樣式組成一個(gè)完整的可視化界面。

畫布界面有畫布大小，畫布像素，畫布界面，畫布邊框等設(shè)置。

import matplotlib.pyplot as plt
# 畫布
fig = plt.figure(figsize=(6,4),  # inches
                 dpi=120, # dot-per-inch
                 facecolor='#BBBBBB',
                 frameon=True, # 畫布邊框
                )  
plt.plot(df['year'],df['population'])
 
# 標(biāo)題
plt.title("1960-2009 World Population")

構(gòu)成一個(gè)完整的可視化圖像除了圖例還有圖像的標(biāo)題，我們可以通過title()方法設(shè)置英文標(biāo)題，中文標(biāo)題要通過以下代碼才能實(shí)現(xiàn)，因此我們?nèi)绻亲鲋形捻?xiàng)目在導(dǎo)入包以后就可以寫上設(shè)置中文代碼的代碼串。

# 設(shè)置中文字體
plt.rcParams['font.sans-serif'] = 'SimHei'  # 設(shè)置字體為簡(jiǎn)黑（SimHei）
plt.rcParams['font.sans-serif'] = 'FangSong'  # 設(shè)置字體為仿宋（FangSong）

 當(dāng)然，除了這種比較簡(jiǎn)單的圖形之外我們還能對(duì)圖形進(jìn)行優(yōu)化設(shè)置，將數(shù)據(jù)顯示的更加的精美和美觀，對(duì)圖形優(yōu)化便于實(shí)際報(bào)告中的演示也是我們現(xiàn)在必不可少的的一環(huán)。

import matplotlib.pyplot as plt
 
# 設(shè)置中文字體
plt.rcParams['axes.unicode_minus'] = False    # 不使用中文減號(hào)
plt.rcParams['font.sans-serif'] = 'FangSong'  # 設(shè)置字體為仿宋（FangSong）
 
# 畫布
fig = plt.figure(figsize=(6,4),  # inches
                 dpi=120, # dot-per-inch
                 facecolor='#BBBBBB',
                 frameon=True, # 畫布邊框
                )  
plt.plot(df['year'],df['population'],'b:o',label='人口數(shù)')
 
# 中文標(biāo)題
plt.title("1960-2009 世界人口")
 
# 字體字典
font_dict=dict(fontsize=8,
              color='k',
              family='SimHei',
              weight='light',
              style='italic',
              )
 
# X軸標(biāo)簽
plt.xlabel("年份", loc='center', fontdict=font_dict)   # loc: 左中右 left center right
 
# Y軸標(biāo)簽
plt.ylabel("人口數(shù)",loc='top', fontdict=font_dict)  # loc: 上中下 top center bottom
 
# X軸范圍
plt.xlim((2000,2010))  # X軸的起點(diǎn)和終點(diǎn)
 
# Y軸范圍
plt.ylim(6e9,7e9) # Y軸的起點(diǎn)和終點(diǎn)
 
# X軸刻度
plt.xticks(np.arange(2000,2011))
 
# X軸刻度
plt.yticks(np.arange(6e9,7e9+1e8,1e8))
 
# 圖例
plt.legend()
# plt.legend(labels=['人口'])
 
# 網(wǎng)格線
plt.grid(axis='y')  # axis: 'both','x','y'

 上述代碼，對(duì)x軸，y軸的刻度、標(biāo)簽、字體進(jìn)行定義，對(duì)圖例、網(wǎng)格線等也做出了參數(shù)的設(shè)置，最后做出的圖形如下圖：

總結(jié) 

到此這篇關(guān)于Python直接使用plot()函數(shù)畫圖的文章就介紹到這了,更多相關(guān)Python plot()函數(shù)畫圖內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

最新評(píng)論