【网易微专业】图表绘制工具Matplotlib

01 与图片的交互方式设置

这一小节简要介绍一下Matplotlib的交互方式

import pandas as pd

import numpy as np

import matplotlib.pyplot as plt

np.random.seed(111)

X = np.random.rand(1000)

y = np.random.rand(1000)

# 图表窗口1 → plt.show()

plt.plot(X)

plt.show()

# 直接生成图表

# 图表窗口2 → 魔法函数，嵌入图表

% matplotlib inline

plt.scatter(X, y)

# 直接嵌入图表，不用plt.show()

# <matplotlib.collections.PathCollection at ...> 代表该图表对象

# 图表窗口3 → 魔法函数，弹出可交互的matplotlib窗口，缺点是特别占内存

% matplotlib notebook

s = pd.Series(X)

s.plot(style = 'k--o',figsize=(10,5))

# 可交互的matplotlib窗口，不用plt.show()

# 可做一定调整

# 图表窗口4 → 魔法函数，弹出matplotlib控制台，这种情况下就不是嵌入在网页中了，而是有单独的GUI

% matplotlib qt5

df = pd.DataFrame(np.random.rand(50,2),columns=['A','B'])

df.hist(figsize=(12,5),color='g',alpha=0.8)

# 可交互性控制台

# 如果已经设置了显示方式（比如notebook），需要重启然后再运行魔法函数

# 网页嵌入的交互性窗口 和 控制台，只能显示一个

#plt.close()

# 关闭窗口

#plt.gcf().clear()

# 每次清空图表内内容

02 坐标轴的刻度、图中的网格设置

import numpy as np

import pandas as pd

import matplotlib.pyplot as plt

%matplotlib inline

np.random.seed(11)

df = pd.DataFrame(np.random.rand(10, 2), columns=['A', 'B'])

df

.dataframe tbody tr th:only-of-type {
vertical-align: middle;
}

.dataframe tbody tr th {

    vertical-align: top;

}

.dataframe thead th {

    text-align: right;

}

0	0.180270	0.019475
1	0.463219	0.724934
2	0.420204	0.485427
3	0.012781	0.487372
4	0.941807	0.850795
5	0.729964	0.108736
6	0.893904	0.857154
7	0.165087	0.632334
8	0.020484	0.116737
9	0.316367	0.157912

fig = plt.figure(figsize=(10, 2))

print(fig, type(fig))

Figure(720x144) <class 'matplotlib.figure.Figure'>

<Figure size 720x144 with 0 Axes>

fig = df.plot(kind='bar')

plt.title('df')   # 设置表的标题

plt.xlabel('x')   # 设置x轴

plt.ylabel('y', rotation=360)   # 设置y轴，rotation可以将label转到合适的角度

plt.legend(loc='best')  # 设置图例显示在图的哪一边

# 可选值如下

# best

# upper right

# upper left

# lower left

# lower right

# right

# center left

# center right

# lower center

# upper center

# center

plt.xlim(0, 12)  # 设置x轴的长度，输入两个数a,b，表示x从a到b

plt.ylim(0, 1.2)  # 设置y轴的长度，输入两个数a,b，表示x从a到b

plt.xticks(range(12), rotation=360)  # 设置x轴的刻度，输入是列表或者range数据结构；设置rotation

plt.yticks(np.linspace(0, 1.2, 11))

# 为原本的坐标刻度设置‘label’，同理y轴也可以这么设置

fig.set_xticklabels(['A', 'B', 'C', 'D', 'E', 'F', 'G', 'H', 'I', 'J', 'K']);



x = np.linspace(-np.pi, np.pi, 256, endpoint=True)

a, b = np.cos(x), np.sin(x)

plt.plot(x, a, '--', label='cos')

plt.plot(x, b, label='sin')   # 要想显示图例需要设置label属性，然后再利用legend方法显示

plt.legend(loc='best')

# x和y坐标轴刻度显示的方式，'inout'正好插入坐标轴，'in'朝内，'out'朝外

plt.rcParams['xtick.direction'] = 'out'

plt.rcParams['ytick.direction'] = 'inout'

#坐标轴的刻度是否显示，如果显示则是True，若是不显示，则是False

plt.tick_params(bottom=True, left=False, right=True, top=True)

plt.grid(True, linestyle='--', color='purple', axis='both')

frame = plt.gca()

# plt.axis('off')  # 整个关闭坐标轴

# 关闭坐标轴

frame.axes.get_xaxis().set_visible(True)   # 设置坐标轴是否可见

frame.axes.get_yaxis().set_visible(True)   # True可见，False不可见