Python基礎專欄（四）Matplotlib中

Python基礎專欄四之Matplotlib（中）

圖表的樣式參數

導入相關模塊

import numpy as np

import pandas as pd

import matplotlib.pyplot as plt

% matplotlib inline

linestyle參數

plt.plot([i**2 for i in range(100)],

linestyle = '-.')

# '-' ? ? ? solid line style

# '--' ? ? ?dashed line style

# '-.' ? ? ?dash-dot line style

# ':' ? ? ? dotted line style

marker參數

s = pd.Series(np.random.randn(100).cumsum())

s.plot(linestyle = '--',

marker = '.')

# '.' ? ? ? point marker

# ',' ? ? ? pixel marker

# 'o' ? ? ? circle marker

# 'v' ? ? ? triangle_down marker

# '^' ? ? ? triangle_up marker

# '<' ? ? ? triangle_left marker

# '>' ? ? ? triangle_right marker

# '1' ? ? ? tri_down marker

# '2' ? ? ? tri_up marker

# '3' ? ? ? tri_left marker

# '4' ? ? ? tri_right marker

# 's' ? ? ? square marker

# 'p' ? ? ? pentagon marker

# '*' ? ? ? star marker

# 'h' ? ? ? hexagon1 marker

# 'H' ? ? ? hexagon2 marker

# '+' ? ? ? plus marker

# 'x' ? ? ? x marker

# 'D' ? ? ? diamond marker

# 'd' ? ? ? thin_diamond marker

# '|' ? ? ? vline marker

# '_' ? ? ? hline marker

color參數

plt.hist(np.random.randn(100),

color = 'g',alpha = 0.8)

# alpha：0-1，透明度

# 常用顏色簡寫：red-r, green-g, black-k, blue-b, yellow-y

df = pd.DataFrame(np.random.randn(1000, 4),columns=list('ABCD'))

df = df.cumsum()

df.plot(style = '--.',alpha = 0.8,colormap = 'GnBu')

# colormap：顏色板

style參數，可以包含linestyle，marker，color

ts = pd.Series(np.random.randn(1000).cumsum(), index=pd.date_range('1/1/2000', periods=1000))

ts.plot(style = '--g.',grid = True)

# style → 風格字符串，這里包括了linestyle（-），marker（.），color（g）

# plot()內也有grid參數

整體風格樣式

import matplotlib.style as psl

print(plt.style.available)

# 查看樣式列表

psl.use('ggplot')

ts = pd.Series(np.random.randn(1000).cumsum(), index=pd.date_range('1/1/2000', periods=1000))

ts.plot(style = '--g.',grid = True,figsize=(10,6))

# 一旦選用樣式后，所有圖表都會有樣式，重啟后才能關掉

子圖

在matplotlib中，整個圖像為一個Figure對象，在Figure對象中可以包含一個或者多個Axes對象。

每個Axes(ax)對象都是一個擁有自己坐標系統的繪圖區域。

plt.figure, plt.subplot

導入相關模塊

import numpy as np

import pandas as pd

import matplotlib.pyplot as plt

% matplotlib inline

子圖創建1 - 先建立子圖然后填充圖表

fig = plt.figure(figsize=(10,6),facecolor = 'gray')

ax1 = fig.add_subplot(2,2,1) ?# 第一行的左圖

plt.plot(np.random.rand(50).cumsum(),'k--')

plt.plot(np.random.randn(50).cumsum(),'b--')

# 先創建圖表figure，然后生成子圖，(2,2,1)代表創建2*2的矩陣表格，然后選擇第一個，順序是從左到右從上到下

# 創建子圖后繪制圖表，會繪制到最后一個子圖

ax2 = fig.add_subplot(2,2,2) ?# 第一行的右圖

ax2.hist(np.random.rand(50),alpha=0.5)

ax4 = fig.add_subplot(2,2,4) ?# 第二行的右圖

df2 = pd.DataFrame(np.random.rand(10, 4), columns=['a', 'b', 'c', 'd'])

ax4.plot(df2,alpha=0.5,linestyle='--',marker='.')

# 也可以直接在子圖后用圖表創建函數直接生成圖表

子圖創建2 - 創建一個新的figure，并返回一個subplot對象的numpy數組 → plt.subplot

fig,axes = plt.subplots(2,3,figsize=(10,4))

ts = pd.Series(np.random.randn(1000).cumsum())

print(axes, axes.shape, type(axes))

# 生成圖表對象的數組

ax1 = axes[0,1]

ax1.plot(ts)

plt.subplots,參數調整

fig,axes = plt.subplots(2,2,sharex=True,sharey=True)

# sharex,sharey：是否共享x，y刻度

for i in range(2):

for j in range(2):

axes[i,j].hist(np.random.randn(500),color='k',alpha=0.5)

plt.subplots_adjust(wspace=0,hspace=0)

# wspace,hspace：用于控制寬度和高度的百分比，比如subplot之間的間距

Python

版權聲明：本文內容由網絡用戶投稿，版權歸原作者所有，本站不擁有其著作權，亦不承擔相應法律責任。如果您發現本站中有涉嫌抄襲或描述失實的內容，請聯系我們jiasou666@gmail.com 處理，核實后本網站將在24小時內刪除侵權內容。

版權聲明：本文內容由網絡用戶投稿，版權歸原作者所有，本站不擁有其著作權，亦不承擔相應法律責任。如果您發現本站中有涉嫌抄襲或描述失實的內容，請聯系我們jiasou666@gmail.com 處理，核實后本網站將在24小時內刪除侵權內容。