Python:Matplotlib库绘制散点图和折线图

一、基础散点图

Matplotlib绘制散点图主要使用matplotlib.pyplot类中的scatter函数,其详细的用法参考官方文档,这里附上链接:Matplotlib官方文档。接下来将介绍如何利用scatter函数绘制散点图。首先来一个示例:

# coding=utf-8
# 导入包和类
import matplotlib.pyplot as plt 

# 初始化测试数据
a=range(10)
b=range(10)

# 使用scatter函数绘制散点图
plt.scatter(a,b)

# 保存图片
plt.savefig("./demo-1.svg",dpi=400,bbox_inches='tight') # dpi表示分辨率

# 展示图片(在jupyter中可以不使用plt.show())
plt.show()

运行结果:

Figure 1

基本的散点图已经绘制成功了,但是不够美观,也不够丰满,因此我们需要做一些“微调”:

# coding=utf-8
# 导入包和类
import matplotlib.pyplot as plt 
# 初始化测试数据
a = range(10)
b = range(10)

# 使用scatter函数绘制散点图
plt.scatter(a, b, s=100.0, marker=".", color="b")  # 这里的s必须为浮点数

# 添加标题
plt.title("My first scatter demo", fontsize=19, weight="bold")

# 修改一下x轴和y轴的坐标
## lables表示为坐标轴上的数字填上标签,rotatio表示旋转
plt.xticks(a, labels=["No.%s" % i for i in a], rotation=45)
plt.yticks(b)

# 设置坐标轴标签
plt.xlabel("This is x axis", fontsize=20, weight="bold")
plt.ylabel("This is y axis")

# 添加网格
plt.grid(True)

# 保存图片
## dpi表示分辨率,bbox_inches="tight"可以删掉空白边框
plt.savefig("./demo-2.svg", dpi=400, bbox_inches="tight")

# 展示图片
plt.show()

运行结果:

Figure 2

可以看到,相比于Figure 1,Figure 2多了很多样式,但碍于笔者审美障碍以及案例展示需要,绝对称不上美观。这里使用的一些设置,如xlabelplt.titleplt.xticks等,其用法非常丰富,代码中做了一定的注释,在这里不再赘述,读者可以尝试进行参数的修改,观察图形的变化,以获得启示。但是这里笔者更加推荐读者查阅Matplotlib官方文档。相信我,再结合官方提供的案例,这份文档绝对不辱使命。另外,细心的读者会发现,这里我们均使用的是英文设置标题等,这是因为直接使用中文无法显示,关于这个问题的解决措施我们日后再谈。

二、基础折线图的绘制

Matplotlib绘制折现图主要使用matplotlib.pyplot类中的plot函数,还是那句话:其详细的用法参考官方文档,这里再附上链接:Matplotlib官方文档。接下来将介绍如何利用plot函数绘制折现图。首先来一个示例:

# coding=utf-8
# 导入包和类
import matplotlib.pyplot as plt 

# 初始化测试数据
a=range(10)
b=range(10)

# 使用plot函数绘制折线图
plt.plot(a,b)

# 保存图片
## dpi表示分辨率,bbox_inches="tight"可以删掉空白边框
plt.savefig("./demo-3.svg",dpi=400,bbox_inches='tight') 

# 展示图片(在jupyter中可以不使用plt.show())
plt.show()

运行结果:

Figure 3

我们可以惊喜的发现,只需要将scatter改为plot即能实现我们的目标。接下来再添加一些样式:

# coding=utf-8
# 导入包和类
import matplotlib.pyplot as plt

# 初始化测试数据
a = range(10)
b = range(10)

# 使用plot函数绘制折线图
plt.plot(a, b, marker="*", color="b", markersize=15)  

# 添加标题
plt.title("My second scatter demo", fontsize=19, weight="bold")

# 修改一下x轴和y轴的坐标
## lables表示为坐标轴上的数字填上标签,rotatio表示旋转
plt.xticks(a, labels=["No.%s" % i for i in a], rotation=45)
plt.yticks(b)

# 设置坐标轴标签
plt.xlabel("This is x axis", fontsize=20, weight="bold")
plt.ylabel("This is y axis")

# 添加网格
plt.grid(True)

# 保存图片
## dpi表示分辨率,bbox_inches="tight"可以删掉空白边框
plt.savefig("./demo-4.svg", dpi=400, bbox_inches="tight")

# 展示图片
plt.show()

运行结果:

Figure 4

在这里我们要注意代码第10行中的:marker,这个参数顾名思义指的是标记,如果我们设置标记的符号为*,那么在每个点上就会有这么一个标记,读者可以尝试设置其它的符号,如:o^,等看看效果如何。这里我们列出一些可能用到的标记符号,见Table 1

Table 1
字符 类型 字符 类型
‘-’ 实线 ‘–’ 虚线
‘-.’ 虚点线 ‘:’ 点线
‘.’ ‘,’ 像素点
‘o’ 圆点 ‘v’ 下三角点
‘^’ 上三角点 ‘<’ 左三角点
‘>’ 右三角点 ‘1’ 下三叉点
‘2’ 上三叉点 ‘3’ 左三叉点
‘4’ 右三叉点 ‘s’ 正方点
‘p’ 五角点 ‘*’ 星形点
‘h’ 六边形点1 ‘H’ 六边形点2
‘+’ 加号点 ‘x’ 乘号点
‘D’ 实心菱形点 ‘d’ 瘦菱形点
‘_’ 横线点

另外的markersize顾名思义指的就是标记的尺寸,读者在学习的时候也要有一定的想象力,可以先猜测再验证,这个过程也是非常有趣的!

此外,plot函数其实也能绘制散点图,这里给个示例:

# coding=utf-8
# 导入包和类
import matplotlib.pyplot as plt

# 初始化测试数据
a = range(10)
b = range(10)

# 使用plot函数绘制散点图
plt.plot(a, b, "H") #只需添加点型,即可绘制

# 保存图片
## dpi表示分辨率,bbox_inches="tight"可以删掉空白边框
plt.savefig("./demo-5.svg", dpi=400, bbox_inches="tight")

# 展示图片(在jupyter中可以不使用plt.show())
plt.show()

运行结果:

Figure 5

可以看到,只需在第10行设置一个点型即可,但此时无法设置markersize属性,因为发生了冲突,读者可以自行尝试。另外,读者也可以尝试将第10行的"H"改为"rH"看一下点的颜色如何变化,答案是会变成红色,这是因为rred的缩写,关于Matplotlib中颜色的设置,这里不再赘述,请读者们参考一下官方文档,笔者推荐大家使用颜色缩写十六进制法表示颜色。

三、散点图进阶

这一节主要以示例为主,会告诉大家核心语句,请读者自行查阅官方文档。

1.更改颜色和透明度

核心语句:

  • 第13行:c=c,alpha=0.5
# coding=utf-8
import matplotlib.pyplot as plt
import numpy as np

# 10个点
N = 10
x = np.random.rand(N)
y = np.random.rand(N)
# 每个点随机大小
s = (30 * np.random.rand(N)) ** 2
# 随机颜色
c = np.random.rand(N)
plt.scatter(x, y, s=s, c=c, alpha=0.4)
plt.show()

2.一张图上绘制两组散点

核心代码:

  • 第10行
  • 第11行
import matplotlib.pyplot as plt
import numpy as np

# 10个点
N = 10
x1 = np.random.rand(N)
y1 = np.random.rand(N)
x2 = np.random.rand(N)
y2 = np.random.rand(N)
plt.scatter(x1, y1, marker="o")
plt.scatter(x2, y2, marker="^")
plt.savefig("test-2.svg", dpi=400, bbox_inches="tight")
plt.show()

3.添加图例

核心代码

  • 第10行label="circle"与第11行label=“triangle”
  • 第12行plt.legend(loc=“best”)
import matplotlib.pyplot as plt
import numpy as np

# 10个点
N = 10
x1 = np.random.rand(N)
y1 = np.random.rand(N)
x2 = np.random.rand(N)
y2 = np.random.rand(N)
plt.scatter(x1, y1, marker="o", label="circle")
plt.scatter(x2, y2, marker="^", label="triangle")
plt.legend(loc="best") # loc参数可以设置,best表示放在最合适的位置
plt.savefig("test-1.svg", dpi=400, bbox_inches="tight")
plt.show()

你可能感兴趣的