多子图
figure是绘制对象(可以理解为一个空白的画布)，一个figure对象可以包含多个Axes子图，一个Axes是一个绘图区域，不加设置时，Axes为1，且每次绘图其实都是在figure上的Axes上绘图。
我们是在图形对象上面的Axes区域进行作画
1.add_axes():添加区域
2.Matplotlib定义一个axes类，该类的对象称为axes对象（即轴域对象），它指定一个有数值范围限制的绘图区域。再给定一个画布中，可以包含多个axes对象，但是同一个axes对象只能在一个画布中使用。
2D 绘制区域(axes)包含两个轴(axis)对象
语法：
add_axes(rect)
该方法用来生成一个axes轴域对象，对象的位置参数由参数rect决定。
rect是位置参数，接受一个由4个元素组成的浮点数列表，形如[left,bottom,width,height]，它表示添加到画布中的矩形区域左下标(x,y)，以及宽度和高度
fig=plt.figure(figsize=(4,2),facecolor='g') #ax1从画布起始位置绘制，宽高和画布一致 ax1=fig.add_axes([0,0,1,1]) #ax2从画布20%的位置开始绘制，宽高是画布的50% ax2=fig.add_axes([0.2,0.2,0.5,0.5]) ax3=fig.add_axes([0.0,0.5,0.5,0.5]) ax3.plot([1,2,3,4,6],[2,3,5,8,9]) ax1.plot([1,2,3,4,6],[2,3,5,8,9]) ax2.plot([1,2,3,4,6],[2,3,5,8,9])
注意：每个元素的值是画布宽度和高度的分数。即将画布的宽、高作为一个单位。比如，[0.2,0.2,0.5,0.5],它代表从画布20%的位置开始绘制，宽度是画布的50%
fig=plt.figure() #创建区域1 ax1=fig.add_axes([0,0,1,1]) #区域1作画 plt.plot([1,2,3,4,6],[2,3,5,8,9]) #创建区域2 ax2=fig.add_axes([0.2,0.2,0.5,0.5]) #区域2作画 plt.plot([1,2,3,4,6],[2,3,5,8,9])
subplot():均等地划分画布，只是创建一个包含子图区域的画布（返回区域对象）
subplots()：既创建一个包含子图区域的画布，又创建了一个figure的图形对象(返回图形对象和区域对象)
散点图
matplotlib.pyplot.scatter(s,y,s=None,marker=None,camp=None,norm=None,vmin=None,vmax=None,aipha=None,linewidths=None,edgecolors=None,plotnonfinite=False,data=None,*kwargs)
- x,y散点坐标
- s散点面积
- c散点颜色(默认为蓝色，‘b’,其余颜色同plt.plot())
- marker散点样式(默认为实心圆)
- alpha散点透明度([0,1]之间的数，0表示完全透明，1表示完全不透明)
- linewidths散点的边缘线宽
- edgecolors散点的边缘颜色
- camp(Colormap，默认None，标量是一个colormap的名字，只有c是一个浮点数组时才使用）
#x轴数据 x=np.array([1,2,3,4,5,6,7,8]) #y轴数据 y=np.array([]1,4,9,16,7,11,23,18) #生成一个[0,1)之间的随机浮点数或N维浮点数组 print((20*np.random.rand(8)**2) a=(20*np.random.rand(8))**2 plt.scatter(x,y,s) plt.show()
自定义点的颜色和透明度
x=np.random.rand(50) #rand()生成一个[0,1)之间的随机浮点数或 N维浮点数组 #y轴数据 y=np.random.rand(50) #生成一个浮点数组，取值范围，正态分布的随机样本数 s=(10*np.random.randn(50))**2 #颜色可以使用一组数字序列 #如只需要3中颜色 #color=np.resize(np.array([1,2,3]),100) #颜色随机 color=np.random.rand(50) plt.scatter(x,y,s,c=color.alpha=0.5 )
水平柱状图
#引入Matplotlib from matplotlib import pyplot as plt import numpy as np #设置中文字体 plt.rcParams['font.sans-serif']=['SimHei'] #中文负号 plt.rcParams['axes.unicode_minus']=False #设置分辨率100 plt.rcParams['figure.dpi']=100 #设置大小 plt.rcParams['figure.figsize']=(5,3)
调用Matplptlib的barh()函数可以生成水平柱状图
barh()函数的用法与bar()函数的用法基本一样，只是在调用barh()函数使用y参数传入Y轴数据，使用width参数传入代表条柱 宽度的数据。
plt.barh(y,width,height=0.8,left=None,*,align=‘center’,**kwargs)
countries=['挪威','德国','中国','美国','瑞典'] #金牌个数 gold_medal=np.array([16,12,9,8,8]) #y轴为国家，宽度为奖牌个数 plt.barh(countries,width=gold_medal)
同位置柱状图
#国家 countries=['挪威','德国','中国','美国','瑞典'] #金牌个数 gold_metal=[16,12,9,8,8] #银牌个数 silver_medal=[8,10,4,10,5] #铜牌个数 bronze_metal=[13,5,2,7,5] #1.将x轴转换为数值x=np.arange(len(countries)) print(x) #2.设置图像宽度 width=0.2 #=======确定x起始位置===== #金牌起始位置 gold_x=x #银牌起始位置 sliver_x=x width #铜牌起始位置 bronze_x=x 2*width #==============分别绘制图形 #金牌图形 plt.bar(gold_x,gold_medal,width=width,color='gold') #银牌图形 plt.bar(silver_x,silver_medal,width=width,color='silver') #铜牌图形 plt.bar(bronze_x,bronze_medal,width=width,color='saddlebrown') #=====将x轴的坐标变回来 #注意x标签的位置居中 plt.xticks(x width,labels=countries) #------显示高度文本------- for i in range(len(countries)): #金牌文本设置 plt.text(gold_x[i],gold_medal[i],va="bottom",ha="center") plt.text(silver_x[i],silver_medal[i],va="bottom",ha="center") plt.text(bronze_x[i],bronze_medal[i],va="bottom",ha="center")
到此这篇关于Python数据分析之matplotlib绘图详解的文章就介绍到这了,更多相关Python matplotlib绘图内容请搜索Devmax以前的文章或继续浏览下面的相关文章希望大家以后多多支持Devmax！