大家好，我是小雨！
今天给大家介绍数据可视化领域的知识~
matplotlib是python中的绘图工具库，也是平面数据可视化领域应用最广泛的绘图工具之一，接下来我们就从常用函数的角度向大家介绍matplotlib的用法！
一、plot()函数
1. 函数功能
展现变量的趋势变化，通常用于绘制线图。
2. 实例代码
import matplotlib.pyplot as plt import numpy as np x = np.linspace(0.01, 12, 100) # 生成100个从0.01到12的均匀数值 y = np.cos(x) # 余弦函数 plt.plot(x,y,ls='-',color='r',lw=2,label='plot figure') # 设置绘图属性 plt.legend() # 让代码产生效果，如图例的名称 plt.show() # 显示图像
参数说明：
x：x轴上的数字y：y轴上的数字ls：折线的风格color：线条的颜色lw: 折线线条的宽度label：标记图形内容的标签文本常用的颜色简写：
3. 效果
二、scatter()函数
1. 函数功能
寻找变量之间的关系，用于绘制散点图。
2.实例代码
import matplotlib.pyplot as plt import numpy as np x = np.linspace(2, 9, 500) # 从2到9均匀取500个数 y = np.random.randn(500) # 在标准正态分布中随机取500个数 plt.scatter(x,y,s=10,c='g',label='scatter figure') # x,y的数据规模必须要相同 plt.legend() plt.show()
参数说明：
s：散点的大小，默认为50c：散点的颜色，默认为蓝色，这里设为g表示green绿色。label：标记图形内容的标签文本3.效果
散点图
三、xlim()函数
1. 函数功能
设置x轴的显示范围
2.实例代码
import matplotlib.pyplot as plt import numpy as np x = np.linspace(2,9,500) y = np.random.randn(500) plt.scatter(x, y,c='g',s=10,label="scatter figure") plt.legend() plt.xlim(0,10) plt.ylim(0,1) plt.show()
参数说明：
对x轴操作plt.xlim(xmin,xmax)，同理对y轴操作plt.ylim(ymin,ymax)
xmin：x轴上的刻度最小值xmax：x轴上的刻度更大值3.效果
x轴刻度范围0~10
生成同样的散点分布图，如果把x轴刻度调成与生成范围一致(2~9)，我们就会发现散点均匀地分布满了x轴范围。
x = np.linspace(2,9,500) y = np.random.randn(500) plt.scatter(x, y,c='g',s=10,label="scatter figure") plt.legend() plt.xlim(2,9) plt.ylim(0,1) plt.show()
x轴刻度2~9
四、xlabel()函数
1. 函数功能
设置x轴标签文本
2.实例代码
import matplotlib.pyplot as plt import numpy as np x = np.linspace(0.1, 10, 100) y = np.cos(x) plt.plot(x,y,ls='-.',lw=2,c='g',label='xlable') plt.legend() plt.xlabel('x-label') # 设置x轴文本标签 plt.ylabel('y-label') # 设置y轴文本标签 plt.show()
参数说明：
设置坐标轴x轴文本标签xlabel(string) 设置y轴文本标签ylabel(string)
3.效果
设置坐标轴文本标签
五、grid()函数
1. 函数功能
绘制刻度线的网格线
2.实例代码
import matplotlib.pyplot as plt import numpy as np x = np.linspace(0.1, 10, 100) y = np.cos(x) plt.plot(x,y,ls='-',lw=2,c='r',label='grid figure') plt.legend() plt.grid(linestyle=":",color='g') plt.show()
参数说明：
linestyle: 网格线线条风格，：表示虚线,-表示实线3.效果
设置网格
六、axhline()函数
1.函数功能
绘制平行于x轴的水平参考线
2. 实例代码
import matplotlib.pyplot as plt import numpy as np x = np.linspace(0.1, 10, 500) y = np.cos(x) plt.plot(x,y,ls='-',c='c',lw=2,label='axhline figure') plt.legend() plt.axhline(y=0.0,c='r',ls='--',lw=1) plt.axvline(x=2.0,c='g',ls='--',lw=1) plt.show()
参数说明：
绘制水平参考线axhline(y=0.0,c='r',ls='--',lw='1')
绘制垂直参考线axvline(x=2.0,c='g',ls='--',lw='1')
y：水平参考线的y轴位置x:：垂直参考线的x轴位置3. 效果
绘制参考线
七、axvspan函数
1.函数功能
绘制垂直与x轴的参考区域
2. 实例代码
import matplotlib.pyplot as plt import numpy as np x = np.linspace(0.1, 17, 500) y = np.sin(x) plt.plot(x,y,ls='--',lw=2,c='c',label='axvspan figure') plt.legend() plt.axvspan(5, 10, facecolor='b', alpha=0.2) plt.axhspan(0.0, 0.5, facecolor='g', alpha=0.2) plt.show()
参数说明：
绘制垂直与x轴的参考区域：plt.axvspan(xmin=5,xmax=10,facecolor='b',alpha=0.2)
xmin：参考区域的其实位置xmax：参考区域的终止位置facecolor：参考区域的填充颜色alpha：参考区域填充颜色的透明度3. 效果
绘制参考区域
八、annotate()函数
1.函数功能
设置指向性注释文本
2. 实例代码
import matplotlib.pyplot as plt import numpy as np x = np.linspace(0.1, 10, 100) y = np.cos(x) plt.plot(x,y,ls='-.',lw=2,c='c',label='annotate figure') plt.legend() plt.annotate('minimum', # 图形注释的文本 xy=(np.pi,-1.0), # 被注释的图形内容坐标 xytext=(5,-0.75), # 注释文本位置坐标 weight='bold', # 注释文本字体粗细 color='r', # 注释文本字体颜色 arrowprops=dict(arrowstyle='->',connectionstyle='arc3',color='r')) # 箭头的属性 plt.show()
参数说明：
添加图形内容细节指向性箭头注释plt.annotate(string,xy=(np.pi,-1.0),xytext=(5,-0.75),weight='bold',color='r',arrowprops=dict(arrowstyle='->',connectionstyle='arc3',color=''r))
string：注释文本内容xy：被注释的图形位置坐标xytext：注释的文本坐标weight：注释的文本的粗细风格color：注释文本的颜色arrowprops：注释指向性箭头的属性，属性值字典里包含了箭头的类型、风格、颜色3. 效果
绘制带箭头指向的注释
九、text()函数
1.函数功能
添加无指向型注释
2. 实例代码
import matplotlib.pyplot as plt import numpy as np x = np.linspace(0.1, 5, 100) y = np.tan(x) plt.plot(x,y,ls='-.',lw=1,c='g',label='text figure') plt.legend() plt.text(2,0.5,'y=tan(x)',weight='bold',color='r') plt.show()
参数说明：
在图中添加注释文本plt.text(x,y,string,weight='bold',color='r')
x：注释位置的横坐标y：注释位置的纵坐标string：注释的文本内容3. 效果
绘制无箭头指向的注释
十、title()函数
1.函数功能
添加图表标题
2. 实例代码
import matplotlib.pyplot as plt import numpy as np x = np.linspace(0.1,5,100) y = np.tan(x) plt.plot(x,y,ls='-.',lw=1,c='c',label='title figure') plt.legend() plt.title('y = tan(x) figure') plt.show()
参数说明：
添加图表标题：plt.title(string)
string：表示标题文本内容3. 效果
绘制标题
十一、legend()函数
1.函数功能
显示图表图例，并设置图例位置
2. 实例代码
import matplotlib.pyplot as plt import numpy as np x = np.linspace(0.1,8,100) y = np.sin(x) z = np.cos(x) plt.plot(x,y,ls='-',lw=1,c='c',label='legend figure 1') plt.plot(x,z,ls='-.',lw=1,c='r',label='legend figure 2') plt.legend(loc='lower left') plt.show()
参数说明：
标识图例plt.legend(loc='lower left')
loc：图例在图表中的位置，值可以设置方位字符串，也可以设置方位置编号。位置字符串 含义
3. 效果
绘制图例及定位
十二、本节知识点总结
本节知识点总结
十三、综合练习
1. 题目
根据我们本节所介绍的matplotlib知识点，请绘制出以下函数图像：
题图
2. 答案
小伙伴们可以根据前面所学的内容，自己动手先敲一下代码，看能不能做出来~
# matplotlib综合案例： import matplotlib.pyplot as plt import numpy as np # plot 线图 x = np.linspace(0.5,3.5,200) y1 = np.sin(x) plt.plot(x,y1,ls='--',lw=2,c='k',label='plot figure') # plot 散点图 y2 = np.random.randn(200) plt.scatter(x,y2,s=5,c='m',label='scatter figure') # 设置横纵坐标轴范围 plt.xlim(0.0,4.0) plt.ylim(-3,3) # 设置高亮范围显示 plt.axvspan(xmin=1.0, xmax=2.0, facecolor='g', alpha=0.3) # 设置网格子 plt.grid(linestyle=':',color='g') # 设置箭头注释 plt.annotate("maximum", xy=(np.pi/2,1), xytext=(2.5,1.5), weight='bold', color='r', arrowprops = dict(arrowstyle='->',connectionstyle='arc3',color='r') ) # 绘制竖线 plt.axvline(x=np.pi/2,c='c',ls='--',lw=1) # 设置无箭头注释 plt.text(3.5, -0.5, 'y=sin(x)',color='k') # 设置title plt.title("Base matplotlib") # 设置横纵坐标轴名称 plt.xlabel('x_axis') plt.ylabel('y_axis') plt.legend(loc='upper right') plt.show()
最后，如果觉得有用的话，欢迎小伙伴们点赞评论转发收藏!
感谢大家的阅读~
