Python中怎么使用Matplotlib绘制统计图

本篇内容主要讲解"Python中怎么使用Matplotlib绘制统计图"，感兴趣的朋友不妨来看看。本文介绍的方法操作简单快捷，实用性强。下面就让小编来带大家学习"Python中怎么使用Matplotlib绘制统计图"吧!

1.1 概述

Matplotlib是一个Python绘图包，它使从存储在各种数据结构中的数据（包括列表、numpy数组和pandas数据框）创建二维图变得简单。Matplotlib使用了一种面向对象的绘图方法。这意味着可以通过向绘图中添加新的元素来逐步构建绘图

matplotlib绘图中主要会用到两个对象：

figure对象：整体的图空间，可以包含一个或多个子图

axis对象：在图空间中呈现的各个子图，可以把figure对象看作是整个绘图画布，而axis对象看作是其中的一个子图

一个图空间可以容纳一个或多个axis对象，这种结构允许我们创建带有一个或多个子图的图形

虽然Matplotlib包含许多模块，提供不同的绘图功能，但最常用的模块是pyplot

Pyplot提供的方法可用于向图形对象添加不同的组件，包括将各个图创建为axis对象，也就是子图

pyplot模块通常使用别名plt导入，如下所示：

# Import pyplotimport matplotlib.pyplot as plt

1.2 使用Matplotlib创建图像

要使用matplotlib的面向对象方法创建一个图，首先要使用pyplot模块中的subplots()函数创建一个图(可以称为fig)和至少一个轴(可以称为ax)

fig, ax = plt.subplots()

请注意，通过将fig和ax设置为等于pyplot.subplots()函数的输出值，fig和ax被同时创建。由于没有提供其他参数，结果是一个带有一个空图的图

# Create figure and one plot (axis object) fig, ax = plt.subplots()

1.3 更改图片大小

使用figsize参数设置绘图空间的宽和高

figsize = (width, height)

# Resize figurefig, ax = plt.subplots(figsize = (10, 6))

1.4 绘制多个子图

使用matplotlib的面向对象方法，通过创建额外的axis对象，可以更容易地在图空间中创建多个子图

当添加多个axis对象时，最好的做法是给它们不同的名称（如ax1和ax2），这样就可以很容易地单独使用每个axis

因此，需要为plt.subplots提供新的参数，用于图的布局：（行数，列数）

plt.subplots(1, 2)

在本例中，1、2表示布局为1行,2列

# Figure with two plotsfig, (ax1, ax2) = plt.subplots(1, 2, figsize = (10, 6))

相反地，(2,1)表示2行，1列格局分布

fig, (ax1, ax2) = plt.subplots(2, 1, figsize = (10, 6))

由于定义了figsize=(10,6)，figure绘图空间会保持这个大小，无论如何设置行数或列数是多少

但是，可以调整行数、列数以及figsize，以得到需要的大小

# Figure with two plotsfig, (ax1, ax2) = plt.subplots(2, 1, figsize = (12, 12))

可以根据需要继续添加任意数量的axis对象，以创建所需图形的整体布局，并根据需要继续调整图形大小

# Figure with three plotsfig, (ax1, ax2, ax3) = plt.subplots(3, 1, figsize = (15, 15))

Matplotlib 面向对象方法的一个主要优点是，每个axis都是独立的的对象，可以独立于图中的其他绘图独立地进行自定义绘制

2 使用 Matplotlib 绘制自定义图表

在本章的前面，学习了如何使用pyplot中的subplot ()函数创建图形和轴对象(使用别名plt导入) :

fig，ax = plt.subplots()

现在已经知道如何使用matplotlib创建基本的绘图，可以开始向图中的绘图添加数据了

首先导入别名plt的matplotlib.pyplot模块，并创建一些列表来绘制由美国国家海洋和大气管理局(NOAA)提供的*科罗拉多州博尔德市的月平均降水量(英寸)*

# Import pyplot 导入包import matplotlib.pyplot as plt# Monthly average precipitation 月平均降水量boulder_monthly_precip = [0.70, 0.75, 1.85, 2.93, 3.05, 2.02,                           1.93, 1.62, 1.84, 1.31, 1.39, 0.84]# Month names for plotting 月份months = ["Jan", "Feb", "Mar", "Apr", "May", "June", "July",           "Aug", "Sept", "Oct", "Nov", "Dec"]

2.1 使用 Matplotlib 绘制数据

可以通过调用所需的ax对象将数据添加到绘图中，该对象是先前定义的axis元素:

fig，ax = plt.subplots()

通过调用ax对象的plot()方法，并指定绘图的x轴(水平轴)和y轴(垂直轴)的参数如下

plot(x_axis, y_axis)

在这个例子中，你正在从之前定义的列表中添加数据，数据沿着x轴和y轴分布

# Define plot spacefig, ax = plt.subplots(figsize=(10, 6))# Define x and y axesax.plot(months,         boulder_monthly_precip)

[]

可以注意到，输出显示了图形的对象类型以及唯一标识符(内存位置)

[]

可以通过在代码末尾调用plt.show()来隐藏该信息

# Define plot spacefig, ax = plt.subplots(figsize=(10, 6))# Define x and y axesax.plot(months,boulder_monthly_precip)    plt.show()

2.2 Matplotlib Plot 对象的命名约定

Python 社区中的惯例是使用ax来命名axis对象，但这并不是唯一的

# Define plot space with ax named bobfig, bob = plt.subplots(figsize=(10, 6))# Define x and y axesbob.plot(months,boulder_monthly_precip)plt.show()

2.3 创建不同类型的Matplotlib图: 散点图和条形图

默认情况下，ax.plot 将绘图创建为线图(这意味着所有的值都通过横跨绘图的连续线连接起来)

可以使用 ax 对象来创建:

• 散点图(使用ax.scatter) : 值显示为不连续线的单个点

• 条形图(使用ax.bar) : 值显示为条形，其高度指示特定点的值

# Define plot spacefig, ax = plt.subplots(figsize=(10, 6))# Create scatter plotax.scatter(months,boulder_monthly_precip)plt.show()

# Define plot spacefig, ax = plt.subplots(figsize=(10, 6))# Create bar plotax.bar(months,boulder_monthly_precip)plt.show()

2.4 自定义绘图标题和坐标轴标签

可以使用ax.set()方法中的title、xlabel、ylabel参数为轴添加绘图标题和标签，从而自定义和添加更多信息到绘图中

ax.set(title = "Plot title here",       xlabel = "X axis label here",        ylabel = "Y axis label here")

# Define plot spacefig, ax = plt.subplots(figsize=(10, 6))# Define x and y axesax.plot(months,         boulder_monthly_precip)# Set plot title and axes labelsax.set(title = "Average Monthly Precipitation in Boulder, CO",       xlabel = "Month",       ylabel = "Precipitation (inches)")plt.show()

2.5 自定义多行绘图标题和坐标轴标签

使用两个单词之间的新行字符**\n**创建具有多行文本的标题和轴标签

# Define plot spacefig, ax = plt.subplots(figsize=(10, 6))# Define x and y axesax.plot(months,         boulder_monthly_precip)# Set plot title and axes labelsax.set(title = "Average Monthly Precipitation\nBoulder, CO",       xlabel = "Month",       ylabel = "Precipitation\n(inches)")plt.show()

2.6 标签旋转

使用plt.setp函数设置整个绘图空间的参数，如自定义刻度标签

在下面的例子中，ax.get_xticklabels()函数控制x轴的刻度标签，rotation

# Define plot spacefig, ax = plt.subplots(figsize=(10, 6))# Define x and y axesax.plot(months,         boulder_monthly_precip)# Set plot title and axes labelsax.set(title = "Average Monthly Precipitation\nBoulder, CO",       xlabel = "Month",       ylabel = "Precipitation\n(inches)")plt.setp(ax.get_xticklabels(),rotation=45)plt.show()

2.7 自定义折线、点标记形状

可以通过marker=参数对线段、点的形状标识进行修改

访问Matplotlib文档可以获取更多标记类型列表

# Define plot spacefig, ax = plt.subplots(figsize=(10, 6))# Define x and y axesax.scatter(months,         boulder_monthly_precip,        marker = ',') # pixel# Set plot title and axes labelsax.set(title = "Average Monthly Precipitation\nBoulder, CO",       xlabel = "Month",       ylabel = "Precipitation\n(inches)")plt.show()

# Define plot spacefig, ax = plt.subplots(figsize=(10, 6))# Define x and y axesax.plot(months,         boulder_monthly_precip,        marker = 'o') # point# Set plot title and axes labelsax.set(title = "Average Monthly Precipitation\nBoulder, CO",       xlabel = "Month",       ylabel = "Precipitation\n(inches)")plt.show()

2.8 自定义绘图颜色

可以使用color参数自定义绘图颜色，在matplotlib中提供的一些基本颜色选项列表如下:

    b: blue    g: green    r: red    c: cyan    m: magenta    y: yellow    k: black    w: white

对于这些基本颜色，可以将color参数设置为等于全名(例如cyan)或者仅仅是如上表所示的键字母(例如c)

要获得更多的颜色，请访问关于颜色的matplotlib文档

# Define plot spacefig, ax = plt.subplots(figsize=(10, 6))# Define x and y axesax.plot(months,         boulder_monthly_precip,        marker = 'o',        color = 'cyan') # color=c# Set plot title and axes labelsax.set(title = "Average Monthly Precipitation\nBoulder, CO",       xlabel = "Month",       ylabel = "Precipitation\n(inches)")plt.show()

# Define plot spacefig, ax = plt.subplots(figsize=(10, 6))# Define x and y axesax.scatter(months,         boulder_monthly_precip,        marker = ',',        color = 'k') # color=black# Set plot title and axes labelsax.set(title = "Average Monthly Precipitation\nBoulder, CO",       xlabel = "Month",       ylabel = "Precipitation\n(inches)")plt.show()

# Define plot spacefig, ax = plt.subplots(figsize=(10, 6))# Define x and y axesax.bar(months,         boulder_monthly_precip,        color = 'darkblue')# Set plot title and axes labelsax.set(title = "Average Monthly Precipitation\nBoulder, CO",       xlabel = "Month",       ylabel = "Precipitation\n(inches)")plt.show()

2.8 设置颜色透明度

使用alpha =参数调整颜色的透明度，其值接近0.0表示更高的透明度

# Define plot spacefig, ax = plt.subplots(figsize=(10, 6))# Define x and y axesax.bar(months,        boulder_monthly_precip,       color = 'darkblue',        alpha = 0.3) # 透明度设置# Set plot title and axes labelsax.set(title = "Average Monthly Precipitation\nBoulder, CO",       xlabel = "Month",       ylabel = "Precipitation\n(inches)")plt.show()

2.9 自定义条形图的颜色

通过使用参数edgeccolor=将每个条的轮廓颜色更改为蓝色，并从前面讨论过的matplotlib颜色选项中指定一种颜色，可以进一步自定义条形图

# Define plot spacefig, ax = plt.subplots(figsize=(10, 6))# Define x and y axesax.bar(months,        boulder_monthly_precip,       color = 'cyan',       edgecolor = 'darkblue') # 轮廓颜色设置# Set plot title and axes labelsax.set(title = "Average Monthly Precipitation\nBoulder, CO",       xlabel = "Month",       ylabel = "Precipitation\n(inches)")plt.show()

2.10 自定义散点图的颜色

在使用散点图时，还可以使用c和cmap参数根据每个点的数据值为其分配一种颜色

c参数允许指定将被颜色映射的值序列(例如boulder _ monthly _ precip) ，而cmap允许指定用于该序列的颜色映射

下面的例子使用了YlGnBu颜色图，其中较低的值用黄色到绿色色调填充，而较高的值用越来越深的蓝色色调填充

要查看彩色地图选项列表，请访问的matplotlib cmpas文档

# Define plot spacefig, ax = plt.subplots(figsize=(10, 6))# Define x and y axesax.scatter(months,         boulder_monthly_precip,        c = boulder_monthly_precip,        cmap = 'YlGnBu')# Set plot title and axes labelsax.set(title = "Average Monthly Precipitation\nBoulder, CO",       xlabel = "Month",       ylabel = "Precipitation\n(inches)")plt.show()

2.11 将数据绘制为多图

回想matplotlib的面向对象方法，通过创建额外的axis对象，可以很容易地在一个图形中包含多个图形:

fig, (ax1, ax2) = plt.subplots(num_rows, num_columns)

一旦定义了fig和两个axis对象，就可以向每个轴添加数据并定义具有独特特征的图形

在下面的示例中，ax1.bar在第一个绘图中创建一个定制的条形图，而ax2.scatter在第二个绘图中创建一个定制的散点图

# Define plot spacefig, (ax1, ax2) = plt.subplots(2, 1, figsize=(12, 12)) # 两行一列# Define x and y axesax1.bar(months,        boulder_monthly_precip,       color = 'cyan',        edgecolor = 'darkblue')# Define x and y axesax2.scatter(months,         boulder_monthly_precip,        c = boulder_monthly_precip,        cmap = 'YlGnBu')plt.show()

2.12 为多个子图添加标题和轴标签

可以继续添加ax1和ax2，例如为每个单独的绘图添加标题和轴标签，就像您以前只有一个绘图时所做的那样

可以使用ax1.set()为第一个绘图(柱状图)定义元素，使用ax2.set()为第二个绘图(散点图)定义元素

# Define plot spacefig, (ax1, ax2) = plt.subplots(2, 1, figsize=(12, 12))# Define x and y axesax1.bar(months,        boulder_monthly_precip,       color = 'cyan',        edgecolor = 'darkblue')# Set plot title and axes labelsax1.set(title = "Bar Plot of Average Monthly Precipitation",       xlabel = "Month",       ylabel = "Precipitation\n(inches)");# Define x and y axesax2.scatter(months,         boulder_monthly_precip,        c = boulder_monthly_precip,        cmap = 'YlGnBu')# Set plot title and axes labelsax2.set(title = "Scatter Plot of Average Monthly Precipitation",       xlabel = "Month",       ylabel = "Precipitation\n(inches)")plt.show()

现在已经有了多个图形(每个图形都有自己的标签) ，还可以为整个图形添加一个总体标题(使用指定的字体大小) ，使用:

fig.suptitle("Title text", fontsize = 16)

# Define plot spacefig, (ax1, ax2) = plt.subplots(2, 1, figsize=(12, 12))fig.suptitle("Average Monthly Precipitation for Boulder, CO", fontsize = 16)# Define x and y axesax1.bar(months,        boulder_monthly_precip,       color = 'cyan',        edgecolor = 'darkblue')# Set plot title and axes labelsax1.set(title = "Bar Plot",       xlabel = "Month",       ylabel = "Precipitation\n(inches)");# Define x and y axesax2.scatter(months,         boulder_monthly_precip,        c = boulder_monthly_precip,        cmap = 'YlGnBu')# Set plot title and axes labelsax2.set(title = "Scatter Plot",       xlabel = "Month",       ylabel = "Precipitation\n(inches)")plt.show()

2.13 将 Matplotlib 图形保存为图像文件

可以使用以下命令轻松地将图形保存到图像文件中，例如 .png：

plt.savefig ("path/name-of-file.png")

可以保存最新的数据，如果没有为文件指定一个路径，文件将会在你当前的工作目录文件夹中创建

查看Matplotlib文档以查看用于保存图形的其他文件格式的列表

# Define plot spacefig, (ax1, ax2) = plt.subplots(2, 1, figsize=(12, 12))fig.suptitle("Average Monthly Precipitation for Boulder, CO", fontsize = 16)# Define x and y axesax1.bar(months,        boulder_monthly_precip,       color = 'cyan',        edgecolor = 'darkblue')# Set plot title and axes labelsax1.set(title = "Bar Plot",       xlabel = "Month",       ylabel = "Precipitation\n(inches)");# Define x and y axesax2.scatter(months,         boulder_monthly_precip,        c = boulder_monthly_precip,        cmap = 'YlGnBu')# Set plot title and axes labelsax2.set(title = "Scatter Plot",       xlabel = "Month",       ylabel = "Precipitation\n(inches)")plt.savefig("output/average-monthly-precip-boulder-co.png")plt.show()

2.14 额外资源

• 关于颜色条的更多信息color bars

• 深入介绍matplotlib

3.1 自定义x轴日期刻度

# Import required python packagesimport osimport pandas as pdimport matplotlib.pyplot as pltfrom matplotlib.dates import DateFormatterimport matplotlib.dates as mdatesimport seaborn as snsimport earthpy as et# Date time conversion registrationfrom pandas.plotting import register_matplotlib_convertersregister_matplotlib_converters()# Get the data# data = et.data.get_data('colorado-flood')# Set working directoryos.chdir(os.path.join(et.io.HOME, 'learning','python_data_plot'))# Prettier plotting with seabornsns.set(font_scale=1.5)sns.set_style("whitegrid")

在本节中，将学习如何在Python中使用matplotlib绘制时间序列

# Read in the datadata_path = "data/precipitation/805325-precip-dailysum-2003-2013.csv"boulder_daily_precip = pd.read_csv(data_path,                                   parse_dates=['DATE'], # 将csv中的时间字符串转换成日期格式                                   na_values=['999.99'],                                   index_col=['DATE'])

boulder_daily_precip.head()

# Subset the data # 提取8月15至10月15之间的数据precip_boulder_AugOct = boulder_daily_precip["2013-08-15":"2013-10-15"]# View first few rows of dataprecip_boulder_AugOct.head()

fig, ax = plt.subplots(figsize=(12, 8))ax.plot(precip_boulder_AugOct.index.values,        precip_boulder_AugOct['DAILY_PRECIP'].values,        '-o',        color='purple')ax.set(xlabel="Date", ylabel="Precipitation (Inches)",       title="Daily Precipitation \nBoulder, Colorado 2013")# Format the x axis# 对x轴进行日期格式化ax.xaxis.set_major_locator(mdates.WeekdayLocator(interval=2))ax.xaxis.set_major_formatter(DateFormatter("%m-%d"))plt.show()

3.2 对Matplotlib进行日期格式化

在 matplotlib 中，也可以使用 DateFormatter 模块更改绘图轴上的日期格式

需要从 matplotlib 导入 DateFormatter，然后使用以下语法指定日期 DateFormatter 要使用的格式:

%Y-4位数年份 %y-2位数年份 %m-月份 %d-天

实现自定义日期的步骤：

• 定义日期格式: myFmt = DateFormatter("%m/%d")，这个日期格式是月/日，所以它看起来像这样: 10/05，代表10月5日

• 调用set_major_formatter()方法：

ax.xaxis.set_major_formatter(myFmt)

将上面定义的日期格式应用于绘图空间中

# Plot the datafig, ax = plt.subplots(figsize=(10,6))ax.scatter(precip_boulder_AugOct.index.values,           precip_boulder_AugOct['DAILY_PRECIP'].values,           color='purple')ax.set(xlabel="Date", ylabel="Precipitation (Inches)",       title="Daily Precipitation (inches)\nBoulder, Colorado 2013")# Define the date formatdate_form = DateFormatter("%m/%d")ax.xaxis.set_major_formatter(date_form)

3.3 X轴的日期刻度

特定的时间刻度可以沿着x轴添加，例如：大的刻度可以表示每个新的工作周的开始，小的刻度可以表示每个工作日

函数xaxis.set_major_locator()控制大刻度的位置，函数xaxis.set_minor_locator控制小刻度

# Plot the datafig, ax = plt.subplots(figsize=(10,6))ax.scatter(precip_boulder_AugOct.index.values,           precip_boulder_AugOct['DAILY_PRECIP'].values,           color='purple')ax.set(xlabel="Date", ylabel="Precipitation (Inches)",       title="Daily Precipitation (inches)\nBoulder, Colorado 2013")# 定义日期格式date_form = DateFormatter("%m/%d")ax.xaxis.set_major_formatter(date_form)# 确保每隔一周刻度减小一次ax.xaxis.set_major_locator(mdates.WeekdayLocator(interval=1))# ax.xaxis.set_minor_locator(mdates.DayLocator(1))

到此，相信大家对"Python中怎么使用Matplotlib绘制统计图"有了更深的了解，不妨来实际操作一番吧！这里是网站，更多相关内容可以进入相关频道进行查询，关注我们，继续学习！