python matplotlib库的基本使用


Posted in Python onSeptember 23, 2020

matplotlib简介

如果你在大学里参加过数学建模竞赛或者是用过MATLAB的话,相比会对这一款软件中的画图功能印象深刻。MATLAB可以做出各种函数以及数值分布图像非常的好用和方便。如果你没用过呢也没关系,知道这么回事就好了。MATLAB虽然好用,但毕竟是收费软件,而且相比于MATLAB,很多人更喜欢Python的语法。

所以呢MATLAB就被惦记上了,后来有大神仿照MATLAB当中的画图工具,也在Python当中开发了一个类似的作图工具。这也就是我们今天这篇文章要讲的matplotlib,也是Python、数据分析以及机器学习领域当中使用最广泛的作图工具包,几乎没有之一。前段时间不是美国政府搞事情,导致MATLAB公司宣布对中国的几所高校禁止使用MATLAB嘛,有一些人就提出来说我们可以使用Python当中的一些开源工具代替,当然MATLAB当中还有很多其他厉害的功能,Python可能不一定能代替,但至少在作图这个领域是没问题的。

matplotlib 基本用法

matplotlib广泛流行的一个非常主要的原因就是它方便、好用,我们来看几个经典的例子就知道了,短短几行代码就可以作出质量非常高的图。

我们使用的是matplotlib这个包下的pyplot这个库,从名字上我们也看得出来它是Python库。如果你安装了Anaconda这样完整的Python包管理工具的话,那么这个包默认应该已经装好了。如果没有,可以使用pip安装一下,命令也非常简单。

pip install matplotlib

装好了包之后,我们通常的使用惯例是将它重命名成plt,所以如果你阅读一些源码以及其他大神的代码,作图的时候经常会出现plt.xxx,就是这么来的。

import matplotlib.pyplot as plt

plot当中有几种常用的作图工具,第一种是作折线图或者是曲线图的,叫做plot。第二种是作柱状图的叫做hist,第三种是作散点图的,叫做scatter,第四种是作饼状图的。除此之外还可以作一些三维的图像,但是一般日常当中使用得比较少,大部分是用来炫技的。

曲线图

plot其实是用来作曲线图的,采用的方法是描点呈现,它会将我们的数据点串联起来,成为一条光滑的曲线。当然,作折线、直线也都是可以的,最后成图的效果完全是由我们的数据决定的。

它的使用方法很简单,在最基本的用法当中,我们只需要传入两个list,分别代表x轴和y轴的值即可。比如我们要作出一个logistic的函数图像。我们可以这样:

x = np.linspace(-10, 10, 100)
y = 1 / (1 + np.exp(-x))

plt.plot(x, y)
plt.show()

在上面的代码当中我们首先使用numpy当中的linspace函数生成了一个-10到10之间的numpy数组。这个数组当中有100个点,在-10到10之间均匀分布。我们对它计算对应的logistic函数的值,也就是1 / (1 + np.exp(-x))。这个函数我想大家都应该很熟悉了,x是一个一百个点的list,对应的y也是一个一百个点的list。也就是说一个x对应一个y构成了一个点对,代表图中的一个坐标。

我们不需要做任何转化,只需要把这两个数组传入plt当中,它会自动替我们完成坐标的映射。最后呈现的效果如下。

python matplotlib库的基本使用

我们可以看到作图的效果还是不错的,除了把图像完成的绘制出来之外,还替我们在坐标轴上画上了点位,方便我们查看数据。

直方图

hist可以用来绘制直方图,这也是我们非常常见的图像。在财经领域我们经常用直方图反应一个数据的走势,在数据分析和机器学习当中我们也经常用直方图来反应某一个特征或者是值的分布。

在直方图当中我们只需要传入一个数组,就是我们要求分布的数组,另外我们需要再输入一个参数bins,表示我们希望将数据分桶的数量。然后它会绘制出每个桶中数据数量的直方图,这样我们就可以很直观地看出分布来了。

x = np.random.normal(size=200)
plt.hist(x,bins=30)
plt.show()

这里我们调用numpy当中以正态分布概率随机的函数,得到的结果应该是正态分布的。

python matplotlib库的基本使用

我们查看图像,这个结果和我们的预期基本吻合。

点状图

第三种图像叫做散点图,它反应的是每个点的分布情况。比如我们之前在介绍KNN和Kmeans模型的时候曾经都作过散点图,一个点代表一个样本,通过散点图我们观察的也是样本和数据分布的情况。但是和直方图相比它更加得直观,我们能直接看到分布,而不是一个分布的统计结果。

但是它也有缺点,缺点就是我们只能观察二维平面当中的点的分布,毕竟超过3维的维度就没办法绘制了。而且3维的数据分布也不是很好观察。

同样散点图的绘制也很简单,我们只需要调用scatter函数传入x和y的数组即可。

x = np.random.rand(100)
y = np.random.rand(100)

plt.scatter(x, y)

这里我们的x和y都是随机分布,所以得到的结果是散乱没有规律的点。

python matplotlib库的基本使用

饼状图

最后我们来看下饼状图,饼状图也很常用,虽然也是反映的数据分布,但是它更多是体现某一个值占的比例。通过饼状图,我们可以很直观地了解到这点。

我们可以传入一个list进入pie函数,plot会根据list当中值在总体的占比绘制饼状图。我们来看个很简单的例子:

a = np.array([0.5, 0.3, 0.2, 0.1, 0.8])

plt.pie(a)

得到的结果如下:

python matplotlib库的基本使用

和之前的结果相比饼状图稍稍不清晰一些,因为它虽然用不同颜色区分了不同的区域的,但是我们很难直观地看出来每一个区域分别代表什么。这个问题是可以解决的,我们可以通过传入一些参数和设定来让它展示更多的信息,让数据变得更加生动以及清晰。

今天的文章到这里就结束了,如果喜欢本文的话,请来一波素质三连,给我一点支持吧(关注、转发、点赞)。

以上就是python matplotlib库的基本使用的详细内容,更多关于python matplotlib的资料请关注三水点靠木其它相关文章!

Python 相关文章推荐
用Python写的图片蜘蛛人代码
Aug 27 Python
Python标准库之随机数 (math包、random包)介绍
Nov 25 Python
Python基于DES算法加密解密实例
Jun 03 Python
Python内置函数delattr的具体用法
Nov 23 Python
Python字符串逆序输出的实例讲解
Feb 16 Python
使用python 对验证码图片进行降噪处理
Dec 18 Python
Nginx+Uwsgi+Django 项目部署到服务器的思路详解
May 08 Python
浅谈优化Django ORM中的性能问题
Jul 09 Python
如何用Anaconda搭建虚拟环境并创建Django项目
Aug 02 Python
基于python图书馆管理系统设计实例详解
Aug 05 Python
Python基础之教你怎么在M1系统上使用pandas
May 08 Python
教你用python实现一个无界面的小型图书管理系统
May 21 Python
15个应该掌握的Jupyter Notebook使用技巧(小结)
Sep 23 #Python
Python读取多列数据以及用matplotlib制作图表方法实例
Sep 23 #Python
PyCharm 2020.2下配置Anaconda环境的方法步骤
Sep 23 #Python
python中如何打包用户自定义模块
Sep 23 #Python
python使用matplotlib绘制折线图的示例代码
Sep 22 #Python
python利用paramiko实现交换机巡检的示例
Sep 22 #Python
python批量修改交换机密码的示例
Sep 22 #Python
You might like
php中邮箱地址正则表达式实现与详解
2012/04/24 PHP
PHP函数in_array()使用详解
2014/08/20 PHP
javascript实现动态增加删除表格行(兼容IE/FF)
2007/04/02 Javascript
javascript 学习之旅 (3)
2009/02/05 Javascript
jquery validator 插件增加日期比较方法
2010/02/21 Javascript
Jquery数独游戏解析(一)-页面布局
2010/11/05 Javascript
jQuery参数列表集合
2011/04/06 Javascript
兼容ie、firefox的图片自动缩放的css跟js代码分享
2012/01/21 Javascript
当鼠标滑过文本框自动选中输入框内容的JS代码分享
2013/11/26 Javascript
在百度知道团队中快速审批新成员的js脚本
2014/02/02 Javascript
javascript替换已有元素replaceChild()使用介绍
2014/04/03 Javascript
alert和confirm功能介绍
2014/05/21 Javascript
js变量、作用域及内存详解
2014/09/23 Javascript
不同js异步函数同步的实现方法
2016/05/28 Javascript
原生node.js案例--前后台交互
2017/02/20 Javascript
jQuery Plupload上传插件的使用
2017/04/19 jQuery
axios全局请求参数设置,请求及返回拦截器的方法
2018/03/05 Javascript
在小程序开发中使用npm的方法
2018/10/17 Javascript
jQuery实现表格的增、删、改操作示例
2019/01/27 jQuery
angularjs1.X 重构controller 的方法小结
2019/08/15 Javascript
基于JavaScript实现留言板功能
2020/03/16 Javascript
Vue.js中使用Vuex实现组件数据共享案例
2020/07/31 Javascript
python安装cx_Oracle模块常见问题与解决方法
2017/02/21 Python
Python入门_浅谈字符串的分片与索引、字符串的方法
2017/05/16 Python
Django JWT Token RestfulAPI用户认证详解
2019/01/23 Python
python 中xpath爬虫实例详解
2019/08/26 Python
HTML5的video标签的浏览器兼容性增强方案分享
2016/05/19 HTML / CSS
西班牙购买行李箱和背包网站:Maletas Greenwich
2019/10/08 全球购物
平面设计师的工作职责
2013/11/21 职场文书
专升本个人自我评价
2013/12/22 职场文书
吨的认识教学反思
2014/04/27 职场文书
力学专业求职信
2014/07/23 职场文书
2014年学校教学工作总结
2014/12/06 职场文书
2016幼儿园教师年度考核评语
2015/12/01 职场文书
一文搞懂python异常处理、模块与包
2021/06/26 Python
十大最强妖精系宝可梦,哲尔尼亚斯实力最强,第五被称为大力士
2022/03/18 日漫