数据可视化-Matplotlib绘制简单折线图
要查看使用matplotlib可制作的各种图表，请访问 http://matplotlib.org/ 的示例画廊。单击画廊中的图表，就可查看用于生成图表的代码。
import matplotlib.pyplot as plt
squares = [1, 4, 9, 16, 25]
plt.plot(squares)
plt.show()
解析：
- 首先要导入
pyplot模块，这里还给它指定了别名plt，以简化代码 - 创建一个平方数列
squares = [1, 4, 9, 16, 25] - 将数列传给函数
plot()，这个函数尝试根据这些数字绘制出有意义的图形 plt.show()打开matplotlib查看器，并显示绘制的图形
修改标签文字和线条的粗细
import matplotlib.pyplot as plt
squares = [1, 4, 9, 16, 25]
## 1. 线条粗细
plt.plot(squares, linewidth=5) # linewidth参数用来设置线条粗细
plt.show()
import matplotlib.pyplot as plt
squares = [1, 4, 9, 16, 25]
## 1. 线条粗细
plt.plot(squares, linewidth=5) # linewidth参数用来设置线条粗细
## 2.设置标题
plt.title(title, fontsize=24) # fontsize参数用来指定文字大小
plt.show()
import matplotlib.pyplot as plt
squares = [1, 4, 9, 16, 25]
## 1. 线条粗细
plt.plot(squares, linewidth=5) # linewidth参数用来设置线条粗细
## 2.设置标题
plt.title(title, fontsize=24) # fontsize参数用来指定文字大小
## 3.为坐标轴添加标签
plt.xlabel(xvalue, fontsize=24)
plt.ylabel(yvalue, fontsize=24)
plt.show()
import matplotlib.pyplot as plt
squares = [1, 4, 9, 16, 25]
## 1. 线条粗细
plt.plot(squares, linewidth=5) # linewidth参数用来设置线条粗细
## 2.设置标题
plt.title(title, fontsize=24) # fontsize参数用来指定文字大小
## 3.为坐标轴添加标签
plt.xlabel(xvalue, fontsize=24)
plt.ylabel(yvalue, fontsize=24)
## 4.设置刻度标记的大小
plt.tick_params(axis=both, labelsize=15) # labelsize参数用来指定刻度标记大小
plt.show()
校正图形
上图存在的问题，x轴值为4时，对应的平方值为25
造成上图的原因是，当为plot()提供一系列数字时，它假设第一个数据点对应的x坐标值为0；因此，这里需要改变这种默认行为
import matplotlib.pyplot as plt
## 提供输入值
input_value = [1, 2, 3, 4, 5]
## 提供输出值
squares = [1, 4, 9, 16, 25]
## 将输入值与输出值相对应
plt.plot(input_value, squares, linewidth=5)
plt.title(title, fontsize=24)
plt.xlabel(xvalue, fontsize=24)
plt.ylabel(yvalue, fontsize=24)
plt.tick_params(axis=both, labelsize=15)
plt.show()
使用scatter()绘制散点图并设置其样式
scatter()可以绘制单个点，向它传递一对x,y坐标，它将在指定位置绘制一个点
plt.scatter(2, 4)
plt.show()
## 1.参数s可以控制点的大小
plt.scatter(2, 4, s=200)
plt.show()
## 1.参数s可以控制点的大小
plt.scatter(2, 4, s=200)
## 2.设置图表标题
plt.title(title, fontsize=24)
plt.show()
## 1.参数s可以控制点的大小
plt.scatter(2, 4, s=200)
## 2.设置图表标题
plt.title(title, fontsize=24)
## 3.设置轴标签
plt.xlabel(xvalue, fontsize=24)
plt.ylabel(yvalue, fontsize=24)
plt.show()
## 1.参数s可以控制点的大小
plt.scatter(2, 4, s=200)
## 2.设置图表标题
plt.title(title, fontsize=24)
## 3.设置轴标签
plt.xlabel(xvalue, fontsize=24)
plt.ylabel(yvalue, fontsize=24)
## 4.设置刻度标记大小
plt.tick_params(axis=both, which=major, labelsize=15) # which : {major, minor, both}，major指定其为主要的点
plt.show()
接下来，绘制出一系列的点
# 设定x,y值对应数据集
x_value = [1, 2, 3, 4, 5]
y_value = [1, 4, 9, 16, 25]
plt.scatter(x_value, y_value, s=100)
plt.title(title, fontsize=24)
plt.xlabel(xvalue, fontsize=24)
plt.ylabel(yvalue, fontsize=24)
plt.tick_params(axis=both, which=major, labelsize=15)
plt.show()
自动计算数据
# 生成1000个序列
x_value = list(range(1, 1001))
# 生成x对应值的平方序列
y_value = [x**2 for x in x_value]
plt.scatter(x_value, y_value, s=40)
plt.title(title, fontsize=24)
plt.xlabel(xvalue, fontsize=24)
plt.ylabel(yvalue, fontsize=24)
plt.tick_params(axis=both, which=major, labelsize=15)
# 设置坐标轴的取值范围
plt.axis([0, 1100, 0, 1100000]) # 这里对应的是x,y的最小值与最大值
plt.show()
删除数据点的轮廓
matplotlib允许你给散点图中的各个点指定颜色。默认为蓝色点和黑色轮廓，在散点图包含的数据点不多时效果很好。但绘制很多点时，黑色轮廓可能会粘连在一起。要删除数据点的轮廓，可在调用sactter()时传递实edgecolor=none
x_value = list(range(1, 1001))
y_value = [x**2 for x in x_value]
# 删除数据点的轮廓
plt.scatter(x_value, y_value, edgecolor=none, s=40)
plt.title(title, fontsize=24)
plt.xlabel(xvalue, fontsize=24)
plt.ylabel(yvalue, fontsize=24)
plt.tick_params(axis=both, which=major, labelsize=15)
plt.axis([0, 1100, 0, 1100000])
plt.show()
自定义颜色
sectter()中的参数c可以指定数据点的颜色
颜色的值可以使用英文名称，也可以使用RGB颜色值——其实参形式是：传递参数c，并将其设置为一个元组，其中包含三个0~1之间的小数值，它们分别表示红色、绿色和蓝色分量
x_value = list(range(1, 1001))
y_value = [x**2 for x in x_value]
# 更改数据点的颜色
# plt.scatter(x_value, y_value, c=red, edgecolor=none, s=40)
# 或者
plt.scatter(x_value, y_value, c=(0.8, 0.3, 0.2), edgecolor=none, s=40)
plt.title(title, fontsize=24)
plt.xlabel(xvalue, fontsize=24)
plt.ylabel(yvalue, fontsize=24)
plt.tick_params(axis=both, which=major, labelsize=15)
plt.axis([0, 1100, 0, 1100000])
plt.show()
使用颜色映射
颜色映射(colormap) 是一系列颜色，它们从起始颜色渐变到结束颜色
x_value = list(range(1, 1001))
y_value = [x**2 for x in x_value]
# 设置颜色映射关系
plt.scatter(x_value, y_value, c=y_value, cmap=plt.cm.Blues, edgecolor=none, s=40)
plt.title(title, fontsize=24)
plt.xlabel(xvalue, fontsize=24)
plt.ylabel(yvalue, fontsize=24)
plt.tick_params(axis=both, which=major, labelsize=15)
plt.axis([0, 1100, 0, 1100000])
plt.show()
这里将参数c设置成了一个y值列表，并使用参数cmap告诉pyplot使用哪个颜色映射。这些代码将y值较小的点显示为浅蓝色，并将y值较大的点显示为深蓝色
要了解pyplot中所有颜色映射，请访问 http://matplotlib.org ，单击Examples，向下激动到Color Examples，再单击colormaps_reference
自动保存图象
x_value = list(range(1, 1001))
y_value = [x**2 for x in x_value]
plt.scatter(x_value, y_value, c=y_value, cmap=plt.cm.Blues, edgecolor=none, s=40)
plt.title(title, fontsize=24)
plt.xlabel(xvalue, fontsize=24)
plt.ylabel(yvalue, fontsize=24)
plt.tick_params(axis=both, which=major, labelsize=15)
plt.axis([0, 1100, 0, 1100000])
# 自动保存图象
plt.savefig(squares_plot.png, bbox_inches=tight)
plt.savefig(squares_plot.png, bbox_inches=tight)中第一个参数指定要以什么样的文件名保存图表，这个文件将会被保存到与当前文档同级的目录下；第二个参数指定将图表多余的空白区域裁剪掉
推荐阅读：
