这篇文章将为大家详细讲解有关如何实现数据可视化matplotlib，小编觉得挺实用的，因此分享给大家做个参考，希望大家阅读完这篇文章后可以有所收获。

importmatplotlib.pyplotaspltimportnumpyasnpimportnumpy.randomasrandnimportpandasaspdfrompandasimportSeries,DataFramefrompylabimportmplmpl.rcParams['axes.unicode_minus']=False#我自己配置的问题plt.rc('figure',figsize=(10,6))#设置图像大小%matplotlibinline

1. figure对象

Matplotlib的图像均位于figure对象中。

创建figure: plt.figure()

fig=plt.figure()

2. subplot子图

add_subplot：向figure对象中添加子图。

add_subplot(a, b, c)：a,b 表示讲fig分割成axb的区域，c 表示当前选中要操作的区域(c从1开始)。
add_subplot返回的是AxesSubplot对象，plot 绘图的区域是最后一次指定subplot的位置

ax1=fig.add_subplot(2,2,1)ax2=fig.add_subplot(2,2,2)ax3=fig.add_subplot(2,2,3)ax4=fig.add_subplot(2,2,4)

random_arr=randn.rand(50)#默认是在最后一次使用subplot的位置上作图plt.plot(random_arr,'ro--')#r:表示颜色为红色，o:表示数据用o标记，--:表示虚线#等价于：#plt.plot(random_arr,linestyle='--',color='r',marker='o')plt.show()

#hist：直方图：统计分布情况plt.hist(np.random.rand(8),bins=6,color='b',alpha=0.3)#bins:数据箱子个数

(array([3.,0.,0.,0.,2.,3.]),array([0.10261627,0.19557319,0.28853011,0.38148703,0.47444396,0.56740088,0.6603578]),<alistof6Patchobjects>)

#散点图plt.scatter(np.arange(30),np.arange(30)+3*randn.randn(30))

subplots ：生成子图/子图数组

#柱状图fig,ax=plt.subplots()x=np.arange(5)y1,y2=np.random.randint(1,25,size=(2,5))width=0.25ax.bar(x,y1,width,color='r')#画柱子ax.bar(x+width,y2,width,color='g')#画柱子ax.set_xticks(x+width)ax.set_xticklabels(['a','b','c','d','e'])#下标注明

fig,axes=plt.subplots(2,2,sharex=True,sharey=True)#共享轴坐标

subplots_adjust：调整subplots的间距

plt.subplots_adjust(left=0.5,top=0.5)

fig,axes=plt.subplots(2,2)

random_arr=randn.randn(8)fig,axes=plt.subplots(2,2)axes[0,0].hist(random_arr,bins=16,color='k',alpha=0.5)axes[0,1].plot(random_arr,'ko--')x=np.arange(8)y=x+5*np.random.rand(8)axes[1,0].scatter(x,y)x=np.arange(5)y1,y2=np.random.randint(1,25,size=(2,5))width=0.25axes[1,1].bar(x,y1,width,color='r')#画柱子axes[1,1].bar(x+width,y2,width,color='g')#画柱子axes[1,1].set_xticks(x+width)axes[1,1].set_xticklabels(['a','b','c','d','e'])#下标注明

重叠绘制

legend：显示图例

random_arr1=randn.randn(8)

random_arr2=randn.randn(8)

fig,ax=plt.subplots()ax.plot(random_arr1,'ko--',label='A')ax.plot(random_arr2,'b^--',label='B')plt.legend(loc='best')#　自动选择放置图例的最佳位置

设置刻度范围：set_xlim、set_ylim

设置显示的刻度：set_xticks、set_yticks

刻度标签：set_xticklabels、set_yticklabels

坐标轴标签：set_xlabel、set_ylabe

l图像标题：set_title

fig,ax=plt.subplots(1)ax.plot(np.random.randn(380).cumsum())#设置刻度范围ax.set_xlim([0,500])#设置显示的刻度(记号)ax.set_xticks(range(0,500,100))#设置刻度标签ax.set_xticklabels(['one','two','three','four','five'],rotation=30,fontsize='small')#设置坐标轴标签ax.set_xlabel('X:...')ax.set_ylabel('Y:...')#设置标题ax.set_title('Example')

3. Plotting functions in pandas

plt.close('all')s=Series(np.random.randn(10).cumsum(),index=np.arange(0,100,10))sfig,ax=plt.subplots(1)s.plot(ax=ax,style='ko--')

fig,axes=plt.subplots(2,1)data=Series(np.random.rand(16),index=list('abcdefghijklmnop'))data.plot(kind='bar',ax=axes[0],color='k',alpha=0.7)data.plot(kind='barh',ax=axes[1],color='k',alpha=0.7)

df=DataFrame(np.random.randn(10,4).cumsum(0),columns=['A','B','C','D'],index=np.arange(0,100,10))dfABCD0-0.5238221.061179-0.882215-0.26771810-0.178175-0.367573-1.465189-1.095390200.2761660.816511-0.3445571.297281300.5294000.159374-2.7651681.78469240-1.129003-1.665272-2.7465123.140976500.265113-1.821224-5.1408502.37744960-2.699879-3.895255-5.0115611.71517470-2.384257-3.480928-4.5191312.80536980-2.525243-3.031608-4.8401251.10662490-2.020589-3.519473-4.8232920.522323

df.plot()#列索引为图例，行索引为横坐标，值为纵坐标

df=DataFrame(np.random.randint(0,2,(10,2)),columns=['A','B'],index=np.arange(0,10,1))dfAB001101210301410510611700810910

df.plot(kind='bar')

df.A.value_counts().plot(kind='bar')

df.A[df.B==1].plot(kind='kde')df.A[df.B==0].plot(kind='kde')#密度图

df=DataFrame(np.random.rand(6,4),index=['one','two','three','four','five','six'],columns=pd.Index(['A','B','C','D'],name='Genus'))dfGenusABCDone0.7607500.9511590.6431810.792940two0.1372940.0054170.6856680.858801three0.2574550.7219730.9689510.043061four0.2981000.1212930.4006580.236369five0.4639190.5370550.6759180.487098six0.7986760.2391880.9155830.456184

df.plot(kind='bar',stacked='True')#行索引：横坐标

values=Series(np.random.normal(0,1,size=200))values.hist(bins=100,alpha=0.3,color='k',normed=True)values.plot(kind='kde',style='k--')

df=DataFrame(np.random.randn(10,2),columns=['A','B'],index=np.arange(0,10,1))df

plt.scatter(df.A,df.B)

关于如何实现数据可视化matplotlib就分享到这里了，希望以上内容可以对大家有一定的帮助，可以学到更多知识。如果觉得文章不错，可以把它分享出去让更多的人看到。