Matplotlib入门

Matplotlib入门

作为工具的可视化将部分分析来自数据科学家，以便从数据集中提取结论。在今天的文章中，我们将通过Matplotlib库进行。 Matplotlib是一个用于数据可视化的第三方库。它与Numpy，Scipy和Pandas结合使用。

基本绘图，功能可视化和数据可视化

2009年数据集“葡萄酒质量数据集“由Cortez等人阐述。在UCI机器学习中提供了一个众所周知的数据集，其中包含葡萄酒质量信息。它包括有关红色和白葡萄酒物理化学性质的数据和质量分数。在我们开始之前，我们将想象头部有点示例数据集：

基本情节

Matplotlib是一个具有无限电量的库，可以几乎任何可能的方式代表数据。要了解它的工作原理，我们将从最基本的指示开始，只要我们将增加困难。

检查数据分发的最有用方式是表示它，所以我们将首先绘制一系列点。为此，我们都可以使用 plt.plot. 和 PLT.散文 想象它们。

　点绘图分布列表

将Matplotlib导入PLT 
PLT.PLOT（[1,2,3,4]，[1,4,9,16]，'RO'）
PLT.AXIS（[0,6,0,21]）

代表使用“plot”功能的点列表：

图1.积分绘图列表 plt.plot. 和 plt.散射图。　

两者之间的差异随着颜色，形状和点的尺寸而来的控制。在 PLT.散文，您对每个点的外观都有更多的控制。

将Matplotlib导入PLT 
PLT.散射（[1,2,3,4]，[1,4,9,16]）
PLT.AXIS（[0,6,0,21]）

代表使用“分散”功能的点列表：

图2.三个不同点列表的图。

点= [[1,2,3,4]，[1,4,9,16]]
plt.plot（点[0]，点[1]，'g ^'）
plt.plot（[x在点中的x]]，点[1]，'r--'）
plt.plot（[x为单位的x] [0]]，点[1]，'bs'）
PLT.AXIS（[0,15,0,21]）

散点图函数允许您自定义不同点的形状。

功能可视化

有时我们希望根据某种功能的行为绘制一系列点。为了说明这个例子，我们将使用 正弦（2πx） 功能。正如您将看到的，我们之前将定义功能，以便我们可以使用我们创建的任何功能，它不必预定。

代表一个功能：

图3.使用散点图和绘图功能的点和线的函数的表示 matplotlib. 图书馆

将Matplotlib导入PLT 
将numpy导入np 

def sin（t）：
    返回np.sin（2 * np.pi * t）

t1 = np.arange（0.0，5.0,0.1）

PLT.散射（T1，SIN（T1））

现在我们将发出相同的表示，但使用通过所有这些点运行的行。

将Matplotlib导入PLT 
将numpy导入np 
def sin（t）：
    返回np.sin（2 * np.pi * t）

t1 = np.arange（0.0，5.0,0.1）

plt.plot（t1，sin（t1），'b'）

数据可视化

当我们开始研究我们的数据时，我们将开始一些基本但非常有用的可视化。为此，我们将使用上面讨论的优质葡萄酒数据集，我们将学习如何表示数据的直方图和两列之间的比较。

在我们的数据集中列表的直方图表示：

df_wine ['固定酸度']。hist（letcend = true）

比较DataSet的两列：

plt.figure（Figsize =（7,4））
plt.plot（df_wine ['固定酸度']，df_wine ['质量']，'ro'）
Plt.xlabel（'质量'）
Plt.ylabel（'固定酸度'）

在我们的数据集中列表的直方图表示：

plt.bar（df_wine ['质量']，df_wine ['固定酸度'））
Plt.xlabel（'质量'）
Plt.ylabel（'固定酸度'）

现在我们将提高困难，我们将进入Matplotlib呼叫数据。

Matplotlib在图（即Windows，Jupyter小部件等）上的数据（即，每个轴（即，可以在XY坐标方面可以指定点的区域，或者在极坐标中情节，或3D图中的XYZ等）。

使用轴创建图形的最简单方法是使用pyplot.subplots。然后我们可以使用轴.plot绘制轴上的一些数据。

图7.

我们将开始创建一个空数字，我们将向它添加标题。

带有标题'这是一个空的数字'空数字：

图= plt.figure（）
theSuptitle（'这是一个空的数字'，fontsize = 14，fontweight ='粗体'）
AX = FIG.DD_SUBPLOT（111）
plt.show（）

如你看到的 `fig.add_subplot（111）`　是子图网格参数作为单个整数。

例如，“111”表示“1×1电网，第一个子图”和“234”表示“2×3网格，第4个子图”。

替代形式 add_subplot（111） 是 add_subplot（1,1,1）

接下来，我们将写出每个轴代表的名称并添加一个小文本框。

绘图文本在一个框内：

图= plt.figure（）
theSuptitle（'这是一个空的数字'，fontsize = 14，fontweight ='粗体'）
AX = FIG.DD_SUBPLOT（111）

ax.set_xlabel（'xlabel'）
ax.set_ylabel（'ylabel'）

AX.Text（0.3,0.8，'盒装斜体文本数据Coords'，Style ='斜体'，
        BBOX = {'faceColor'：'红色'，'alpha'：0.5，'pad'：10}）
plt.show（）

现在我们将尝试写一个箭头后跟箭头。

绘制注释：

图= plt.figure（）
theSuptitle（'这是一个空的数字'，fontsize = 14，fontweight ='粗体'）
AX = FIG.DD_SUBPLOT（111）

ax.set_xlabel（'xlabel'）
ax.set_ylabel（'ylabel'）

ax.annotate（'注释'，xy =（0.2,0.1），xytext =（0.3,0.4），
            arrowprops = dict（facecholor ='黑色'，shrink = 0.05））
plt.show（）

最后，我们通常需要的东西是为了设置我们的代表的轴的范围。为此，我们将使用轴属性并将其传递我们要配置的值。

更改轴范围为x - > [0,10] y - > [0,10]：

图= plt.figure（）
theSuptitle（'这是一个空的数字'，fontsize = 14，fontweight ='粗体'）
AX = FIG.DD_SUBPLOT（111）

ax.set_xlabel（'xlabel'）
ax.set_ylabel（'ylabel'）

AX.AXIS（[0,10,0,10]）