python数据分析matplotlib的基础绘图使用

前言

大家好，我是苏凉，在前面我们已经学习了网络爬虫并且获取到了数据，接下来当然是对数据进行分析啦，本篇文章带大家进入新的模块：pyhon数据分析基础matplotlib的基础绘图。

（一）什么是matplotlib

1.为什么要学习matplotlib

能将数据进行可视化，更直观的呈现。使数据更加的客观，更具有说服力。

2.什么是matplotlib

matplotlib：最流行的python底层绘图库，主要做数据可视化图表，名字取材于MATLAB，模仿MATLAB构建。

3. 安装matplotlib

在终端输入以下指令快速安装

pip install matplotlib -i https://pypi.douban.com/simple

4.导入matplotlib库

在matplotlib中导入模块pyplot

from matplotlib import pylot as plt

（二）matplotlib基本要点

1.matplotlib基本使用

下图中横轴表示x轴，纵轴表示y轴。

而axis轴指的就是x或者y这种坐标轴。 

注：这里的x和y的值要一一对应

那么上面的每一个红点都是什么呢？

每个红色的点是坐标,把5个点的坐标连接成一条线,组成了一个折线图。

那么到底如何把它通过代码画出来呢?通过下面的一个小例子来看一下matplotlib该如何简单的使用！！

题目：假设一天中每隔2个小时的气温分别是（15，13，14，15，17，24，26，25.5，26，28，14，13）

代码实现：

from matplotlib import pyplot as plt
# 一天每隔2小时range(2,26,2)
x = range(2,26,2)
y = [15,13,14,15,17,24,26,25.5,26,28,14,13]
# 在这里x和y的值一一对应
# 传入x ，y 的值通过plot绘制出折线图
plt.plot(x,y)
plt.show()

运行结果:

2.完善matplotlib绘制的图形

设置图片大小

设置图片大小需要调用figure，再里面可以设置图片的大小。在图片模糊时可以传入dpi参数，可以让图片更清晰。

fig = plt.figure(figsize=(10,10),dpi=100)

保存到本地

plt.savefig('./picture/1.jpg')

这里还可以保存为svg的矢量图格式，这样放大也不会失真。运行结果：

添加描述信息（x轴，y轴…）

plt.xlabel('time') #设置x轴描述信息
plt.ylabel('temp')#设置y轴描述信息
plt.title('total')# 设置标题

调整x，y轴的刻度间距

需要用到xticks方法。

plt.xticks(x)

当刻度太密集时使用列表的不常（间隔取值）来解决。

plt.xticks(x[::2])

设置中文显示

首先导入font_manager

from matplotlib import font_manager

其次在系统中找到本地字体拖到当前目录下fname传入字体的路径

my_font = font_manager.FontProperties(fname="./msyh.ttc")

fontproperties 设置中文显示

plt.xlabel('时间',fontproperties = my_font)
plt.ylabel('温度',fontproperties = my_font)
plt.title('24小时实时温度' ,fontproperties = my_font

运行结果：

线条的样式

在绘制的时候可以指定：

color = ‘r’ #设置线条颜色linestyle = ‘–’ #设置线条风格linewidth = 2 # 设置线条粗细alpha = 0.5 #设置线条透明度

下面是部分颜色的缩写：

下面时部分线条风格：

plt.plot(x,y,color = 'r' ,linestyle = '--',linewidth =3 ,alpha = 0.2)

运行结果：

添加水印

fig.text(x=0.45, 
	y=0.45, 
	s= '苏凉.py',
	fontproperties = my_font,
    fontsize=40, color='b',
    ha='center', va='center', alpha=0.2)

运行结果：

以上就是Python数据分析matplotlib的基础绘图使用的详细内容，更多关于python数据分析matplotlib绘图的资料请关注编程网其它相关文章！