matplotlib基本使用

BZR

看到有大佬讲解Pandas，那我就说一下matplotlib吧
matplotlib同Pandas一样，都是Python的第三方工具包（库）；Pandas注重数据操作与分析，而matplotlib注重于数据可视化。说白了就是2D 3D表格。
首先如何安装：打开Terminal控制台，输入pip install matplotlib或pip3 install matplotlib即可。
如果pip太慢，可以用国内镜像源安装：python3 -m pip install —upgrade matplotlib -i https://pypi.tuna.tsinghua.edu.cn/simple
方便提供数据，建议再安装一个NumPy：pip3 install numpy
调用
要调用我们安装的matplotlib和NumPy，直接

1. import numpy
   
2. import maplotlib

复制代码

但一般我们嫌工具包名字太长，会 import ... as ...，这样使用的时候直接用as后的名称就可以了

1. import numpy as np
   
2. import matplotlib as plt

复制代码

2D作图
注：以下内容参考https://www.youtube.com/watch?v=OZOOLe2imFo&t=2642s
1. 散点图 Scatter Plot
我们先用numpy搞出x、y两组数据（np.random.random(x) * (y): 生成x个随机数值，范围0～y）：

1. x_data = np.random.random(50) * 100 # 生成50个随机数值，范围0～100
   
2. y_data = np.random.random(50) * 100

复制代码

散点图绘制格式：
plt.scatter(x数据, y数据, c = 颜色（名称、RGB、缩写均可）, marker = 图标（默认为点）,
            s = 点大小（默认100）, alpha = 透明度（默认1，不透明）)

例如，用我们生成的x、y数据来做一个散点图：

1. plt.scatter(x_data, y_data, c = 'blue', s = 120, alpha = 0.3)

复制代码

而matplotlib需要单独的指令来显示做出的图表：

1. plt.show()

复制代码

输出的散点图就像这样：
2. 折线图 Line plot
假设我们要观察每年中国成年人平均体重：

1. years = [2016, 2017, 2018, 2019, 2020, 2021, 2022, 2023, 2024, 2025]
   
2. weights = [80, 80.7, 85, 84, 87, 82, 84.5, 89.2, 93, 88]

复制代码

折线图绘制格式：
plt.plot(x数据, y数据, c = 颜色（名称、RGB、缩写）, lw = 线粗,
        linestyle = 线型)
linestyle:
    '-', 'solid' 实线（默认）
    '--', 'dashed' 虚线
    '-.', 'dashdot' 线点
    ':', 'dotted' 点
    'None', ' ', '' 无

例如，用years和weights生成折线图：

1. plt.plot(years, weights, c = 'red', lw = 3, linestyle = ':')
   
2. plt.show()

复制代码

3. 柱状图 Bar graph
假设我们要统计每个编程语言的投票数：

1. languages = ['C++', 'C#', 'Python', 'Java', 'Go', 'Scratch']
   
2. votes = [133, 53, 156, 91, 73, 104]

复制代码

柱状图绘制格式：
plt.bar(x数据, y数据, color = 颜色（名称、RGB、缩写）, align = x标位置,
        edgecolor = 柱边线颜色, lw = 柱边线宽, width = 柱宽)
align:
    'center' 中心（默认）
    'edge' 左侧

根据我们设置的数据，生成一个柱状图：

1. plt.bar(languages, votes, color = 'yellow', align = 'edge', edgecolor = 'black', lw = 2, width = 0.5)
   
2. plt.show()

复制代码

4. 直方图 Histogram直方图与别的图表不同的是，它只需要一组数据，因为直方图一般是用横轴表示数据类型，而纵轴是表示分布情况。
比如，我们先用numpy生成一组数据：

1. ages = np.random.normal(20, 1.5, 1000) # 生成1000个平均值为20的数，平均差值为1.5

复制代码

直方图绘制格式：
plt.hist(数据, bins = 区间的数量 或 [每个区间的具体数值],
        cumulative = 是否为累计直方图)

其中，累计直方图是一种阶梯状的直方图，更清晰地表示小于等于区间上限的数据点，比如：

1. plt.hist(ages, bins = 20, cumulative = True)

复制代码

当然，试试正常直方图，并且指定直方图每个区间的具体数值：

1. plt.hist(ages, bins = [min(ages), 18, 20, 22, max(ages)], cumulative = False)

复制代码

可以看到，min(ages)应该是图中最左边的区间，大约是15；然后是18、20、22；最后max(ages)在最右边，大约是25。
（当然，因为我们只指定了5个区间，所以直方图不是很好看...）
5. 饼图 Pie Chart
作一个饼图，我们还是用刚才的编程语言投票：

1. languages = ['C++', 'C#', 'Python', 'Java', 'Go', 'Scratch']
   
2. votes = [123, 53, 166, 91, 73, 104]

复制代码

饼图绘制格式就比较复杂了：
explodes = [x * 0~1]（多少数据多少数值，不突出的值为0，突出的值>0）
plt.pie(数据名, labels = 标签名/None, explode = explodes,
        autopct（显示占比） = '%.nf%%'（n位小数）, pctdistance = 占比数字离标签的距离,
        startangle = 饼图开始角度)

做点说明：
explode用来表示饼图中我们想要强调的区块，explodes值>0的区块会在原来位置向外偏离一点。（就像被炸出去了一样，是不是很贴切？）
startangle是指饼图开始绘制时的初始角度，matplotlib绘制饼图是是从列表中第一个数值开始逆时针绘制。就比如当startangle = 90时，第一个区块的右边线就会是90度。
例如：

1. explodes = [0, 0, 0.3, 0, 0, 0]
   
2. plt.pie(votes, labels = languages, explode = explodes, autopct = '%.2f%%', pctdistance = 0.8, startangle = 90)
   
3. plt.show()

复制代码

在这张饼图中，Python项的explode值是0.3，所以它的区块就“炸”出去了一点。autopact = '%.2f%%'，所以占比就近似到了两位小数。startangle = 90，所以C++那一区块的右边线就是垂直的。
表格改制 Customizing Plots
现在我们所制作的表格都只是——表格（bruh），没有标题 title、标签 label、图例 legend 等重要元素。所以我们要进行改制。
我们来作一个刘老师年收入的折线图并加上标签。（如果数据不准确欢迎指正 lol）
先简单绘制一个折线图：

1. years = [2016, 2017, 2018, 2019, 2020, 2021, 2022, 2023, 2024, 2025]
   
2. incomes = [550, 560, 630, 610, 720, 780, 810, 850, 840, 850]
   
3. plt.plot(years, incomes)

复制代码

当然，刘老师的年收入不可能是八百多块钱，所以我们要加标签：

1. plt.xlabel('Year') # x坐标名称
   
2. plt.ylabel('Yearly income in k-RMB') # y坐标名称

复制代码

这样刘老师的年收入就被我们澄清成2024赚85万元了。
我们再给这个折线图一个标题：

1. plt.title('Income of Mr. Liu', fontsize = 20, fontname = 'Times New Roman') # 表格名称

复制代码

最后再生成：

1. plt.show()

复制代码

接下来，我们再绘制一个有图例的重叠表格：
绘制含有多组信息的重叠表格很简单，只需要把所有要展示的信息都标下来，最后再显示就可以了。
我们先给定三个公司的股票数据：

1. stockA = [100, 102, 99, 101, 101, 100, 103]
   
2. stockB = [98, 95, 100, 98, 102, 103, 101]
   
3. stockC = [70, 71, 79, 84, 93, 101, 75]

复制代码

我们在将它添加到折线图中，并添加图例：

1. plt.plot(stockA, label = 'Company A')
   
2. plt.plot(stockB, label = 'Company B')
   
3. plt.plot(stockC, label = 'Company C')

复制代码

注意：添加完图例之后一定要再写上

1. plt.legend()

复制代码

最后再显示出来：

1. plt.show() # 同时显示3条折线

复制代码

这样就可以了！到此为止用matplotlib绘制一些常见的二维图表就基本上结束了。当然，matplotlib可以绘制一些比较“高级”的二维图表，比如平面直角坐标系、热力图、风向图等等。但因为操作和定义起来比较繁琐，我个人推荐用别的工具包去绘制，在这条帖子就不赘述了。

BZR

我才发现我抢了Kelvin的下期内容......