使用Python库Matplotlib绘制常用图表类型

使用Python库Matplotlib绘图

一、Matplotlib绘图参数设置
- 1.1 设置分辨率和画布大小
- 1.2 保存图片并设置边缘留白为紧凑型
- 1.3 设置坐标轴标签
- 1.4 画直线设置线宽和颜色
- 1.5 画子图
- - 1.5.1 通过figure的add_subplot()画子图
  - 1.5.2 通过plt的subplots画子图
二、使用Matplotlib中scatter()方法画散点图
- 2.1 散点图添加图例和点标签
- 2.2 结合sklearn中make_blobs()方法绘制二分类数据
三、箱线图
四、双数轴折线图

一、Matplotlib绘图参数设置

1.1 设置分辨率和画布大小

# 分辨率参数-dpi，画布大小参数-figsize
plt.figure(dpi=300,figsize=(24,8))

1.2 保存图片并设置边缘留白为紧凑型

plt.savefig("accuracy.svg", bbox_inches="tight")

1.3 设置坐标轴标签

plt.xlabel("tree_num")
plt.ylabel("accuracy")

1.4 画直线设置线宽和颜色

plt.plot(accuracy, color="b", linewidth="1.6")

1.5 画子图

1.5.1 通过figure的add_subplot()画子图

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
%matplotlib inline
fig=plt.figure()
# 画第1个图：折线图
x=np.arange(1,100)
ax1=fig.add_subplot(221)
ax1.plot(x,x*x)
# 画第2个图：散点图
ax2=fig.add_subplot(222)
ax2.scatter(np.arange(0,10), np.random.rand(10))
# 画第3个图：饼图
ax3=fig.add_subplot(223)
ax3.pie(x=[15,30,45,10],labels=list('ABCD'),autopct='%.0f',explode=[0,0.05,0,0])
# 画第4个图：条形图
ax4=fig.add_subplot(224)
ax4.bar([20,10,30,25,15],[25,15,35,30,20],color='b')
plt.show()

1.5.2 通过plt的subplots画子图

fig, ax = plt.subplots(2, 2,figsize=(10,8))
# 画第1个图：折线图
x = np.arange(1, 100)
ax[0][0].plot(x, x * x)
# 画第2个图：散点图
ax[0][1].scatter(np.arange(0, 10), np.random.rand(10))
# 画第3个图：饼图
ax[1][0].pie(x=[15, 30, 45, 10], labels=list('ABCD'), autopct='%.0f', explode=[0, 0.05, 0, 0])
# 画第4个图：条形图
ax[1][1].bar([20, 10, 30, 25, 15], [25, 15, 35, 30, 20], color='b')
plt.show()

二、使用Matplotlib中scatter()方法画散点图

scatter()方法关键参数：

matplotlib.pyplot.scatter(x,  # 散点的坐标y,s=None, # 散点的面积c=None, # 散点的颜色marker=None, # 散点样式，默认值为实心圆，'o'cmap=None, norm=None,vmin=None,vmax=None,alpha=None, # 散点透明度，[0, 1]之间的数，0表示完全透明，1则表示完全不透明linewidths=None, # 散点的边缘线宽verts=None,edgecolors=None, # 散点的边缘颜色hold=None,data=None,**kwargs,
)

2.1 散点图添加图例和点标签

src_in_graph, tgt_in_graph = self.get_valid_source_and_target_list(source_list, target_list)
Xs, Ys = [], []
Xt, Yt = [], []
for s,t in zip(src_in_graph, tgt_in_graph):sx, sy = self.node_dict[s].coordtx, ty = self.node_dict[t].coordXs.append(sx)Ys.append(sy)Xt.append(tx)Yt.append(ty)
plt.scatter(Xs, Ys, c='r', label='source')
for i in range(len(src_in_graph)):plt.text(Xs[i], Ys[i], src_in_graph[i])
plt.scatter(Xt, Yt, c='b', label='target')
for i in range(len(src_in_graph)):plt.text(Xt[i], Yt[i], src_in_graph[i])
plt.legend()
plt.savefig('src-tgt coord.svg', bbox_inches="tight")

2.2 结合sklearn中make_blobs()方法绘制二分类数据

import matplotlib.pyplot as plt
from sklearn import datasetsX, y = datasets.make_blobs(n_samples=150, n_features=2, centers=2, cluster_std=2.05, random_state=47
)
y = np.where(y == 0, 0, 1)  # 将标签转换为0和1
plt.scatter(X[:, 0], X[:, 1], c=y)
plt.show()