Matplotlib库（一）

matplotlib是python的2D图形包，pyplot封装了很多画图的函数。

导入相关的包：

import matplotlib.pyplot as plt
import numpy as np
import pandas as pd

1. 基本绘图函数及相关设置

• plt.show()函数

  默认情况下matplotlib.pyplot不会直接显示图像，只有调用plt.show()函数时才显示

  plt.show()默认在新窗口打开一幅图像

• plt.plot()函数

  基本用法：plt.plot(x,y)

  plt.plot([1,2,3,4],[1,4,9,16])
  plt.show()
  ## 输出结果
  

plt.plot([1,2,3,4])    #绘制线图，y的值必须给定，x的值可以不用指定，默认使用索引0~(N-1)
plt.ylable('y')    #设置纵轴名称
plt.xlabel('x')    #设置横轴名称

• 字符参数

  字符	颜色	字符	颜色
  'b'	蓝色	'm'	品红，magenta
  'g'	绿色	'y'	黄色
  'r'	红色	'k'	黑色
  'c'	青色，cyan	'w'	白色

  字符	类型	字符	类型	字符	类型	字符	类型
  '-'	实线	'--'	虚线	'_'	横线点	'-.'	虚点线
  '.'	点	':'	点线	','	像素点	'o'	圆点
  'v'	下三角点	'^'	上三角点	'<'	左三角点	'>'	右三角点
  '1'	下三叉点	'2'	上三叉点	'3'	左三叉点	'4'	右三叉点
  '+'	加号点	'x'	乘号点	'p'	五角点	'*'	星形点
  'h'	六边形点1	'H'	六边形点2	'D'	实心菱形点	'd'	瘦菱形点
  's'	正方点

  plt.plot([1,2,3,4],[1,4,9,16],'ro')  #设置为红色圆点
  plt.show()
  ## 输出结果
  

• 显示范围 plt.axis([xmin,xmax,ymin,ymax])

  plt.plot([1,2,3,4],[1,4,9,16],'ro')  #设置为红色圆点
  plt.axis([0,5,0,20])
  plt.show()
  ## 输出结果
  

• 传入numpy数组

  如果传入的是列表，matplotlib会在内部将列表转化为数组再进行处理。

  t = np.arange(0,5,0.2)    #生成0到5不包含5的数组，步长为0.2
  plt.plot(t,t,'r--',t,t**2,'bs',t,t**3,'g^')   #在同一个图中画多条线
  plt.show()
  ## 输出结果
  

• 除字符串以外，线条属性还可以通过参数设置

  x = np.linspace(-np.pi,np.pi)
  y = np.sin(x)
  plt.plot(x,y,linewidth = 4,color = 'r')  #linewidth设置线宽
  plt.show()
  ## 输出结果
  

• 使用plt.plot()的返回值设置线条属性

  x = np.linspace(-np.pi,np.pi)
  y = np.sin(x)
  line1,line2 = plt.plot(x,y,'r-',x,y+1,'g-')
  line1.set_antialiased(False)   #可以直接对line1设置，取消抗锯齿
  plt.show()
  ## 输出结果
  

• 使用plt.setp()修改线条性质

  x = np.linspace(-np.pi,np.pi)
  y = np.sin(x)
  line = plt.plot(x,y)
  plt.setp(line,color = 'g',linewidth = 4)
  #或者plt.setp(line,'color','g','linewidth',4)
  

2. 子图

• figure(num)函数会产生一个指定编号为num的图

• subplot可以在一幅图中生成多个子图

  plt.subplot(numrows,numcols,fignum)
  

  numrows：生成子图的总行数

  numcols：生成子图的总列数

  fignum：指定某个子图的序号

  当 numrows*numcols < 10 时，中间的逗号可以省略

• 例如：

  def f(t):
      return np.exp(-t)*np.cos(2*np.pi*t)
  
  t1 = np.arange(0,5,0.1)
  t2 = np.arange(0,5,0.02)
  
  plt.figure(figsize = (10,6))
  plt.subplot(211)
  plt.plot(t1,f(t1),'bo',t2,f(t2),'r')
  
  plt.subplot(212)
  plt.plot(t2,np.cos(2*np.pi*t2),'k--')
  plt.show()
  ## 输出结果
  

3. 电影数据绘图

前期准备：

import matplotlib.pyplot as plt
import numpy as np
import pandas as pd
import warnings
warnings.filterwarnings('ignore')  #关闭警告提示

plt.rcParams['font.sans-serif'] = ['SimHei']   #图中可以正常显示中文
plt.rcParams['axes.unicode_minus'] = False   #图中可以正常显示负号

df = pd.read_excel('movie_data3.xlsx')   #读取豆瓣电影数据
df.head()    #查看前5行

3.1. 绘制柱状图

要求绘制每个国家的电影数量的柱状图：

data = df['产地'].value_counts()   #统计每个国家的电影数量
x = data.index
y = data.values

plt.figure(figsize = (10,6))    #打开一个10*6的画布
plt.bar(x,y,'g')   #绘制柱状图

plt.title('各国家电影数量',fontsize = 20)   #设置标题，字体大小为20
plt.xlabel('国家',fontsize = 18)       #设置横轴标题，字体大小为18
plt.ylabel('电影数量',fontsize = 18)       #设置纵轴标题，字体大小为18
plt.tick_params(labelsize = 14)  #设置坐标轴上的字体大小为14
plt.xticks(rotation = 90)    #设置横轴字体旋转90度

for a,b in zip(x,y):
    plt.text(a,b,b,ha = 'center',va = 'bottom',fontsize = 10)   #在(a,b)位置处添加文本，添加的是b的值，字体大小为10，ha设置水平居中，va设置垂直方向的位置
plt.show()      #展示图

3.2. 绘制曲线图

要求绘制每年上映的电影数量的曲线图：

data = df['年代'].value_counts()    #统计每年电影数量
data = data.sort_index()   #对索引排序
x = data.index
y = data.values

plt.plot(x,y,'b')
plt.title('每年电影数量',fontsize = 20)
plt.xlabel('年份',fontsize = 18)
plt.ylabel('电影数量',fontsize = 18)

for a,b in zip(x[::10],y[::10]):  #间隔十年添加文本
    plt.text(a,b+50,b,ha = 'center',va = 'bottom',fontsize = 10)

plt.annotate('2012年达到最大值',xy = (2012,data[2012]),xytext = (2025,2100),arrowprops = dict(facecolor = 'black',edgecolor = 'red'))  #xy是箭头尖的位置，xytext是箭头尾的位置，arrowprops设置箭头属性

plt.text(1980,1000,'电影数量开始快速增长')
plt.show()

3.3. 绘制饼图

要求根据电影长度绘制饼图：

plt.pie(x,explode = None,labels = None,colors = None,autopct = None,pctdistance = 0.6,shadow = False,labeldistance = 1.1,startangle = None,radius = None)

参数解释：

x：每一块的比例，如果sum(x)>1，会自动归一化

labels：每一块饼图外侧显示的说明文字

explode：每一块离开中心距离

startangle：开始绘制的角度，默认是从x轴正半轴逆时针画起，若等于90，则从Y轴正半轴开始

shadow：是否阴影

labeldistance：label绘制的位置，相对于半径的比例，如小于1则绘制在饼图内测

autopct：控制饼图内百分比设置

pctdistance：类似于labeldistance，指定autopct的位置

radius：控制饼图半径

data = pd.cut(df['时长'],[0,60,90,110,1000]).value_counts()   #将时长离散化为四个区间，并统计每个区间电影个数
y = data.values

plt.figure(figsize = (6,6))
plt.title('电影时长占比',fontsize = 15)
patches,l_text,p_text = plt.pie(y,labels = data.index,autopct = '%.1f %%',colors = 'rcyg')   #饼图的返回值分别是matplotlib.patches.Wedge对象序列、外部文字、内部文字，类型都是列表

for i in l_text:
    i.set_size(20)
    i.set_color('r')
for i in p_text:
    i.set_size(15)
    i.set_color('w')
    
plt.legend(loc = 'upper left')    #增加图例，位置是左上
plt.show()

3.4. 绘制频率分布直方图

要求绘制电影评分的频率分布直方图：

plt.figure(figsize = (10,6))
plt.hist(df['评分'],bins = 20,edgecolor = 'k',alpha = 0.5)    #bins设置直方图的柱子数量，默认是10；edgecolor设置柱子边框颜色；alpha设置透明度；facecolor设置直方图填充颜色；normed设置是否归一化，默认为0

返回值有：

n：直方图向量

bins：各个区间范围

patches：每个bin里面包含的数据，是一个列表