matplotlib 绘图概述

matplotlib是python绘图的最重要的工具，使用matplotlib绘图时，必须理解画布（figure），图表（axe或subplot）和坐标轴（axis）的区别。figure是画布，matplotlib的图像都位于Figure对象中，而区域axe是画布上的一个子图（subplot），axis是子图上的坐标系。

下图显示了figure(画布)、axes(坐标系)、axis(坐标轴)三者之间的关系。

构成一个子图subplot（或axe）的元素有：

• tick（刻度）：Major tick、Minor tick和tick label
• axis：分为x轴和y轴，每个轴都有label
• legend：图列
• grid：背景表格
• marker：点的形状
• linestyle：线的形状
• color：线或点的颜色

一，导入相关库

导入常用的库，并设置画布的参数：

import numpy as np
import pandas as pd
import matplotlib as mpl
import matplotlib.pyplot as plt
# matplotlib画图常见参数设置
mpl.rcParams["font.family"] = "SimHei" # 设置字体
mpl.rcParams["axes.unicode_minus"]=False # 用来正常显示负号
plt.rcParams['font.sans-serif']=['SimHei'] # 用来正常显示中文标签

# 嵌入式显示图形
%matplotlib inline  

二，创建画布

创建画布的方式有显式和隐式两种，本文显式创建画布

1，通过figure函数创建画布

matplotlib.figure.Figure(figsize=None, dpi=None, facecolor=None, edgecolor=None, linewidth=0.0, frameon=None, subplotpars=None, tight_layout=None, constrained_layout=None, *, layout=None, **kwargs)

参数注释：

• figsize：是一个元组(width, height)，表示画布的大小
• dpi：Dots per inch，分辨率
• facecolor：画布的背景色
• edgecolor：画布边框的颜色
• linewith：画布边框的线宽
• frameon：是否显示画布的边框

添加子图，并设置子图在画布中的位置：

# 手动创建一个figure对象
figure = plt.figure()
# 获取每个位置的axes对象
axes1 = figure.add_subplot(2,1,1)
axes2 = figure.add_subplot(2,1,2)

函数add_subplot()的功能：切分画布，指定当前子图的区域，并返回该区域的引用。

在绘图完成之后，可以通过plt.show() 或者figure.show()把图形显示出来。

举例说明，在一块画布中绘制两个折线图，并设置linestyle和线的颜色：

import matplotlib.pyplot as plt

figure = plt.figure(figsize=(8,4),facecolor='white', edgecolor='red', linewidth=4, frameon=True)
axes1 = figure.add_subplot(2,1,1)
axes2 = figure.add_subplot(2,1,2)

axes1.plot([1,3,5,7],[4,9,6,8],linestyle='dashed',color='r')
axes2.plot([1,2,4,5],[8,4,6,2],linestyle='solid',color='g')
plt.show()

绘制的两个axe如下所示：

2，通过subplots函数创建画布

matplotlib.pyplot.subplots(nrows=1, ncols=1, *, sharex=False, sharey=False, squeeze=True, subplot_kw=None, gridspec_kw=None, **fig_kw)

参数注释：

• nrows, ncols：行和列的数量
• sharex, sharey：共享x和y轴，即所有subplot共享相同的x轴或y轴的刻度，调节xlim将会影响所有的subplot
• subplot_kw：用于创建各个subplot的关键字字典
• **fig_kw：创建figure的其他关键字

返回值是：figure，由axe的数组。

举个例子，使用plt.subplots(2,3) 生成一个画布，并返回一个由六个axe构成的2行3列的数组。

3，调整各个subplot之间的间距

 subplot可以通过pyplot来调整所有subplot的间距，

pyplot.subplots_adjust(left=None, bottom=None, right=None, top=None, wspace=None, hspace=None)

wsapce：不同subplot之间的水平间隔

hsapce：不同subplot之间的垂直间隔

三，绘制subplot

常用的图表类型：

• 线型图：axe.plot
• 散点图：axe.scatter
• 条形图：axe.bar

1，绘制线图Axes.plot

在一个线图中，可以绘制多条线，每条线都有自己的格式，通过参数[fmt]来设置，子图的属性，可以通过关键字参数 **kwargs来设置：

Axes.plot(*args, scalex=True, scaley=True, data=None, **kwargs)

Axes.plot([x], y, [fmt], *, data=None, **kwargs)
Axes.plot([x], y, [fmt], [x2], y2, [fmt2], ..., **kwargs)

参数[fmt]的格式：

fmt = '[marker][line][color]'

常用的关键字参数 **kwargs ：

• color：子图的背景色
• label：legent的标签
• linestyle：
• linewidth：

2，设置subplot的属性

axe.set_title()           #设置标题

axe.set_xlim()            #设置轴的范围
axe.set_ylim()

axe.set_xlabel()          #设置轴标签
axe.set_ylabel()         

axe.set_xticks()          #设置刻度 （横坐标等于哪些值的时候显示刻度）
axe.set_yticks()

axe.set_xticklabels()     #设置刻度标签 （刻度之下显示什么，默认是其代表的值）
axe.set_yticklabels()

3，设置注解

通过annotate设置注解，可以在注解中设置文本，箭头，详细的属性设置，请参考官方文档：matplotlib.axes.Axes.annotate

Axes.annotate(text, xy, *args, **kwargs)

参数注释：

• text：注释的文本
• xy：注释目标点的坐标
• xytext：注释字符串的坐标
• xycoords：参数xy所在的坐标系统，默认值是data
• textcoords 注释字符串(xytext)所在的坐标系统，默认与xycoords相同,也可以设置为'offset points'或'offset pixels'这种偏移量的形式
• arrowprops 字典结构，用于指定箭头属性

举个例子，绘制图形，并设置注解：

fig, ax = plt.subplots()
ax.broken_barh([(110, 30), (150, 10)], (10, 9), facecolors='tab:blue')
ax.broken_barh([(10, 50), (100, 20), (130, 10)], (20, 9),
               facecolors=('tab:orange', 'tab:green', 'tab:red'))
ax.set_ylim(5, 35)
ax.set_xlim(0, 200)
ax.set_xlabel('seconds since start')
ax.set_yticks([15, 25])
ax.set_yticklabels(['Bill', 'Jim'])
ax.grid(False)
ax.annotate('race interrupted', (61, 25),
            xytext=(0.8, 0.9), textcoords='axes fraction',
            arrowprops=dict(facecolor='black', shrink=0.05),
            fontsize=16,
            horizontalalignment='right', verticalalignment='top')

plt.show()

4，patch

patch需要添加到subplot中，完整的pacth集合位于matplotlib.patches

fig=plt.figure()
ax=fig.add_subplot(1,1,1)

rect=plt.Rectangle((0.2, 0.75),0.4, 0.15, color='k',alpha=0.3)
circ=plt.Circle((0.7,0.2),0.15,color='b',alpha=0.3)
pgon=plt.Polygon([[0.15,0.15],[0.35,0.4],[0.2,0.6]],color='g',alpha=0.5)

ax.add_patch(rect)
ax.add_patch(circ)
ax.add_patch(pgon)

plt.show()

 

 四，举个例子 

# The following code to create a dataframe and remove duplicated rows is always executed and acts as a preamble for your script: 

# dataset = pandas.DataFrame(Measure Mapping_DP_Advertiser_StoreConsumer_Month, ShortYearMonthName, MonthKey)
# dataset = dataset.drop_duplicates()

# Paste or type your script code here:

import pandas as pd
import matplotlib.pyplot as plt 

#exclude the current month
current_month = dataset['MonthKey'].max()

title = current_month
dataset=dataset.loc[dataset['MonthKey']<current_month, ['StoreConsumer_Month', 'ShortYearMonthName','MonthKey']]
target = 4.7
current_month = dataset['MonthKey'].max()
current_year_month=dataset.loc[dataset['MonthKey'] == current_month,'ShortYearMonthName'].max()


fig = plt.figure(figsize=(10,6), facecolor='white', frameon=False)
plt.subplots_adjust(wspace=1, hspace=1)
ax=fig.add_subplot(1,1,1)
ax.spines['right'].set_visible(False)
ax.spines['top'].set_visible(False)
ax.spines['left'].set_visible(False)
ax.get_yaxis().set_visible(False)
ax.set_xticklabels(labels=dataset['ShortYearMonthName'],fontdict={'fontsize':15,'fontweight':1} )
ax.plot('ShortYearMonthName','StoreConsumer_Month',data=dataset, lw=2, linestyle='dashed', color='blue', marker='o')

for i in dataset['ShortYearMonthName']:
    for j in dataset.loc[dataset['ShortYearMonthName']==i,'StoreConsumer_Month']:
        plt.text(x=i,y=j+j*0.005,s=j,ha='center',va='top',fontsize=20) 
        
plt.axhline(target,color='red', lw=2, linestyle='dashed',alpha=0.7)
plt.annotate('Target {0}'.format(target),xy=(0, target), xytext=(current_year_month,target), fontsize=20)

plt.show() 

 

 

 

 

 

参考文档：

matplotlib绘图的核心原理讲解(超详细)