matplotlib点线 坐标刻度 3D图绘制(六)

plot语句中支持除X,Y以外的参数，以字符串形式存在，来控制颜色、线型、点型等要素，语法形式为：
plt.plot(X, Y, 'format', ...)

1 点和线的样式

颜色

参数color或c
五种定义颜色值的方式
别名
color='r'

合法的HTML颜色名
color = 'red'
HTML十六进制字符串
color = '#eeefff'
归一化到[0, 1]的RGB元组
color = (0.3, 0.3, 0.4)
灰度
color = (0.1)

透明度

# 透明度
y = np.arange(1, 3)
plt.plot(y, c="red", alpha=0.1);    # 设置透明度
plt.plot(y+1, c="red", alpha=0.5);
plt.plot(y+2, c="red", alpha=0.9);

背景色

设置背景色，通过plt.subplot()方法传入facecolor参数，来设置坐标轴的背景色

plt.subplot(facecolor='cyan');
plt.plot(np.random.randn(10),np.arange(1,11))

线型

• 线型

  线条风格	描述	线条风格	描述
  ' - '	实线	' : '	虚线
  ' -- '	破折线	'steps'	阶梯线
  ' -. '	点划线	''	没有

• 点型

  y = np.arange(1, 3, 0.2)
  plt.plot(y, '1', y+0.5, '2', y+1, '3', y+1.5,'4');
  plt.plot(y+2, '3')  #不声明marker，默认ls = None
  plt.plot(y+2.5,marker = '3') #声明了marker，ls 默认是实线
  plt.show()
  

• 多参数连用

  #颜色、点型、线型
  
  x = np.linspace(0, 5, 10)
  plt.plot(x,3*x,'r-.')
  plt.plot(x, x**2, 'b^:') # blue line with dots
  plt.plot(x, x**3, 'go-.') # green dashed line
  plt.show()
  

• 点线的设置

  参数	描述	参数	描述
  color或c	线的颜色	linestyle或ls	线型
  linewidth或lw	线宽	marker	点型
  markeredgecolor	点边缘的颜色	markeredgewidth	点边缘宽度
  makerfacecolor	点内部的颜色	markersize	点大小

三种设置方式

对实例使用一系列的setter方法

x = np.arange(0,10)
y = np.random.randint(10,30,size = 10)
line,= plt.plot(x, y)
line2 = plt.plot(x,y*2,x,y*3)
line.set_linewidth(5)
line2[1].set_marker('o')
print(line,line2)

使用setp()方法

line = plt.plot(x, y)
plt.setp(line, 'linewidth', 1.5,'color','r','marker','o','linestyle','--')

2 坐标轴刻度

• xticks()和yticks()方法

x = [5, 3, 7, 2, 4, 1]
plt.plot(x);
plt.xticks(range(len(x)), ['a', 'b', 'c', 'd', 'e', 'f']); # 传入位置和标签参数，以修改坐标轴刻度
plt.yticks(range(1, 8, 2));
plt.show()

• 面向对象方法

set_xticks、set_yticks、set_xticklabels、set_yticklabels方法

fig = plt.figure(figsize=(10, 4))
ax = fig.add_subplot(111)

x = np.linspace(0, 5, 100)

ax.plot(x, x**2, x, x**3, lw=2)

ax.set_xticks([1, 2, 3, 4, 5])
ax.set_xticklabels(['a','b','c','d','e'], fontsize=18)

yticks = [0, 50, 100, 150]
ax.set_yticks(yticks)
ax.set_yticklabels([y for y in yticks], fontsize=18); # use LaTeX formatted labels

• 正弦余弦：LaTex语法，用\(\pi\)等表达式在图表上写上希腊字母

x = np.arange(-np.pi,np.pi,0.01)
plt.figure(figsize=(12,9))
plt.plot(x,np.sin(x),x,np.cos(x))

plt.axis([x.min()-1,x.max()+1,-1.2,1.2])

#xticks:参数一刻度，参数二，对应刻度上的值
plt.xticks(np.arange(-np.pi,np.pi+1,np.pi/2),
           ['$-\delta$','$-\pi$/2','0','$\pi$/2','$\pi$'],size = 20)

plt.yticks([-1,0,1],['min','0','max'],size = 20)

plt.show() 

3 直方图 条形图 饼图 散点图

• 直方图 【直方图的参数只有一个x！！！不像条形图需要传入x,y】

  hist()的参数
  bins
  可以是一个bin数量的整数值，也可以是表示bin的一个序列。默认值为10
  normed
  如果值为True，直方图的值将进行归一化处理，形成概率密度，默认值为False
  color
  指定直方图的颜色。可以是单一颜色值或颜色的序列。如果指定了多个数据集合，颜色序列将会设置为相同的顺序。如果未指定，将会使用一个默认的线条颜色
  orientation
  通过设置orientation为horizontal 横向创建水平直方图。默认值为vertical 纵向

  x = np.random.randint(5,size = 5)
  display(x)
  plt.hist(x,histtype = 'bar'); 
  

• 正态分布

  u = 100 #数学期望
  s = 15 #方差
  x = np.random.normal(u,s,1000) # 生成正太分布数据
  
  ax = plt.gca() #获取当前图表
  ax.set_xlabel('Value')
  ax.set_ylabel('Frequency') #设置x，y轴标题
  ax.set_title("Histogram normal u = 100 s = 15") #设置图表标题
  
  ax.hist(x,bins = 100,color = 'r',orientation='horizontal')
  plt.show()
  

• 条形图

  bar() 方法 : 第一个参数为条形左下角的x轴坐标，第二个参数为条形的高度；
  matplotlib会自动设置条形的宽度，本例中条形宽0.8

  plt.bar([1, 2, 3], [3, 2, 5]); 
  plt.show()
  

  # 例子：绘制并列条形图
  data1 = 10*np.random.rand(5)
  data2 = 10*np.random.rand(5)
  data3 = 10*np.random.rand(5)
  
  locs = np.arange(1, len(data1)+1)
  width = 0.27
  
  plt.bar(locs, data1, width=width);
  plt.bar(locs+width, data2, width=width, color='red');
  plt.bar(locs+2*width, data3, width=width, color='green') ;
  plt.xticks(locs + width*1, locs);
  plt.show()
  

  barh方法

  plt.barh([1, 2, 3], [3, 2, 5],height = 0.27,color = 'cyan');
  plt.show()
  

• 饼状图

  饼图:【饼图也只有一个参数x！】
  pie()
  饼图适合展示各部分占总体的比例，条形图适合比较各部分的大小

  常规的饼图绘制

  plt.figure(figsize = (4,4)) # 饼图绘制正方形
  x = [45,35,20] #百分比
  labels = ['Cats','Dogs','Fishes'] #每个区域名称
  plt.pie(x,labels = labels)
  plt.show()
  

  部分饼图的绘制

  plt.figure(figsize=(4, 4));
  x = [0.1, 0.2, 0.3] # 当各部分之和小于1时，则不计算各部分占总体的比例，饼的大小是数值和1之比
  labels = ['Cats', 'Dogs', 'Fishes']
  plt.pie(x, labels=labels); # labels参数可以设置各区域标签
  plt.show()
  

  切分的饼图

  # labels参数设置每一块的标签；labeldistance参数设置标签距离圆心的距离（比例值）
  # autopct参数设置比例值的显示格式（%1.1f%%）；pctdistance参数设置比例值文字距离圆心的距离
  # explode参数设置每一块顶点距圆形的长度（比例值）；colors参数设置每一块的颜色；
  # shadow参数为布尔值，设置是否绘制阴影
  
  plt.figure(figsize=(4, 4));
  x = [4, 9, 21, 55, 30, 18]
  labels = ['Swiss', 'Austria', 'Spain', 'Italy', 'France', 'Benelux']
  explode = [0.2, 0.1, 0, 0, 0.1, 0]
  colors = ['r', 'k', 'b', 'm', 'c', 'g']
  plt.pie(x, 
          labels=labels, 
          labeldistance=1.2,
          explode=explode, 
          colors=colors, 
          autopct='%1.1f%%', 
          pctdistance=0.5, 
          shadow=True);
  plt.show()
  

• 散点图

  散点图 : 【散点图需要两个参数x,y，但此时x不是表示x轴的刻度，而是每个点的横坐标！】
  scatter()

  # s参数设置散点的大小；c参数设置散点的颜色；marker参数设置散点的形状
  x = np.random.randn(1000)
  y = np.random.randn(1000)
  size = 50*abs(np.random.randn(1000))
  colors = np.random.randint(16777215,size = 1000)
  
  li = []
  for color in colors:
      a = hex(color)
      str1 = a[2:]
      l = len(str1)
      for i in range(1,7-l):
          str1 = '0'+str1
      str1 = "#" + str1
      li.append(str1)
  
  plt.scatter(x, y,s = size, c=li, marker='d');
  plt.show()
  

  

  复杂的饼图的绘制

  import numpy as np
  import pandas as pd
  from pandas import Series,DataFrame
  import matplotlib.pyplot as plt
  
  x = np.random.randn(1000)
  y1 = np.random.randn(1000)
  y2 = 1.2 + np.exp(x) #exp(x) 返回的是e的x次方
  
  ax1 = plt.subplot(121)
  plt.scatter(x,y1,color = 'purple',alpha = 0.3,edgecolors = 'white',label = 'no correl')
  plt.xlabel('no correlation')
  plt.grid(True)
  plt.legend()
  
  ax2 = plt.subplot(122)
  plt.scatter(x,y2,color = 'green',alpha = 0.3,edgecolors = 'gray',label = 'correl')
  plt.xlabel('correlation')
  plt.grid(True)
  plt.legend()
  
  plt.show()
  

  

  ​

• 图形的文字,注释,箭头

  pyplot函数	API方法	描述
  text()	mpl.axes.Axes.text()	在Axes对象中任意位置添加文字
  xlabel	mpl.axes.Axes.set_xlabel()	为X轴添加标签
  ylabel	mpl.axes.Axes.set_ylabel()	为y轴添加标签
  title()	mpl.axes.Axes.set_title()	为Axes对象添加标题
  legend()	mpl.axes.Axes.legend()	为Axes对象添加图例
  figtext()	mpl.figure.Figure.text()	在Figure对象中任意位置添加文字
  suptitle()	mpl.figure.Figure.suptitle()	在Figure对象中添加中心化标题
  annnotate	mpl.axes.Axes.annnotate()	在Axes对象添加注释(箭头)

  注释

  # xy参数设置箭头指示的位置，xytext参数设置注释文字的位置
  # arrowprops参数以字典的形式设置箭头的样式
  # width参数设置箭头长方形部分的宽度，headlength参数设置箭头尖端的长度，
  # headwidth参数设置箭头尖端底部的宽度，shrink参数设置箭头顶点、尾部与指示点、注释文字的距离（比例值）
  
  y = [13, 11, 13, 12, 13, 10, 30, 12, 11, 13, 12, 12, 12, 11, 12]
  plt.plot(y);
  plt.ylim(ymax=35); # 为了让注释不会超出图的范围，需要调整y坐标轴的界限
  plt.annotate('this spot must really\nmean something', xy=(6, 30), xytext=(8, 31.5),
               arrowprops=dict(width=15, headlength=20, headwidth=20, facecolor='black', shrink=0.1));
  plt.show()
  

  # 生成3个正态分布数据数据集
  x1 = np.random.normal(30, 3, 100)
  x2 = np.random.normal(20, 2, 100)
  x3 = np.random.normal(10, 3, 100)
  
  # 绘制3个数据集，并为每个plot指定一个字符串标签
  plt.plot(x1, label='plot') # 如果不想在图例中显示标签，可以将标签设置为_nolegend_
  plt.plot(x2, label='2nd plot')
  plt.plot(x3, label='last plot')
  
  # 绘制图例
  plt.legend(bbox_to_anchor=(0, 1.02, 1, 0.102), # 指定边界框起始位置为(0, 1.02)，并设置宽度为1，高度为0.102
             ncol=3, # 设置列数为3，默认值为1
             mode="expand", # mode为None或者expand，当为expand时，图例框会扩展至整个坐标轴区域
             borderaxespad=0.) # 指定坐标轴和图例边界之间的间距
  
  # 绘制注解
  plt.annotate("Important value", # 注解文本的内容
               xy=(55,20), # 箭头终点所在位置
               xytext=(5, 38), # 注解文本的起始位置，箭头由xytext指向xy坐标位置
               arrowprops=dict(arrowstyle='->')); # arrowprops字典定义箭头属性，此处用arrowstyle
  

  

  箭头

  plt.figure(figsize=(12,9))
  plt.axis([0, 10, 0, 20]);
  arrstyles = ['-', '->', '-[', '<-', '<->', 'fancy', 'simple', 'wedge']
  for i, style in enumerate(arrstyles):
      plt.annotate(style, xytext=(1, 2+2*i), xy=(4, 1+2*i), arrowprops=dict(arrowstyle=style));
  
  connstyles=["arc", "arc,angleA=10,armA=30,rad=30", "arc3,rad=.2", "arc3,rad=-.2", "angle", "angle3"]
  for i, style in enumerate(connstyles):
      plt.annotate(style, xytext=(6, 2+2*i), xy=(8, 1+2*i), arrowprops=dict(arrowstyle='->', connectionstyle=style));
  plt.show()
  

• 3D图形绘制

  import numpy as np
  import matplotlib.pyplot as plt
  #3d图形必须的
  from mpl_toolkits.mplot3d.axes3d import Axes3D
  %matplotlib inline
  
  #系数，由X，Y生成Z
  a = 0.7
  b =  np.pi 
  #计算Z轴的值
  def mk_Z(X, Y):
      return 2 + a - 2 * np.cos(X) * np.cos(Y) - a * np.cos(b - 2*X)
  #生成X，Y，Z
  x = np.linspace(0, 2*np.pi, 100)
  y = np.linspace(0, 2*np.pi, 100)
  X,Y = np.meshgrid(x, y)
  Z = mk_Z(X, Y)
  
  fig = plt.figure(figsize=(14,6))
  #创建3d的视图，使用属性projection
  ax = fig.add_subplot(1, 2, 1, projection='3d')
  ax.plot_surface(X,Y,Z,rstride = 5,cstride = 5)
  #创建3d视图，使用colorbar，添加颜色柱
  ax = fig.add_subplot(1, 2, 2, projection='3d')
  p = ax.plot_surface(X, Y, Z, rstride=5, cstride=5, cmap='rainbow', antialiased=True)
  cb = fig.colorbar(p, shrink=0.5)
  

• 玫瑰图绘制

  极坐标条形图

  #极坐标条形图
  def showRose(values,title):
      
      max_value = values.max()
      # 分为8个面元
      N = 8
      # 面元的分隔角度
      angle = np.arange(0.,2 * np.pi, 2 * np.pi / N)
      # 每个面元的大小（半径）
      radius = np.array(values)
      # 设置极坐标条形图
      
      plt.axes([0, 0, 2, 2], polar=True,facecolor = 'g')
      
      colors = [(1 - x/max_value, 1 - x/max_value, 0.75) for x in radius]
      # 画图
      
      plt.bar(angle, radius, width=(2*np.pi/N), bottom=0.0, color=colors)
      plt.title(title,x=0.2, fontsize=20)
  
  #拉韦纳(Ravenna)又译“腊万纳”“拉文纳”“拉温拿”。意大利北部城市。位于距亚得里亚海10公里的沿海平原上
  data = np.load('Ravenna_wind.npy')
  hist, angle = np.histogram(data,8,[0,360])
  showRose(hist,'Ravenna')
  

  ​