使用matplotlib绘图的完整流程
在matplotlib中存在两套画图命令：
- 基于面向对象的方式OO
- 基于pyplot函数接口的方式
作者还是推荐我们使用
object-oriented interface的方式绘制图形
以后绘图中涉及到的一些常见操作，我用锚点标注好；以后查具体的代码也很方便
- 旋转X轴标签
- 修改图片样式，如添加网格线等
- 添加label
- 批量修改坐标轴标签
- 保存图片
绘图数据
准备绘图数据，包含了几个人的收入信息吧；准备绘制一个柱状图
import numpy as np
import matplotlib.pyplot as plt
#数据字典
data = {'Barton LLC': 109438.50,
'Frami, Hills and Schmidt': 103569.59,
'Fritsch, Russel and Anderson': 112214.71,
'Jerde-Hilpert': 112591.43,
'Keeling LLC': 100934.30,
'Koepp Ltd': 103660.54,
'Kulas Inc': 137351.96,
'Trantow-Barrows': 123381.38,
'White-Trantow': 135841.99,
'Will LLC': 104437.60}
group_data = list(data.values()) ##工资
group_names = list(data.keys()) ##人名
group_mean = np.mean(group_data) ## 平均值
创建实例对象
采用面向对象的接口，生成figure.Figure和axes.Axes实例对象
-
figure.Figure相当于画布的作用，在上面可以绘制多个图片 -
axes.Axes就是一副完整的图片，多个图片可以绘制在一块画布上
fig, ax = plt.subplots() ##生成实例对象
fig,ax=plt.subplots()
ax.barh(group_names,group_data) ##绘制柱状图
控制图片样式
这里相当于ggplot2里的theme，可以使用print(plt.style.available)查看系统自带的样式；使用plt.style.use('样式名')使用对应的样式;如下图所示，选择好样式后，就在图中添加了网格线，改变了柱子的颜色
plt.style.use('fivethirtyeight') ##选择定义好的样式
fig,ax=plt.subplots()
ax.barh(group_names,group_data)
旋转x轴label
当坐标轴上的label太长的时候，两个刻度之间可能会发生重叠。因此可以通过旋转label的方法调整label的显示。 首先的获取坐标轴上的label对象，使用pyplot.setp()函数设置对应的属性
fig,ax=plt.subplots()
ax.barh(group_names,group_data)
xlabels=ax.get_xticklabels() ##获取坐标轴label信息
plt.setp(xlabels,rotation=45,horizontalalignment='right') ##旋转坐标轴
给图片添加label
除了修改刻度线上的label，同样可以给图片的坐标轴label，图片的label，以及坐标轴显示范围。 所有的操作都是采用面向对象接口
- xlim参数修改坐标轴显示范围
- xlabel 修改坐标轴label
- title 修改图片label
fig, ax = plt.subplots()
ax.barh(group_names, group_data)
labels = ax.get_xticklabels()
plt.setp(labels, rotation=45, horizontalalignment='right')
ax.set(xlim=[-10000, 140000], xlabel='Total Revenue', ylabel='Company',
title='Company Revenue') #设置label
批量修改坐标轴刻度label
通过定义一个函数来处理传进来的每个label，传递的函数需要使用tick对象进行实例化
报错 https:// stackoverflow.com/quest ions/25119193/matplotlib-pyplot-axes-formatter
## 定义处理函数
import matplotlib.ticker as tick
def currency(x, pos):
"""The two args are the value and tick position"""
if x >= 1e6:
s = '${:1.1f}M'.format(x*1e-6)
else:
s = '${:1.0f}K'.format(x*1e-3)
return s
fig, ax = plt.subplots(figsize=(6, 8))
ax.barh(group_names, group_data)
labels = ax.get_xticklabels()
plt.setp(labels, rotation=45, horizontalalignment='right')
ax.set(xlim=[-10000, 140000], xlabel='Total Revenue', ylabel='Company',
title='Company Revenue')
#ax.get_xaxis().get_major_formatter()
ax.xaxis.set_major_formatter(tick.FuncFormatter(currency)) ##实例化formater函数
组合多个axes
直接操作ax对象，再使用对应的作图函数生成对应的图片
fig,ax =plt.subplots(figsize=(8,8))
ax.barh(group_names,group_data)
labels=ax.get_xticklabels()
plt.setp(labels,rotation=45,horizontalalignment='right')
ax.axvline(group_mean, ls='--',c='red') ##
保存图片
调用figure对象的savefig方法保存图片；在保存图片之前可以查看支持保存的图片格式
-
transparent图片背景是否透明 -
dpi图片清晰度 -
format保存格式 -
bbox_inches="tight"图片与画布紧密排布
print(fig.canvas.get_supported_filetypes()) ## 查看支持保存格式
fig.savefig("test.pdf",format="pdf", bbox_inches="tight",transparent=False)
{'ps': 'Postscript', 'eps': 'Encapsulated Postscript', 'pdf': 'Portable Document Format', 'pgf': 'PGF code for LaTeX', 'png': 'Portable Network Graphics', 'raw': 'Raw RGBA bitmap', 'rgba': 'Raw RGBA bitmap', 'svg': 'Scalable Vector Graphics', 'svgz': 'Scalable Vector Graphics', 'jpg': 'Joint Photographic Experts Group', 'jpeg': 'Joint Photographic Experts Group', 'tif': 'Tagged Image File Format', 'tiff': 'Tagged Image File Format'}
