python数据可视化-matplotlib入门(1)–安装及绘制简单的曲线

一、安装matplotlib

1）由于已安装anaconda，可直接打开anaconda prompt，再用命令pip install matplotlib进行安装，因镜像问题，可能较慢，建议第2种方式。

2）访问https://pypi.org/project/matplotlib/#files，并查找与你使用的Python版本匹配的wheel文件（扩展名为.whl的文件），比如与python3.9版本相应的matplotlib-3.5.1-cp39-cp39-win_amd64.whl放在目录G:developpython下，（或者你自己所建目录）

打开anaconda prompt，再用命令pip install G:developpythonmatplotlib-3.5.1-cp39-cp39-win_amd64.whl（注意目录要保持一致） 执行完成即可。

 二、测试 matplotlib

打开anaconda prompt 先输入python,再输入 import matplotlib，如图所示，没有出现任何错误消息，就说明系统安装成功。

三、 绘制简单的折线

import matplotlib.pyplot as plt   #导入模块matplotlib.pyplot，并重新命名为plt

squares = [1,4,9,16,25,36,49,64,81,100]  #定义一个数组

plt.plot(squares, linewidth=5)# 设置图表标题，并给坐标轴加上标签和 参数 linewidth 决定了绘制的线条的粗细
plt.title("Square Numbers", fontsize=24)#设置标题和字体大小
plt.xlabel("Value", fontsize=14)  #  x轴标签，和字体大小
plt.ylabel("Square of Value", fontsize=14)  #  y轴标签，和字体大小
plt.tick_params(axis='both', labelsize=14) # 设置刻度标记的大小，函数 tick_params() 设置刻度的样式
plt.show()

这样就完成一个简单的折线图，运行效果如下：

注：如果运行过程中，出现图中红色方框所示警告，需要重新设置spyder中Tools,如下图所示：

 

 四、使用 scatter() 绘制散点图并设置其样式

1、要绘制单个点

可使用函数 scatter() ，并向它传递一对x和y坐标，它将在指定位置绘制一个点：

import matplotlib.pyplot as plt   #导入模块matplotlib.pyplot，并重新命名为plt

plt.scatter(2, 4, s=200) #调用了scatter()，并使用实参s设置了绘制图形时使用的点的尺寸，位置为2，4

plt.title("Square Numbers", fontsize=24) # 设置图表标题并给坐标轴加上标签
plt.xlabel("Value", fontsize=14)
plt.ylabel("Square of Value", fontsize=14)
# 设置刻度标记的大小
plt.tick_params(axis='both', which='major', labelsize=14)
plt.show()

2、要绘制系列点

绘制系列点，只需要给出系列点的坐标即可。我们将上述代码中plt.scatter(2, 4, s=200)的2，4分别用两个数列代替。

import matplotlib.pyplot as plt   #导入模块matplotlib.pyplot，并重新命名为plt

x_values = [1, 2, 3, 4, 5]  #X轴的数列
y_values = [1, 3,6, 9, 12]  #y轴的数列

plt.scatter(x_values, y_values, s=100) #调用了scatter()，并使用实参s设置了绘制图形时使用的点的尺寸  
plt.title(" series Numbers", fontsize=24) # 设置图表标题并给坐标轴加上标签 
plt.xlabel("Value", fontsize=14) 
plt.ylabel("Value", fontsize=14) # 设置刻度标记的大小 
plt.tick_params(axis='both', which='major', labelsize=14) 
plt.show()

运行结果如下：

 3、自动计算数据

像上述手动输入点数，或数列，都是比较慢的处理方式 ，下面用for循环来替代手工输入。

可以先将x_values定义为一个数列，数值在一定的范围，比如1-1000，而对应的y_values也是一个数列，按一定的方式（函数）产生。于是，可以将上述代码修改为如下：

import matplotlib.pyplot as plt   #导入模块matplotlib.pyplot，并重新命名为plt

x_values = list(range(1, 1001))  #定义一个1-1000的数列，
y_values = [x**2 for x in x_values]  #定义Y值的生成方式。

plt.scatter(x_values, y_values, s=4) #调用了scatter()，并使用实参s设置了绘制图形时使用的点的尺寸

plt.title(" series Numbers", fontsize=24) # 设置图表标题并给坐标轴加上标签
plt.xlabel("Value", fontsize=14)
plt.ylabel("Value", fontsize=14)
# 设置刻度标记的大小
plt.tick_params(axis='both', which='major', labelsize=10)
plt.axis([1,1100,1,1100000]) #注意一下axis的参数
plt.show()

运行结果如下：

matplotlib中的点默认为蓝色点和黑色轮廓，如上述三图所示，其中最后一图因为点较多，且连在一起，像是一条曲线，为区别不同的点，可以对点分别不同的颜色。

只需再配置几个参数 ，就可以删除黑色轮廓，和修改点的颜色。

plt.scatter(x_values, y_values, edgecolor='none', s=40)，其中edgecolor='none'表示将黑色轮廓删除

修改数据点的颜色，可向 scatter() 传递参数 c ，并将其设置为要使用的颜色的名称，如下：

plt.scatter(x_values, y_values, c='red', edgecolor='none', s=40) # 将颜色修改为红色。

1、颜色映射（colormap）

颜色映射是一系列颜色，从起始颜色渐变到结束颜色。在可视化中，颜色映射用于突出数据的规律

plt.scatter(x_values, y_values, c=y_values, cmap=plt.cm.Blues,edgecolor='none', s=40) 
#调用了scatter()参数 c 设置成了一个y值列表，并使用参数 cmap 告诉 pyplot 使用哪个颜色映射，
# 将y值较小的点显示为浅蓝色，并将y值较大的点显示为深蓝色

具体运行效果如下：

注意，要了解所有相关颜色的映射，可访问官网  http://matplotlib.org/，单击Examples，向下滚动到Color Examples，再单击colormaps_reference进行参考。

4、自动保存图表

方法 plt.show() 是显示图表

要让程序自动将图表保存到文件中，可调用 plt.savefig() 方法

plt.savefig('scatter.png', bbox_inches='tight')  #保存为scatter.png的图片文件

预告：下一篇将通过随机函数，类、数列、matplotlib等综合应用，生成一个随机图形。