使用Python Matplotlib创建令人惊叹的数据可视化（下）

您的位置：
门户
>> 文章精选
>> 软件开发专栏
>> Python
>> 查看资讯

使用Python Matplotlib创建令人惊叹的数据可视化（下）

发表于：2023-9-06 09:36

字体：大中小 | 上一篇 | 下一篇 | 我要投稿

作者：你的老师父来源：今日头条

软件开发

Python

　　绘制箱线图

　　在 Matplotlib 中，可以使用 boxplot 函数绘制箱线图。boxplot 函数的基本语法如下：

　　plt.boxplot(x, notch=None, sym=None, vert=None, whis=None, positinotallow=None, widths=None, patch_artist=None, boxprops=None, labels=None, flierprops=None, medianprops=None, meanprops=None, capprops=None, whiskerprops=None, manage_ticks=True, bootstrap=None, usermedians=None, conf_intervals=None, meanline=None, showmeans=None, showcaps=None, showbox=None, showfliers=None, **kwargs)

　　其中：

　　· x 表示箱线图的数据。

　　· notch 表示是否绘制缺口箱线图。

　　· sym 表示异常值的样式。

　　· vert 表示箱线图的方向。

　　· whis 表示箱线图的须长度。

　　· positions 表示箱线图的位置。

　　· widths 表示箱线图的宽度。

　　· patch_artist 表示是否填充箱体颜色。

　　· boxprops 表示箱体的属性。

　　· labels表示箱线图的标签。

　　· flierprops 表示异常值的属性。

　　· medianprops 表示中位数的属性。

　　· meanprops 表示平均值的属性。

　　· capprops 表示箱线图顶部和底部的属性。

　　· whiskerprops 表示须的属性。

　　· bootstrap 表示是否进行 bootstrap 置信区间估计。

　　· usermedians 表示中位数的位置。

　　· conf_intervals 表示置信区间的范围。

　　· meanline 表示是否绘制平均线。

　　· showmeans 表示是否显示平均值。

　　· showcaps 表示是否显示箱线图的顶部和底部。

　　· showbox 表示是否显示箱体。

　　· showfliers 表示是否显示异常值。

　　· **kwargs 是一些可选参数，用于设置图形的属性。

　　下面是一个示例，用于演示如何绘制箱线图。

　　import numpy as np

　　import matplotlib.pyplot as plt

　　# 生成随机数据

　　np.random.seed(42)

　　data = np.random.randn(100, 5)

　　# 绘制箱线图

　　plt.boxplot(data, notch=True, sym="r+", vert=False, whis=1.5, widths=0.5, patch_artist=True, medianprops={"color": "black", "linewidth": 2}, boxprops={"facecolor": "red", "linewidth": 2}, whiskerprops={"linewidth": 2}, capprops={"linewidth": 2})

　　# 添加标签和标题

　　plt.xlabel("Value")

　　plt.ylabel("Category")

　　plt.title("Box Plot")

　　# 显示图形

　　plt.show()

　　在上述代码中，使用 boxplot 函数绘制了一个箱线图，箱线图的数据是随机生成的。然后使用 notch、sym、vert、whis、widths、patch_artist、medianprops、boxprops、whiskerprops、capprops 等属性设置函数改变了它们的样式。接着使用 xlabel、ylabel、title 等属性设置函数添加了标签和标题，最后调用 show 函数显示图形。

　　绘制等高线图

　　在 Matplotlib 中，可以使用 contour 函数绘制等高线图。contour 函数的基本语法如下：

　　plt.contour(X, Y, Z, levels=None, colors=None, cmap=None, norm=None, alpha=None, linewidths=None, linestyles=None, hatches=None, extend=None, antialiased=None, **kwargs)

　　其中，X、Y 表示等高线图的网格坐标，Z 表示等高线图的高度，levels 表示等高线图的高度分层，colors 表示等高线图的颜色，cmap 表示颜色映射表，norm 表示颜色映射表的归一化方式，alpha 表示透明度，linewidths 表示等高线图的线宽，linestyles 表示等高线图的线型，hatches 表示等高线图的填充方式，extend 表示颜色映射表的范围，antialiased 表示是否进行抗锯齿处理，**kwargs 是一些可选参数，用于设置图形的属性。

　　下面是一个示例，用于演示如何绘制等高线图。

　　import numpy as np

　　import matplotlib.pyplot as plt

　　# 生成网格坐标和高度数据

　　delta = 0.025

　　x = np.arange(-3.0, 3.0, delta)

　　y = np.arange(-3.0, 3.0, delta)

　　X, Y = np.meshgrid(x, y)

　　Z = np.sin(X) * np.cos(Y)

　　# 绘制等高线图

　　plt.contour(X, Y, Z, levels=10, cmap="coolwarm")

　　# 添加颜色条和标题

　　plt.colorbar()

　　plt.title("Contour Plot")

　　# 显示图形

　　plt.show()

　　在上述代码中，使用 contour 函数绘制了一个等高线图，等高线图的网格坐标和高度数据都是手动设置的。然后使用 levels、cmap 等属性设置函数改变了它们的样式。接着使用 colorbar、title 等属性设置函数添加了颜色条和标题，最后调用 show 函数显示图形。

　　绘制热力图

　　在 Matplotlib 中，可以使用 imshow 函数绘制热力图。imshow 函数的基本语法如下：

　　plt.imshow(X, cmap=None, norm=None, aspect=None, interpolatinotallow=None, alpha=None, vmin=None, vmax=None, origin=None, extent=None, filternorm=1, filterrad=4.0, resample=None, url=None, **kwargs)

　　其中，X 表示热力图的数据，cmap 表示颜色映射表，norm 表示颜色映射表的归一化方式，aspect 表示热力图的宽高比，interpolation 表示插值方式，alpha 表示透明度，vmin、vmax 表示颜色映射表的范围，origin 表示热力图的坐标原点，extent 表示热力图的坐标范围，filternorm、filterrad 表示滤波器参数，resample 表示重新采样方式，url 表示热力图的 URL，**kwargs 是一些可选参数，用于设置图形的属性。

　　下面是一个示例，用于演示如何绘制热力图。

　　import numpy as np

　　import matplotlib.pyplot as plt

　　# 生成随机数据

　　np.random.seed(42)

　　data = np.random.randn(10, 10)

　　# 绘制热力图

　　plt.imshow(data, cmap="coolwarm", interpolation="nearest")

　　# 添加颜色条和标题

　　plt.colorbar()

　　plt.title("Heatmap")

　　# 显示图形

　　plt.show()

　　在上述代码中，使用 imshow 函数绘制了一个热力图，热力图的数据是随机生成的。然后使用 cmap、interpolation 等属性设置函数改变了它们的样式。接着使用 colorbar、title 等属性设置函数添加了颜色条和标题，最后调用 show 函数显示图形。

　　绘制极坐标图

　　在 Matplotlib 中，可以使用 polar 函数绘制极坐标图。polar 函数的基本语法如下：

　　plt.polar(theta, r, **kwargs)

　　其中，theta 表示极坐标图的角度，r 表示极坐标图的半径，**kwargs 是一些可选参数，用于设置图形的属性。

　　下面是一个示例，用于演示如何绘制极坐标图。

　　import numpy as np

　　import matplotlib.pyplot as plt

　　# 生成数据

　　theta = np.linspace(0, 2 * np.pi, 1000)

　　r = np.sin(5 * theta) * np.cos(3 * theta)

　　# 绘制极坐标图

　　plt.polar(theta, r)

　　# 添加标题

　　plt.title("Polar Plot")

　　# 显示图形

　　plt.show()

　　在上述代码中，使用 polar 函数绘制了一个极坐标图，极坐标图的数据是手动生成的。然后使用 title 等属性设置函数添加了标题，最后调用 show 函数显示图形。

　　绘制图像

　　在 Matplotlib 中，可以使用 imshow 函数绘制图像。imshow 函数的基本语法如下：

　　plt.imshow(X, cmap=None, norm=None, aspect=None, interpolatinotallow=None, alpha=None, vmin=None, vmax=None, origin=None, extent=None, filternorm=1, filterrad=4.0, resample=None, url=None, **kwargs)

　　其中，X 表示图像的数据，cmap 表示颜色映射表，norm 表示颜色映射表的归一化方式，aspect 表示图像的宽高比，interpolation 表示插值方式，alpha 表示透明度，vmin、vmax 表示颜色映射表的范围，origin 表示图像的坐标原点，extent 表示图像的坐标范围，filternorm、filterrad 表示滤波器参数，resample 表示重新采样方式，url 表示图像的 URL，**kwargs 是一些可选参数，用于设置图形的属性。

　　下面是一个示例，用于演示如何绘制图像。

　　import matplotlib.pyplot as plt

　　import matplotlib.image as mpimg

　　# 读取图像数据

　　img = mpimg.imread("example.png")

　　# 绘制图像

　　plt.imshow(img)

　　# 添加标题

　　plt.title("Image")

　　# 显示图形

　　plt.show()

　　在上述代码中，使用 imread 函数读取了一张图像的数据，并使用 imshow 函数绘制了这张图像。然后使用 title 等属性设置函数添加了标题，最后调用 show 函数显示图形。

　　绘制动画

　　在 Matplotlib 中，可以使用 animation 模块绘制动画。animation 模块提供了许多用于绘制动画的类和函数，包括 FuncAnimation、ArtistAnimation、animation、FFmpegWriter 等。这些类和函数可以用于创建和保存动画，设置动画的帧数、间隔时间、动画效果等。

　　下面是一个示例，用于演示如何使用 FuncAnimation 类绘制动画。

　　import numpy as np

　　import matplotlib.pyplot as plt

　　from matplotlib.animation import FuncAnimation

　　# 创建画布和子图

　　fig, ax = plt.subplots()

　　# 设置数据和初始线条

　　x = np.linspace(0, 2 * np.pi, 200)

　　line, = ax.plot(x, np.sin(x))

　　# 定义更新函数

　　def update(frame):

　　 line.set_ydata(np.sin(x + frame / 10))

　　 return line,

　　# 创建动画并显示

　　ani = FuncAnimation(fig, update, frames=100, interval=20)

　　plt.show()

　　在上述代码中，首先创建了一个画布和一个子图。然后设置了数据和初始线条，接着定义了一个更新函数，用于更新线条的数据。最后使用 FuncAnimation 类创建了一个动画，并通过 show 函数显示动画。在创建 FuncAnimation 实例时，需要传入 fig、update、frames 和 interval 等参数，用于指定动画的画布、更新函数、帧数和间隔时间。在更新函数中，需要返回更新后的线条对象，用于动画的绘制。

这个是会动的哦

　　绘制3D图形

　　在 Matplotlib 中，可以使用 mplot3d 模块绘制3D图形。mplot3d 模块提供了许多用于绘制3D图形的类和函数，包括 Axes3D、plot_surface、plot_wireframe、plot_trisurf 等。这些类和函数可以用于创建和保存3D图形，设置3D图形的视角、坐标轴、颜色映射表等。

　　下面是一个示例，用于演示如何使用 Axes3D 类绘制3D散点图。

　　import numpy as np

　　import matplotlib.pyplot as plt

　　from mpl_toolkits.mplot3d import Axes3D

　　# 创建画布和3D子图

　　fig = plt.figure()

　　ax = fig.add_subplot(111, projection="3d")

　　# 生成数据

　　x = np.random.normal(size=100)

　　y = np.random.normal(size=100)

　　z = np.random.normal(size=100)

　　# 绘制3D散点图

　　ax.scatter(x, y, z)

　　# 添加标题和坐标轴标签

　　ax.set_title("3D Scatter Plot")

　　ax.set_xlabel("X")

　　ax.set_ylabel("Y")

　　ax.set_zlabel("Z")

　　# 显示图形

　　plt.show()

　　在上述代码中，首先创建了一个画布和一个3D子图。然后使用 np.random.normal 函数生成了一些随机数据，接着使用 Axes3D 类创建了一个3D散点图，并通过 scatter 函数绘制了散点图。最后使用 set_title、set_xlabel、set_ylabel、set_zlabel 等属性设置函数添加了标题和坐标。