使用matplotlib在Python中绘制数据的详细教程

准静止疯

简介

Python 在处理数据方面非常出色。通常，数据集·会包括多个变量和许多实例，这使得很难理解数据的情况。数据可视化是帮助您识别数据模式的一种有用方式。
例如，假设您是一名房地产经纪人，您想要了解房屋的年龄与售价之间的关系。如果您的数据包括 5 栋房屋的数据，那么理解情况就不会太困难。但是，假设您想要使用整个镇上 500 栋房屋的数据，那么理解年龄如何影响价格就会变得非常困难。通过绘制售价与年龄的关系，对数据进行可视化肯定会阐明这两者之间的关系。
可视化是以一种通用方式快速传达概念的方法，特别是对于那些不熟悉您数据的人。每当我们处理数据时，可视化通常是分析的必要部分。
我们将使用 2D 绘图库 matplotlib，最初由 John D. Hunter 编写，自那以后已成为一个非常活跃的开源开发社区项目。它允许您生成高质量的折线图、散点图、直方图、条形图等。每个图以不同的方式呈现数据，通常在确定数据的最具信息量的图之前，尝试不同类型的图表是很有用的。要记住，可视化是艺术和科学的结合。
鉴于可视化的重要性，本教程将描述如何使用 matplotlib 在 Python 中绘制数据。我们将介绍如何使用一小组数据生成散点图，向图表添加标题和图例，并通过更改绘图点的外观来自定义图表。
完成本教程后，您将能够在 Python 中绘制数据！

先决条件

在进行本教程之前，您应该已经安装了 Python 3，并在计算机上设置了本地编程环境。如果不是这种情况，您可以按照适用于您操作系统的相应安装和设置指南进行设置。

步骤 1 — 导入 matplotlib

在我们开始在 Python 中工作之前，让我们再次检查 matplotlib 模块是否已安装。在命令行中，通过运行以下命令检查 matplotlib 是否已安装：

1. python -c "import matplotlib"

复制代码

如果 matplotlib 已安装，此命令将顺利完成，我们可以开始了。如果没有安装，您将收到错误消息：

1. Traceback (most recent call last): File "<string>", line 1, in <module> ImportError: No module named 'matplolib'

复制代码

如果收到错误消息，请使用 pip 下载该库：

1. pip install matplotlib

复制代码

现在 matplotlib 已安装，我们可以在 Python 中导入它。首先，让我们创建我们将在本教程中使用的脚本：

1. scatter.py

复制代码

。然后，在我们的脚本中，让我们导入 matplotlib。由于我们只会使用绘图模块（pyplot），因此在导入时让我们指定它。

1. import matplotlib.pyplot as plt

复制代码

我们通过在

1. matplotlib

复制代码

末尾添加

1. .pyplot

复制代码

来指定我们希望导入的模块。为了在脚本中更容易地引用该模块，我们将其缩写为

1. plt

复制代码

。现在，我们可以继续创建和绘制我们的数据。

步骤 2 — 创建要绘制的数据点

在我们的 Python 脚本中，让我们创建一些要处理的数据。我们将使用 2D 数据，因此我们将需要每个数据点的 X 和 Y 坐标。
为了更好地理解 matplotlib 的工作原理，我们将把我们的数据与可能的现实场景联系起来。假设我们是一家咖啡店的老板，我们对一年中的平均天气和冰咖啡的总销量之间的关系感兴趣。我们的 X 变量将是每月销售的冰咖啡总数，我们的 Y 变量将是每个月的华氏平均温度。
在我们的 Python 脚本中，我们将创建两个列表变量：

1. X

复制代码

（冰咖啡总销量）和

1. Y

复制代码

（平均温度）。我们各自列表中的每个项目将代表每个月的数据（一月到十二月）。例如，在一月份，平均温度为 32 华氏度，咖啡店卖出了 590 杯冰咖啡。

1. import matplotlib.pyplot as plt
   
2. 
   
3. X = [590,540,740,130,810,300,320,230,470,620,770,250]
   
4. Y = [32,36,39,52,61,72,77,75,68,57,48,48]

复制代码

现在我们有了数据，我们可以开始绘图。

步骤 3 — 绘制数据

散点图非常适合用于确定两个变量之间的关系，因此我们将使用这种图表类型作为示例。要使用 matplotlib 创建散点图，我们将使用

1. scatter()

复制代码

函数。该函数需要两个参数，分别表示 X 和 Y 坐标值。

1. import matplotlib.pyplot as plt
   
2. 
   
3. X = [590,540,740,130,810,300,320,230,470,620,770,250]
   
4. Y = [32,36,39,52,61,72,77,75,68,57,48,48]plt.scatter(X,Y)plt.show()

复制代码

每次创建图表时，我们都必须使用

1. plt.show()

复制代码

指定要显示图表。
在继续之前，让我们检查一下我们的脚本是否正常工作。保存脚本并通过命令行运行：

1. python scatter.py

复制代码

如果一切顺利，应该会启动一个窗口显示图表，如下所示：
!Alt 散点图
这个窗口非常适合查看数据；它是交互式的，并包括几个功能，比如悬停显示标签和坐标、放大或缩小以及保存。

步骤 4 — 添加标题和标签

现在我们知道我们的脚本正常工作，我们可以开始向图表中添加信息。为了清楚地表明我们的数据代表什么，让我们在图表中包括一个标题以及每个轴的标签。
我们将从添加标题开始。我们在脚本的

1. plt.show()

复制代码

行之前添加标题。

1. import matplotlib.pyplot as plt
   
2. 
   
3. X = [590,540,740,130,810,300,320,230,470,620,770,250]
   
4. Y = [32,36,39,52,61,72,77,75,68,57,48,48]plt.scatter(X,Y)plt.title('温度与冰咖啡销量之间的关系')plt.show()

复制代码

接下来，在

1. plt.title

复制代码

行下方添加轴的标签：

1. ...
   
2. plt.xlabel('售出的冰咖啡杯数')
   
3. plt.ylabel('华氏温度')
   
4. ...

复制代码

如果我们保存脚本并再次运行它，现在应该会得到一个更新的图表，更具信息性。我们的更新后的图表应该看起来像这样：
!Alt 带有标题和 X/Y 标签的散点图

步骤 5 — 自定义图表

我们处理的每个数据集都是独特的，能够自定义我们希望如何显示信息非常重要。记住，可视化也是一门艺术，所以可以在其中发挥创意！matplotlib 包括许多自定义功能，比如不同的颜色、点符号和大小。根据我们的需求，我们可能想尝试不同的比例，为我们的轴使用不同的范围。我们可以通过指定轴的新范围来更改默认参数，如下所示：

1. import matplotlib.pyplot as plt
   
2. 
   
3. X = [590,540,740,130,810,300,320,230,470,620,770,250]
   
4. Y = [32,36,39,52,61,72,77,75,68,57,48,48]plt.scatter(X,Y)plt.xlim(0,1000)
   
5. plt.ylim(0,100)plt.title('温度与冰咖啡销量之间的关系')plt.show()...

复制代码

原始图表中的点看起来有点小，蓝色可能不是我们想要的颜色。也许我们想要三角形而不是圆圈作为点的符号。如果我们想要更改点的实际颜色/大小/形状，我们必须在初始的

1. plt.scatter()

复制代码

调用中进行这些更改。我们将更改以下参数：

• 1. s

  复制代码
  ：点的大小，默认值为 20
  
• 1. c

  复制代码
  ：颜色、序列或颜色序列，默认值为 ‘b’
  
• 1. marker

  复制代码
  ：点符号，默认值为 ‘o’
  

可能的标记包括许多不同的形状，如菱形、六边形、星形等。颜色选择包括蓝色、绿色、红色和洋红色等。还可以提供 HTML 十六进制字符串作为颜色。请参阅 matplotlib 的文档，了解可能的标记和颜色的全面列表。
为了使我们的图表更易于阅读，让我们将点的大小加倍（

1. s=60

复制代码

），将颜色更改为红色（

1. c='r'

复制代码

），并将符号更改为三角形（

1. marker='^'

复制代码

）。我们将修改

1. plt.scatter()

复制代码

函数：

1. plt.scatter(X, Y, s=60, c='red', marker='^')

复制代码

在运行更新后的脚本之前，我们可以再次检查我们的代码是否正确。自定义图表的更新脚本应该看起来像这样：

1. import matplotlib.pyplot as plt
   
2. 
   
3. X = [590,540,740,130,810,300,320,230,470,620,770,250]
   
4. Y = [32,36,39,52,61,72,77,75,68,57,48,48]

复制代码

#散点图

1. plt.scatter(X, Y, s=60, c='red', marker='^')

复制代码

#更改坐标轴范围

1. plt.xlim(0,1000)
   
2. plt.ylim(0,100)

复制代码

#添加标题

1. plt.title('温度与冰咖啡销量的关系')

复制代码

#添加 x 和 y 轴标签

1. plt.xlabel('售出冰咖啡杯数')
   
2. plt.ylabel('华氏温度')

复制代码

#显示图表

1. plt.show()

复制代码

不要忘记在进行第 6 步之前保存你的脚本。

步骤 6 — 保存图表

现在我们已经完成了代码，让我们运行它来查看我们新定制的图表。

1. python scatter.py

复制代码

现在应该会打开一个窗口显示我们的图表：
!Alt 带有标题和 X/Y 标签的最终散点图，并使用更大、红色、三角形点进行定制。
接下来，通过单击保存按钮（位于底部工具栏上的磁盘图标）来保存图表。请记住，图像将被保存为 PNG 格式，而不是交互式图表。恭喜你，现在你拥有自己定制的散点图！

结论

在本教程中，你学会了如何使用 Python 中的 matplotlib 绘制数据。现在你可以可视化数据并定制图表。
以上就是使用matplotlib在Python中绘制数据的详细教程的详细内容，更多关于 Python matplotlib绘制数据的资料请关注脚本之家其它相关文章！

来源:https://www.jb51.net/python/328944vtb.htm
免责声明：由于采集信息均来自互联网，如果侵犯了您的权益，请联系我们【E-Mail:cb@itdo.tech】 我们会及时删除侵权内容，谢谢合作！