Python數據可視化----繪製二維圖像（折線圖、餅圖、柱狀圖、散點圖、等高線，3D圖等）

（1）繪製一條折線圖

import matplotlib.pyplot as plt   #調用matplotlib中的子模塊pyplot繪製折線圖

# 定義2個列表分別作爲X軸、Y軸數據
x_data = ['2012','2013', '2014', '2015', '2016', '2017', '2018', '2019']
y_data = [45000,58000, 60200, 63000, 71000, 84000, 90500, 107000]

# 第一個列表代表橫座標的值，第二個代表縱座標的值
plt.plot(x_data, y_data)

# 調用show()函數顯示圖形
plt.show()

運行結果爲：

其實可以看到python中的繪圖和matlab中的繪圖一模一樣，當然，也可以類似的修改線型、色彩、線寬等屬性。

（2）修改繪圖屬性

import matplotlib.pyplot as plt

#定義兩組數據的x,y座標
x_axis=['2010','2011','2012','2013','2014','2015','2016','2017','2018','2019']
y1_axis=[12900,13500,14700,15223,25790,26489,27678,28900,29213,31290]
y2_axis=[16900,17500,18700,25223,27790,29489,30678,33900,34213,35290]

# 指定兩條折線的顏色、線寬和樣式
plt.plot(x_axis, y1_axis, color = 'green', linewidth = 2.0, linestyle = '--')
plt.plot(x_axis, y2_axis, color = 'blue', linewidth = 3.0, linestyle = '-.')

#調用show（）函數顯示圖形
plt.show()

 

（3）添加繪圖標註

import matplotlib.pyplot as plt

#定義x座標值
x_data = ['2011', '2012', '2013', '2014', '2015', '2016', '2017','2018','2019']

# 定義2個列表分別作爲兩條折線的Y軸數據
y_data = [57000, 61200, 62000, 699000, 83500, 91500, 107000,11900,12800]
y_data2 = [51000, 53200, 56500,59300, 60800, 65500, 69700,73000,82050]

# 指定折線的顏色、線寬和樣式，ln1和ln2是plot函數的返回值，相當於matlab中的句柄
ln1,= plt.plot(x_data, y_data, color = 'red', linewidth = 2.0, linestyle = '--')
ln2,= plt.plot(x_data, y_data2, color = 'blue', linewidth = 3.0, linestyle = '-.')

# 調用legend函數設置圖例
plt.legend(handles=[ln1, ln2], labels=['June Sale Amount', 'July Sale Amount'],loc='best')

# 調用show()函數顯示圖形
plt.show()

運行結果如下：

上述例2中需要注意的是有以下幾點：

1、plot的返回值有多個，其中第一個返回值代表該圖形，因此使用ln1，(一定要有逗號）返回第一個返回值；

2.legend函數的第一個參數即是函數plot的第一個返回值（如果第一個參數沒有指明，則按照順序爲折線圖中的多條折線添加圖例）；第二個參數爲圖例的內容，第三個參數是圖例所放置的位置，一般具有如下表中的位置參數：

位置參數及意義

'best'：自動選擇最佳位置

'upper right'：將圖例放在右上角。

'upper left'：將圖例放在左上角

'lower left'：將圖例放在左下角

'lower right'：將圖例放在右下角

'right'：將圖例放在右邊

'center left'：將圖例放在左邊居中的位置

'center right'：將圖例放在右邊居中的位置

'lower center'：將圖例放在底部居中的位置

'upper center'：將圖例放在頂部居中的位置

'center'：將圖例放在中心

3.Matplotlib 也允許在調用 plot() 函數時爲每條折線分別傳入 label 參數，這樣程序在調用 legend() 函數時就無須傳入 labels、handles 參數了：

import matplotlib.pyplot as plt

#定義兩組數據的x,y座標
x_axis=['2010','2011','2012','2013','2014','2015','2016','2017','2018','2019']
y1_axis=[12900,13500,14700,15223,25790,26489,27678,28900,29213,31290]
y2_axis=[16900,17500,18700,25223,27790,29489,30678,33900,34213,35290]

# 指定兩條折線的顏色、線寬和樣式
#ln1，和ln2均爲函數句柄，函數句柄是函數的返回值，可用來調用函數對圖形進行操作
plt.plot(x_axis, y1_axis, color = 'green', linewidth = 2.0, linestyle = '--',label='C++')
plt.plot(x_axis, y2_axis, color = 'blue', linewidth = 3.0, linestyle = '-.',label='Python')

#調用show（）函數顯示圖形
plt.show()

4.如果圖例內容是中文字體，那麼上述代碼將不會顯示圖例，需要添加下述代碼塊：

import matplotlib.font_manager as fm
# 使用Matplotlib的字體管理器加載中文字體
my_font=fm.FontProperties(fname="C:\Windows\Fonts\simkai.ttf")
# 調用legend函數設置圖例
plt.legend(handles=[ln2, ln1], labels=['六月銷售額', '七月銷售額'],
    loc='lower right', prop=my_font)

5.Python默認的圖例字體是英文字體，那麼我們也可以通過以下方式改變python圖例的默認字體：

在 python交互式解釋器中輸入如下兩行命令：

import matplotlib
matplotlib.matplotlib_fname()
'D:\\Python\\Python36\\lib\\site-packages\\matplotlib\\mp1-data\\matplotlibrc'

其中 matplotlib_fname() 函數會顯示 Matplotlib 配置文件的保存位置，此處顯示該文件的存儲路徑爲 D:\Python\Python36\lib\site-packages\matplotlib\mpl-data\matplotlibrc。打開該文件，找到如下這行代碼：

#font.family：sans-serif

上面這行代碼用於配置 Matplotlib 的默認字體，取消運行配置代碼之前的註釋符號（＃），並將後面的 sans-serif 修改爲本地己有的中文字體。例如使用微軟雅黑字體，只要將上面的配置代碼修改爲如下形式即可：

font.family： Microsoft YaHei

通過上面設置，即可改變 Matplotlib 的默認字體，這樣即可避免每次調用 legend() 函數時都需要額外指定字體。

（4）座標軸設置

python可以調用 xlable() 和 ylabel() 函數分別設置 X 軸、Y 軸的名稱，也可以通過 title() 函數設置整個數據圖的標題，還可以調用 xticks()、yticks() 函數分別改變 X 軸、Y 軸的刻度值（允許使用文本作爲刻度值）。如下例：

例3：

import matplotlib.pyplot as plt

x_data = ['2011', '2012', '2013', '2014', '2015', '2016', '2017','2018','2019']

# 定義2個列表分別作爲兩條折線的Y軸數據
y_data = [56000, 62200, 64000, 73000, 85600, 92500, 120000,135000,146000]
y_data2 = [51000, 53200, 54500,56300, 57500, 59800, 64700,68900,72900]

import matplotlib.font_manager as fm
# 使用Matplotlib的字體管理器加載中文字體
my_font=fm.FontProperties(fname="C:\Windows\Fonts\simkai.ttf")

# 指定折線的顏色、線寬和樣式
plt.plot(x_data, y_data, color = 'red', linewidth = 2.0,
    linestyle = '--', label='Juna')
plt.plot(x_data, y_data2, color = 'blue', linewidth = 3.0,
    linestyle = '-.', label='July')

# 調用legend函數設置圖例
plt.legend(loc='best')

# 設置數據圖的標題
plt.title('Sale Amount in Juna or July')

# 設置兩條座標軸的標籤
plt.xlabel("Year")
plt.ylabel("Sale")

# 設置Y軸上的刻度值：第一個參數是點的位置，第二個參數是點的文字提示
plt.yticks([60000, 85000, 120000],[r'Good', r'Wonderful', r'Hot'])

# 調用show()函數顯示圖形
plt.show()

運行結果爲：

如果需要進一步設置圖形，可以添加以下代碼：

ax = plt.gca()
# 設置將X軸的刻度值放在底部X軸上
ax.xaxis.set_ticks_position('bottom')
# 設置將Y軸的刻度值放在底部X軸上
ax.yaxis.set_ticks_position('left')

# 設置右邊座標軸線的顏色（設置爲none表示不顯示）
ax.spines['right'].set_color('none')
# 設置頂部座標軸線的顏色（設置爲none表示不顯示）
ax.spines['top'].set_color('none')

# 定義底部座標軸線的位置（放在85000數值處）
ax.spines['bottom'].set_position(('data', 70000))

運行結果爲：

（5）一張圖上呈現多個子圖subplot

和matlab一樣，python調用 subplot() 函數可以創建一個子圖，然後程序就可以在子圖上進行繪製。

subplot(nrows, ncols, index, **kwargs) 函數的 nrows 參數指定將數據圖區域分成多少行；ncols 參數指定將數據圖區域分成多少列；index 參數指定獲取第幾個區域。
subplot() 函數也支持直接傳入一個三位數的參數，其中第一位數將作爲 nrows 參數；第二位數將作爲 ncols 參數；第三位數將作爲 index 參數。

例4：

import matplotlib.pyplot as plt
import numpy as np

plt.figure()

# 定義從-2*pi到2*pi之間的數據，平均取128個數據點
x_data = np.linspace(-2*np.pi, 2*np.pi, 128, endpoint=True)  # ①

# 將整個figure分成兩行兩列，第三個參數表示該圖形放在第1個網格
plt.subplot(2, 2, 1)
# 繪製正弦曲線
plt.plot(x_data, np.sin(x_data))
plt.gca().spines['right'].set_color('none')
plt.gca().spines['top'].set_color('none')
plt.gca().spines['bottom'].set_position(('data', 0))
plt.gca().spines['left'].set_position(('data', 0))
plt.title('Curve of Sin()')

# 將整個figure分成兩行兩列，並將該圖形放在第2個網格
plt.subplot(2,2,2)
# 繪製餘弦曲線
plt.plot(x_data, np.cos(x_data))
plt.gca().spines['right'].set_color('none')
plt.gca().spines['top'].set_color('none')
plt.gca().spines['bottom'].set_position(('data', 0))
plt.gca().spines['left'].set_position(('data', 0))
plt.title('Curve of Cos()')

# 將整個figure分成兩行兩列，並該圖形放在第3個網格
plt.subplot(2,2,3)
# 繪製正切曲線
plt.plot(x_data, np.tan(x_data))
plt.gca().spines['right'].set_color('none')
plt.gca().spines['top'].set_color('none')
plt.gca().spines['bottom'].set_position(('data', 0))
plt.gca().spines['left'].set_position(('data', 0))
plt.title('Curve of Tan()')

plt.show()

運行的結果如下圖：

（6）Python繪製餅圖

例：

#註明：此程序來源於Python教程

import matplotlib.pyplot as plt

# 準備數據
data = [0.16881, 0.14966, 0.07471, 0.06992,
    0.04762, 0.03541, 0.02925, 0.02411, 0.02316, 0.01409, 0.36326]

# 準備標籤
labels = ['Java', 'C', 'C++', 'Python',
    'Visual Basic .NET', 'C#', 'PHP', 'JavaScript',
    'SQL', 'Assembly langugage', '其他']

# 將第4個語言（Python）分離出來:突出Pyhon的效果
explode = [0, 0, 0, 0.3, 0, 0, 0, 0, 0, 0, 0]

# 使用自定義顏色
colors=['red', 'pink', 'magenta','purple','orange']

# 將橫、縱座標軸標準化處理，保證餅圖是一個正圓，否則爲橢圓
plt.axes(aspect='equal')
# 控制X軸和Y軸的範圍（用於控制餅圖的圓心，半徑）
plt.xlim(0,8)
plt.ylim(0,8)

# 繪製餅圖
plt.pie(x = data, # 繪圖數據
    labels=labels, # 添加編程語言標籤
    explode=explode, # 突出顯示Python
    colors=colors, # 設置餅圖的自定義填充色
    autopct='%.3f%%', # 設置百分比的格式，此處保留3位小數
    pctdistance=0.8,  # 設置百分比標籤與圓心的距離
    labeldistance = 1.15, # 設置標籤與圓心的距離
    startangle = 180, # 設置餅圖的初始角度
    center = (4, 4), # 設置餅圖的圓心（相當於X軸和Y軸的範圍）
    radius = 3.8, # 設置餅圖的半徑（相當於X軸和Y軸的範圍）
    counterclock = False, # 是否逆時針，這裏設置爲順時針方向
    wedgeprops = {'linewidth': 1, 'edgecolor':'green'},# 設置餅圖內外邊界的屬性值
    textprops = {'fontsize':12, 'color':'black'}, # 設置文本標籤的屬性值
    frame = 1) # 是否顯示餅圖的圓圈，此處設爲顯示

# 不顯示X軸和Y軸的刻度值
plt.xticks(())
plt.yticks(())

# 添加圖標題
plt.title('Ranking of All language')

# 顯示圖形
plt.show()

運行結果爲：

（7）Python繪製柱狀圖

例6：

#Python繪製垂直柱狀圖：
import matplotlib.pyplot as plt
import numpy as np

# 構建數據
x_data = ['2012', '2013', '2014', '2015', '2016', '2017', '2018','2019']
y_data1 = [58000, 60200, 62500, 72000, 83000, 90500, 106000,11500]
y_data2 = [53000, 54500, 51500,58300, 57900, 59500, 62700,70900]

# 繪圖
plt.bar(x=x_data, height=y_data1, label='Book1', color='steelblue', alpha=0.7)
plt.bar(x=x_data, height=y_data2, label='Book2', color='indianred', alpha=0.7)

# 在柱狀圖上顯示具體數值, ha參數控制水平對齊方式, va控制垂直對齊方式
for x, y in enumerate(y_data1):
    plt.text(x, y + 100, '%s' % y, ha='center', va='bottom')
for x, y in enumerate(y_data2):
    plt.text(x, y + 100, '%s' % y, ha='center', va='top')

# 設置標題
plt.title("Book1 and Book2")
# 爲兩條座標軸設置名稱
plt.xlabel("year")
plt.ylabel("sales")
# 顯示圖例
plt.legend()
plt.show()

運行結果如下：

爲了能在柱狀圖上顯示具體的數值，程序可以調用 text() 函數在數據圖上輸出文字。

 text() 函數的前兩個參數控制輸出文字的 X、Y 座標，第三個參數則控制輸出的內容。其中 va 參數控制文字的垂直對齊方式，ha 參數控制文字的水平對齊方式。如上面程序所示，由於 X 軸數據是一個字符串列表，因此 X 軸實際上是以列表元素的索引作爲刻度值的。因此，當程序指定輸出文字的 X 座標爲0 時，表明將該文字輸出到第一個條柱處；對於 Y 座標而言，條柱的數值正好在條柱高度所在處（即2011年沒有，從2012年開始呈現數據座標圖），如果指定 Y 座標爲條柱的數值 +100，就是控制將文字輸出到條柱略上一點的位置。

爲了將多個柱狀圖的條柱並列顯示，程序需要爲這些柱狀圖重新計算不同的 X 軸數據。爲了精確控制條柱的寬度，程序可以在調用 bar() 函數時傳入 width 參數，這樣可以更好地計算條柱的並列方式。將上面程序改爲如下形式：

例7：

#Python繪製垂直並列,且有空隙的柱狀圖：
import matplotlib.pyplot as plt
import numpy as np

# 構建數據
x_data = ['2012', '2013', '2014', '2015', '2016', '2017', '2018','2019']
y_data1 = [58000, 60200, 62500, 72000, 83000, 90500, 106000,115000]
y_data2 = [53000, 54500, 51500,58300, 57900, 59500, 62700,70900]

bar_width=0.35   #柱狀的寬度
gap_width=0.05   #柱狀與柱狀之間的間隙寬度
# 將y_data1中的X軸數據改爲使用range(len(x_data), 即0、1、2...
plt.bar(x=range(len(x_data)), height=y_data1, label='Book1',
    color='steelblue', alpha=0.7, width=bar_width)

# 將y_data2中的X軸數據改爲使用np.arange(len(x_data))+bar_width,
# 即bar_width、1+bar_width、2+bar_width...這樣就和第一個柱狀圖實現了並列
plt.bar(x=np.arange(len(x_data))+bar_width+gap_width, height=y_data2,
    label='Book2', color='indianred', alpha=0.7, width=bar_width)


# 在柱狀圖上顯示具體數值, ha參數控制水平對齊方式, va控制垂直對齊方式
for x, y in enumerate(y_data1):
    plt.text(x, y + 100, '%s' % y, ha='center', va='bottom')
for x, y in enumerate(y_data2):
    plt.text(x+bar_width, y + 100, '%s' % y, ha='center', va='top')

# 設置標題
plt.title("Book1 and Book2")
# 爲兩條座標軸設置名稱
plt.xlabel("year")
plt.ylabel("sales")
plt.xticks(np.arange(len(x_data))+bar_width/2, x_data)

# 顯示圖例
plt.legend()
plt.show()

運算結果爲：

例8：

#Python繪製水平柱狀圖：
import matplotlib.pyplot as plt
import numpy as np

# 構建數據
x_data = ['2012', '2013', '2014', '2015', '2016', '2017', '2018','2019']
y_data1 = [58000, 60200, 62500, 72000, 83000, 90500, 106000,115000]
y_data2 = [53000, 54500, 51500,58300, 57900, 59500, 62700,70900]

bar_width=0.35   #柱狀的寬度
plt.barh(y=range(len(x_data)), width=y_data1, label='Book1',
    color='steelblue', alpha=0.7, height=bar_width)

# Y軸數據使用np.arange(len(x_data))+bar_width,
# 就是bar_width、1+bar_width、2+bar_width...這樣就和第一個柱狀圖並列了
plt.barh(y=np.arange(len(x_data))+bar_width, width=y_data2,
    label='Book2', color='indianred', alpha=0.7, height=bar_width)

# 在柱狀圖上顯示具體數值, ha參數控制水平對齊方式, va控制垂直對齊方式
for y, x in enumerate(y_data1):
    plt.text(x+5000, y-bar_width/2, '%s' % x, ha='center', va='bottom')
for y, x in enumerate(y_data2):
    plt.text(x+5000, y+bar_width/2, '%s' % x, ha='center', va='bottom')

# 爲Y軸設置刻度值
plt.yticks(np.arange(len(x_data))+bar_width/2, x_data)
# 設置標題
plt.title("Book1 and Book2")
# 爲兩條座標軸設置名稱
plt.xlabel("Sales")
plt.ylabel("Year")
# 顯示圖例
plt.legend()
plt.show()

運行結果如下：

（8）Python繪製散點圖

調用 Matplotlib 的 scatter() 函數來繪製散點圖，該函數支持如下常用參數：

• x：指定 X 軸數據。
• y：指定 Y 軸數據。
• s：指定散點的大小。
• c：指定散點的顏色。
• alpha：指定散點的透明度。
• linewidths：指定散點邊框線的寬度。
• edgecolors：指定散點邊框的顏色。
• marker：指定散點的圖形樣式。應參數支持'.'（點標記）、','（像素標記）、'o'（圓形標記）、'v'（向下三角形標記）、'^'（向上三角形標記）、'<'（向左三角形標記）、'>'（向右三角形標記）、'1'（向下三叉標記）、'2'（向上三叉標記）、'3'（向左三叉標記）、'4'（向右三叉標記）、's'（正方形標記）、'p'（五地形標記）、'*'（星形標記）、'h'（八邊形標記）、'H'（另一種八邊形標記）、'+'（加號標記）、'x'（x標記）、'D'（菱形標記）、'd'（尖菱形標記）、'|'（豎線標記）、'_'（橫線標記）等值。
• cmap：指定散點的顏色映射，會使用不同的顏色來區分散點的值。

例9：

#繪製散點圖

import matplotlib.pyplot as plt
import numpy as np

plt.figure()

# 定義從-2*pi到2*pi之間的數據，平均取128個數據點
x_data = np.linspace(-2*np.pi, 2*np.pi, 128, endpoint=True)

# 沿着正弦曲線繪製散點圖
plt.scatter(x_data, np.sin(x_data), c='purple', # 設置點的顏色
    s=50, # 設置點半徑
    alpha = 0.5, # 設置透明度
    marker='p', # 設置使用五邊形標記
    linewidths=1, # 設置邊框的線寬
    edgecolors=['red', 'yellow']) # 設置邊框的顏色

# 繪製第二個散點圖（只包含一個起點），突出起點
plt.scatter(x_data[0], np.sin(x_data)[0], c='red', # 設置點的顏色
    s=150, # 設置點半徑
    alpha =1) # 設置透明度

# 繪製第三個散點圖（只包含一個結束點），突出結束點
plt.scatter(x_data[127], np.sin(x_data)[127], c='black', # 設置點的顏色
    s=150, # 設置點半徑
    alpha =1) # 設置透明度

plt.gca().spines['right'].set_color('none')
plt.gca().spines['top'].set_color('none')
plt.gca().spines['bottom'].set_position(('data', 0))
plt.gca().spines['left'].set_position(('data', 0))
plt.title('Scatter Diagram of Sin()')
plt.show()

運行結果如下：

可以看到，例子中繪製了三條散點圖，其中第一條是繪製的散點圖（多個點），後面的是繪製了單點（即數據始發點和終止點）的散點圖，並對其進行了一定的突出效果。

（9）Python繪製等高線

繪製等高線圖需要三維數據，其中 X、Y 軸數據決定座標點，還需要對應的高度數據（相當於 Z 軸數據）來決定不同座標點的高度。Python可以調用 contour() 函數繪製等高線，調用 contourf() 函數爲等高線圖填充顏色。
在調用 contour()、contourf() 函數時可以指定如下常用參數：

• x：指定 X 軸數據。
• y：指定 Y 軸數據。
• z：指定 X、Y 座標對應點的高度數據。
• colors：指定不同高度的等高線的顏色。
• alpha：指定等高線的透明度。
• cmap：指定等高線的顏色映射，即自動使用不同的顏色來區分不同的高度區域。
• linewidths：指定等高線的寬度。
• linestyles：指定等高線的樣式。

#繪製等高線

import matplotlib.pyplot as plt
import numpy as np

#步驟一：首先，收集數據
delta = 0.025
# 生成代表X軸數據的列表
x = np.arange(-4.0, 4.0, delta)
# 生成代表Y軸數據的列表
y = np.arange(-3.0, 3.0, delta)
# 對x、y數據執行網格化
X, Y = np.meshgrid(x, y)
Z1 = np.exp(-X**2 - Y**2)
Z2 = np.exp(-(X - 1)**2 - (Y - 1)**2)
# 計算Z軸數據（高度數據）
Z = (Z1 - Z2) * 3

#步驟二：其次，等高線填充顏色
# 爲等高線圖填充顏色, 16指定將等高線分爲幾部分
plt.contourf(x, y, Z, 16, alpha = 0.8,
    cmap='rainbow')  # 使用顏色映射來區分不同高度的區域

#步驟三：最後，繪製等高線並設置座標等
# 繪製等高線
C = plt.contour(x, y, Z, 16,
    colors = 'black', # 指定等高線的顏色
    linewidth = 0.5) # 指定等高線的線寬

# 繪製等高線數據
plt.clabel(C, inline = True, fontsize = 10)
# 去除座標軸
plt.xticks(())
plt.yticks(())
# 設置標題
plt.title("Isoheight")
# 爲兩條座標軸設置名稱
plt.xlabel("Latitude")
plt.ylabel("Longitude")
plt.show()

運算結果爲：

（10）Python繪製3D圖形

在Python中繪製 3D 圖形，需要調用 Axes3D 對象的 plot_surface() 方法

import matplotlib.pyplot as plt
import numpy as np
from mpl_toolkits.mplot3d import Axes3D

fig = plt.figure(figsize=(12, 8))
ax = Axes3D(fig)

delta = 0.135
# 生成代表X軸數據的列表
x = np.arange(-3.0, 3.0, delta)
# 生成代表Y軸數據的列表
y = np.arange(-2.0, 2.0, delta)
# 對x、y數據執行網格化
X, Y = np.meshgrid(x, y)
Z1 = np.exp(-X**2 - Y**2)
Z2 = np.exp(-(X - 1)**2 - (Y - 1)**2)
# 計算Z軸數據（高度數據）
Z = (Z1 - Z2) * 2
# 繪製3D圖形
ax.plot_surface(X, Y, Z,
    rstride=1,  # rstride（row）指定行的跨度
    cstride=1,  # cstride(column)指定列的跨度
    cmap=plt.get_cmap('rainbow'))  # 設置顏色映射
# 設置Z軸範圍
ax.set_zlim(-2.5, 2.5)
# 設置標題
plt.title("Figure-3D")
plt.show()