浅谈浅谈matplotlib.pyplot与与axes的关系的关系
最近在学习数据可视化,梳理一下其中一些诸如pandas绘图、matplotlib绘图、pyplot(plt)、axes等概念。
重要的事情说三遍:axes不是axis!axes不是axis!axes不是axis!
重要的事情说三遍:pyplot是接口不是对象!pyplot是接口不是对象!pyplot是接口不是对象!
很多书上一上来就直接import matplotlib.pypltot as plt,然后就教你plt.xxx()。这种方式固然没错,可问题就出在了plt只是一个
interface,只是一个接口,连对象都算不上(仔细回想,你确实没有实例化过任何一个名叫plt类型的对象)这给本来就对面向
对象编程并不很熟悉的我
带来无穷无尽的困扰
。plt这个接口的意义在于:
通过接口直接画图(这时候我们把这个接口看成一个黑盒,根本不要去管其中有些什么对象类型)
通过接口实例化别的类型的对象(如figure类型 axes类型等)
1.通过通过plt.xxx()直接绘图直接绘图
就像各种教程和书上的常规操作一样,我们可以用plt.plot(), plt.bar()等绘制不同类型的图(部分总结如下表)
表一 plt中用于绘图的部分函数
函数名函数名 作用作用
plt.bar() 条形图
plt.barh() 横排条形图
plt.boxplot() 箱线图(plt.box()是另一个函数)
plt.hist() 频率直方图
plt.plot() 折线图
我们可以用plt的其他一些函数来对图表的标题等进行设置(部分总结如下表)
表二 plt中用于设置的部分函数
函数名函数名 作用作用
plt.title() 设置图表标题
plt.grid() 设置图表网格
plt.xlabel();plt.ylabel 设置x;y轴标题
plt.xticks();plt.yticks() 设置x;y轴刻度
plt.xlim();plt.ylim() 设置x;y轴范围
plt.annotate() 设置标注
(具体的参数和用法详见 https://matplotlib.org/api/pyplot_summary.html )
用plt绘图的方便之处,同样也是它最令人迷惑的地方,就是它没有一个显性的对象。
我们甚至可以调用pandas绘图以后,用表二中的plt函数来对pandas生成的这个图表进行设置。
例程如下:
import matplotlib.pyplot as plt
from pandas import Series
data = Series([1.47,1.62,1.78,1.94,2.38,2.60],index=['2012','2013','2014','2015','2016','2017'])
#注意下一行的对象是'data',它是一个series对象,调用的是pandas绘图函数
data.plot(label='income', color = 'r', linestyle=':', marker = 's')#具体的pandas绘图之后会细讲
#但接下来我们甚至可以调用plt的函数对它进行设置
plt.title('Income chart')
plt.xlabel('Year')
plt.ylabel('income')
plt.annotate('Largest point',xy=(5,2.60),xytext=(3,2.5), arrowprops=dict(arrowstyle='->'))
plt.show()
评论0
最新资源