利用matplotlib在Python中绘制数据的详细教程

目次

• 简介
• 先决条件
• 步骤 1 — 导入 matplotlib
• 步骤 2 — 创建要绘制的数据点
• 步骤 3 — 绘制数据
• 步骤 4 — 添加标题和标签
• 步骤 5 — 自定义图表
• 步骤 6 — 生存图表
• 结论

简介

Python 在处理数据方面非常精彩。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环境。数据可视化是资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，您想要相识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，那么理解环境就不会太困难。但是，假设您想要利用整个镇上 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分析这两者之间的关系。

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须要部门。

我们将利用 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泼的开源开辟社区项目。它答应您天生高质量的折线图、散点图、直方图、条形图等。每个图以差别的方式出现数据，通常在确定命据的最具信息量的图之前，实验差别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，本教程将形貌如何利用 matplotlib 在 Python 中绘制数据。我们将先容如何利用一小组数据天生散点图，向图表添加标题和图例，并通过更改绘图点的表面来自定义图表。

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。如果不是这种环境，您可以按照实用于您操纵体系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，让我们再次查抄 matplotlib 模块是否已安装。在下令行中，通过运行以下下令查抄 matplotlib 是否已安装：

如果 matplotlib 已安装，此下令将顺遂完成，我们可以开始了。如果没有安装，您将收到错误消息：

如果收到错误消息，请利用 pip 下载该库：

如今 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利用的脚本：[code]scatter.py[/code]。然后，在我们的脚本中，让我们导入 matplotlib。由于我们只会利用绘图模块（pyplot），因此在导入时让我们指定它。

我们通过在 [code]matplotlib[/code] 末了添加 [code].pyplot[/code] 来指定我们希望导入的模块。为了在脚本中更轻易地引用该模块，我们将其缩写为 [code]plt[/code]。如今，我们可以继承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。我们将利用 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大概的现实场景接洽起来。假设我们是一家咖啡店的老板，我们对一年中的均匀天气和冰咖啡的总销量之间的关系感爱好。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均匀温度。

在我们的 Python 脚本中，我们将创建两个列表变量：[code]X[/code]（冰咖啡总销量）和 [code]Y[/code]（均匀温度）。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，均匀温度为 32 华氏度，咖啡店卖出了 590 杯冰咖啡。

如今我们有了数据，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，因此我们将利用这种图表类型作为示例。要利用 matplotlib 创建散点图，我们将利用 [code]scatter()[/code] 函数。该函数需要两个参数，分别表现 X 和 Y 坐标值。

每次创建图表时，我们都必须利用 [code]plt.show()[/code] 指定要表现图表。

在继承之前，让我们查抄一下我们的脚本是否正常工作。生存脚本并通过下令行运行：

如果统统顺遂，应该会启动一个窗口表现图表，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，好比悬停表现标签和坐标、放大或缩小以及生存。

步骤 4 — 添加标题和标签

如今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 [code]plt.show()[/code] 行之前添加标题。

接下来，在 [code]plt.title[/code] 行下方添加轴的标签：

如果我们生存脚本并再次运行它，如今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如许：

!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表现信息非常重要。记住，可视化也是一门艺术，所以可以在此中发挥创意！matplotlib 包括许多自定义功能，好比差别的颜色、点符号和巨细。根据我们的需求，我们大概想实验差别的比例，为我们的轴利用差别的范围。我们可以通过指定轴的新范围来更改默认参数，如下所示：

原始图表中的点看起来有点小，蓝色大概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现实颜色/巨细/形状，我们必须在初始的 [code]plt.scatter()[/code] 调用中进行这些更改。我们将更改以下参数：

• [code]s[/code]：点的巨细，默认值为 20
• [code]c[/code]：颜色、序列或颜色序列，默认值为 ‘b’
• [code]marker[/code]：点符号，默认值为 ‘o’

大概的标志包括许多差别的形状，如菱形、六边形、星形等。颜色选择包括蓝色、绿色、赤色和洋赤色等。还可以提供 HTML 十六进制字符串作为颜色。请参阅 matplotlib 的文档，相识大概的标志和颜色的全面列表。

为了使我们的图表更易于阅读，让我们将点的巨细更加（[code]s=60[/code]），将颜色更改为赤色（[code]c='r'[/code]），并将符号更改为三角形（[code]marker='^'[/code]）。我们将修改 [code]plt.scatter()[/code] 函数：

在运行更新后的脚本之前，我们可以再次查抄我们的代码是否精确。自定义图表的更新脚本应该看起来像如许：

#散点图

#更改坐标轴范围

#添加标题

#添加 x 和 y 轴标签

#表现图表

不要忘记在进行第 6 步之前生存你的脚本。

步骤 6 — 生存图表

如今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。

如今应该会打开一个窗口表现我们的图表：

!Alt 带有标题和 X/Y 标签的终极散点图，并利用更大、赤色、三角形点进行定制。

接下来，通过单击生存按钮（位于底部工具栏上的磁盘图标）来生存图表。请记住，图像将被生存为 PNG 格式，而不是交互式图表。恭喜你，如今你拥有自己定制的散点图！

结论

在本教程中，你学会了如何利用 Python 中的 matplotlib 绘制数据。如今你可以可视化数据并定制图表。

以上就是利用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别的相干文章！