用于展示数据

1. Matplotlib库入门

Python优秀的数据可视化第三方库

安装

pip install -i https://mirrors.aliyun.com/pypi/simple/ matplotlib

官方图形-代码展示

Matplotlib库由各种可视化类构成，matplotlib.pyplot库是绘制各种可视化图形的命令子库，相当于快捷方式

调用

import matplotlib.pyplot as plt

1.1 plot()函数

plt.plot(x, y, format_string, **kwargs)

x：x轴数据，列表或数组，可选
y：y轴数据，列表或数组
format_string：控制曲线的格式字符串，可选
**kwargs：第二组或更多x, y, format_string【多条曲线时，x不能省略】

1.1.1 绘制一条曲线

# 调用matplotlib.pyplot库，并给出约定别名
import matplotlib.pyplot as plt

a = [1, 2, 3, 4]
# 绘图，接收一维参数，默认是y轴的值。x轴是参数的索引
plt.plot(a)
# 设定y轴标签【不能用中文表示】
plt.ylabel('y')
# 将图形存储为文件，默认PNG格式，通过dpi修改输出质量
plt.savefig('\\TDRDIS Book\\编程\\Python应用\\pig\\text', dpi = 600)
# 展示
plt.show()

b = [2, 4, 4, 2]
# 接收2个参数，分别对应xy
plt.plot(a, b)
# 设定xy轴尺度：[x轴起、止值，y轴其起、止值]
plt.axis([-1, 5, 0, 5])
plt.show()

matplotlib简介 1.png

matplotlib简介 2.png

1.1.2 绘制多条曲线

import numpy as np
a = np.arange(10)
a # array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])

plt.plot(a, a*1.5, a, a*2.5, a, a*3)
plt.show()

plot() 1.png

format_string由颜色字符、风格字符和标记字符组成

风格字符：表示曲线的样子

标记字符：在曲线中的每个点，采取什么样的风格

plt.plot(a, a*1.5, 'go-.', a, a*2.5, '2--', a, a*3, 'y:', a, a*4, 'kp', a, a*5, 'b')
plt.show()

plot() 2.png

没有给出颜色，系统自动赋予一个不同于其他颜色的颜色
没有给出风格或标记字符，那就默认没有风格或没有标记
没有给出风格和标记字符，那就默认是直线

其他参数命令控制颜色、风格、标记字符等

color：控制颜色，color = ’green‘；linestyle：线条风格，linestyle = 'dashed'；marker：标记风格，marker = ‘o'。与上面简写字符一一对应
markerfacecolor：每一个标记的颜色，markerfacecolor = 'blue'；markersize：每一个标记的大小，markersize = 20

1.2 中文显示

1.2.1 rcParams修改字体

rcParams是pyplot用于改变全局字体的资源库，使用时需要引入matplotlib库

import matplotlib.pyplot as plt
import matplotlib
# 修改字体为中文字体，SimHei是黑体
matplotlib.rcParams['font.family'] = 'SimHei'
a = [1, 2, 3, 4]
plt.plot(a)
plt.ylabel('y的值')
plt.show()

中文显示 1.png

1.2.1 fontproperties

局部改变字体，配合fontsize使用
···pythonimport matplotlib.pyplot as plt
a = [1, 2, 3, 4]
plt.plot(a)
plt.ylabel('y的值', fontproperties = 'SimHei', fontsize = 20)
plt.xlabel('x的值', fontproperties = 'SimHei', fontsize = 40)
plt.show()
···

中文显示 2.png

1.3 文本显示

import matplotlib.pyplot as plt
import numpy as np
a = np.arange(0.0, 5.0, 0.02)
plt.plot(a, np.cos(2*np.pi*a), 'r--')

plt.xlabel('横轴：时间', fontproperties = 'SimHei', fontsize = 15, color = 'green')
plt.ylabel('纵轴：振幅', fontproperties = 'SimHei', fontsize = 15)
# 用一对$$引入Latex格式
plt.title(r'正弦波实例 $y=cos(2\pi x)$', fontproperties = 'SimHei', fontsize = 25)
# text(x,y,text)：xy的坐标，text：内容
plt.text(2, 1, r'$\mu=100$', fontsize = 20)

plt.axis([-1, 6, -2, 2])
# 在图形中加入网格
plt.grid(True)
plt.show()

文本显示 1.png

plt.annotate(s, xy=arrow_crd, xytext=text_crd,arrowprops=dict)

s：要注解的字符串
xy=arrow_crd：箭头所在位置
xytext=text_crd：文本显示位置
arrowprops=dict：字典类型，定义整个显示的一些属性

a = np.arange(0.0, 5.0, 0.02)
plt.plot(a, np.cos(2*np.pi*a), 'r--')

plt.xlabel('横轴：时间', fontproperties = 'SimHei', fontsize = 15, color = 'green')
plt.ylabel('纵轴：振幅', fontproperties = 'SimHei', fontsize = 15)
plt.title(r'正弦波实例 $y=cos(2\pi x)$', fontproperties = 'SimHei', fontsize = 25)
# shrink:箭头2段的空白, width：箭头大小
plt.annotate(r'$\mu=100$', xy = (2,1), xytext = (3, 1.5),
              arrowprops = dict(facecolor = 'black', shrink = 0.2, width = 2))

plt.axis([-1, 6, -2, 2])
plt.grid(True)
plt.show()

文本显示 2.png

1.4 子绘图区域

1.4.1 简单绘图区域

plt.subplot(nrows, ncols, plot_number)

将绘图区分割以nrows为行数量，以ncols为列数量的子区域。
plot_number：指明当前绘图区在哪个区域
书写时，可将逗号去掉

a = [1, 2, 3, 4]
b = [2, 4, 4, 2]
plt.subplot(2,1,1)
plt.plot(a)
plt.subplot(212)
plt.plot(a, b)
plt.show()

matplotlib简介 3.png

1.4.2 复杂绘图区

1. plt.subplot2grid()方法

plt.subplot2grid(GridSpec, CurSpec, colspan = 1, rowspan = 1)

能够设定网格，选中网格，确定选中行列区域数量，编号从0开始
GridSpec：一个元组，将区域分割成什么样的网络形状
CurSpec：当前选定位置
colspan ：列的延伸
rowspan：行的延伸

plt.subplot2grid((3,3),(0,0), colspan=3)
plt.subplot2grid((3,3),(1,0), colspan=2)
plt.subplot2grid((3,3),(1,2), rowspan=2)
plt.subplot2grid((3,3),(2,0))
plt.subplot2grid((3,3),(2,1))

复杂绘图区 1.png

2. GridSpec类

# 导入GridSpec类[跟上图同样的区域图]
import matplotlib.gridspec as gridspec
# 定义一个3行3列的网格
gs = gridspec.GridSpec(3,3)
# 在行上，选中第0行；在列上所有的列
ax1 = plt.subplot(gs[0,:])
ax2 = plt.subplot(gs[1,:-1])
ax3 = plt.subplot(gs[1:,-1])
ax4 = plt.subplot(gs[2,0])
ax5 = plt.subplot(gs[2,1])

2. 基础绘图函数

重点不是绘制图形，而是给数据找到合适展示方式

2.1 饼图

import matplotlib.pyplot as plt
# 定义标签
labels = 'Frogs', 'Hogs', 'Dogs', 'Logs'
# 定义标签打小
sizes = [15, 30, 45, 10]
# 指出第2块被突出，突出打小为0.1
explode = (0,0.1, 0,0)
# autopct：表示显示百分数的方式；shadow：是二维还是有阴影；startangle：饼图起始角度
plt.pie(sizes, explode=explode, labels=labels, autopct = '%1.1f%%',
       shadow=False, startangle=90)
# 绘制过程中，xy方向应该是相等的
plt.axis('equal')
plt.show()

绘制饼图 1.png

2.2 直方图

对于一个有若干元素的数组a，最小值和最大值之间构成一个取值范围。直方图是将取值范围均等的划分bin个区间，图形表示在某个区间有多少个元素

如，1，1，1，1，3。划分2个bin，其中4个1在第1个bin区间

import matplotlib.pyplot as plt
import numpy as np
np.random.seed(0)
mu, sigma = 100, 2
a = np.random.normal(mu, sigma, size = 100)
# bins= 20：表示生产图形中直方的个数
# density = 1：将每一个直方中出现元素的个数归一化为出现的概率
# density = 0：表示直方中出现元素的个数
plt.hist(a, 20, density = 1, histtype = 'stepfilled', facecolor = 'b', alpha = 0.75)
plt.title('Histogran')
plt.show()

直方图 1.png

2.3 极坐标图

plt.polar(left, height, withd)

left：表示,极坐标中，颜色区域从哪开始，表示图中某一个位置
height：表示中心的向边缘绘制的长度
withd：宽度，即每个绘图区域的面积，这个面积是在角度范围内辐射

import matplotlib.pyplot as plt
import numpy as np

# 给出极坐标图中的个数
N= 20
# 从0-360度，按照个数等分出N个不同角度
theta = np.linspace(0.0, 2*np.pi, N, endpoint=False)
# 生成N个一维的数组，对应每个角度对应的值
radii = 10 * np.random.rand(N)
# 给出宽度值，一组数组
width = np.pi / 4 * np.random.rand(N)

# 设定绘图区域，并通过projection = 'polar'给出绘制极坐标图指示
# 采用面向对象绘制极坐标图
ax = plt.subplot(111, projection = 'polar')
# 将绘图区域赋值与一个参数
# ax是一个对象，采用bar方法将3个参数给bars
bars = ax.bar(theta, radii, width = width, bottom = 0.0)

# 采用for循环对每个区域进行设定
for r, bar in zip(radii, bars):
    bar.set_facecolor(plt.cm.viridis(r / 10))
    bar.set_alpha(0.5)
plt.show()

极坐标图 1.png

在角度空间内展示数据的类型

2.4 散点图

plt.scatter(x,y)

'''面向对象绘制散点图'''
import numpy as np
import matplotlib.pyplot as plt

# 将subplots()函数变成一个对象
# 给出2个参数，分别对应生成的图表，以及图表相关的区域
# plt.subplots()：表明绘制区域是111，即只有一个绘制区域
fig, ax = plt.subplots()
# 在当前绘制区域（ax），绘制其中的点
#  'o'：设定每一个点的类型
ax.plot(10*np.random.randn(100), 10*np.random.randn(100), 'o')
# 设定标题
ax.set_title('Using hyphen instead of Unicode minus')
plt.show()

散点图 1.png

面向对象的方法
plot()函数和标题设置函数，变成对象的方法，而不再是plt下面的函数

3. 引力波绘制

引力波：因为时空弯曲对外以辐射形式传播的能量

数据源：2个声音文件（真是宇宙引力波数据），1个txt文件（由科学家生成的希望用于对比的引力波模板文件）

# 科学计算库
import numpy as np
# 绘图库
import matplotlib.pyplot as plt
# 读取波形文件库
from scipy.io import wavfile

# 读取音频文件
rate_h, hstrain= wavfile.read(r"E:\TDRDIS Book\编程\Python应用\引力波数据源\H1_Strain.wav","rb")
rate_l, lstrain= wavfile.read(r"E:\TDRDIS Book\编程\Python应用\引力波数据源\L1_Strain.wav","rb")
# reftime是时间序列，ref_H1是数据
# np.genfromtxt()执行2个循环，1）将文件的每一行都转化成字符串，2）将每个字符串转化成相应的数据类型
# transpose() 将数据转置
reftime, ref_H1 = np.genfromtxt(r'E:\TDRDIS Book\编程\Python应用\引力波数据源\wf_template.txt').transpose()

# 得到波形的时间间隔
htime_interval = 1/rate_h
ltime_interval = 1/rate_l
# 创建一个大小为12*6的绘图空间
fig = plt.figure(figsize=(12, 6))
 
# 丢失信号起始点
# hstrain是一个数据矩阵，shape[0]表示读取矩阵的第一维度的长度，即数据个数，
# /rate_h：得到函数在坐标轴中的总长度
htime_len = hstrain.shape[0]/rate_h
# 以原点为中心，设置起止点，以htime_interval为时间间隔
htime = np.arange(-htime_len/2, htime_len/2 , htime_interval)
# 在第1个子图绘制图片
plth = fig.add_subplot(221)
plth.plot(htime, hstrain, 'y')
plth.set_xlabel('Time (seconds)')
plth.set_ylabel('H1 Strain')
plth.set_title('H1 Strain')
 
ltime_len = lstrain.shape[0]/rate_l
ltime = np.arange(-ltime_len/2, ltime_len/2 , ltime_interval)
pltl = fig.add_subplot(222)
pltl.plot(ltime, lstrain, 'g')
pltl.set_xlabel('Time (seconds)')
pltl.set_ylabel('L1 Strain')
pltl.set_title('L1 Strain')
 
pltref = fig.add_subplot(212)
pltref.plot(reftime, ref_H1)
pltref.set_xlabel('Time (seconds)')
pltref.set_ylabel('Template Strain')
pltref.set_title('Template')
# 自动调节图像外部边缘
fig.tight_layout()

# 保存图像
plt.savefig(r"E:\TDRDIS Book\编程\Python应用\pig\Gravitational_Waves_Original.png")
plt.show()
plt.close(fig)

Gravitational_Waves_Original.png

目录：Python数据分析与展示
一、NumPy库
二、Matplotlib库
三、Pandas库

Python数据分析与展示.jpg