介绍python的matplotlib常用绘图函数

import matplotlib.pyplot as pltimport pandas as pdimport numpy as np

plt.rcParams['font.sans-serif']=['simhei']#用于正常显示中文标签plt.rcParams['axes.unicode_minus']=False#用于正常显示负号

def plot_cols(data,xlabel=None,ylabel=None,path_file=None,marker=True,len_xticks=10,save=False):

    """

    :param data:DataFrame,数据表格--行标题为横坐标，列标题为数据列

                Series,序列——行标题为横坐标，name为数据列

    :param xlabel: str,横坐标名称

    :param ylabel: str,纵坐标名称

    :param path_file: str,保存文件路径

    :param marker: bool,是否为每条线添加不同的标记

    :param len_xticks:int,横坐标显示的值个数

    :param save: bool,是否保存图片

    example:

        data=pd.DataFrame(np.random.random((100,3)),index=np.arange(100),columns=['a','b','c'])

        plot_cols(data,xlabel='指标',ylabel='指数')

    """

    data.index=data.index.astype(str)

    plt.figure(figsize=(12,8))

    markers=['.',',','o','v','^','<','>','1','2','3','4','s','p','*','h','H','+','x','D','d','|','_']#标记符号

    #如果是DataFrame表格形式，则画出多列；如果是Series，则画出单列

    if type(data) is pd.core.frame.DataFrame:

        #是否为每条线添加不同的符号

        if marker==False:

            for col in data.columns:

                plt.plot(data[col],marker='o',label=col)

        else:

            for col,marker_ in zip(data.columns,markers):

                plt.plot(data[col], marker=marker_, label=col)

    elif type(data) is pd.core.series.Series:

        plt.plot(data, marker='o', label=data.name)

    plt.legend(loc='best',fontsize='small')

    xticks=np.linspace(0,len(data),(len_xticks+1)).astype(int).tolist()[:-1]#被显示的横坐标刻度值的位置

    plt.xticks(data.index[xticks],rotation=270)

    plt.ylabel(ylabel,fontsize=15)

    plt.xlabel(xlabel,fontsize=15)

    plt.grid(True,alpha=0.2)

    if save==True:plt.savefig(path_file)if __name__=='__main__':

    x=np.arange(1,101)

    data = pd.DataFrame({'a':x*2+3,'b':x*3-4,'c':np.log(x)+9}, index=np.arange(100))

    plot_cols(data, xlabel='指标', ylabel='指数')

def plot_twins(data,col1,col2,xlabel=None,ylabel1=None,ylabel2=None,len_xticks=10,figsize=(10,6),save_path=None):

    """将含有两列的DataFrame表格数据作为双轴图

    :param data: DataFrame,含有两列的DataFrame表格数据

    :param col1: str,左图列标题

    :param col2: str,右图列标题

    :param xlabel: str,横轴标题

    :param ylabel1: str,左y轴标题

    :param ylabel2: str,右y轴标题

    :param len_xticks: int,显示的刻度个数

    :param figsize: turple,图大小

    :param save_path: str,图片保存路径。默认为None，不保存图片

    :return:

    example:

        x=np.arange(0,100)

        data=pd.DataFrame({'销售额(元)':3*x+np.random.random(100)*100,'增长率(%)':np.random.random(100)},index=pd.date_range('2015-01-23',periods=100,freq='D'))

        plot_twins(data,col1='销售额(元)',col2='增长率(%)',xlabel=None,ylabel1='销售额(元)',ylabel2='增长率(%)')

    """

    fig=plt.figure(figsize=figsize)#创建一块总画布

    # 将画板分为四行四列共16个单元格，(0, 0)表示从第一行第一列即第一个单元格开始画图，将第一行的三个单元格作为一个画块作画

    ax=plt.subplot2grid((1,1),(0,0),rowspan=1,colspan=1)

    plt.plot(data[col1],label=col1,color='r',marker='^')

    ax.legend(loc='upper right')#用于显示画布ax的图，切记用 loc= 表示位置

    ax.set_ylabel(ylabel1)

    xticks=np.linspace(0,len(data),(len_xticks+1)).astype(int).tolist()[:-1]#被显示的横坐标刻度值的位置

    ax.set_xticks(data.index[xticks])

    plt.xticks(rotation=270)

    twin=ax.twinx()

    plt.plot(data[col2],label=col2,color='y',marker='o')

    twin.legend(loc='upper left')

    twin.set_ylabel(ylabel2)

    ax.set_xlabel(xlabel)

    ax.grid(True,alpha=0.2)

    if save_path!=None: plt.savefig(save_path)if __name__=='__main__':

        x=np.arange(0,100)

        data=pd.DataFrame({'销售额(元)':3*x+np.random.random(100)*100,'增长率(%)':np.random.random(100)},index=pd.date_range('2015-01-23',periods=100,freq='D'))

        plot_twins(data,col1='销售额(元)',col2='增长率(%)',xlabel=None,ylabel1='销售额(元)',ylabel2='增长率(%)')

def plot_figs(data,xlabel=None,ylabels=None,save_path=None,len_xticks=5,length=10,width=3,intervals=1):

    """

    将DataFrame表格中的多列数据绘制成多个图

    :param data:DataFrame,含有多列的表格

    :param xlabel:str,横轴标题

    :param ylabels:list,各个图的纵轴标题

    :param path_save:str,图片保存路径。默认为None，不保存图片

    :param len_xticks: int,显示的刻度个数

    :param length:int,画板长度

    :param width:int,图画宽度

    :param intervals:int,图画之间间隔距离

    :return:

    example:

        data=pd.DataFrame(np.random.random((100,3)),index=np.arange(100),columns=['a','b','c'])

        plot_figs(data,xlabel='标号',ylabels=['a','b','c'])

    """

    cols=data.columns

    num_fig = len(data.columns)

    fig = plt.figure(figsize=(length, 4*num_fig))  # 创建一块总画布

    for i in range(0,num_fig):

        #i=2

        ax = plt.subplot2grid((num_fig*(width+intervals), 1), (i*(width+intervals), 0), rowspan=width,

                               colspan=1)  # 将画板分为四行四列共16个单元格，(0, 0)表示从第一行第一列即第一个单元格开始画图，将第一行的三个单元格作为一个画块作画

        ax.plot(data[cols[i]], label=cols[i])

        ax.legend(loc='upper right')  # 用于显示画布ax1的图，切记用 loc= 表示位置

        if ylabels!=None:ax.set_ylabel(ylabels[i])

        if xlabels!=None and i==(num_fig-1):ax.set_xlabel(xlabel)

        xticks = np.linspace(0, len(data), (len_xticks + 1)).astype(int).tolist()[:-1]  # 被显示的横坐标刻度值的位置

        ax.set_xticks(data.index[xticks])

        plt.grid(True,alpha=0.2)

    if save_path != None: plt.savefig(save_path)if __name__=='__main__':

    data=pd.DataFrame(np.random.random((100,3)),index=np.arange(100),columns=['a','b','c'])

    plot_figs(data,xlabel='标号',ylabels=['a','b','c'])