matplotlib 机器学习绘图
安装：pip install matplotlib介绍
Matplotlib 是 Python 中最常用的 2D 绘图库，也可以用来绘制 3D 图形。它提供了一套面向对象（OO）和基于 pyplot 的 MATLAB 风格接口，几乎能画出所有静态、动态、交互式的图表。
matplotlib/
├─ init.py # 顶层命名空间，常用别名 import matplotlib as mpl
├─ pyplot.py # MATLAB 风格接口，最常用 import matplotlib.pyplot as plt
├─ artist.py # 绘图元素基类
├─ axes.py # Axes 对象
├─ figure.py # Figure 对象
├─ axis.py # X/YAxis 对象
├─ backend_*.py # 各后端实现matplotlib.pyplot
最常用的高层接口，直接操作当前 figure/axes，函数式调用。
典型函数：plot、scatter、hist、imshow、subplots、savefig、show 等。
matplotlib.figure
管理整张图（Figure 对象），包含一个或多个 Axes。
matplotlib.axes
真正的“画布”，所有绘图都在 Axes 上完成。
关键方法：plot、bar、pie、contour、pcolormesh、annotate 等。
子模块 matplotlib.axes.Axes 中 >200 个绘图/辅助方法。
函数名称描述Plot折线图或点图Scatter绘制x与y的散点图Bar绘制条形图Barh绘制水平条形图Stem棉签图Boxplot绘制箱型图Hist绘制直方图his2d绘制2D直方图Pie绘制饼状图Step绘制阶梯图Quiver绘制一个二维按箭头Stackplot绘制堆叠图Polar绘制极坐标图折线图
plot() 用于画图它可以绘制点和线，语法格式如下：
# 画单条线
plot(, y, , *, data=None, **kwargs)
# 画多条线
plot(, y, , , y2, , ..., **kwargs)参数说明：
x, y：点或线的节点，x 为 x 轴数据，y 为 y 轴数据，数据可以列表或数组。x 轴是可选，不指定则以y轴长度为个数，生成从0开始的整数数组为x轴。
fmt：可选，定义基本格式（如颜色、标记和线条样式）。
**kwargs：可选，用在二维平面图上，设置指定属性，如标签，线的宽度等。
基础折线图：
import matplotlib.pyplot as plt
x =
y =
plt.plot(x,y)
plt.show()
标签信息：
在画布中添加标签信息：
[*]plt.xlabel()： x轴坐标信息
[*]plt.ylabel()： y轴坐标信息
[*]plt.title()： 顶部标题信息
import matplotlib.pyplot as plt
x =
y =
plt.plot(x,y)
plt.xlabel("x")
plt.ylabel("y")
plt.title("title")
plt.show()
网格：
plt.grid()： 设置画布中显示网格线
import matplotlib.pyplot as plt
x =
y =
plt.plot(x,y)
plt.xlabel("x")
plt.ylabel("y")
plt.title("title")
plt.grid()
plt.show()
点图：
设置fmt参数，绘制点图
import matplotlib.pyplot as plt
x =
y =
plt.plot(x,y, "o")
plt.show()
柱状图
bar() 方法语法格式如下：
matplotlib.pyplot.bar(x, height, width=0.8, bottom=None, *, align='center', data=None, **kwargs)参数说明：
[*]x：数组，柱形图的 x 轴数据。
[*]height：数组，柱形图的高度。
[*]width：浮点型数组，柱形图的宽度。
[*]bottom：数组，底座的 y 坐标，默认 0。
[*]align：柱形图与 x 坐标的对齐方式
[*]'center' 以 x 位置为中心，这是默认值。
[*]'edge'：将柱形图的左边缘与 x 位置对齐。要对齐右边缘的条形，可以传递负数的宽度值及 align='edge'。
[*]**kwargs：：其他参数。
基础柱状图：
import matplotlib.pyplot as plt
x = ["apple", "banana", "origin", "watermelon"]
y =
plt.bar(x, y)
plt.show()
设置柱状图颜色：
import matplotlib.pyplot as plt
x = ["apple", "banana", "origin", "watermelon"]
y =
plt.bar(x, y, color="blue")
plt.show()
import matplotlib.pyplot as plt
x = ["apple", "banana", "origin", "watermelon"]
y =
plt.bar(x, y, color=["skyblue", "origin", "magenta", "cyan"])
plt.show()
柱状图填充
使用 hatch 参数可以指定柱状图填充形状， 取值包括：'/', '\', '|', '-', '+', 'x', 'o', 'O', '.', '*'
import matplotlib.pyplot as plt
x = ["apple", "banana", "origin", "watermelon"]
y =
plt.bar(x, y, hatch="/")
plt.show()
设置数值
使用 plt.bar_label 函数给柱状图设置数值参数
import matplotlib.pyplot as plt
x = ["apple", "banana", "origin", "watermelon"]
y =
bar = plt.bar(x, y)
plt.bar_label(bar)
plt.show()
柱状对比图：
import matplotlib.pyplot as plt
y_1 =
y_2 =
#2、创建画布
plt.figure(figsize=(20,8))
plt.bar(, y_1, width=0.2, label='before optimize')
plt.bar(, y_2, width=0.2, label='after optimize')
#4、修改X刻度
plt.xticks(, ['MSE', 'RMSE', 'MAE', 'R2'])
plt.legend()
plt.grid(True)
plt.title("model optimize compare")
plt.xlabel("metrics")
plt.ylabel("value")
plt.show()
饼图
pie 是饼图的函数，下面是函数接口：
pie(x, explode=None, labels=None, colors=None, autopct=None, pctdistance=0.6, shadow=False, labeldistance=1.1, startangle=0, radius=1, counterclock=True, wedgeprops=None, textprops=None, center=0, 0, frame=False, rotatelabels=False, *, normalize=None, data=None)
[*]x：浮点型数组或列表，用于绘制饼图的数据，表示每个扇形的面积。
[*]labels：列表，各个扇形的标签，默认值为 None。
[*]colors：数组，表示各个扇形的颜色，默认值为 None。
基础饼图：
import matplotlib.pyplot as plt
import numpy as np
x = np.array()
plt.pie(x)
plt.show()
标签和颜色：
labels：设置每一个饼图的标签，和饼图个数不一致会报错
colors：设置每一个饼图的颜色，和饼图个数不一致会报错
x =
label = ['apple', "banana", "orange", "watermelon"]
color=["skyblue", "pink", "teal", "cyan"]
plt.pie(x, labels=label, colors=color)
plt.show()
添加百分比：
autopct： 设置百分比，%0.1f%% 代表小数点后一位的带百分号的百分比
x =
label = ['apple', "banana", "orange", "watermelon"]
color=["skyblue", "pink", "teal", "cyan"]
plt.pie(x, labels=label, colors=color, autopct="%0.1f%%")
plt.show()
棉签图
import numpy as np
pred = np.array()
y_test = np.array()
diff = pred - y_test
plt.stem(list(range(len(diff))), diff, linefmt="-.")
plt.show()
箱线图
boxplot（箱线图，又称为盒须图、盒式图）是在1977年由美国统计学家John Tukey发明，分析数据需要为定量数据。通过箱线图，可以直观的探索数据特征，比如观察数据中是否存在异常数据，离群数据。
箱线图共由五个数值点构成，分别是最小观察值，25%分位数（Q1），中位数，75%分位数（Q3），最大观察值，
[*]最小观察值 = Q1 – 1.5（IQR）, IQR = Q3 –Q1
[*]最大观察值 = Q3 + 1.5（IQR）, IQR = Q3 –Q1
下图显示了箱型图与正态分布的概率分布函数的比较。
箱线图查看：
下极限（Min）：数据集中最小的值。
下四分位数（Q1）：数据的第25百分位数。
中位数（Q2）：数据的第50百分位数。
上四分位数（Q3）：数据的第75百分位数。
上极限（Max）：数据集中最大的值。
注意：
上下限:上下限并不是整个数据样本的最大值和最小值，而是
[*]上限 = 去除异常值的最大值（Q3+1.5IQR）
[*]下限 = 去除异常值的最小值（Q1-1.5IQR）
在上下限这里分别划出两条线段作为异常值的分界点。
import numpy as np
arr = np.array()
plt.boxplot(arr)
plt.show()
存在异常值的数据：
import numpy as np
arr = np.array()
plt.boxplot(arr)
plt.show()
箱体填充：
import numpy as np
arr = np.array()
plt.boxplot(arr, patch_artist=True)
plt.show()
中位线样式：
import numpy as np
arr = np.array()
plt.boxplot(arr, patch_artist=True, medianprops={'linestyle': '-', 'color': 'y', 'linewidth': 1.5})
plt.show()
来源：程序园用户自行投稿发布，如果侵权，请联系站长删除
免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！
页:
[1]