Python入门课| 10. 基于Matplotlib的基础可视化

1. 基于Matplotlib的基础可视化

matplotlib是Python中最常用的数据可视化库，主要用于绘制 2D 图表（折线图、柱状图、散点图、直方图等）

1.1 基础可视化

import matplotlib.pyplot as plt%matplotlib inlineimport numpy as npplt.style.use('default')

x = np.linspace(0,5,11)y = x ** 2x

array([0. , 0.5, 1. , 1.5, 2. , 2.5, 3. , 3.5, 4. , 4.5, 5. ])

y

array([ 0.  ,  0.25,  1.  ,  2.25,  4.  ,  6.25,  9.  , 12.25, 16.  ,

        20.25, 25.  ])

plt.plot(x,y)plt.show()

plt.plot(x,y)plt.xlabel('X label')plt.ylabel('y label')plt.title('Test_plot')plt.show()

y = x*2    y = x^(1/2)

plt.subplot(1,2,1)plt.plot(x,y,'r')plt.xlabel('x label')plt.ylabel('y label')plt.title('title1')plt.subplot(1,2,2)plt.plot(y,x,'b')plt.xlabel('y label')plt.ylabel('x label')plt.title('title2')plt.show()

fig1 = plt.figure()axes = fig1.add_axes([0.1,0.1,0.8,0.8])axes.plot(x,y)axes.set_xlabel('X label')axes.set_ylabel('Y label')axes.set_title('Set title')fig1

fig = plt.Figure()axes1 = fig.add_axes([0.1,0.1,0.8,0.8])axes2 = fig.add_axes([0.2,0.45,0.2,0.4])figaxes1.plot(x,y)axes2.plot(y,x)fig

1.2 图像大小和 DPI 设置

fig,axes = plt.subplots(nrows=1,ncols=2,figsize=(4,2))axes[0].plot(x,y)axes[1].plot(y,x)plt.show()

fig.savefig('example.png',dpi=300)

1.3 设置图例

fig = plt.figure()ax = fig.add_axes([0,0,1,1])ax.plot(x,y,label="X normal")   # y=x**2ax.plot(x,y*2,label="X squared") # y=2x**2ax.legend(loc=(0.1,0.8))ax.set_xlabel("X label")ax.set_ylabel("Y label")plt.show()

1.4 实战练习

data = {    "Sample": ["S1", "S2", "S3", "S4", "S5"],    "Condition_A": [5, 7, 6, 8, 7],    "Condition_B": [6, 9, 5, 7, 10]}df = pd.DataFrame(data)print(df)

  Sample  Condition_A  Condition_B 

0     S1            5            6 

1     S2            7            9 

2     S3            6            5 

3     S4            8            7 

4     S5            7           10

(1) 折线图

# 折线图plt.figure(figsize=(6,4))plt.plot(df["Sample"],df["Condition_A"], marker="o", label="Condition A")  # 圆点标记plt.plot(df["Sample"], df["Condition_B"], marker="s", label="Condition B")  # 方点标记plt.xlabel("Sample")    #设置X轴坐标plt.ylabel("Expression Level")  #设置Y轴左边plt.title("Line Plot")  #设置图标题plt.legend()    # 显示图例plt.show()  #输出图片

(2) 柱状图

# 柱状图# 以 Sample 为索引，画并排柱状图df.set_index("Sample")[["Condition_A", "Condition_B"]].plot(kind="bar", figsize=(6,4))  plt.ylabel("Expression Level")plt.title("Bar Plot")plt.show()

(3) 散点图

# 散点图plt.figure(figsize=(8,4))# 横轴=Condition A, 纵轴=Condition B，颜色紫色，点大小100plt.scatter(df["Condition_A"], df["Condition_B"], color="purple", s=50)plt.xlabel("Condition A") plt.ylabel("Condition B")plt.title("Scatter Plot")plt.show()