Python数据可视化之Matplotlib-技巧篇

常用技巧

特殊直线

画出过特定点的无穷直线，可以用 axline() 来实现。

确定平面直线：两个不同的点或者一个点和斜率

语法：plt.axline(xy1, xy2=None, *, slope=None, **kwargs)

参数说明：

需要有 xy1 ,xy2 两个点坐标或者一个点 xy1 坐标和斜率 slope。

color 或 c : 线条颜色。

linestyle 或 ls :线条样式，如 ‘-’, ‘–’, ‘-.’, ‘:’ (利用这个画虚线哦)

linewidth 或 lw :线条宽度，是实数。

例：

x = np.linspace(-10,10,100)
y = 1/(1+np.exp(-x)) # sigmoid 函数plt.figure(figsize=(10,5))
plt.plot(x,y,label="$\sigma(x)$",color="r",linewidth=2)
plt.title("Matplotlib Figure: koding") #图表标题plt.axline((-5,0),(5,1),color="b",ls="-",lw=2.5)
plt.axline((0,0.5),slope=0.5,color="g",ls=":",lw=2.5)plt.grid()      #显示网格
plt.show()      #显示绘图窗口

结果：

水平与垂直直线

画出水平直线利用 axhline()，画出垂直直线 axvline()。

axhline()

语法：plt.axhline(y, xmin=0, xmax=1, **kwargs)

参数说明：

在 [xmin , xmax] 水平区间上，画出水平直线 y。xmin , xmax没有指定的情况下，默认是整个水平区间。

color 或 c : 线条颜色。

linestyle 或 ls :线条样式，如 ‘-’, ‘–’, ‘-.’, ‘:’ (利用这个画虚线哦)

linewidth 或 lw :线条宽度，是实数。

也有：plt.hlines(y, xmin, xmax,*, data=None, **kwargs)。同上，只是返回对象不同。

axvline()

语法：plt.axvline(x=0, ymin=0, ymax=1, **kwargs)

参数说明：在 [ymin , ymax] 垂直区间上，画出垂直直线 x。ymin , ymax没有指定的情况下，默认是整个水平区间。

color 或 c : 线条颜色。

linestyle 或 ls :线条样式，如 ‘-’, ‘–’, ‘-.’, ‘:’ (利用这个画虚线哦)

linewidth 或 lw :线条宽度，是实数。

也有：plt.vlines(x, ymin, ymax,*, data=None, **kwargs)。同上，只是返回对象不同。

例：

x = np.linspace(0,4*np.pi,100)
y = np.sin(x)
plt.figure(figsize=(10,5))
plt.plot(x,y,label="sin(x)",color="red",linewidth=2)
plt.title("Matplotlib.pylab Figure") #图表标题
plt.axhline(y=0,linestyle=":",color="blue",linewidth=5)#添加水平直线(虚线)
plt.axvline(x=6,color="green",linewidth=2)#添加垂直直线
plt.grid()      #显示网格
plt.show()      #显示绘图窗口

结果：

坐标刻度与特殊点

刻度

plt.xticks(),yticks()坐标轴刻度文本属性。如：plt.xticks(fontsize=16, color=“red”, rotation=45) X 轴刻度字体大小16，颜色为红色，旋转45度（文本）。

如果需要更美丽的显示刻度，那么可以借助 matplotlib.ticker 子模块接口。具体案例如下：

import numpy as np
import matplotlib.pyplot as plt
from matplotlib.ticker import MultipleLocator, FuncFormatterdef myFormat(x,loc):return r"$\frac{%d \pi}{%d}$"%(int(np.round(x/(np.pi/4))),4)#Latex语法。其中刻度间距是 pi/4 所以分母也为 4。x = np.linspace(0,4*np.pi,100)
y = np.sin(x)
fig = plt.figure(figsize=(10,5))
axs = fig.add_subplot()axs.plot(x,y,label="sin(x)",color="red",linewidth=2)
axs.set_title("Matplotlib.pylab Figure") #图表标题axs.xaxis.set_major_locator(MultipleLocator(np.pi/4)) #刻度间距 pi/4
axs.xaxis.set_major_formatter(FuncFormatter(myFormat)) #刻度文本plt.grid()      #显示网格
plt.show()      #显示绘图窗口

结果：

特殊点

如果需要给某个点坐标注，可以参考 annotate() 函数。plt对象和axis对象都有annotate() 函数。

语法：plt.annotate(text, xy, *args, **kwargs)

text : 标注的文本。Latex公式也可哦

xy : 作标注的点的坐标，形如 (x, y) 的两个实数。

这里的坐标非常灵活，可以与图形数据不同的坐标系中。比如，我们画的图在直角坐标系下，但我们在极坐标下坐标注，完全可以的，这可以借助下面的坐标系xycoords。

xytext : 标注文本的坐标。默认是 xy

xycoords : 点 xy 的坐标系。

默认是 ‘data’ 表示与图形数据坐标系一样的坐标系。

‘figure points’ : 图表最低左边的点。

‘polar’ : 极坐标，并不是原来的坐标。

其余有 ‘figure pixels’,‘figure fraction’,‘axes points’,‘axes pixels’,‘axes fraction’

xycoords : 点 xytext 的坐标系。

默认是 xycoords，表示与点 xy 的坐标系一样。

‘offset points‘ ：表示与点 xy 的坐标的偏移(点)。

‘offset points‘ ：表示与点 xy 的坐标偏移(像素)。

arrowprops ： dict, optional

arrowstyle：箭头样式，有’-’,’->’,’-[’,’|-|’,’-|>’,’<-’,’<->’,’<|-’,’<|-|>’

connectionstyle ：链接样式。

更多请：https://matplotlib.org

若我们在正弦曲线3π4\frac{3 \pi}{4}43π处作标注，可以如下操作：

import numpy as np
import matplotlib.pyplot as plt
from matplotlib.ticker import MultipleLocator, FuncFormatterdef myFormat(x,loc):return r"$\frac{%d \pi}{%d}$"%(int(np.round(x/(np.pi/4))),4)#宽度间距是 pi/4 所以分母也为 4。x = np.linspace(0,2*np.pi,100)
y = np.sin(x)
fig = plt.figure(figsize=(10,5))
axs = fig.add_subplot()axs.plot(x,y,label="sin(x)",marker="*",color="red")
axs.set_title("Matplotlib Figure: koding") #图表标题axs.xaxis.set_major_locator(MultipleLocator(np.pi/4)) #刻度间距
axs.xaxis.set_major_formatter(FuncFormatter(myFormat)) #刻度文本plt.xticks(fontsize=16, color="blue", rotation=-45)#X轴刻度属性
plt.yticks(fontsize=10, color="blue", rotation=-45)#Y轴刻度属性t = 3*np.pi/4
plt.annotate(r'$\sin(\frac{3\pi}{4})=\frac{\sqrt{2}}{2}$',xy=(t,np.sin(t)),xytext=(0, 30),xycoords='data',textcoords='offset points', fontsize=16,arrowprops=dict(arrowstyle="->", connectionstyle="arc3,rad=.2"))plt.grid()      #显示网格
plt.show()      #显示绘图窗口

结果：

文本注释

可以通过 plt.text() 给某特定点加文本。比如：

plt.text(-2,2,texts,fontdict={'size':16,'color':'r'})

意思是在(-2,2)点上注释text内容。后面带辞典参数，比如字体颜色大小等。

Matplotlib 显示中文乱码问题

据我了解，Matplotlib绘制出来的图片中文显示不正常，之外坐标负号也不正常。

现象：

import numpy as np
import matplotlib.pyplot as pltx = np.linspace(0,4*np.pi,100)
y = np.sin(x)plt.figure(figsize=(10,8))
plt.plot(x,y,"bo")
plt.title("正弦函数图像") #图表标题
plt.grid()   #显示网格
plt.show()   #显示绘图窗口

结果：

所以给出以下几个解决方案：

方法1：

运行以下代码，读取系统字体：

import matplotlib
from matplotlib import pyplot as plt
font = matplotlib.font_manager.fontManager.ttflist
for i in font:print(i.name)

运行后出来已经有的字体名单，从中找到一个中文字体，把他放到以下代码里：

import numpy as np
import matplotlib.pyplot as plt
plt.rcParams['font.family'] = ['AR PL UKai CN']
#"AR PL UKai CN"是上述代码找到的
#plt.rcParams['font.family'] = ['SimSun']
plt.rcParams['axes.unicode_minus'] = False #处理坐标负号不显示问题x = np.linspace(0,4*np.pi,100)
y = np.sin(x)plt.figure(figsize=(10,8))
plt.plot(x,y,"bo")
plt.title("正弦函数图像") #图表标题
plt.grid()   #显示网格
plt.show()   #显示绘图窗口

这回显示正常了。

方法2：

下载 otf 字体，字体文件放到代码文件同一个目录下。

字体下载：https://source.typekit.com/source-han-serif/cn/

字体分享链接地址: https://share.weiyun.com/BpQ7PoAQ

import numpy as np
import matplotlib
import matplotlib.pyplot as pltfont = matplotlib.font_manager.FontProperties(fname="SourceHanSansSC-Bold.otf")
# SourceHanSansSC-Bold.otf 为下载的字体名
x = np.linspace(0,4*np.pi,100)
y = np.sin(x)plt.figure(figsize=(10,8))
plt.plot(x,y,"bo")
plt.title("正弦函数图像",fontproperties=font) #图表标题
plt.grid()   #显示网格
plt.show()   #显示绘图窗口

以上是 Matplotlib 基础部分，感谢阅读。

致谢：

Matplot 官网：https://matplotlib.org

Matplot 官网：https://www.matplotlib.org.cn/

菜鸟网站：https://www.runoob.com

Python 科学计算 [张若愚-著]

Python 科学计算（第二版）[张若愚-著]

Matplotlib 百度百科