python中mat函数_python matplotlib中的subplot函数使用详解

python里面的matplotlib.pylot是大家比较常用的，功能也还不错的一个包。基本框架比较简单，但是做一个功能完善且比较好看整洁的图，免不了要网上查找一些函数。于是，为了节省时间，可以一劳永逸。我把常用函数作了一个总结，最后写了一个例子，以后基本不用怎么改了。

一、作图流程：

1.准备数据，， 3作图， 4定制， 5保存， 6显示

1.数据可以是numpy数组，也可以是list

2创建画布：

import matplotlib.pyplot as plt

#figure(num=None, figsize=None, dpi=None, facecolor=None, edgecolor=None, frameon=True)

#num:图像编号或名称，数字为编号，字符串为名称

#figsize:指定figure的宽和高，单位为英寸；

#dpi参数指定绘图对象的分辨率，即每英寸多少个像素，缺省值为80 ,1英寸等于2.5cm,A4纸是 21*30cm的纸张

#facecolor:背景颜色

#edgecolor:边框颜色

#frameon:是否显示边

fig= plt.figure()

fig= plt.figure(figsize=(8,6), dpi=80)

fig.add_axes()

fig, axes= plt.subplos(nrows= 2, ncols= 2)#axes是长度为4的列表

3、作图路线

一维数据：

axes[0,0].plot(x, y)

axes[0,1].bar([1,2,3], [2,4,8])

axes[0,2].barh([1,2,3], [2,4,8])

axes[1,0].axhline(0.45)

axes[1,1].scatter(x, y)

axes[1,2].axvline(0.65)

axes[2,0].fill(x,y, color= 'blue')

axes[2,1].fill_between(x,y, color= 'blue')

axes[2,2].violinplot(y)

axes[0,3].arrow(0,0,0.5,0.5)

axes[1,3].quiver(x,y)

4, 定制

plt.plot(x,y, alpha=0.4, c= 'blue', maker= 'o')

#颜色，标记，透明度

# 显示数学文本

t= np.arange(0.0,2.0,0.01)

s= np.sin(2*np.pi*t)

plt.plot(t,s)

plt.title(r'$\alpha_i > \beta_i$', fontsize=20)

plt.text(1,-0.6, r'$\sum_{i=0}^\infty x_i$', fontsize=20)

plt.text(0.6,0.6, r'$\mathcal{A}\mathrm{sin}(2 \omega t)$',

fontsize=20)

plt.xlabel('time (s)')

plt.ylabel('volts (mV)')

fig= plt.figure()

fig.suptitle('bold figure suptitle', fontsize=14, fontweight='bold')

ax= fig.add_subplot(111)

fig.subplots_adjust(top=0.85)

ax.set_title('axes title')

ax.set_xlabel('xlabel')

ax.set_ylabel('ylabel')

ax.text(3,8,'boxed italics text in data coords', style='italic',

bbox={'facecolor':'red','alpha':0.5,'pad':10})

ax.text(2,6, r'an equation: $E=mc^2$', fontsize=15)

ax.text(3,2, u'unicode: Institut f\374r Festk\366rperphysik')

ax.text(0.95,0.01,'colored text in axes coords',

verticalalignment='bottom', horizontalalignment='right',

transform=ax.transAxes,

color='green', fontsize=15)

ax.plot([2], [1],'o')

# 注释

ax.annotate('我是注释啦', xy=(2,1), xytext=(3,4),color='r',size=15,

arrowprops=dict(facecolor='g', shrink=0.05))

ax.axis([0,10,0,10])

5, 保存显示

plt.savefig("1.png")

plt.savefig("1.png", trainsparent=True)

plt.show()

二、部分函数使用详解：

1, fig.add_subplot(numrows, numcols, fignum) ####三个参数，分别代表子图的行数，列数，图索引号。 eg: ax = fig.add_subplot(2, 3, 1) (or ,ax = fig.add_subplot(231))

2, plt.subplots()使用

x= np.linspace(0,2*np.pi,400)

y= np.sin(x**2)

fig, ax= plt.subplots()

ax.plot(x, y)

ax.set_title('Simple plot')

# Creates two subplots and unpacks the output array immediately

#fig = plt.figure(figsize=(6,6))

f, (ax1, ax2)= plt.subplots(1,2, sharey=True)

ax1.plot(x, y)

ax1.set_title('Sharing Y axis')

ax2.scatter(x, y)

# Creates four polar axes, and accesses them through the returned array

fig, axes= plt.subplots(2,2, subplot_kw=dict(polar=True))

axes[0,0].plot(x, y)

axes[1,1].scatter(x, y)

# Share a X axis with each column of subplots

plt.subplots(2,2, sharex='col')

# Share a Y axis with each row of subplots

plt.subplots(2,2, sharey='row')

# Share both X and Y axes with all subplots

plt.subplots(2,2, sharex='all', sharey='all')

# Note that this is the same as

plt.subplots(2,2, sharex=True, sharey=True)

# Creates figure number 10 with a single subplot

# and clears it if it already exists.

fig, ax=plt.subplots(num=10, clear=True)

3.plt.legend()

plt.legend(loc='String or Number', bbox_to_anchor=(num1, num2))

plt.legend(loc='upper center', bbox_to_anchor (0.6,0.95),ncol=3,fancybox=True,shadow=True)

#bbox_to_anchor被赋予的二元组中，第一个数值用于控制legend的左右移动，值越大越向右边移动，第二个数值用于控制legend的上下移动，值越大，越向上移动

以上这篇python matplotlib中的subplot函数使用详解就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持服务器之家。

原文链接：https://blog.csdn.net/MCANDML/article/details/80554176

python中mat函数_python matplotlib中的subplot函数使用详解相关推荐

python三维圆曲面_python – matplotlib中的曲面和三维轮廓
我想使用matplotlib绘制带有色彩图,线框和轮廓的曲面.像这样的东西: 请注意,我不是在询问与xy平行的平面中的轮廓,而是在图像中是3D和白色的轮廓. 如果我采用天真的方式并绘制所有这些东西,我 ...
python的threading库_python标准库介绍——31 threading 模块详解
threading 模块 (可选) ``threading`` 模块为线程提供了一个高级接口, 如 [Example 3-1 #eg-3-1] 所示. 它源自 Java 的线程实现. 和低级的 ``t ...
python创建双链表_Python双链表原理与实现方法详解
本文实例讲述了Python双链表原理与实现方法.分享给大家供大家参考,具体如下: Python实现双链表文章目录 Python实现双链表单链表与双链表比较双链表的实现定义链表节点初始化双链表 ...
random是python标准库吗_python标准库介绍——27 random 模块详解
==random 模块== "Anyone who considers arithmetical methods of producing random digits is, of cour ...
基于python的贝叶斯分类器_Python实现朴素贝叶斯分类器的方法详解
本文实例讲述了Python实现朴素贝叶斯分类器的方法.分享给大家供大家参考,具体如下: 贝叶斯定理贝叶斯定理是通过对观测值概率分布的主观判断(即先验概率)进行修正的定理,在概率论中具有重要地位. 先 ...
python箱线图_Python 箱线图 plt.boxplot() 参数详解
Python 绘制箱线图主要用 matplotlib 库里 pyplot 模块里的 boxplot() 函数. plt.boxplot() 参数详解 plt.boxplot(x, # 指定要绘制箱线图 ...
python控制nao机器人_python控制nao机器人身体动作实例详解
本文实例为大家分享了python控制nao机器人身体动作的具体代码,供大家参考,具体内容如下今天读的代码,顺便写了出来,与文档的对比,差不多. import sys import motion im ...
python全栈示例_Python全栈之路--Django ORM详解
ORM:(在django中,根据代码中的类自动生成数据库的表也叫--code first) ORM:Object Relational Mapping(关系对象映射) 我们写的类表示数据库中的表我们 ...
用python做透视表_python制作数据透视表pivot_table方法详解
数据透视表(Pivot Table)是一种交互式的表,可以进行某些计算,如求和与计数等.所进行的计算与数据跟数据透视表中的排列有关. 之所以称为数据透视表,是因为可以动态地改变它们的版面布置,以便按照 ...

python中mat函数_python matplotlib中的subplot函数使用详解

python中mat函数_python matplotlib中的subplot函数使用详解相关推荐

最新文章

热门文章