“Talk is cheap. Show me the code.”
― Linus Torvalds

老子第41章
上德若谷
大白若辱
大方無隅
大器晚成
大音希聲
大象無形
道隱無名

拳打千遍, 身法自然

110_1_高中週期性課程: Python程式入門與資料分析初探, 道明高中

本系列文章之連結

• Python程式與數據資料分析1 link
• Python程式與數據資料分析1.1 Kaggle站免費教學的路徑圖 link
• Python 與數據資料分析2-資料視覺化-Matplotlib.pyplot 入門 link
• Python 與數據資料分析3.1-資料視覺化-基本圖表類型 link
• Python 與數據資料分析3.2-資料視覺化-從 seabon 的函數分類來看 link
• Python與資料分析3.3-資料視覺化-seaborn 補充 link
• Python與資料分析4-資料視覺化-鳶尾花 link
• Python與資料分析 5-入門級競賽分析-鐵達尼號 link

Matplotlib的兩種繪圖風格: pyplot 與 物件導向

Matplotlib30官網/Tutorials/ Introductory/Usage Guide,
是一整體的初步介紹, 包括簡單的 pylpot 與 物件導向 方式
“This tutorial covers some basic usage patterns and best-practices to help you get started with Matplotlib.”, link

我會建議初學者先學 pyplot 風格的用法, 會較直觀.
在學一段時間之後, 做較個人化的操控時, 則建議進入用物件導向的方式,

pyplot 風格: 類似 Matlab的指令, 方便那些已熟悉 Matlab 的人可以直接享受使用 Matplotlib 的功能.

物件導向方式: 就是先用 pyplot.subplots()產生 figure, axes,
再用 figure, axes 去調整圖形:

在 Usage Guide 中講解的, 物件導向風格與pyplot 風格之舉例:
物件導向風格
就是先用 pyplot.subplots()產生 figure, axes,
再用 figure, axes 去調整圖形:

# 物件導向方式
import matplotlib.pyplot as plt
fig, ax = plt.subplots()
ax.plot(x, x)

pyplot 風格: 直接對屬性(顏色, 線的粗細等)設值

# pyplot
import matplotlib.pyplot as plt
x = np.linspace(0, 2, 100)
plt.plot(x, x, label='linear')

用 tuple 的逗號抽出(提取出)傳回來的物件

We use tuple unpacking with line, to get the first element of that list."
物件導向方式, 會常用到, 用 tuple 的逗號抽出(提取出)傳回來的物件, 例如:
fig, ax = plt.subplots(),
line1, line2 = plot(x1, y1, x2, y2)

Matplotlib.pyplot 的繪圖

官網的說明: Provides a MATLAB-like plotting framework.
pyplot 的設計, 是為了讓 Matplotlib 的部分指令與 Matlab 類似, 方便那些已熟悉 Matlab 的人可以直接享受使用 Matplotlib 的功能.

我會建議初學者先學 pyplot 風格的用法, 會較直觀.
在學一段時間之後, 做較個人化的操控時, 則建議進入用物件導向的方式,

特別注意:
網路上常看到 Matplotlib.pylab 的程式碼, 目前官網已建議不要使用!
根據本人的經驗, 可以不用改程式碼, 直接把檔頭的 import pylab, 改成 pyplot, 也就是
import matplotlib.pylab as plt
改為
import matplotlib.pyplot as plt
通常都可以照常執行!

The pylab API (disapproved停止維護)
Warning

Since heavily importing into the global namespace may result in unexpected behavior, the use of pylab is strongly discouraged. Use matplotlib.pyplot instead.

pylab is a module that includes matplotlib.pyplot, numpy, numpy.fft, numpy.linalg, numpy.random, and some additional functions, all within a single namespace. Its original purpose was to mimic a MATLAB-like way of working by importing all functions into the global namespace. This is considered bad style nowadays.

以下講解內容, 直接參考官網的 Pyplot tutorial link.

第一個例子 pyplot.plot()

要描點繪圖, 最直接的指令就是 plot(),
如果要畫出 以下5個值
x1 = -1, x2 = -2, x3 = 1, x4 = 2, x5 = 3

就直接下
plot( [-1, -2, 1, 2, 3])
或
plot( [x1, x2, x3, x4, x5])
即可, 注意需要用 list 的中括號 [ ,,, ] 包住 各個點.
注意, 上圖中點的 x 座標, 會自動從 0 開始, 依序 0,1,2,3,4.

如果要畫以下5ˇ個點: (x1, y1), (x2, y2), (x3, y3), (x4, y4), (x5, y5),
則要下 plot( [x1, x2, x3, x4, x5], [y1, y2, y3, y4, y5])
如果令 x 是 x1, x2, x3, x4, x5 形成的 list:
x = [-1, -2, 1, 2, 3],
令 y 是 x 各元素 的 3 次方值, i.e., $y=f(x)=x$:
y = [(-1)**3, (-2)**3, 1**3, 2**3, 3**3] (= [-1, -8, 1, 8, 27])

>>> x = [-1, -2, 1, 2, 3]
>>> y = [(-1)**3, (-2)**3, 1**3, 2**3, 3**3]
>>> x
[-1, -2, 1, 2, 3]
>>> y
[-1, -8, 1, 8, 27]

則下
plot(x, y)
也就是, plot 第一個引數為 x 座標的 list, x = [-1, -2, 1, 2, 3],
第二個引數為 y 座標的 list, y = [-1, -8, 1, 8, 27],

但是 plot是 Matplotlib.pyplot 程式庫下的指令,
必須先用 import 引入此 Matplotlib 程式庫,

引入 Matplotlib 程式庫的方式

• 如果引入方式是
  from matplotlib import pyplot
  則 plot 前須加上 pyplot. 前綴字, 如下,
  pyplot.plot( [x1, x2, x3, x4, x5])

• 另一方式是最常用的引入方式:
  import matplotlib.pyplot as plt
  則 plot 前須加上 plt. 如下,
  plt.plot( [x1, x2, x3, x4, x5])

import matplotlib.pyplot as pltx1 = -1
x2 = -2
x3 = 1
x4 = 2
x5 = 3plt.plot( [x1, x2, x3, x4, x5])plt.show()

• 如果引入方式是
  from matplotlib.pyplot import *
  則 pyplot 的指令都不須加前綴字(prefix) pyplot,
  一般不建議這樣引入, 因為會無法區分是否是內建的指令.

>>> from matplotlib.pyplot import *
>>> plot(x,y, 'o')
[<matplotlib.lines.Line2D object at 0x00000191912D2FA0>]
>>> show()

預設是折線圖, 會自動把點之間用線段連接

畫出的是折線圖, 預設會自動把點之間用線段連接:

# pyplot_simple_Lai.py
# pylpot tutorial 的第一個例子from matplotlib import pyplotx1 = -1
x2 = -2
x3 = 1
x4 = 2
x5 = 3pyplot.plot( [x1, x2, x3, x4, x5])pyplot.show()

如果想要畫出紅色點圖, 可以指定點的 style

如果想要畫出如剛剛一開始的紅色點圖, 可以指定點的 style 用 'ro', r 表示 red 紅色, o 指定為標出較大的點,
plt.plot( [x1, x2, x3, x4, x5], 'or')

import matplotlib.pyplot as pltx1 = -1
x2 = -2
x3 = 1
x4 = 2
x5 = 3y1 = x1**3
y2 = x2**3
y3 = x3**3
y4 = x4**3
y5 = x5**3plt.plot( [x1, x2, x3, x4, x5], 'or')plt.show()

第二個例子 多條曲線

第一種使用多組 x,y

直接以 plot( x1, y1, x2, y2, x3, y3,,,, xn, yn) 來畫出多條曲線, 每條線的 x,y 為1D陣列, 分別為
第一條: x1,y1 ,第二條: x2, y2, 第三條: x3,y3, 等.
其中每個 x1,y1等, 都是數的串列 list, 例如
x1= [x11,x12,x13,,,], y1= [y11,y12,y13,,,].
第二個例子, 呈現三條函數曲線
f 1 ( x ) = x , f 2 ( x ) = x 2 , f 3 ( x ) = x 3 f_1(x)=x,\; f_2(x)=x^2, \; f_3(x)=x^3 f1​(x)=x,f2​(x)=x2,f3​(x)=x3
的增長速度,
想透過不同的點的顏色及形狀來區別三條, 呈現三種函數的走向

# Tutorial pyplot: 第二個例子 多條曲線import numpy as np
import matplotlib.pyplot as plt# evenly sampled time at 200ms intervals
t = np.arange(0., 5., 0.2)# red dashes, blue squares and green triangles
plt.plot(t, t, 'r--', t, t**2, 'bs', t, t**3, 'g^')
plt.show()

第二種使用多個 plt.plot()

另一種方式, 可以參考 Python-Matplotlib可视化（1）一文详解常见统计图的绘制, link

使用多個 plt.plot(), 最後再下 plt.show(), 也可以達到在同一個畫布呈現多條曲線的效果:

## **推薦**, 很棒的系列: Python-Matplotlib可视化（1）一文详解常见统计图的绘制, https://blog.csdn.net/LOVEmy134611/article/details/117301771
## [link](https://blog.csdn.net/LOVEmy134611/article/details/117301771)
# 20210715# pyplot_multi_curves_2.py
import numpy as np
import matplotlib.pyplot as pltx = np.linspace(0.1, 2 * np.pi, 30)
y_1 = x
y_2 = np.square(x)
y_3 = x**3plt.plot(x,y_1, 'r-')
plt.plot(x,y_2, 'bs')
plt.plot(x,y_3, 'go')plt.show()

第三個例子 線的屬性控制 Controlling line properties

“Lines have many attributes that you can set: linewidth, dash style, antialiased, etc; see matplotlib.lines.Line2D.”
畫線段(折線, 點或曲線等), 有很多屬性可以控制, 例如線的粗細, 顏色, 點的形狀, 反鋸齒狀, 等等.

“There are several ways to set line properties”
以下至少有三種方式指定 plt.plot() 線的屬性:

1. 直接指定屬性的值 Use keyword args :
   例如, 指定 線的粗細是 2.0 下 linewidth=2.0:
   plt.plot(x, y, linewidth=2.0)
2. 使用設定的函數set_color(color)等 Use the setter methods of a Line2D instance,
   例如 set_color(color) 可以設定顏色, set_linestyle() 可以設定是虛線或實線, 等等.
   這種方式會較複雜, 初學可以等之後再學, 必須先取出圖的物件, 再用點語法結合set_color(color)等函數, 做設定,
   必須先了解, 如果 plot()是畫兩條線, 則傳回來是兩個物件, 此時用 tuple 的逗號抽出(提取出)傳回來的物件, 例如:
   line1, line2 = plot(x1, y1, x2, y2)
   就會把第一條線的物件放在 line1, 第二條線的物件放在 line2,
   “plot returns a list of Line2D objects; e.g., line1, line2 = plot(x1, y1, x2, y2). In the code below we will suppose that we have only one line so that the list returned is of length 1. We use tuple unpacking with line, to get the first element of that list:”
   • 例如, 以下我們先用 line, = plt.plot(x, y, ‘-’), 提取出 plot 畫出的直線物件
     line, = plt.plot(x, y, '-'),
     再用 set_color()重設直線物件 line 顏色為 red
     line.set_color('red') :

import matplotlib.pyplot as plt
import numpy as np
x = np.arange(5)
y = np.sin(x)
fooline, = plt.plot(x, y, '-')
fooline.set_color('red')
plt.show()

3. 使用 setp() 函數 “Use the setp() command. The example below uses a MATLAB-style command to set multiple properties on a list of lines. setp works transparently with a list of objects or a single object. You can either use python keyword arguments or MATLAB-style string/value pairs.”
setp() 函數可以一次對很多屬性做設定, 下面同時對 color, linewidth 兩個屬性做設定, 一樣, 還是得先提取出 plot 畫出的直線物件
foolines = plt.plot(x1, y1, x2, y2)
再用 plt.setp() 設定
plt.setp(foolines, color='r', linewidth=2.0)
以下是 Matlab 風格, 也可以
plt.setp(foolines, 'color', 'r', 'linewidth', 2.0)

import matplotlib.pyplot as plt
import numpy as npx1 = np.arange(0,5,0.1)
y1 = np.sin(x1)
x2 = np.arange(0,5,0.1)
y2 = np.cos(x2)
foolines = plt.plot(x1, y1, x2, y2)
# use keyword args
plt.setp(foolines, color='r', linewidth=2.0)
# or MATLAB style string value pairs
plt.setp(foolines, 'color', 'r', 'linewidth', 2.0)
plt.show()

To get a list of settable line properties, call the setp() function with a line or lines as argument

In [69]: lines = plt.plot([1, 2, 3])In [70]: plt.setp(lines)alpha: floatanimated: [True | False]antialiased or aa: [True | False]...snip

2D 線的屬性的表格The kwargs are Line2D properties:
以下只列舉一二, 詳細的表格可以看後面的 “學習路徑圖”.

See set_linestyle() for a decription of the line styles, set_marker() for a description of the markers, and set_drawstyle() for a description of the draw styles.

Ref: plt.plot() 2D 線的屬性可以查 matplotlib.lines.Line2D link

set_linewidth(), set_color() 等函數列表
以下只列舉一二, 詳細的表格可以看後面的 “學習路徑圖”.

Ref: 以上, plt.plot() 2D 線的屬性表 set_color()等 可以查 matplotlib.lines.Line2D link

第四個例子 多個子圖或圖框(畫布) Working with multiple figures and axes

多個子圖 subplot()

• 官網的例子

產生一個圖框(畫布), 以下plt.figure(1)指令是預設的, 可以不寫
plt.figure(1)
產生兩個子圖, 2 橫排row, 1 直排column, 即 2 乘 1, 就下
plt.subplot(211)
,
plt.subplot(212)
,

211 表示 2 乘 1 ( 2橫排, 1 直排, 2 個 row, 1 個 column), 的第 1 幅子圖
212 表示 2 乘 1, 的第 2 幅子圖

# 20210710
# pyplot tutorial subplot()import numpy as np
import matplotlib.pyplot as pltdef f(t):return np.exp(-t) * np.cos(2*np.pi*t)t1 = np.arange(0.0, 5.0, 0.1)
t2 = np.arange(0.0, 5.0, 0.02)plt.figure(1) # 此指令是預設的, 可以不寫plt.subplot(211)
plt.plot(t1, f(t1), 'bo', t2, f(t2), 'r')plt.subplot(212)
plt.plot(t2, np.cos(2*np.pi*t2), 'p--')
plt.show()

如果要產生6個子圖, 2 橫排row, 3 直排column, , 即 2 乘 3, 就下
plt.subplot(231)
,
plt.subplot(232)
,
,
plt.subplot(236)

231 表示 2 乘 3 (2 橫排, 3 直排, 2 個 row, 3 個 column), 的第 1 幅子圖
232 表示 2 乘 3, 的第 2 幅子圖
,
,
236 表示 2 乘 3, 的第 6 幅子圖

以下呈現 六條函數曲線的增長速度,
f 1 ( x ) = x , f 2 ( x ) = x 2 , f 3 ( x ) = x 3 , f 4 ( x ) = x 4 , f 5 ( x ) = x 5 , f 6 ( x ) = x 6 f_1(x)=x,\; f_2(x)=x^2, \; f_3(x)=x^3, f_4(x)=x^4, f_5(x)=x^5, f_6(x)=x^6 f1​(x)=x,f2​(x)=x2,f3​(x)=x3,f4​(x)=x4,f5​(x)=x5,f6​(x)=x6

# By Prof. P-J Lai MATH NKNU 20210710
# pyplot tutorial subplot(231)import numpy as np
import matplotlib.pyplot as pltt = np.arange(0.0, 40.0, 0.1)
y1 = t
y2 = t**2
y3 = t**3
y4 = t**4
y5 = t**5
y6 = t**6plt.figure(1) # 此指令是預設的, 可以不寫plt.subplot(231)
plt.plot(t, y1, 'bo')plt.subplot(232)
plt.plot(t, y2, 'ro')plt.subplot(233)
plt.plot(t, y3, 'yo')plt.subplot(234)
plt.plot(t, y4, 'go')plt.subplot(235)
plt.plot(t, y5, 'co')plt.subplot(236)
plt.plot(t, y6, 'ko')plt.show()

• 張若愚 5.1.4 的例子

多個子圖單一figure

# -*- coding: utf-8 -*-
# ref 張若愚的例子,5.1.4, matplotlib_multi_figure.py
# 5_1_4_多個子圖單一figure_matplotlib_multi_figure.py
import numpy as np
import matplotlib.pyplot as plt#plt.figure(1) # 建立圖表1, 此行為預設可省略ax1 = plt.subplot(211) # 在圖表1中建立子圖1
ax2 = plt.subplot(212) # 在圖表1中建立子圖2x = np.linspace(0, 3, 100)
#for i in xrange(5):
for i in np.arange(5):plt.sca(ax1)    # 選取圖表1的子圖1plt.plot(x, np.sin(i*x))plt.sca(ax2)  # 選取圖表1的子圖2plt.plot(x, np.cos(i*x))plt.show()

多個圖框(畫布) figure()

• 官網的例子

如果要同時呈現有, 例如2個畫布, 就下
plt.figure(1) ⋯ \cdots ⋯ plt.figure(2) … \dots …
中間夾著該畫布的繪圖內容

plt.figure(1)
⋯ \cdots ⋯ (畫布1的繪圖指令)
plt.figure(2)
⋯ \cdots ⋯ (畫布2的繪圖指令)
plt.show()

##You can create multiple figures by using multiple figure() calls
##with an increasing figure number. Of course,
##each figure can contain as many axes and subplots
##as your heart desires:import matplotlib.pyplot as plt
plt.figure(1)                # the first figure
plt.subplot(211)             # the first subplot in the first figure
plt.plot([1, 2, 3])
plt.subplot(212)             # the second subplot in the first figure
plt.plot([4, 5, 6])plt.figure(2)                # a second figure
plt.plot([4, 5, 6])          # creates a subplot(111) by defaultplt.figure(1)                # figure 1 current; subplot(212) still current
plt.subplot(211)             # make subplot(211) in figure1 current
plt.title('Easy as 1, 2, 3') # subplot 211 titleplt.show()

• 張若愚 5.1.4 的例子

多個 figure 多個子圖

# -*- coding: utf-8 -*-
# ref: 張若愚,  5.1.4, matplotlib_multi_figure.py
# 5_1_4_多個子圖多個figure_matplotlib_multi_figure.pyimport numpy as np
import matplotlib.pyplot as pltplt.figure(1) # 建立圖表1
plt.figure(2) # 建立圖表2
ax1 = plt.subplot(211) # 在圖表2中建立子圖1
ax2 = plt.subplot(212) # 在圖表2中建立子圖2x = np.linspace(0, 3, 100)
#for i in xrange(5):
for i in np.arange(5):plt.figure(1)   # 選取圖表1plt.plot(x, np.exp(i*x/3))plt.sca(ax1)    # 選取圖表2的子圖1plt.plot(x, np.sin(i*x))plt.sca(ax2)  # 選取圖表2的子圖2plt.plot(x, np.cos(i*x))plt.show()

以下呈現在作者的桌面, 出現兩個畫布的圖:

第五個例子 加入文字 text

The text() command can be used to add text in an arbitrary location, and the xlabel(), ylabel() and title() are used to add text in the indicated locations (see Text introduction for a more detailed example)

• text() 指令可以在任意地方插入文字, 而
• xlabel() 為加入 x-軸 的說明,
• ylabel() 為加入 y-軸 的說明,
• tile() 則為加入圖的標題(主題)

text()

matplotlib.pyplot.text(x, y, string, fontdict=None, withdash=False, **kwargs)
可以參考官網說明 plt.text() https://matplotlib.org/2.0.2/api/pyplot_api.html#matplotlib.pyplot.text link

>>> text(x, y, s, fontsize=12)

以上 string 是要插入的字串(要用 ’ ’ 包住), x,y 是座標

withdash 應該已取消:
AttributeError: ‘Text’ object has no property ‘withdash’

以下我們照官網的例子 pyplot_text.py, 改成較簡單的例子, 即畫出
$sin(x)+noise噪聲$
並加上文字說明
plt.text(3.14/4, np.sin(3.14/4)+ 0.7 , 'sin with normal random')
文字位在座標為 (3.14/4, np.sin(3.14/4)+ 0.7) 之處, 即
$(4\pi ,sin(4\pi )+0.7)$ 處.

# By Prof. P-J Lai MATH NKNU 20210714
# 以下我們照官網的例子 pyplot_text.py, 改成較簡單的例子import numpy as np
import matplotlib.pyplot as plt
# Fixing random state for reproducibility
np.random.seed(19680801)
x = np.arange(0, 10, 0.01)
# 噪聲 noise: mu=0, sigma=0.1 之正規分布之隨機數
# 以下是 sin 值加上 振幅 0.1 的 noise
y = np.sin(x) + 0.1*np.random.randn(len(x))plt.plot(x,y)
plt.xlabel('x')
plt.ylabel('sin')
plt.title('sin with noise')
plt.text(3.14/4,  np.sin(3.14/4)+ 0.7 , 'sin with normal random')
plt.axis([0, 10, -2, 2])
plt.grid(True)
plt.show()#############################
# 官網的原來的例子, 是畫出 plt.bar() 直方圖
# pyplot_text.py
import numpy as np
import matplotlib.pyplot as plt
# Fixing random state for reproducibility
np.random.seed(19680801)
# 如果要產生10000個正規分布之 mu =100, 變異數=15, 則下:
mu, sigma = 100, 15
x = mu + sigma * np.random.randn(10000)
# the histogram of the data
n, bins, patches = plt.hist(x, 50, normed=1, facecolor='g', alpha=0.75)plt.xlabel('Smarts')
plt.ylabel('Probability')
plt.title('Histogram of IQ')
plt.text(60, .025, r'$\mu=100,\ \sigma=15$')
plt.axis([40, 160, 0, 0.03])
plt.grid(True)
plt.show()

可以使用相對座標 axis coords:

預設是使用一般的座標, 你也可以指定 axis coords, (0,0) 表示左下角, (1,1) 表示右上角, 而 (0.5, 0.5) 表示圖片正中間
The default transform specifies that text is in data coords, alternatively, you can specify text in axis coords (0,0 is lower-left and 1,1 is upper-right). The example below places text in the center of the axes:
以下就是用 (0.5, 0.5) 表示圖片正中間:
plt.text(0.5, 0.5,'matplotlib',,,

import matplotlib.pyplot as plt
fig, ax = plt.subplots()
plt.text(0.5, 0.5,'matplotlib', horizontalalignment='center',verticalalignment='center',transform=ax.transAxes)
plt.show()

文字可以加方框, 使用 bbox

You can put a rectangular box around the text instance (e.g., to set a background color) by using the keyword bbox. bbox is a dictionary of Rectangle properties. For example:

import matplotlib.pyplot as plt
#fig, ax = plt.subplots()
plt.text(0.5, 0.5, 'test', bbox=dict(facecolor='red', alpha=0.5))
plt.show()

使用數學符號 Using mathematical expressions in text

matplotlib accepts TeX equation expressions in any text expression. For example to write the expression $\sigma =15$ in the title, you can write a TeX expression surrounded by dollar signs:
在字串前加個 r, 再使用 Latex 語法, 就可以呈現數學符號, 例如要在 標題加入 $\sigma =15$, 就下:
plt.title(r'$\sigma_i=15$')

我們將一開始的例子改成加入 Latex語法呈現 數學符號:
底下程式碼 plt.ylabel() 沒改到, 故還是呈現一般的文字型態
plt.title(r'$\sin(x^2)$ with noise')
plt.text(3.14/4, np.sin(3.14/4)+ 0.7 , r'$sin(x^2)$ with $N(0,0.1)$ normal random')

# By Prof. P-J Lai MATH NKNU 20210714
# 以下我們照官網的例子 pyplot_text.py, 改成較簡單的例子
# sin(x^2) 加入 Latex語法呈現 數學符號
# pyplot_text_Math_Lai.pyimport numpy as np
import matplotlib.pyplot as plt# Fixing random state for reproducibility
np.random.seed(19680801)x = np.arange(0, 10, 0.01)
# 噪聲 noise: mu=0, sigma=0.1 之正規分布之隨機數
# 以下是 sin 值加上 振幅 0.1 的 noise
y = np.sin(x*x) + 0.1*np.random.randn(len(x))plt.plot(x,y)
plt.xlabel('x')
plt.ylabel('sin(x^2)')
plt.title(r'$\sin(x^2)$ with noise')
plt.text(3.14/4,  np.sin(3.14/4)+ 0.7 , r'$sin(x^2)$ with $N(0,0.1)$ normal random')
plt.axis([0, 10, -2, 2])
plt.grid(True)
plt.show()

加入註解及箭號 Annotating text

import numpy as np
import matplotlib.pyplot as pltax = plt.subplot(111)t = np.arange(0.0, 5.0, 0.01)
s = np.cos(2*np.pi*t)
line, = plt.plot(t, s, lw=2)plt.annotate('local max', xy=(2, 1), xytext=(3, 1.5),arrowprops=dict(facecolor='black', shrink=0.05),)plt.ylim(-2,2)
plt.show()

第六個例子 如何逐步加入點造成動畫效果

可以用多個
ax.plot 或是 plt.plot,
中間插入 plt.pause(2) (例如暫停2秒),
最後要下 plt.show()
就會呈現逐步加入點的動畫效果

# How to plot additional points on the top of scatter plot?
# https://stackoverflow.com/questions/44505762/how-to-plot-additional-points-on-the-top-of-scatter-plotimport matplotlib.pyplot as plt
import numpy as npax = plt.subplot(1, 1, 1)
ax.scatter([1, 2, 3], [1, 2, 3])
plt.pause(2)
ax.plot(1.5, 1.5, "or")plt.pause(2)
ax.annotate("Some explanation",(1, 1)  )plt.show()

# How to plot additional points on the top of scatter plot?
# https://stackoverflow.com/questions/44505762/how-to-plot-additional-points-on-the-top-of-scatter-plotimport matplotlib.pyplot as plt
import numpy as npfrom matplotlib import pyplot as plt
from statistics import *bill = [34.00, 108.00, 64.00, 88.00, 99.00, 51.00]
tip = [ 5.00,  17.00,  11.00, 8.00,  14.00, 5.00]bill.sort()
tip.sort()print(mean(bill))
print(mean(tip))
plt.scatter(bill, tip)
plt.pause(2)
plt.scatter([mean(bill)], [mean(tip)])
plt.pause(2)
#ax.annotate("mean(bill) v.s. mean(tip)",(mean(bill), mean(tip))  )
plt.annotate("mean(bill) v.s. mean(tip)",(mean(bill), mean(tip)), xytext=(mean(bill)-20, mean(tip)+3), arrowprops=dict(facecolor='black', shrink=0.05)  )
plt.show()plt.show()

最完整的教學與指令表格要看官網

在剛學 pyplot 時, 初學者,

1. 手邊最好備好詳細的指令表格, 以供隨時查閱,
2. 直接看教學範例, 照著範例打一遍, 是最快的方式,
3. 所以注意一下官網的網頁文件, 教學，各指令表格 與 各範例附原始碼 三路的方向, 熟悉路徑, 隨時可以查閱!

最完整的教學與各類指令與屬性之表格與說明, 還是要看官網的網頁文件, 分為教學與各指令表格兩路.

• 教學區, Matplotlib30官網/Tutorials,
  在主頁: https://matplotlib.org/Tutorilas, 都可以在 Tutorials 下找到, link
  分入門中階高階等教學初中高階, 等,
  Pyplot 放在 Introductory入門區,

• 各指令之完整說明, 在主頁: https://matplotlib.org/, 找尋 API Overview 的字, link

• 各範例附原始碼, 在主頁: https://matplotlib.org/, 點選 Example link
  這裡有初階到高階的各種範例附原始碼, 初學者可以從圖形找自己要的例子, 觀摩原始碼.

pyplot 初學者使用類似 Matlab 語法

手邊最好備好詳細的指令表格
matplotlib.pyplot: https://matplotlib.org/2.0.2/api/pyplot_api.html link

pyplot 較常用的 plot 的詳細指令與屬性之說明 https://matplotlib.org/stable/api/_as_gen/matplotlib.pyplot.plot.html#matplotlib.pyplot.plot link:

物件導向語法方面的說明

在做較個人化的操控時, 建議用物件導向的方式,
https://matplotlib.org/stable/api/#the-object-oriented-api link,
後面的閱讀指引指出: 較常用的是 matplotlib.axes, matplotlib.figure 的指令, 而 "Gallery" link 的例子多半是物件導向的.

詳細內容請參閱後面最後一節: 學習路徑圖: 最完整的教學與指令表要看官網

學習路徑圖: 最完整的教學與指令表要看官網

然而最完整的各類指令與屬性之說明, 還是要看官網的網頁文件, 分為教學，各指令表格 與 各範例附原始碼 三路.

• 教學區, Matplotlib30官網/Tutorials,
  在主頁: https://matplotlib.org/Tutorilas, 都可以在 Tutorials 下找到, link
  分入門中階高階等教學初中高階, 等,
  Pyplot 放在 Introductory入門區,

  Introductory入門區有

  • Pyplot: 初學者可以從此開始
    Matplotlib 3.4.2 官網/Tutorials/ Introductory/Pyplot,
    專門介紹 Pyplot, link
  • Usage Guide:
    Matplotlib30官網/Tutorials/ Introductory/Usage Guide,
    是一整體的初步介紹, 包括簡單的物件導向方式
    “This tutorial covers some basic usage patterns and best-practices to help you get started with Matplotlib.”, link
    所謂物件導向方式, 就是先用 pyplot.subplots()產生 figure, axes, 再用 figure, axes 去調整圖形:

在 Usage Guide 中講解的, 物件導向風格與pyplot 風格之舉例:
物件導向風格: 就是先用 pyplot.subplots()產生 figure, axes,
再用 figure, axes 去調整圖形:

# 物件導向方式
import matplotlib.pyplot as plt
fig, ax = plt.subplots()
ax.plot(x, x)

pyplot 風格

# pyplot
import matplotlib.pyplot as plt
x = np.linspace(0, 2, 100)
plt.plot(x, x, label='linear')

• 各指令之完整說明與表格, 在主頁: https://matplotlib.org/, 找尋 API Overview 的字, https://matplotlib.org/stable/api/#api-overview link
  分

  • Usage patterns
    • The pyplot API
    • The object-oriented API
    • The pylab API (disapproved已停止維護)
  • Modules
  • Toolkits

• 各範例附原始碼, 在主頁: https://matplotlib.org/, 點選 Example, https://matplotlib.org/stable/gallery/index.html link
  這裡有初階到高階的各種範例附原始碼, 初學者可以從圖形找自己要的例子, 觀摩原始碼.
  3.4.2 版的 Example 仍沿襲舊稱, 叫 Gallery, 舊版右面較雜駁, 而 新版 3.4.2 則整理為 Lines, Statistics,Pyplot, Animation, 各類較方便查詢.

Table of Contents
Gallery
Lines, bars and markers
Images, contours and fields
Subplots, axes and figures
Statistics
Pie and polar charts
Text, labels and annotations
Pyplot
Color
Shapes and collections
Style sheets
Axes Grid
Axis Artist
Showcase
Animation
Event handling
Front Page
Miscellaneous
3D plotting
Scales
Specialty Plots
Ticks and spines
Units
Embedding Matplotlib in graphical user interfaces
Userdemo
Widgets

學習路徑圖

將以上彙整為學習路徑圖,
區分為教學，各指令表格 與 各範例附原始碼 三路:

Ref: 以上繪製流程图之語法參考: CSDN Markdown Mermaid 流程图示例, https://blog.csdn.net/qwfys200/article/details/84887665

pyplot 詳細的指令表格

手邊最好備好詳細的指令表格
matplotlib.pyplot: https://matplotlib.org/2.0.2/api/pyplot_api.html link

pyplot 較常用的 plot 的詳細指令與屬性之說明 https://matplotlib.org/stable/api/_as_gen/matplotlib.pyplot.plot.html#matplotlib.pyplot.plot link:

Ref: 黃春林, Matplotlib使用教程.

Line 的格式

2D 線的屬性的表格The kwargs are Line2D properties:

See set_linestyle() for a decription of the line styles, set_marker() for a description of the markers, and set_drawstyle() for a description of the draw styles.

Ref: 以上, plt.plot() 2D 線的屬性表可以查 matplotlib.lines.Line2D link

• 線的格式, 實線或虛線等 set_linestyle(ls)
  Set the linestyle(s) for the collection.
  linestyle description
  ‘-’ or ‘solid’ solid line
  ‘–’ or ‘dashed’ dashed line
  ‘-.’ or ‘dashdot’ dash-dotted line
  ‘:’ or ‘dotted’ dotted line
  Alternatively a dash tuple of the following form can be provided:

(offset, onoffseq),
where onoffseq is an even length tuple of on and off ink in points.

Ref: 黃春林, Matplotlib使用教程.

Marker(點的形狀) 的格式

• marker(點的形狀) 的種類:
  https://matplotlib.org/2.0.2/api/markers_api.html#module-matplotlib.markers link
  marker description

markers = {’.’: ‘point’, ‘,’: ‘pixel’, ‘o’: ‘circle’, ‘v’: ‘triangle_down’, ‘^’: ‘triangle_up’, ‘<’: ‘triangle_left’, ‘>’: ‘triangle_right’, ‘1’: ‘tri_down’, ‘2’: ‘tri_up’, ‘3’: ‘tri_left’, ‘4’: ‘tri_right’, ‘8’: ‘octagon’, ‘s’: ‘square’, ‘p’: ‘pentagon’, ‘’: ‘star’, ‘h’: ‘hexagon1’, ‘H’: ‘hexagon2’, ‘+’: ‘plus’, ‘x’: ‘x’, ‘D’: ‘diamond’, ‘d’: ‘thin_diamond’, ‘|’: ‘vline’, ‘_’: ‘hline’, ‘P’: ‘plus_filled’, ‘X’: ‘x_filled’, 0: ‘tickleft’, 1: ‘tickright’, 2: ‘tickup’, 3: ‘tickdown’, 4: ‘caretleft’, 5: ‘caretright’, 6: ‘caretup’, 7: ‘caretdown’, 8: ‘caretleftbase’, 9: ‘caretrightbase’, 10: ‘caretupbase’, 11: ‘caretdownbase’, ‘None’: ‘nothing’, None: ‘nothing’, ’ ': ‘nothing’, ‘’: ‘nothing’}
filled_markers = (‘o’, ‘v’, ‘^’, ‘<’, ‘>’, ‘8’, ‘s’, ‘p’, '’, ‘h’, ‘H’, ‘D’, ‘d’, ‘P’, ‘X’)

fillstyles = (‘full’, ‘left’, ‘right’, ‘bottom’, ‘top’, ‘none’)

Ref: 黃春林, Matplotlib使用教程.

Color(顏色) 的格式

• color 的指令與速查表
  https://matplotlib.org/2.0.2/api/colors_api.html?highlight=color#module-matplotlib.colors link

顏色的指定方法

Commands which take color arguments can use several formats to specify the colors. For the basic built-in colors,

1. 使用顏色單字的第一個字母** you can use a single letter

To use the colors that are part of the active color cycle in the current style, use C followed by a digit. For example:
C0: The first color in the cycle
C1: The second color in the cycle

2. 可以使用小數 0-1 range
   Gray shades can be given as a string encoding a float in the 0-1 range, e.g.:
   color = ‘0.75’

3. color = ‘#eeefff’ 使用網頁的16進制
   For a greater range of colors, you have two options. You can specify the color using an html hex string, as in:
   color = ‘#eeefff’
   (possibly specifying an alpha value as well),

4. 使用 RGB 格式 (r, g, b)
   or you can pass an (r, g, b) or (r, g, b, a) tuple, where each of r, g, b and a are in the range [0,1].

5. 有效的網頁顏色英文名稱都可以用
   Finally, legal html names for colors, like ‘red’, ‘burlywood’ and ‘chartreuse’ are supported.
   
   Ref: 黃春林, Matplotlib使用教程, color 英文名稱.

以上是 Tableau Colors(顏色映射表) 的 **tab10(是預設的顏色映射表)**所含有的10個最基本的顏色.
Example/Gallery/Color/Color Demo:
“9. one of {‘tab:blue’, ‘tab:orange’, ‘tab:green’, ‘tab:red’, ‘tab:purple’, ‘tab:brown’, ‘tab:pink’, ‘tab:gray’, ‘tab:olive’, ‘tab:cyan’} which are the Tableau Colors from the ‘tab10’ categorical palette (which is the default color cycle);”
Ref: Gallery/Color/Color Demo: https://matplotlib.org/stable/gallery/color/color_demo.html#sphx-glr-gallery-color-color-demo-py link

顏色之 RGB 與 16進制 與英文名稱之對照總表

 可以參考 Wiki, 或是 R-color 那張表: Bio381那門課的網頁/Cheat Sheets & Programming Resources/Color Chart

https://gotellilab.github.io/Bio381/CheatSheets/CheatSheets.html
https://gotellilab.github.io/Bio381/CheatSheets/ColorChart.pdf link

Color Demo 講解顏色的指定方法

Example/Gallery/color/Color Demo 有講到顏色的指定方法:

Matplotlib recognizes the following formats to specify a color:

1. an RGB or RGBA tuple of float values in [0, 1] (e.g. (0.1, 0.2, 0.5) or (0.1, 0.2, 0.5, 0.3)). RGBA is short for Red, Green, Blue, Alpha;
2. a hex RGB or RGBA string (e.g., ‘#0F0F0F’ or ‘#0F0F0F0F’);
3. a shorthand hex RGB or RGBA string, equivalent to the hex RGB or RGBA string
   obtained by duplicating each character, (e.g., ‘#abc’, equivalent to ‘#aabbcc’, or ‘#abcd’, equivalent to ‘#aabbccdd’);
4. a string representation of a float value in [0, 1] inclusive for gray level (e.g., ‘0.5’);
5. a single letter string, i.e. one of {‘b’, ‘g’, ‘r’, ‘c’, ‘m’, ‘y’, ‘k’, ‘w’}, which are short-hand notations for shades of blue, green,
   red, cyan, magenta, yellow, black, and white;
6. a X11/CSS4 (“html”) color name, e.g. “blue”;
7. a name from the xkcd color survey, prefixed with ‘xkcd:’ (e.g., ‘xkcd:sky blue’);
8. a “Cn” color spec, i.e. ‘C’ followed by a number, which is an index into the default property cycle (rcParams[“axes.prop_cycle”]
   (default: cycler(‘color’, [’#1f77b4’, ‘#ff7f0e’, ‘#2ca02c’, ‘#d62728’, ‘#9467bd’, ‘#8c564b’, ‘#e377c2’, ‘#7f7f7f’, ‘#bcbd22’, ‘#17becf’])));
   the indexing is intended to occur at rendering time, and defaults to black if the cycle does not include color.
9. one of {‘tab:blue’, ‘tab:orange’, ‘tab:green’, ‘tab:red’, ‘tab:purple’, ‘tab:brown’, ‘tab:pink’, ‘tab:gray’, ‘tab:olive’, ‘tab:cyan’}
   which are the Tableau Colors from the ‘tab10’ categorical palette (which is the default color cycle);

For more information on colors in matplotlib see:

• the Specifying Colors tutorial; https://matplotlib.org/stable/tutorials/colors/colors.html link
• the matplotlib.colors API; https://matplotlib.org/stable/api/colors_api.html#module-matplotlib.colors link
• the List of named colors example. https://matplotlib.org/stable/gallery/color/named_colors.html link

Ref: https://matplotlib.org/stable/gallery/color/color_demo.html#sphx-glr-gallery-color-color-demo-py link

set_linewidth, ()set_color() 等函數列表

Ref: 以上, plt.plot() 2D 線的屬性表 set_color()等 可以查 matplotlib.lines.Line2D link

物件導向語法方面的指令表格

在做較個人化的操控時, 建議用物件導向的方式,
https://matplotlib.org/stable/api/#the-object-oriented-api link,
後面的閱讀指引指出: 較常用的是 matplotlib.axes, matplotlib.figure 的指令, 而 "Gallery" link 的例子多半是物件導向的.

The object-oriented API
At its core, Matplotlib is object-oriented. We recommend directly working with the objects, if you need more control and customization of your plots.

In many cases you will create a Figure and one or more Axes using pyplot.subplots and from then on only work on these objects. However, it’s also possible to create Figures explicitly (e.g. when including them in GUI applications).

Further reading:

• matplotlib.axes.Axes link
• and matplotlib.figure.Figure link for an overview of plotting functions.
• Most of the examples in "Gallery" link use the object-oriented approach (except for the pyplot section)

Matplotlib速查表

在為點指定形狀，顏色，大小等時, 使用這些指定特殊 style 的指令時, 手邊最好隨時準備好一張速查表 cheatsheet,
ref:

• Pjer, Matplotlib速查表——画图时候一定要放手边的表, link

• 原始出處為 Matplotlib 的 github 處:
  https://link.zhihu.com/?target=https%3A//github.com/rougier/matplotlib-cheatsheet, link

最常用的 線的樣式跟點的樣式:
線的樣式

點的樣式

Reference

• 推薦, 很棒的系列: Python-Matplotlib可视化（1）一文详解常见统计图的绘制, https://blog.csdn.net/LOVEmy134611/article/details/117301771 link

• 姜楓, 許桂秋, 大數據可視化技術, Sec 2.5, 人民郵電, 2019.

  • Sec 2.5 數據可視化的基本圖表
    2.5.1 原始數據繪圖
    2.5.2 簡單統計值描繪
    2.5.3 多視圖協調關聯
    ch 3 時間數據可視化
    ch 4 比例數據可視化
    ch 5 關係數據可視化
    ch 6 文本數據可視化
    ch 7 複雜數據可視化
    ch 8 交互式數據可視化

• Data Visualization 資料視覺化教學, Kaggle 的網頁上的教學, https://www.kaggle.com/learn/data-visualization link

• Matplotlib30官網手冊與範例, https://matplotlib.org/2.0.2/index.html link.

• Matplotlib30官網/Tutorials, 教學區, 分入門中階高階等, https://matplotlib.org/stable/tutorials/index.html link

• Matplotlib30官網/Tutorials, 教學區, Usage Guide 是一整體的初步介紹,
  “This tutorial covers some basic usage patterns and best-practices to help you get started with Matplotlib.”, https://matplotlib.org/stable/tutorials/index.html link

• Matplotlib 3.4.2 官網/Tutorials, 教學區, Pyplot tutorial, 專門介紹 Pyplot, https://matplotlib.org/2.0.2/users/pyplot_tutorial.html, link

• 各範例附原始碼, 3.4.2 版的, 在主頁: https://matplotlib.org/, 點選 Example, https://matplotlib.org/stable/gallery/index.html link
  這裡有初階到高階的各種範例附原始碼, 初學者可以從圖形找自己要的例子, 觀摩原始碼.

• 各範例附原始碼, 舊版 2.0.2 版的, 在Matplotlib官網各種例子, https://matplotlib.org/2.0.2/gallery.html link

• Matplotlib 速查表 cheatsheet: 在使用這些指定特殊 style 的指令時, 手邊最好隨時準備好一張速查表 cheatsheet,
  Pjer, Matplotlib速查表——画图时候一定要放手边的表, link

• Matplotlib 速查表 cheatsheet: 原始出處為 Matplotlib 的 github 處: https://link.zhihu.com/?target=https%3A//github.com/rougier/matplotlib-cheatsheet, link

• Color Demo 講解顏色的指定方法
  Example/Gallery/color/Color Demo 有講到顏色的指定方法, https://matplotlib.org/stable/gallery/color/color_demo.html#sphx-glr-gallery-color-color-demo-py link

• For more information on colors in matplotlib see:

  • the Specifying Colors tutorial; https://matplotlib.org/stable/tutorials/colors/colors.html link
  • the matplotlib.colors API; https://matplotlib.org/stable/api/colors_api.html#module-matplotlib.colors link
  • the List of named colors example. https://matplotlib.org/stable/gallery/color/named_colors.html link

• 顏色之 RGB 與 16進制 與英文名稱之對照總表
  可以參考 Wiki,
  或是 R-color 那張表: Bio381那門課的網頁/Cheat Sheets & Programming Resources/Color Chart
  https://gotellilab.github.io/Bio381/CheatSheets/CheatSheets.html
  https://gotellilab.github.io/Bio381/CheatSheets/ColorChart.pdf link

• 黃春林, Matplotlib 使用教程, color 英文名稱.

• 美股歷史走勢】道瓊指數歷史100年回顧, https://www.stockfeel.com.tw/%E9%81%93%E7%93%8A%E6%8C%87%E6%95%B8%E7%99%BE%E5%B9%B4%E5%A4%A7%E5%9B%9E%E9%A1%A7/ link

• CSDN Markdown Mermaid 流程图示例, https://blog.csdn.net/qwfys200/article/details/84887665 link

Python 與數據資料分析2-Matplotlib.pyplot入門相关推荐

1. Python 與數據資料分析3.1-資料視覺化-基本圖表類型

   "Talk is cheap. Show me the code." ― Linus Torvalds 老子第41章 上德若谷 大白若辱 大方無隅 大器晚成 大音希聲 大象無形 道 ...

2. Python程式與數據資料分析1

   "Talk is cheap. Show me the code." ― Linus Torvalds 老子第41章 上德若谷 大白若辱 大方無隅 大器晚成 大音希聲 大象無形 道 ...

3. 分區策略與數據傾斜處理策略的區別

   策略 目的 數據傾斜處理策略 taskmanager減緩/避免數據傾斜, 發揮集羣並行性能． 分區策略策略 sink的partition中的數據存放均衡 所以,兩者的主要區別是在於數據所處的階段不同, ...

4. python窗体应用程序无阻塞_Python，matplotlib pyplot show（）未阻塞

   我是新手matplotlib.pyplot. 我遇到了show()函数没有阻塞的问题.我从一个离开的人那里接手了一个python应用程序,我似乎还记得这在他(它回收的)PC上工作过. 这是密码...在 ...

5. 5月8号粉笔資料分析2

   一.是几倍和增长率 二.成数和番数  三.增幅.降幅.变化幅度 四.百分数与百分点(知道现期求基期,高减低加)

6. python 图例颜色_python – 来自颜色字典的matplotlib.pyplot scatterplot图例

   实现这一目标的一种方法: D_id_color = {'A': u'orchid', 'B': u'darkcyan', 'C': u'grey', 'D': u'dodgerblue', 'E': ...

7. python画图设置坐标轴为科学记数法_防止matplotlib.pyplot中的科学记数法

   当年话下 就您而言,您实际上是想禁用偏移量.使用科学计数法是与根据偏移值显示事物分开的设置.但是,它ax.ticklabel_format(useOffset=False)应该可以工作(尽管您将其列为 ...

8. python从excel读彩票数据统计分析,用matplotlib.pyplot做可视图在程序窗口显示,并可动态切换Canvas的可视图,窗口里还添加了菜单和Button按钮工具栏,按钮换图

   # -*- coding: utf-8 -*- """ Created on Tue May 14 18:58:50 2019 把图片保存成了文件,供gui窗口读取,取消 ...

9. 實戰案例 - 微信平台與自有產品資料對接 (2)

   前面瞭解過程式的背景需求和基本架構之後,接著就來看整個開發工作是靠哪些原始碼兜起來的.因為兩個 WinForm 的原始碼骨架都差不多,所以這邊就拿 SybaseUtility 專案當範例. Servi ...

最新文章

1. pycharm执行python程序报错ImportError: DLL load failed: torchvision找不到指定的程序
2. 2、jeecg 笔记之 t:dictSelect 或 t:dgCol 自定义字典
3. 什么是Pro*C/C++，嵌入式SQL，第一个pro*c程序，pro*c++,Makefile,Proc增删改查
4. 如何将多个Android Wear手表与单个手机配对
5. golang并发官方示例
6. sudo apt update提示某个源超时
7. cesium 经纬度绘制点_NCL绘制2016年1号台风(Nepartak)
8. Dynamo论文导读
9. Vscode在Windows上配置远程开发
10. FFT分析的加窗和重叠
11. （ORBSLAM3关联文章）论文翻译Inertial-Only Optimization for Visual-Inertial Initialization视觉惯性初始化的仅惯性优化
12. [渝粤教育] 天水师范学院 陶质文物保护修复 参考 资料
13. html盒子两个背景图片,css怎么实现两张图片叠加在一起,css添加盒子背景图片
14. javaSE基础重点知识点总结 持续更新
15. java，民族类型枚举
16. Linux 修改用户名
17. GIS原理篇 terrain 基于TIN的表面数据（地形数据）
18. 微信小程序入门篇（二）
19. 百度地图WebAPI
20. OpenERP 千位分隔符(thousand separator)

热门文章

1. Spring Boot实现注册验证全过程
2. win7计算机凭证,windows凭证管理,详解win7电脑添加和管理windows凭证的方法
3. 基于扩散模型的文本引导图像生成算法
4. 关于SWITCH中CASE的执行顺序。
5. JAVA自学-20180320/20180321
6. 【模型指标】LIFT提升图
7. java字母反过来_java实现字符串（数字、字母、汉字）的反向输出
8. 批量生成带超链接目录且自动更新 Excel
9. IDEA 开启内存显示与修改内存
10. 暑期LeetCode打卡