matplotlib: Pyplot 教程
原文:https://matplotlib.org/stable/tutorials/introductory/pyplot.html#sphx-glr-tutorials-introductory-pyplot-py
Pyplot 教程
pyplot 界面的介绍。
pyplot 简介
matplotlib.pyplot
是使 matplotlib 像 MATLAB 一样工作的函数集合。每个pyplot
函数都会对图形进行一些更改:例如,创建图形、在图形中创建绘图区域、在绘图区域中绘制一些线条、用标签装饰绘图等。
在matplotlib.pyplot
函数调用中保留各种状态,以便跟踪当前图形和绘图区域等内容,并且绘图函数指向当前轴(请注意此处和文档中的大多数地方的“轴”是指到图形的轴 部分, 而不是用于多个轴的严格数学术语)。
笔记
pyplot API 通常不如面向对象的 API 灵活。您在此处看到的大多数函数调用也可以作为Axes
对象的方法调用。我们建议浏览教程和示例以了解其工作原理。
使用 pyplot 生成可视化非常快:
import matplotlib.pyplot as plt
plt.plot([1, 2, 3, 4])
plt.ylabel('some numbers')
plt.show()
您可能想知道为什么 x 轴的范围是 0-3,而 y 轴的范围是 1-4。如果您向plot
提供单个列表或数组 ,matplotlib 会假定它是一个 y 值序列,并自动为您生成 x 值。由于 python 范围从 0 开始,默认的 x 向量与 y 具有相同的长度,但从 0 开始。因此 x 数据是 .[0, 1, 2, 3]
plot
是一个多功能函数,可以接受任意数量的参数。例如,要绘制 x 与 y 的关系,您可以编写:
plt.plot([1, 2, 3, 4], [1, 4, 9, 16])
OUT:
[<matplotlib.lines.Line2D object at 0x7fe64a20c9a0>]
格式化你的绘图风格
对于每对 x, y 参数,都有一个可选的第三个参数,它是指示绘图颜色和线型的格式字符串。格式字符串的字母和符号来自 MATLAB,您将颜色字符串与线型字符串连接起来。默认格式字符串是“b-”,这是一条蓝色实线。例如,要绘制上面的红色圆圈,您将发出
plt.plot([1, 2, 3, 4], [1, 4, 9, 16], 'ro')
plt.axis([0, 6, 0, 20])
plt.show()
有关线条样式和格式字符串的完整列表,请参阅文档plot
。上面示例中的axis
函数采用一个[xmin, xmax, ymin, ymax]
列表并指定轴的视口。
如果 matplotlib 仅限于处理列表,那么它对于数字处理将毫无用处。通常,您将使用numpy数组。实际上,所有序列在内部都转换为 numpy 数组。下面的示例说明在使用数组的一次函数调用中绘制具有不同格式样式的多条线。
import numpy as np# 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()
用关键字字符串
在某些情况下,您的数据格式允许您使用字符串访问特定变量。例如,使用 numpy.recarray
或pandas.DataFrame
。
Matplotlib 允许您使用data
关键字参数提供这样的对象。如果提供,则您可以使用与这些变量对应的字符串生成图。
data = {'a': np.arange(50),'c': np.random.randint(0, 50, 50),'d': np.random.randn(50)}
data['b'] = data['a'] + 10 * np.random.randn(50)
data['d'] = np.abs(data['d']) * 100plt.scatter('a', 'b', c='c', s='d', data=data)
plt.xlabel('entry a')
plt.ylabel('entry b')
plt.show()
用分类变量绘图
也可以使用分类变量创建图。Matplotlib 允许您将分类变量直接传递给许多绘图函数。例如:
names = ['group_a', 'group_b', 'group_c']
values = [1, 10, 100]plt.figure(figsize=(9, 3))plt.subplot(131)
plt.bar(names, values)
plt.subplot(132)
plt.scatter(names, values)
plt.subplot(133)
plt.plot(names, values)
plt.suptitle('Categorical Plotting')
plt.show()
控制线属性
线条有许多可以设置的属性:线宽、虚线样式、抗锯齿等;见matplotlib.lines.Line2D
。有几种方法可以设置线属性
使用关键字参数:
plt.plot(x, y, linewidth=2.0)
使用
Line2D
实例的 setter 方法。plot
返回Line2D
对象列表;例如line1, line2 = plot(x1, y1, x2, y2)
,。在下面的代码中,我们假设我们只有一行,因此返回的列表长度为 1。我们使用元组解包`line, 来获取该列表的第一个元素:line, = plt.plot(x, y, '-') line.set_antialiased(False) # turn off antialiasing
使用
setp
. 下面的示例使用 MATLAB 样式的函数在行列表上设置多个属性。setp
透明地处理对象列表或单个对象。您可以使用 python 关键字参数或 MATLAB 样式的字符串/值对:lines = plt.plot(x1, y1, x2, y2) # use keyword args plt.setp(lines, color='r', linewidth=2.0) # or MATLAB style string value pairs plt.setp(lines, 'color', 'r', 'linewidth', 2.0)
以下是可用的Line2D
属性。
属性 | 值类型 |
---|---|
alpha | float |
animated | [True|False] |
antialiased或 aa | [True|False] |
clip_box | 一个 matplotlib.transform.Bbox 实例 |
clip_on | [True|False] |
clip_path | 一个 Path 实例和一个 Transform 实例,一个 Patch |
color或 c | 任何 matplotlib 颜色 |
contains | 命中测试功能 |
dash_capstyle |
[ 'butt'
|
dash_joinstyle |
[ 'miter'
|
dashes(破折号) | sequence of on/off ink in points |
data | (np.array xdata, np.array ydata) |
figure | 一个 matplotlib.figure.Figure 实例 |
label | 任何字符串 |
linestyle或 ls |
[ '-'
|
linewidth或 lw | 以点为单位的浮点值 |
marker |
[ '+'
|
markeredgecolor或 mec | 任何 matplotlib 颜色 |
markeredgewidth或mew | 以点为单位的浮点值 |
markerfacecolor或 mfc | 任何 matplotlib 颜色 |
markersize或ms | float |
markevery | [ None |integer|(startind, stride)] |
picker | 用于交互式选线 |
pickradius | 线拾取选择半径 |
solid_capstyle |
[ 'butt'
|
solid_joinstyle |
[ 'miter'
|
transform | 一个 matplotlib.transforms.Transform 实例 |
visible | [True|False] |
xdata | np.array |
ydata | np.array |
zorder | 任何数字 |
要获取可设置的线属性列表,请使用一条或多条线作为参数调用setp
函数
In [69]: lines = plt.plot([1, 2, 3])In [70]: plt.setp(lines)alpha: floatanimated: [True | False]antialiased or aa: [True | False]...snip
使用多个图形和轴
MATLAB 和pyplot
具有当前图窗和当前坐标区的概念。所有绘图函数都适用于当前轴。gca
函数返回当前轴(一个 matplotlib.axes.Axes
实例),gcf
返回当前图形(一个matplotlib.figure.Figure
实例)。通常,您不必担心这一点,因为这一切都在幕后进行。下面是一个创建两个子图的脚本。
def 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()
plt.subplot(211)
plt.plot(t1, f(t1), 'bo', t2, f(t2), 'k')plt.subplot(212)
plt.plot(t2, np.cos(2*np.pi*t2), 'r--')
plt.show()
此处的figure
调用是可选的,因为如果不存在图形将创建图形,就像如果不存在将创建轴(等效于显式 subplot()
调用)一样。subplot
函数指定numrows, numcols
, 其中plot_number
范围从1到numrows*numcols
。subplot
调用中的逗号是可选的 if numrows*numcols<10
。所以subplot(211)
与 subplot(2, 1, 1)
相同。
您可以创建任意数量的子图和轴。如果您想手动放置轴,即不在矩形网格上,请使用axes
,它允许您将位置指定为axes([left, bottom, width, height])
,所有值都在fractional(0 到 1)坐标中的位置。有关手动放置轴的示例,请参阅Axes Demo,请参阅Basic Subplot Demo,包含大量子图的示例。
您可以通过使用figure
不断增加的数字编号的多次调用来创建多个数字 。当然,每个图形都可以包含任意数量的轴和子图,只要您愿意:
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() 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 title
您可以使用clf
清除当前图窗和cla
清除当前坐标区。如果您发现在幕后为您维护状态(特别是当前图像、图形和轴)很烦人,请不要绝望:这只是面向对象 API 的一个薄的有状态包装器,您可以改用它(见艺术家教程)
如果您要制作大量图形,则还需要注意一件事:图形所需的内存不会完全释放,直到图形用close
显式关闭 。删除对图形的所有引用和/或使用窗口管理器杀死图形出现在屏幕上的窗口是不够的,因为 pyplot 维护内部引用直到close
被调用。
处理文本
text
可用于在任意位置添加文本 xlabel
,ylabel
和title
用于在指定位置添加文本(有关更详细的示例,请参见Matplotlib Plots中的文本)
mu, sigma = 100, 15
x = mu + sigma * np.random.randn(10000)# the histogram of the data
n, bins, patches = plt.hist(x, 50, density=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()
所有text
函数都返回一个matplotlib.text.Text
实例。就像上面的几行一样,您可以通过将关键字参数传递给文本函数或使用来自定义属性setp
:
t = plt.xlabel('my data', fontsize=14, color='red')
这些属性在文本属性和布局中有更详细的介绍。
在文本中使用数学表达式
matplotlib 接受任何文本表达式中的 TeX 方程表达式。例如写表达式(\sigma_i=15) 在标题中,您可以编写一个由美元符号包围的 TeX 表达式:
plt.title(r'$\sigma_i=15$')
在标题字符串之前的r
是很重要的-这意味着该字符串是一个原始的字符串。matplotlib 有一个内置的 TeX 表达式解析器和布局引擎,并提供自己的数学字体——有关详细信息,请参阅 编写数学表达式。因此,您可以跨平台使用数学文本,而无需安装 TeX。对于那些安装了 LaTeX 和 dvipng 的人,您还可以使用 LaTeX 来格式化文本并将输出直接合并到您的显示图形或保存的附言中——请参阅使用 LaTeX 渲染文本。
注释文本
上述基本text
功能将文本放置在轴上的任意位置。文本的一个常见用途是对绘图的某些特征进行注释,该 annotate
方法提供了辅助功能来简化注释。在注释中,有两点需要考虑:由参数表示的被注释xy
的位置和文本的位置xytext
。这两个参数都是元组。(x, y)
ax = plt.subplot()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()
在这个基本示例中,xy
(箭头提示)和xytext
位置(文本位置)都在数据坐标中。有多种其他坐标系可供选择——有关详细信息,请参阅 基本注释和高级注释。更多示例可以在Annotating Plots 中找到 。
对数轴和其他非线性轴
matplotlib.pyplot
不仅支持线性轴刻度,还支持对数和 logit 刻度。如果数据跨越多个数量级,则通常使用这种方法。更改轴的比例很容易:
plt.xscale(‘log’)
下面显示了具有相同数据和不同 y 轴比例的四个图的示例。
# Fixing random state for reproducibility
np.random.seed(19680801)# make up some data in the open interval (0, 1)
y = np.random.normal(loc=0.5, scale=0.4, size=1000)
y = y[(y > 0) & (y < 1)]
y.sort()
x = np.arange(len(y))# plot with various axes scales
plt.figure()# linear
plt.subplot(221)
plt.plot(x, y)
plt.yscale('linear')
plt.title('linear')
plt.grid(True)# log
plt.subplot(222)
plt.plot(x, y)
plt.yscale('log')
plt.title('log')
plt.grid(True)# symmetric log
plt.subplot(223)
plt.plot(x, y - y.mean())
plt.yscale('symlog', linthresh=0.01)
plt.title('symlog')
plt.grid(True)# logit
plt.subplot(224)
plt.plot(x, y)
plt.yscale('logit')
plt.title('logit')
plt.grid(True)
# Adjust the subplot layout, because the logit one may take more space
# than usual, due to y-tick labels like "1 - 10^{-3}"
plt.subplots_adjust(top=0.92, bottom=0.08, left=0.10, right=0.95, hspace=0.25,wspace=0.35)plt.show()
也可以添加您自己的比例,有关详细信息,请参阅有关创建比例和转换的开发人员指南。
脚本总运行时间:(0 分 3.758 秒)
Download Python source code: pyplot.py
Download Jupyter notebook: pyplot.ipynb
matplotlib: Pyplot 教程相关推荐
- python画图包-Python 绘图包 Matplotlib Pyplot 教程
Pyplot 接口简介 Pyplot 入门 matplotlib.pyplot?是命令风格函数的集合,使 Matplotlib 像 MATLAB 一样工作.每个 Pyplot 函数对图形做一些修改,例 ...
- Matplotlib 中文用户指南 3.1 pyplot 教程
pyplot 教程 原文:Pyplot tutorial 译者:飞龙 协议:CC BY-NC-SA 4.0 matplotlib.pyplot是一个命令风格函数的集合,使matplotlib的机制更像 ...
- matplotlib.pyplot_Matplotlib Pyplot教程
最近自己经常遇到matplotlib的OO API和pyplot包混乱不分的情况,所以抽时间好好把matplotlib的文档读了一下,下面是大概的翻译和总结.很多基础的东西还是要系统地掌握牢固哇--另 ...
- matplotlib pyplot 画图基础教程
用Python绘制图表在工作中是一项非常有用的技能,虽然说强大的matlab基本可以满足我们所有的绘图需求,但是在有些情况下,使用Python绘图,让图表直接可以直接随着Python程序的运行而产生. ...
- matplotlib之pyplot教程
文章目录 1. pyplot介绍 2. 使用关键字字符串绘图 3. 使用分类变量绘图 4. 线条属性控制 5. 使用多个图形和坐标轴 6. 图中添加文本 使用数学表达式 使用注释文本 7. 对数轴和其 ...
- python中的matplotlib.pyplot_Python matplotlib简介 Pyplot教程
matplotlib.pyplot是一些命令行风格函数的集合,使matplotlib以类似于MATLAB的方式工作.每个pyplot函数对一幅图片(figure)做一些改动:比如创建新图片,在图片创建 ...
- python模块matplotlib.pyplot用法_Python matplotlib简介 Pyplot教程
matplotlib.pyplot是一些命令行风格函数的集合,使matplotlib以类似于MATLAB的方式工作.每个pyplot函数对一幅图片(figure)做一些改动:比如创建新图片,在图片创建 ...
- 小白也能看懂的Matplotlib简明教程
点击上方"小白学视觉",选择加"星标"或"置顶" 重磅干货,第一时间送达 Matplotlib简介 信息可视化是数据分析中一个重要的部分.它 ...
- python2.7环境下“No module named matplotlib.pyplot”的解决办法
写在这里的初衷,一是备忘,二是希望得到高人指点,三是希望能遇到志同道合的朋友. 目录 一.问题 二.根本原因 三.解决办法 一.问题 // An highlighted block import ma ...
最新文章
- 为什么要放弃 Lombok ?
- vue 的elementui中select下拉框多选项-multiple属性
- Python对图像的基本操作
- 使用Google Guava Cache进行本地缓存
- 根据线程名获取线程及停止线程
- Android开发学习之电话、短信、联系人
- token怎么获取 php,如何用php获取某个页面中的input的csrf_token?
- 项目开发中XML 读取错误总结
- 足以封神的文献下载网站,知道一个你就赚了!
- 芝麻小程序客服移动版,一款更及时查看和回复消息的工具!
- 简单的魔方复原方法, 魔方还原公式,图解
- 台式电脑出厂编号怎么查_出厂编号的查询方法
- 自然语言处理概述 NLP基本流程
- 初始C语言(初学者福音)
- MATLAB一元线性回归(最小二乘法)小例子
- php编写除法器程序,Booth除法器设计
- Nginx+Tomcat实现负载均衡与动静分离
- 如何下载(高程数据)并生成等高线?
- MathType快捷键大全
- 书法作品中印章的使用
热门文章
- 计算机毕业设计ssm扶贫助农系统v7tq9系统+程序+源码+lw+远程部署
- 快来看看三甲医院的外科主任医师正在使用的安全箱
- 焦化厂通过plc无线通信模块竟然可以解决生产安全问题
- UART接口的FPGA实现(一)——UART接口的相关基础知识
- 吉林高考2019 酱油记
- 图解数据分析(3) | 数据分析的数学基础(数据科学家入门·完结)
- 计算机研究生生课题物信息学,华中农业大学信息学院研究生导师简介-李国亮...
- 租车小程序系统源码+保险+押金+区域限制
- Simulink和Carsim联合仿真车辆状态估计 卡尔曼滤波的EKF,UKF,CKF等
- 08_心理咨询_微信小程序项目实战_关于我们页面静态效果实现