matplotlib

一、Matplotlib基础知识

Matplotlib中的基本图表包括的元素

x轴和y轴
水平和垂直的轴线

x轴和y轴刻度
刻度标示坐标轴的分隔，包括最小刻度和最大刻度

x轴和y轴刻度标签
表示特定坐标轴的值

绘图区域
实际绘图的区域

In [1]:

import numpy as np

import matplotlib.pyplot as plt

%matplotlib inline

In [ ]:

#pandas 绘图，提供方便

#matplotlib专门绘图工具，样式更加丰富

只含单一曲线的图

In [2]:

#用linspace生成10个均匀间隔的数字

x = np.linspace(0,10,10)

Out[2]:

array([ 0.        ,  1.11111111,  2.22222222,  3.33333333,  4.44444444,

        5.55555556,  6.66666667,  7.77777778,  8.88888889, 10.        ])

In [3]:

#假如plot里面的参数只有一个，x轴的坐标默认从0,1,2...

plt.plot(x)

Out[3]:

[<matplotlib.lines.Line2D at 0x7f7145a12be0>]

In [4]:

#假如plot里面是2个参数，那么就有x轴、y轴,参数可以是函数

plt.plot(x,x**2)

Out[4]:

[<matplotlib.lines.Line2D at 0x7f713d96eb38>]

In [5]:

#scatter，绘制散点图

plt.scatter(x,x**2)

Out[5]:

<matplotlib.collections.PathCollection at 0x7f713d868be0>

包含多个曲线的图

1、可以使用多个plot函数（推荐），在一个图中绘制多个曲线

In [6]:

#arange，重新生成一组，等差数组

x = np.arange(0,10,1)

Out[6]:

array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])

In [7]:

plt.plot(x,x*2)

plt.plot(x,x/2)

plt.plot(x,x**2)

Out[7]:

[<matplotlib.lines.Line2D at 0x7f713d7dcda0>]

In [8]:

plt.plot(x,x*2)

plt.plot(x,x*5)

plt.plot(x,np.sin(x))

Out[8]:

[<matplotlib.lines.Line2D at 0x7f713d7cdb38>]

2、也可以在一个plot函数中传入多对X,Y值，在一个图中绘制多个曲线

In [9]:

#y轴会自动用不同的颜色显示

lines = plt.plot(x,x*2,x,x*5,x,x/2)

In [10]:

lines[0]

Out[10]:

<matplotlib.lines.Line2D at 0x7f713d782ac8>

网格线

绘制正选余弦

In [11]:

x = np.linspace(0,15,1000)

y = np.sin(x)

In [12]:

display(x,y)

array([ 0.        ,  0.01501502,  0.03003003,  0.04504505,  0.06006006,

      ......

       14.86486486, 14.87987988, 14.89489489, 14.90990991, 14.92492492,

        0.74670761,  0.73663654,  0.7263994 ,  0.71599849,  0.70543617,

        0.69471481,  0.68383682,  0.67280467,  0.66162083,  0.65028784])

使用plt.grid(True)方法为图添加网格线

In [13]:

plt.plot(x,y)

plt.grid(True)

In [14]:

#另外一种产生随机数的方式，对比一下

#用np.pi产生数据，用到arange

x = np.arange(-np.pi,np.pi,0.01)

display(x)

array([-3.14159265e+00, -3.13159265e+00, -3.12159265e+00, -3.11159265e+00,

       -3.10159265e+00, -3.09159265e+00, -3.08159265e+00, -3.07159265e+00,

       -3.06159265e+00, -3.05159265e+00, -3.04159265e+00, -3.03159265e+00,

       -3.02159265e+00, -3.01159265e+00, -3.00159265e+00, -2.99159265e+00,

        3.05840735e+00,  3.06840735e+00,  3.07840735e+00,  3.08840735e+00,

        3.09840735e+00,  3.10840735e+00,  3.11840735e+00,  3.12840735e+00,

        3.13840735e+00])

In [15]:

plt.plot(x,np.sin(x),x,np.cos(x))

plt.grid(True)

转存失败重新上传取消

设置grid参数（参数与plot函数相同），使用plt面向对象的方法，创建多个子图显示不同网格线

转存失败重新上传取消

lw代表linewidth，线的粗细
alpha表示线的明暗程度
color代表颜色

In [16]:

x = np.arange(-20,20,0.1)

y = np.sin(x)

In [17]:

#使用plt创建子视图

#axis 轴；axes 面

#sub = 子

#figsize=(12,9)是对视图的大小进行设置

plt.figure(figsize=(12,9))

#subplot(1,3,1)，子视图，1为一行，3为三列，1为第一个

axes1 = plt.subplot(1,3,1)

axes1.plot(x,y)

axes1.grid(True)

axes2 = plt.subplot(1,3,2)

axes2.plot(x,y)

axes2.grid(True,axis = 'x',color = 'purple',alpha = 0.1) #可以Shift+Tab查看具体的方法参数

axes3 = plt.subplot(1,3,3)

x3 = np.linspace(0,6,200)

y3 = np.cos(x3)

axes3.plot(x3,y3)

axes3.grid(True,color = 'g',linestyle = '--',linewidth = 2)

坐标轴界限

axis方法

如果axis方法没有任何参数，则返回当前坐标轴的上下限axis(xmin =,ymax = )

In [18]:

x = np.arange(0,5,0.01)

y = np.sin(x)

plt.plot(x,y)

#axis 轴：x，y

#axes 面，子视图

plt.axis([-5,10,-2,np.pi])

Out[18]:

(-5.0, 10.0, -2.0, 3.141592653589793)

plt.axis('xxx') 'tight'、'off'、'equal'……

设置坐标轴类型
关闭坐标轴

In [19]:

plt.plot(x,y)

plt.axis('off') #axis('off') 将坐标轴关闭，tight是默认

Out[19]:

(-0.24950000000000003,

 5.2395000000000005,

 -1.0999969878536957,

 1.0999995243978122)

In [20]:

x = np.linspace(-np.pi,np.pi,1000)

#plt.figure(figsize=(4,4))

#figsize=(4,4)与axis('equal')的效果差不多

plt.plot(np.sin(x),np.cos(x))

plt.axis('equal') #axis('equal') 改变最大值、最小值的范围

Out[20]:

(-1.0999986402114572,

 1.0999986402114572,

 -1.0999997527658723,

 1.0999948080833182)

In [21]:

#没有使用axis('equal')，就变成了椭圆

plt.plot(np.sin(x),np.cos(x))

Out[21]:

[<matplotlib.lines.Line2D at 0x7f713c941a58>]

xlim方法和ylim方法

除了plt.axis方法，还可以通过xlim，ylim方法设置坐标轴范围

In [22]:

plt.plot(np.sin(x),np.cos(x))

plt.xlim(-2,2)

plt.ylim(0,2)

Out[22]:

(0.0, 2.0)

### 坐标轴标签

xlabel方法和ylabel方法

plt.ylabel('y = x^2 + 5',rotation = 85)旋转

In [23]:

x = np.linspace(0,5,1000)

y = x**2 + 5

plt.plot(x,y,'red')

plt.xlabel('X',size = 20)

plt.ylabel('f(x) = x^2 + 5',rotation = 85,fontsize = 20)

Out[23]:

Text(0, 0.5, 'f(x) = x^2 + 5')

标题

title方法

In [24]:

x = np.linspace(0,5,1000)

y = x**2 + 5

plt.plot(x,y,'red')

# Set a title of the current axes.

plt.title('function(x):x^2 + 5',size = 18,verticalalignment = 'bottom')

Out[24]:

Text(0.5, 1.0, 'function(x):x^2 + 5')

图例

legend方法

两种传参方法：

【推荐使用】在plot函数中增加label参数
在legend方法中传入字符串列表

In [25]:

x = np.arange(0,10,1)

plt.plot(x,x*4,label = 'fast')

plt.plot(x,x/2,label = 'slow')

plt.plot(x,x,label = 'normal')

#label要想显示，调用legend方发

plt.legend()

Out[25]:

<matplotlib.legend.Legend at 0x7f713c895fd0>

In [26]:

x = np.arange(0,10,1)

plt.plot(x,x*4)

plt.plot(x,x/2)

plt.plot(x,x)

#label要想显示，调用legend方发，下面是通过参数的数组形式传递

plt.legend(['fast','slow','normal'])

Out[26]:

<matplotlib.legend.Legend at 0x7f713ad3b9b0>

label参数为'xxx'，则图例中不显示
plt.plot(x, x*1.5, label = 'xxx')

In [27]:

x = np.arange(0,10,1)

plt.plot(x,x*4,label = 'fast')

plt.plot(x,x/2,label = '_slow')  #加个下划线“_”，就不会显示

plt.plot(x,x,label = 'normal')

#label要想显示，调用legend方发

plt.legend()

Out[27]:

<matplotlib.legend.Legend at 0x7f713acba748>

loc参数

字符串	数值	字符串	数值
best	0	center left	6
upper right	1	center right	7
upper left	2	lower center	8
lower left	3	upper center	9
lower right	4	center	10
right	5

In [28]:

x = np.arange(0,10,1)

plt.plot(x,x*4,label = 'fast')

plt.plot(x,x/2,label = 'slow')

plt.plot(x,x,label = 'normal')

x = np.ones(10)

y = np.arange(0,40,4)

plt.plot(x,y)

#label要想显示，调用legend方发

plt.legend(loc = 4)

Out[28]:

<matplotlib.legend.Legend at 0x7f713ac3c5c0>

loc参数可以是2元素的元组，表示图例左下角的坐标

In [29]:

x = np.arange(0,10,1)

plt.plot(x,x*4,label = 'fast')

plt.plot(x,x/2,label = 'slow')

plt.plot(x,x,label = 'normal')

x = np.ones(10)

y = np.arange(0,40,4)

plt.plot(x,y)

#label要想显示，调用legend方发

#loc 元组，相对值，宽、高

plt.legend( bbox_to_anchor=(0, 1,1,0),mode = 'expand')

Out[29]:

<matplotlib.legend.Legend at 0x7f713abb9898>

图例也可以超过图的界限loc = (-0.1,0.9)

ncol参数

ncol控制图例中有几列

In [30]:

x = np.arange(0,10,1)

plt.plot(x,x*4,label = 'fast')

plt.plot(x,x/2,label = 'slow')

plt.plot(x,x,label = 'normal')

x = np.ones(10)

y = np.arange(0,40,4)

plt.plot(x,y)

#label要想显示，调用legend方发

#loc 元组，相对值，宽高

#bbox_to_anchor 后两个参数是图例的宽高

#前两个参数，坐标

plt.legend( bbox_to_anchor=(0,1,1,0),mode = 'expand',ncol = 3)  #ncol = 3,3列

Out[30]:

<matplotlib.legend.Legend at 0x7f713c8732b0>

linestyle、color、marker

修改线条样式

In [31]:

y1 = np.random.normal(loc  = 0 ,scale= 1,size=100)

y2 = np.random.normal(loc = 10,scale= 1.5,size = 100)

y3 = np.random.normal(loc= - 10 ,scale= 1,size = 100)

plt.plot(y1,linestyle = '--',color = 'green',marker = '+')

plt.plot(y2,linestyle = '-.')

plt.plot(y3,marker = 'v',color = 'cyan')

Out[31]:

[<matplotlib.lines.Line2D at 0x7f713c844d68>]

保存图片

figure.savefig的选项

filename
含有文件路径的字符串或Python的文件型对象。图像格式由文件扩展名推断得出，例如，.pdf推断出PDF，.png推断出PNG （“png”、“pdf”、“svg”、“ps”、“eps”……）
dpi
图像分辨率（每英寸点数），默认为100
facecolor
图像的背景色，默认为“w”（白色）

In [32]:

y1 = np.random.normal(loc  = 0 ,scale= 1,size=100)

y2 = np.random.normal(loc = 10,scale= 1.5,size = 100)

y3 = np.random.normal(loc= - 10 ,scale= 1,size = 100)

plt.plot(y1,linestyle = '--',color = 'green',marker = '+')

plt.plot(y2,linestyle = '-.')

plt.plot(y3,marker = 'v',color = 'cyan')

plt.savefig('fig2.jpg',facecolor = 'red',dpi = 100)

二、设置plot的风格和样式

plot语句中支持除X,Y以外的参数，以字符串形式存在，来控制颜色、线型、点型等要素，语法形式为：
plt.plot(X, Y, 'format', ...)

点和线的样式

颜色

参数color或c

In [33]:

x  = np.linspace(0,10,100)

plt.plot(x,x,c = 'black')

Out[33]:

[<matplotlib.lines.Line2D at 0x7f713c6f0780>]

In [34]:

plt.plot(x,np.sin(x),c = '#100000')

Out[34]:

[<matplotlib.lines.Line2D at 0x7f713c94b2e8>]

颜色值的方式

别名
- color='r'

合法的HTML颜色名
- color = 'red'

颜色	别名	HTML颜色名	颜色	别名	HTML颜色名
蓝色	b	blue	绿色	g	green
红色	r	red	黄色	y	yellow
青色	c	cyan	黑色	k	black
洋红色	m	magenta	白色	w	white

HTML十六进制字符串
- color = '#eeefff'

归一化到[0, 1]的RGB元组
- color = (0.3, 0.3, 0.4)

In [35]:

#ff = 255

#只能使用6位进行表示，红绿蓝

plt.plot(x,x,color = '#887700')

Out[35]:

[<matplotlib.lines.Line2D at 0x7f713aabce48>]

In [36]:

#RGB元组，color

plt.plot(x,x,color = (0.1,0.2,0.7))

Out[36]:

[<matplotlib.lines.Line2D at 0x7f713aaa8be0>]

透明度

alpha参数

In [37]:

plt.plot(x,x,color = (0.1,0.2,0.7),alpha = 0.5)

Out[37]:

[<matplotlib.lines.Line2D at 0x7f713aa73b70>]

背景色

设置背景色，通过plt.subplot()方法传入facecolor参数，来设置坐标轴的背景色

In [38]:

axes = plt.subplot(facecolor = 'green')

axes.plot(x,x,'r')

Out[38]:

[<matplotlib.lines.Line2D at 0x7f713a9edcc0>]

#### 线型

参数linestyle或ls

线条风格	描述
'-'	实线
'--'	破折线
'-.'	点划线
':'	虚线
'None'/‘,’	什么都不画

linestyle可选参数

solid line style -- dashed line style -. dash-dot line style : dotted line style

In [39]:

x = np.linspace(0,10,100)

plt.plot(x,np.sin(x),ls = '-.')

Out[39]:

[<matplotlib.lines.Line2D at 0x7f713a953710>]

线宽

linewidth或lw参数

In [48]:

x = np.linspace(0,10,100)

plt.plot(x,np.sin(x),linestyle = 'dotted',linewidth = 4)

Out[48]:

[<matplotlib.lines.Line2D at 0x7f713a487ba8>]

不同宽度的破折线

dashes参数
设置破折号序列各段的宽度

In [49]:

x = np.linspace(0,10,100)

#dashes列表中参数：第一条线长度，间隔，第二条线长度，间隔

plt.plot(x,np.sin(x),dashes = [10,10,3,4,6,2])

Out[49]:

[<matplotlib.lines.Line2D at 0x7f713a49ab38>]

点型

marker参数

标记	描述	标记	描述
'1'	一角朝下的三脚架	'3'	一角朝左的三脚架
'2'	一角朝上的三脚架	'4'	一角朝右的三脚架

In [50]:

x = np.linspace(0,10,100)

#dashes列表中参数：第一条线长度，间隔，第二条线长度，间隔

plt.plot(x,np.sin(x),dashes = [10,10,3,4,6,2],marker = '3',markersize = 10)

Out[50]:

[<matplotlib.lines.Line2D at 0x7f713a3da128>]

标记	描述	标记	描述
's'	正方形	'p'	五边形
'h'	六边形1	'H'	六边形2
'8'	八边形

In [51]:

x = np.linspace(0,10,20)

#dashes列表中参数：第一条线长度，间隔，第二条线长度，间隔

plt.plot(x,np.sin(x),dashes = [10,10,3,4,6,2],marker = 'p',markersize = 10)

Out[51]:

[<matplotlib.lines.Line2D at 0x7f713a33aba8>]

标记	描述	标记	描述
'.'	点	'x'	X
'*'	星号	'+'	加号
','	像素

In [52]:

x = np.linspace(0,10,20)

#dashes列表中参数：第一条线长度，间隔，第二条线长度，间隔

plt.plot(x,np.sin(x),dashes = [10,10,3,4,6,2],marker = ',',markersize = 10)

Out[52]:

[<matplotlib.lines.Line2D at 0x7f713a29d080>]

标记	描述	标记	描述
'o'	圆圈	'D'	菱形
'd'	小菱形	'','None',' ',None	无

In [53]:

x = np.linspace(0,10,20)

#dashes列表中参数：第一条线长度，间隔，第二条线长度，间隔

plt.plot(x,np.sin(x),dashes = [10,10,3,4,6,2],marker = 'o',markersize = 10)

Out[53]:

[<matplotlib.lines.Line2D at 0x7f713a211390>]

标记	描述	标记	描述
'_'	水平线	'\|'	水平线

In [54]:

x = np.linspace(0,10,20)

#dashes列表中参数：第一条线长度，间隔，第二条线长度，间隔

plt.plot(x,np.sin(x),dashes = [10,10,3,4,6,2],marker = '_',markersize = 30)

Out[54]:

[<matplotlib.lines.Line2D at 0x7f713a518cf8>]

标记	描述	标记	描述
'v'	一角朝下的三角形	'<'	一角朝左的三角形
'^'	一角朝上的三角形	'>'	一角朝右的三角形

In [55]:

x = np.linspace(0,10,20)

#dashes列表中参数：第一条线长度，间隔，第二条线长度，间隔

plt.plot(x,np.sin(x),dashes = [10,10,3,4,6,2],marker = '^',markersize = 10)

Out[55]:

[<matplotlib.lines.Line2D at 0x7f713a3e2cf8>]

多参数连用

颜色、点型、线型

In [56]:

x = np.linspace(0,10,100)

#dashes列表中参数：第一条线长度，间隔，第二条线长度，间隔

plt.plot(x,np.sin(x),'r--<')

Out[56]:

[<matplotlib.lines.Line2D at 0x7f713a17d6d8>]

更多点和线的设置

参数	描述	参数	描述
color或c	线的颜色	linestyle或ls	线型
linewidth或lw	线宽	marker	点型
markeredgecolor	点边缘的颜色	markeredgewidth	点边缘的宽度
markerfacecolor	点内部的颜色	markersize	点的大小

In [57]:

x = np.arange(0,10,1)

plt.plot(x,x,'r-.o',markersize = 10,markeredgecolor = 'green',markerfacecolor = 'purple',markeredgewidth = 5)

Out[57]:

[<matplotlib.lines.Line2D at 0x7f713a694d68>]

在一条语句中为多个曲线进行设置

多个曲线同一设置

属性名声明

plt.plot(x1, y1, x2, y2, fmt, ...)

In [58]:

plt.plot(x,x,x,2*x,color = 'r',linestyle = ':')

Out[58]:

[<matplotlib.lines.Line2D at 0x7f713a0ce128>,

 <matplotlib.lines.Line2D at 0x7f713a078780>]

多个曲线不同设置

多个都进行设置时，无需声明属性 plt.plot(x1, y1, fmt1, x2, y2, fmt2, ...)

In [ ]:

plt.plot(x,x,'g--o',x,2*x,'r:v')

Out[ ]:

[<matplotlib.lines.Line2D at 0x7fbb6ed977b8>,

 <matplotlib.lines.Line2D at 0x7fbb6ed97940>]

In [59]:

plt.plot(x,x,color = 'g',x,2*x,color = 'r')

  File "<ipython-input-59-420939186529>", line 1    plt.plot(x,x,color = 'g',x,2*x,color = 'r')

                            ^SyntaxError: positional argument follows keyword argument

三种设置方式

向方法传入关键字参数

In [60]:

plt.plot(x,x,x,2*x,color = 'r')

Out[60]:

[<matplotlib.lines.Line2D at 0x7f713a0912b0>,

 <matplotlib.lines.Line2D at 0x7f713a05eb00>]

对实例使用一系列的setter方法

In [61]:

axes1 = plt.subplot()

In [62]:

line1,line2, = plt.plot(x,x,x,2*x)

#现在有了具体的对象了，当然就可以进行设置

line1.set_alpha(0.3)

line1.set_ls('--')

line2.set_marker('*')

line2.set_markersize(10)

使用setp()方法

In [63]:

line1,line2, = plt.plot(x,x,x,2*x)

#属性property

plt.setp([line1,line2],linestyle = '--',color = 'r')

Out[63]:

[None, None, None, None]

X、Y轴坐标刻度

xticks()和yticks()方法

In [64]:

x = np.linspace(0,10,1000)

plt.plot(x,np.sin(x))

plt.yticks([-1,0,1],['min',0,'max'])

plt.xticks(np.arange(10),list('abcdefhjik'))

Out[64]:

([<matplotlib.axis.XTick at 0x7f7139ecd748>,

  <matplotlib.axis.XTick at 0x7f7139ecd470>,

  <matplotlib.axis.XTick at 0x7f7139ecd0b8>,

  <matplotlib.axis.XTick at 0x7f7139e7d4a8>,

  <matplotlib.axis.XTick at 0x7f7139e7d940>,

  <matplotlib.axis.XTick at 0x7f7139e7ddd8>,

  <matplotlib.axis.XTick at 0x7f7139e872b0>,

  <matplotlib.axis.XTick at 0x7f7139e87748>,

  <matplotlib.axis.XTick at 0x7f7139e87be0>,

  <matplotlib.axis.XTick at 0x7f7139e8f0b8>],

 [Text(0, 0, 'a'),

  Text(1, 0, 'b'),

  Text(2, 0, 'c'),

  Text(3, 0, 'd'),

  Text(4, 0, 'e'),

  Text(5, 0, 'f'),

  Text(6, 0, 'h'),

  Text(7, 0, 'j'),

  Text(8, 0, 'i'),

  Text(9, 0, 'k')])

面向对象方法

set_xticks、set_yticks、set_xticklabels、set_yticklabels方法

In [65]:

x = np.linspace(0,10,1000)

axes = plt.subplot()

axes.plot(x,np.sin(x))

#设置对象的属性(刻度值、标签)

axes.set_yticks([-1,0,1])

axes.set_yticklabels(['min',0,'max'])

Out[65]:

[Text(0, -1, 'min'), Text(0, 0, '0'), Text(0, 1, 'max')]

正弦余弦

LaTex语法，用ππ等表达式在图表上写上希腊字母

In [66]:

np.arange(0,12,np.pi/2)

Out[66]:

array([ 0.        ,  1.57079633,  3.14159265,  4.71238898,  6.28318531,

        7.85398163,  9.42477796, 10.99557429])

In [67]:

np.linspace(0,2*np.pi,5)

Out[67]:

array([0.        , 1.57079633, 3.14159265, 4.71238898, 6.28318531])

In [68]:

x = np.linspace(0,2*np.pi,1000)

plt.plot(x,np.sin(x),x,np.cos(x))

plt.yticks(np.arange(-1,2),['min',0,'max'])

plt.xticks(np.linspace(0,2*np.pi,5),[0,'$\sigma/2$','$\delta$','$3\pi/2$','$2\pi$'],size = 20)

Out[68]:

([<matplotlib.axis.XTick at 0x7f7139e080b8>,

  <matplotlib.axis.XTick at 0x7f7139e05c50>,

  <matplotlib.axis.XTick at 0x7f7139e05898>,

  <matplotlib.axis.XTick at 0x7f7139db90f0>,

  <matplotlib.axis.XTick at 0x7f7139db9588>],

 [Text(0.0, 0, '0'),

  Text(1.5707963267948966, 0, '$\\sigma/2$'),

  Text(3.141592653589793, 0, '$\\delta$'),

  Text(4.71238898038469, 0, '$3\\pi/2$'),

  Text(6.283185307179586, 0, '$2\\pi$')])

三、2D图形

直方图

【直方图的参数只有一个x！！！不像条形图需要传入x,y】

hist()的参数

bins
可以是一个bin数量的整数值，也可以是表示bin的一个序列。默认值为10
density
如果值为True，直方图的值将进行归一化处理，形成概率密度，默认值为False
color
指定直方图的颜色。可以是单一颜色值或颜色的序列。如果指定了多个数据集合，颜色序列将会设置为相同的顺序。如果未指定，将会使用一个默认的线条颜色
orientation
通过设置orientation为horizontal创建水平直方图。默认值为vertical

In [77]:

x = np.random.randint(0,10,10)

Out[77]:

array([3, 8, 1, 4, 9, 2, 3, 6, 9, 6])

In [78]:

plt.hist(x,density=True)

Out[78]:

(array([0.125, 0.125, 0.25 , 0.125, 0.   , 0.   , 0.25 , 0.   , 0.125,

        0.25 ]),

 array([1. , 1.8, 2.6, 3.4, 4.2, 5. , 5.8, 6.6, 7.4, 8.2, 9. ]),

 <BarContainer object of 10 artists>)

条形图

【条形图有两个参数x,y！】

bar()、barh()

In [79]:

x = [1,2,3,5,6]

y = [4,7,9,2,10]

plt.bar(x,y,width = 0.2)

Out[79]:

<BarContainer object of 5 artists>

水平条形图

barh()

In [80]:

plt.barh(x,y)

Out[80]:

<BarContainer object of 5 artists>

饼图

【饼图也只有一个参数x！】

pie()
饼图适合展示各部分占总体的比例，条形图适合比较各部分的大小

普通各部分占满饼图

In [81]:

x = [0.3,0.4,0.3]

plt.pie(x,labels = ['Dog','Cat','Orther'])

plt.axis('equal')

plt.show()

普通未占满饼图

In [82]:

x = [0.3,0.4,0.25]

plt.pie(x,labels = ['A','B','C'])

plt.axis('equal')

plt.show()

/usr/local/lib/python3.7/dist-packages/ipykernel_launcher.py:2: MatplotlibDeprecationWarning: normalize=None does not normalize if the sum is less than 1 but this behavior is deprecated since 3.3 until two minor releases later. After the deprecation period the default value will be normalize=True. To prevent normalization pass normalize=False

饼图阴影、分裂等属性设置

#labels参数设置每一块的标签；labeldistance参数设置标签距离圆心的距离（比例值）

#autopct参数设置比例值的显示格式(%1.1f%%)；pctdistance参数设置比例值文字距离圆心的距离

#explode参数设置每一块顶点距圆形的长度（比例值）；colors参数设置每一块的颜色；

#shadow参数为布尔值，设置是否绘制阴影

In [83]:

x = [0.2,0.15,0.15,0.1,0.1,0.2,0.1]

labels = ['USA','China','Europe','Japan','Russia','UK','India']

plt.pie(x,labels = labels,labeldistance=1.3,autopct = '%1.2f%%',pctdistance=0.8,

        explode =[0,0,0.2,0.1,0.3,0,0],shadow = True,startangle =0)

plt.axis('equal')

plt.show()

startangle设置旋转角度

散点图

【散点图需要两个参数x,y，但此时x不是表示x轴的刻度，而是每个点的横坐标！】

scatter()

In [84]:

s = np.random.normal(loc = 35,scale= 50,size = 1000)

Out[84]:

array([  80.57394296,  -43.56574953,   -9.97268372,   47.13484284,

        ......

        -12.02232651,  -28.62345139,   49.74371119,  -42.30824974,

         -2.02534908,    5.71458714,   97.39618762,   34.11035012,

        -17.27104914,   42.86930113,  -17.16743251,    9.44454005])

In [85]:

x = np.random.randn(1000)

y = np.random.randn(1000)

colors = np.random.rand(3000).reshape(1000,3)

plt.scatter(x,y,s = s,color = colors,marker = 'd')

/home/ccoy/.local/lib/python3.7/site-packages/matplotlib/collections.py:922: RuntimeWarning: invalid value encountered in sqrt

  scale = np.sqrt(self._sizes) * dpi / 72.0 * self._factor

Out[85]:

<matplotlib.collections.PathCollection at 0x7f71396e34e0>

四、图形内的文字、注释、箭头(自学)

控制文字属性的方法:

Pyplot函数	API方法	描述
text()	mpl.axes.Axes.text()	在Axes对象的任意位置添加文字
xlabel()	mpl.axes.Axes.set_xlabel()	为X轴添加标签
ylabel()	mpl.axes.Axes.set_ylabel()	为Y轴添加标签
title()	mpl.axes.Axes.set_title()	为Axes对象添加标题
legend()	mpl.axes.Axes.legend()	为Axes对象添加图例
figtext()	mpl.figure.Figure.text()	在Figure对象的任意位置添加文字
suptitle()	mpl.figure.Figure.suptitle()	为Figure对象添加中心化的标题
annnotate()	mpl.axes.Axes.annotate()	为Axes对象添加注释（箭头可选）

所有的方法会返回一个matplotlib.text.Text对象

图形内的文字

text()

使用figtext()

In [86]:

x = np.linspace(0,2*np.pi,1000)

plt.plot(x,np.sin(x))

#调用方法text 坐标是绝对值

plt.text(s = 'sin(0) = 0',x = 0.2,y = 0)

plt.text(s = "sin($\pi$) = 0",x = 3.14,y = 0)

plt.figtext(s = "sin($3\pi/2$) = -1",x = 0.65,y = 0.2)

Out[86]:

Text(0.65, 0.2, 'sin($3\\pi/2$) = -1')

注释

annotate()
xy参数设置箭头指示的位置，xytext参数设置注释文字的位置
arrowprops参数以字典的形式设置箭头的样式
width参数设置箭头长方形部分的宽度，headlength参数设置箭头尖端的长度，
headwidth参数设置箭头尖端底部的宽度，
facecolor设置箭头颜色
shrink参数设置箭头顶点、尾部与指示点、注释文字的距离（比例值）

In [87]:

import numpy as np

import matplotlib.pyplot as plt

%matplotlib inline

练习
三个随机正太分布数据

设置图例
bbox_to_anchor,ncol mode,borderaxespad
设置注解 arrowstyle

In [88]:

x1 = np.random.normal(loc = 35,scale= 1,size = 100)

x2 = np.random.normal(loc = 15,scale= 1 ,size = 100)

x3 = np.random.normal(loc= 0,scale= 5,size = 100)

plt.plot(x1)

plt.plot(x2)

plt.plot(x3)

plt.legend(['first','second','third'],

           bbox_to_anchor =[0,1,1,0],

           ncol = 3,mode = 'expand')

#添加注释

# plt.annotate('this line is important',

#              xy = (55,13),

#              xytext = (10,30),arrowprops = {'arrowstyle' : '<-'})

# width        the width of the arrow in points

#     headwidth    the width of the base of the arrow head in points

#     headlength   the length of the arrow head in points

#     shrink

plt.annotate('this line is important',

             xy = (55,13),

             xytext = (10,30),arrowprops = {'width':5,'headwidth':10,'headlength':10,'shrink':0.1})

Out[88]:

Text(10, 30, 'this line is important')

箭头

箭头的样式，没必要记

In [89]:

plt.figure(figsize=(12,9))

plt.axis([0, 10, 0, 20]);

arrstyles = ['-', '->', '-[', '<-', '<->', 'fancy', 'simple', 'wedge']

for i, style in enumerate(arrstyles):

    plt.annotate(style, xytext=(1, 2+2*i), xy=(4, 1+2*i), arrowprops=dict(arrowstyle=style));

connstyles=["arc", "arc,angleA=10,armA=30,rad=30", "arc3,rad=.2", "arc3,rad=-.2", "angle", "angle3"]

for i, style in enumerate(connstyles):

    plt.annotate(style, xytext=(6, 2+2*i), xy=(8, 1+2*i), arrowprops=dict(arrowstyle='->', connectionstyle=style));

plt.show()

五、3D图(自学)

曲面图

导包
from mpl_toolkits.mplot3d.axes3d import Axes3D

In [90]:

from mpl_toolkits.mplot3d.axes3d import Axes3D

生成数据

In [91]:

x = np.linspace(0,2*np.pi,100)

y = np.linspace(0,7,100)

#x,y一条线，绘制面，numpy提供方法，可以将，x，y转变成面

X,Y = np.meshgrid(x,y)

Z = 0.7*X + 2 - np.sin(Y) + 2*np.cos(3 - X)

plt.figure(figsize=(14,9))

axes1 = plt.subplot(1,2,1,projection = '3d')

axes1.plot_surface(X,Y,Z)

axes2 = plt.subplot(1,2,2,projection = '3d')

axes2.set_xlabel('X')

axes2.set_ylabel('Y')

axes2.set_zlabel('Z')

axes2.set_xticks(np.linspace(0,2*np.pi,5))

axes2.set_xticklabels(list('abcde'))

#p 3维图形，

p = axes2.plot_surface(X,Y,Z,cmap = 'autumn')

plt.colorbar(p,shrink = 0.5)

Out[91]:

<matplotlib.colorbar.Colorbar at 0x7f71395359b0>

In [92]:

fig = plt.figure(figsize=(14,6))

#创建3d的视图，使用属性projection

ax = fig.add_subplot(1, 2, 1, projection='3d')

ax.plot_surface(X,Y,Z,rstride = 15,cstride = 5)

#创建3d视图，使用colorbar，添加颜色柱

ax = fig.add_subplot(1, 2, 2, projection='3d')

p = ax.plot_surface(X, Y, Z, rstride=5, cstride=5, cmap='rainbow', antialiased=True)

cb = fig.colorbar(p, shrink=0.5)

In [93]:

plt.plot(x,y)

Out[93]:

[<matplotlib.lines.Line2D at 0x7f713942c9b0>]

In [94]:

Out[94]:

array([[0.        , 0.06346652, 0.12693304, ..., 6.15625227, 6.21971879,

        6.28318531],

       [0.        , 0.06346652, 0.12693304, ..., 6.15625227, 6.21971879,

        6.28318531],

       [0.        , 0.06346652, 0.12693304, ..., 6.15625227, 6.21971879,

        6.28318531],

       ...,

       [0.        , 0.06346652, 0.12693304, ..., 6.15625227, 6.21971879,

        6.28318531],

       [0.        , 0.06346652, 0.12693304, ..., 6.15625227, 6.21971879,

        6.28318531],

       [0.        , 0.06346652, 0.12693304, ..., 6.15625227, 6.21971879,

        6.28318531]])

In [95]:

a = np.array([1,2,6])

b = np.array([3,7,9,0])

A,B = np.meshgrid(a,b)

display(A,B)

array([[1, 2, 6],

       [1, 2, 6],

       [1, 2, 6],

       [1, 2, 6]])

array([[3, 3, 3],

       [7, 7, 7],

       [9, 9, 9],

       [0, 0, 0]])

绘制图形

玫瑰图/极坐标条形图(自学)

In [96]:

x = np.random.randint(0,10,size = 10)

y = np.random.randint(10,20,size = 10)

plt.bar(x,y,width = 0.5)

Out[96]:

<BarContainer object of 10 artists>

创建极坐标条形图

使用np.histogram计算一组数据的直方图

In [97]:

wind = np.load('Ravenna_wind.npy')

wind.shape

Out[97]:

(66,)

In [98]:

wind

Out[98]

       159.5   , 100.    ,  80.    ,  90.    ,  80.    ,  80.    ,

        90.    ,  90.    ,  90.    ,  97.    ,  89.    ,  88.0147,

       107.004 , 107.004 , 132.503 , 132.503 , 132.503 , 251.    ])

In [99]:

 np.arange(0,360,45)

Out[99]:

array([  0,  45,  90, 135, 180, 225, 270, 315])

In [100]:

#绘制玫瑰图，极坐标图，360 ：东南西北，东北，西北，西南，东南

#66 个数据分成八份

#range 指明范围，最大值，最小值

degree,ranges = np.histogram(wind,bins = 8,range = [0,360])

In [101]:

degree

Out[101]:

array([ 5, 12, 24,  9, 11,  4,  0,  1])

In [102]:

ranges

Out[102]:

array([  0.,  45.,  90., 135., 180., 225., 270., 315., 360.])

In [103]:

#使用玫瑰图显示数据

ranges = np.arange(0,2*np.pi,2*np.pi/8)

# axes(rect, facecolor='w')`` where *rect* = [left, bottom, width,

#   height]

# plt.figure(figsize=(10,10))

plt.axes([0,0,1.5,1.5],polar = True,facecolor = 'green')

colors = np.random.rand(8,3)

plt.bar(ranges,degree,color = colors,width = 2*np.pi/8)

Out[103]:

<BarContainer object of 8 artists>

仅供参考学习，严禁转载！

Matplotlib-基础知识相关推荐

matplotlib基础知识（图形绘制坐标轴、标签、刻度字体设置图例脊柱移动风格样式多图布局双轴显示）（1）
文章目录前言一.图形绘制二.坐标轴刻度.标签.标题 1.寻找字体 2.设置三.图例四.脊柱移动五.风格样式-颜色.线形.点形.线宽.透明度 2.更多属性设置六.多图布局 1.子视图 2. ...
python：matplotlib基础（2）
#%% md ### 图片灰度处理 #%% import numpy as np import pandas as pd import matplotlib.pyplot as plt %matplo ...
python：matplotlib基础（1）
Matplotlib中的基本图表包括的元素 + x轴和y轴水平和垂直的轴线 + x轴和y轴刻度刻度标示坐标轴的分隔,包括最小刻度和最大刻度 + x轴和y轴刻度标签表示特定坐标轴的值 ...
python：matplotlib基础（3）
#%% md ### 图片灰度处理 #%% md 三种方法 #%% import matplotlib.pyplot as plt %matplotlib inline #%% import nump ...
数据分析（1）Matplotlib基础内容
文章目录一. Matplotlib基础知识 (一)底层容器层 1. 画布Figure (1)plt.subplot() (2)plt.subplots() (3)fig.add_subplot() ...
Python基础知识学习笔记——Matplotlib绘图
Python基础知识学习笔记--Matplotlib绘图整理python笔记,以防忘记文章目录 Python基础知识学习笔记--Matplotlib绘图一.绘图和可视化 1.导入模块 2.一个简 ...
数据挖掘课程笔记6 ： Numpy、Pandas和Matplotlib包基础知识
#2018-03-22 10:23:16 March Thursday the 12 week, the 081 day SZ SSMR http://blog.csdn.net/eastmount/ ...
python基础知识及数据分析工具安装及简单使用(Numpy/Scipy/Matplotlib/Pandas/StatsModels/Scikit-Learn/Keras/Gensim))
Python介绍. Unix & Linux & Window & Mac 平台安装更新 Python3 及VSCode下Python环境配置配置 python基础知识及数据分 ...
Python系列之 matplotlib库基础知识
Python系列之 matplotlib库基础知识学习 Pyplot 简单示例中文显示问题注册全局字体 font_manager.FontProperties注册字体 Figure Figur ...
python数据可视化开发(1)：Matplotlib库基础知识
文章目录前言 01.工具栏组件 02.图表数据 03.设置字体字典全局字体样式常用中文字体对应名称查询当前系统所有字体 04.图像配置实例配置格式参数说明官方文档:[matplotlib ...

Matplotlib-基础知识