matplotlib库画图基础

文章目录

matplotlib库画图基础
- 1.matplotlib简介
- 2.绘图操作
- - 2.1导入画图库
  - 2.2画第一个图
  - 2.3创建figure
  - 2.4控制线条风格
  - 2.5坐标轴控制
  - 2.6绘制坐标轴
  - 2.7绘制标注
  - 2.8绘制散点图
  - 2.9绘制条形图
  - 2.10绘制等高图
  - 2.11绘制三维图
  - 2.12在figure中绘制多个子图

1.matplotlib简介

Matplotlib 是一个非常强大的 Python 画图工具，如果用过MATLAB的话，学这个学起来十分简单，因为Matplotlib的画图跟MATLAB里面的函数差不多。

2.绘图操作

2.1导入画图库

import matplotlib.pyplot as plt
import numpy as np

2.2画第一个图

以下操作都在jupyter notebook中画制，如果是在pycharm等其他编译器，会弹出figure组件，供用户调整画像。

x = np.linspace(-1,1,50)
y1 = 2*x + 1
y2 = x**2
#画图使用plot
plt.plot(x,y1,x,y2)
plt.show()

基础知识点：每个画图都会使用一个figure，figure可以认为是一个画板，如果不特别声明，所以画图和曲线将在一个默认figure中展示

2.3创建figure

在jupyter notebook中画制是没有figure组件弹出的，所以所有的绘图都会输出到notebook中

x = np.linspace(-1,1,50)
y1 = 2*x + 1
y2 = x**2#figure1（独立的画板）
plt.figure(1)
plt.plot(x,y1)#figure2（独立的画板）
plt.figure(2)
plt.plot(x,y1)
plt.plot(x,y2)
plt.show()

因为在jupyter notebook上画的图，直接显示在页面上，无法看到figure组件。用pycharm就没事了。

2.4控制线条风格

可以通过color控制线条颜色，linewidth控制线条宽度，linestyle控制线条风格

x = np.linspace(-1,1,50)
y1 = 2*x + 1
y2 = x**2#figure1
plt.figure(1)
plt.plot(x,y1)#figure2
plt.figure(2)
plt.plot(x,y1,color='r',linewidth=1.5,linestyle='dotted')
plt.plot(x,y2,color='g',linewidth=1.5,linestyle='--')
plt.show()

2.5坐标轴控制

对画图的x,y轴的坐标进行控制可以通过xlim和xlabel，ylim和ylabel进行控制

x = np.linspace(-1,1,50)
y1 = 2*x + 1
y2 = x**2plt.plot(x,y1,color='r',linewidth=1.5,linestyle='dotted')
plt.plot(x,y2,color='g',linewidth=1.5,linestyle='--')
#控制X坐标显示范围
plt.xlim((-2,2))
#给X和Y轴起轴标签名
plt.xlabel('Xlabel')
plt.ylabel('Ylabel')
#控制X轴的度标，ticks标度位置，labels标度名
plt.xticks(np.linspace(-2,2,4))
plt.yticks(ticks=[-0.5,1,2.5],labels=['bad','good','very good'])#曲线对照框
plt.legend(('label1', 'label2'))
plt.show()

2.6绘制坐标轴

将坐标轴移动到画图中心。

x = np.linspace(-1,1,50)
y1 = 2*x + 1
y2 = x**2plt.plot(x,y1,color='r',linewidth=1.5,linestyle='dotted')
plt.plot(x,y2,color='g',linewidth=1.5,linestyle='--')
plt.xlim((-2,2))
plt.xlabel('X')
plt.ylabel('Y')
plt.xticks(np.linspace(-2,2,4))
plt.yticks(ticks=[-0.5,1,2.5],labels=['bad','good','very good'])ax = plt.gca()  # get current axis 获得坐标轴对象
ax.spines['right'].set_color('none')  # 将右边 边沿线颜色设置为空 其实就相当于抹掉这条边
ax.spines['top'].set_color('none')
ax.xaxis.set_ticks_position('bottom')
ax.yaxis.set_ticks_position('left')
# 设置中心的为（0，0）的坐标轴
ax.spines['bottom'].set_position(('data', 0))  # 指定 data 设置的bottom(也就是指定的x轴)绑定到y轴的0这个点上
ax.spines['left'].set_position(('data', 0))plt.show()

2.7绘制标注

主要是在画图中标注信息，起主要使用函数annotate()来实现

x = np.linspace(-1,1,50)
y = 2*x + 1
x0 = 0.5
y0=2*x0+1
plt.scatter(x0,y0)
plt.plot([x0,x0],[y0,-1],'--',lw=2.5)
plt.plot(x,y)
#xy控制箭头的点，xytext控制标签的位置，arrowprops用来设置箭头的风格
#r'$2x+1=%s$'%y0 是要打印的文本内容，这里r代表字符串中字符不转义（不好说明，如果看不懂直接写自己要打印的内容即可）
plt.annotate(r'$2x+1=%s$'%y0,xy=(x0,y0),xytext=(0.6,1.5),arrowprops=dict(arrowstyle='->',connectionstyle='arc3,rad=.2'))
plt.show()

2.8绘制散点图

绘制散点图使用函数scatter，该函数主要用作绘制散点图

x = np.linspace(-1,1,50)
y = 2*x + 1
r = np.random.normal(0,0.3,50)
y1= y+rplt.scatter(x,y1,color='b',linewidths=1)
plt.plot(x,y,color='r',linewidth=2.5)plt.show()

2.9绘制条形图

x = np.linspace(0,5,6)
y = 2*x + 10
r = np.random.normal(0,2,6)
y1= y+r
#画柱状图
plt.bar(x,y1,edgecolor='white')
plt.bar(x,-y,color='orange',edgecolor='white')
#标注值
for X,Y in zip(x,y1):plt.text(X,Y+0.1,'%.2f'%Y,ha='center',va='bottom')
for X,Y in zip(x,y):plt.text(X,-Y-2.2,'%.2f'%Y,ha='center',va='bottom')plt.show()

2.10绘制等高图

# 计算x,y坐标对应的高度值
def f(x, y):return (1-x/2+x**5+y**3) * np.exp(-x**2-y**2)# 生成x,y的数据
n = 256
x = np.linspace(-3, 3, n)
y = np.linspace(-3, 3, n)# 把x,y数据生成mesh网格状的数据
#等高线的显示是在网格的基础上添加上高度值
X, Y = np.meshgrid(x, y)# 填充等高图
Cs=plt.contourf(X, Y, f(X, Y),8,alpha=0.7,cmap=plt.cm.hot)
#等高线
C=plt.contour(X, Y, f(X, Y),8,colors='black')
#增加标签
plt.clabel(C,inline=True,fontsize=8)
#设置颜色条
plt.colorbar(Cs)# 显示图表
plt.show()

2.11绘制三维图

画三维图，需要使用Axes3D模块，所有要先进行导入：

from mpl_toolkits.mplot3d import Axes3D

构建三维坐标：

figure = plt.figure()
ax = Axes3D(figure)#也可以这样
fig = plt.figure()
ax = fig.gca(projection='3d')

绘制：

# X, Y 的值
X = np.arange(-4, 4, 0.25)
Y = np.arange(-4, 4, 0.25)
# x,y 平面的网格，其实就是对X,Y进行广播操作
X, Y = np.meshgrid(X, Y)  R = np.sqrt(X ** 2 + Y ** 2)
# Z 的值
Z = np.sin(R)
# rstride:网格之间的行跨度
# cstride:网格之间的列跨度
ax.plot_surface(X, Y, Z, rstride=1, cstride=1, cmap=plt.get_cmap('rainbow'))
# zdir :  等高线图（'z' | 'x' | 'y'）
# offset : 表示等高线图投射到指定页面的某个刻度
ax.contourf(X,Y,Z,zdir='z',offset=-2)p
# z轴的显示范围
ax.set_zlim(-2,2)
plt.show()

这里的刻度没负号是因为在jupyter里面画的图，matplotlib对jupyter notebook多少有点不兼容。

在jupyter notebook中因为没办弹出figure组件，输出的结果直接是显示在网页中的。这导致一些显示会出问题。在pycharm编译器基本不会出现这种显示的错误。

2.12在figure中绘制多个子图

使用subplot，在一个figure中绘制多个图

fig=plt.figure()
plt.subplot(2,2,1)
#绘制图1plt.subplot(2,2,2)
#绘制图2plt.subplot(2,2,3)
#绘制图3plt.subplot(2,2,4)
#绘制图4

matplotlib库绘图基础相关推荐

matplotlib绘图_使用matplotlib库绘图
本代码演示对列表元素进行绘图并可视化代码如下: import matplotlib.pyplot as plt #导入matplotlib绘图库,并设置简称为pltlist1=[i*2 for i ...
mac上python的matplotlib库绘图时xlabel中文字符显示成小方框-解决方案
import matplotlib.pyplot as plt 然后,mac上Python绘图遇到,一个汉字一个框: 找了好几篇博客,并不管用,原因可能是设置的SimHei.KaiTi之类的字体在ma ...
Python matplotlib库绘图时设置标题 (label)、坐标轴 (axis) 和标注 (legend)的字体及大小
文章目录 1 标题 2 坐标轴 3 标注 4 示例 5 展示 6 说明 1 标题 plt.xlabel('False positive rate', fontdict={"family&qu ...
matplotlib常见绘图基础代码小结：折线图、散点图、条形图、直方图、饼图
一.折线图二.散点图三.条形图四.直方图五.饼图一.折线图折线图用于显示随时间或有序类别的变化趋势 from matplotlib import pyplot as pltx = rang ...
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 ...
linux plt.show不显示图片,解决matplotlib库show()方法不显示图片的问题
解决matplotlib库show()方法不显示图片的问题最近使用python里的matplotlib库绘图,想在代码结束时显示图片看看,结果图片一闪而过,附上我原来代码: import matpl ...
不用下载字体解决Mac系统下Python的matplotlib库中文乱码的问题
百度或谷歌matplotlib库绘图时产生中文乱码问题,得到的最多的答案就是下面几行代码: import numpy as np import matplotlib.pyplot as plt plt ...
python数据展示库_数据分析与展示——Matplotlib库入门
Matplotlib库入门 Matplotlib库介绍 Matliotlib库是Python优秀的数据可视化第三方库. Matliotlib库的效果见:http://matplotlib.org/ga ...
Python绘图之matplotlib基础教程：matplotlib库图表绘制中常规设置大全(交互模式、清除原有图像、设置横坐标显示文字/旋转角度、添加图例、绘图布局自动调整、图像显示、图像暂停)
Python绘图之matplotlib基础教程:matplotlib库图表绘制中常规设置大全(交互模式.清除原有图像.设置横坐标显示文字/旋转角度.添加图例.绘图布局自动调整.图像显示.图像暂停) 目 ...

matplotlib库绘图基础