• python强大的绘图模块matplotlib示例讲解


    Matplotlib 是 Python 的绘图库。作为程序员,经常需要进行绘图,在我自己的工作中,如果需要绘图,一般都是将数据导入到excel中,然后通过excel生成图表,这样操作起来还是比较繁琐的,所以最近学习了一下Matplotlib模块,将该模块的常用的绘图手段和大家分享一下,提高大家在工作中的效率;

    在示例中,我们主要用到Matplotlib和Numpy这两个模块来为大家演示Python强大的绘图功能,相信大家通过我下面的10个示例,基本上可以满足大家日常工作的需求,再次强调一下,只是简单的用法,大家千万不要想通过这篇博客获取到太高深的用法。

    下面进入正题

    1、绘制一条直线

    代码如下,下面的代码大家应该都可以看懂吧

    # 导入常用的包
    import numpy as np
    import matplotlib.pyplot as plt
     
    # 生成-1到1的数据,一共生成100个,也可以生成1到-1的数据,这些数据是平均分布的
    # 定义x轴的数据
    x = np.linspace(-1,1,100)
     
    # 定义y轴的数据
    y = x * 2 + 100
    plt.plot(x,y)
     
    # 显示图像
    plt.show()
    

      

    效果如下

    2、创建一个画布,同时设置该画布的大小

    代码如下

    import numpy as np
     
    import matplotlib.pyplot as plt
     
    x = np.linspace(-1,1,100)
     
    y1 = x * 2 + 100
     
     
    y2 = x ** 2
     
    # 创建一个画布
     
    # figsize:设置画布的大小
    plt.figure(figsize=(2,2))
    plt.plot(x,y1)
     
    # 创建第二个画布
    plt.figure()
    plt.plot(x,y2)
     
    plt.show()
    

      

    效果如下,会同时显示两张画布

     3、在一张画布中画两条线,同时可以设置线的颜色,宽度,和风格

    代码如下

    import numpy as np
     
    import matplotlib.pyplot as plt
     
    x = np.linspace(-1,1,100)
     
    y1 = x * 2 + 0.5
     
     
    y2 = x ** 2
     
     
     
    # color:表示设置线的颜色
    # line表示设置线的宽度
    # linestyle:表示设置线的风格
    plt.figure(figsize=(2,2))
    plt.plot(x,y1,color='r',linewidth=1.0,linestyle='--')
     
    plt.plot(x,y2,color='b',linewidth=5.0,linestyle='-')
     
    plt.show()
     
    # 上面的效果就是2条曲线被放到一个画布中
    

      

    效果如下

     4、限制x轴,y轴的显示范围,为x轴和y轴添加描述,替换x轴和y轴的显示信息

    代码如下

    import numpy as np
     
    import matplotlib.pyplot as plt
     
    # 设置坐标轴
    x = np.linspace(-3,3,100)
     
    y1 = x * 2 + 0.5
     
    y2 = x ** 2
     
     
    plt.figure(figsize=(6,6))
    plt.plot(x,y1,color='r',linewidth=1.0,linestyle='--')
     
    plt.plot(x,y2,color='b',linewidth=5.0,linestyle='-')
     
    # 限制x轴的显示范围
    plt.xlim((-1,2))
     
    # 限制y轴的显示范围
    plt.ylim((-1,5))
     
    # 给x轴加描述
    plt.xlabel("xxxxxx")
    # 给y轴加描述
    plt.ylabel("yyyyyy")
     
     
     
    # 替换一下横坐标的显示
    temp = np.linspace(-2,2,11)
    plt.xticks(temp)
     
    # 替换纵坐标的标签,用level0代替之前的-1
    plt.yticks([-1,0,1,2,3,4,5],["level0","level1","level2","level3","level4","level5","level6"])
     
    plt.show()
    

      

    效果如下

     5、对边框进行设置,调整x轴和y轴的位置

    代码如下

    import numpy as np
     
    import matplotlib.pyplot as plt
     
    # 设置坐标轴
    x = np.linspace(-3,3,100)
     
    y1 = x * 2 + 0.5
     
    y2 = x ** 2
     
     
    plt.figure(figsize=(6,6))
    plt.plot(x,y1,color='r',linewidth=1.0,linestyle='--')
     
    plt.plot(x,y2,color='b',linewidth=5.0,linestyle='-')
     
    # 限制x轴的显示范围
    plt.xlim((-1,2))
     
    # 限制y轴的显示范围
    plt.ylim((-1,5))
     
    # 给x轴加描述
    plt.xlabel("xxxxxx")
    # 给y轴加描述
    plt.ylabel("yyyyyy")
     
     
     
    # 替换一下横坐标的显示
    temp = np.linspace(-2,2,11)
    plt.xticks(temp)
     
    # 替换纵坐标的标签,用level0代替之前的-1
    # plt.yticks([-1,0,1,2,3,4,5],["level0","level1","level2","level3","level4","level5","level6"])
     
    # 获取边框
    ax = plt.gca()
    # 设置右边框的颜色为红色
    ax.spines["right"].set_color("r")
     
    # 去掉上边框
    ax.spines["top"].set_color(None)
     
    # 把x轴的刻度设置为bottom
    ax.xaxis.set_ticks_position("bottom")
    # 把y轴的客户设置为left
    ax.yaxis.set_ticks_position("left")
     
    # 设置x和y交汇的点,x轴是0,y是也是0,也就是x轴和y轴的都是0点交汇
    ax.spines["bottom"].set_position(("data",0))
    ax.spines["left"].set_position(("data",0))
     
    plt.show()
    

      

    效果如下

    6、为画布添加图例

    代码如下

    #Auther Bob
    #--*--conding:utf-8 --*--
    import numpy as np
    
    import matplotlib.pyplot as plt
    
    # 设置图例
    x = np.linspace(-3, 3, 100)
    
    y1 = x * 2 + 0.5
    
    y2 = x ** 2
    
    plt.figure(figsize=(6, 6))
    
    # 首先要为两条线分别取名,这里的逗号必须要有
    l1, = plt.plot(x, y1, color='r', linewidth=1.0, linestyle='--')
    
    l2, = plt.plot(x, y2, color='b', linewidth=5.0, linestyle='-')
    
    # handles控制图例中要说明的线
    # labels为两条线分别取一个label
    # loc控制图例的显示位置,一般用best,由代码为我们选择最优的位置即可
    
    plt.legend(handles=[l1, l2], labels=["test1", "test2"], loc='best')
    
    # 限制x轴的显示范围
    plt.xlim((-1, 2))
    
    # 限制y轴的显示范围
    plt.ylim((-1, 5))
    
    # 给x轴加描述
    plt.xlabel("xxxxxx")
    # 给y轴加描述
    plt.ylabel("yyyyyy")
    
    # 替换一下横坐标的显示
    temp = np.linspace(-2, 2, 11)
    plt.xticks(temp)
    
    # 替换纵坐标的标签,用level0代替之前的-1
    plt.yticks([-1, 0, 1, 2, 3, 4, 5], ["level0", "level1", "level2", "level3", "level4", "level5", "level6"])
    
    # 为图像加一个图例,用来对图像做说明
    
    
    
    plt.show()
    

      

    效果如下

     7、为图像添加描述

    代码如下

    import numpy as np
     
    import matplotlib.pyplot as plt
     
    # 为图像做标注
    x = np.linspace(-3,3,100)
     
    y1 = x * 2
     
    # y2 = x ** 2
     
     
    plt.figure(figsize=(6,6))
     
     
    plt.plot(x,y1,color='r',linewidth=1.0,linestyle='-')
     
     
     
     
     
    # 给x轴加描述
    plt.xlabel("xxxxxx")
    # 给y轴加描述
    plt.ylabel("yyyyyy")
     
    # ======================================================
    # 在x轴为x0,y轴为x0 * 2上画一个点,这个点的颜色是红色,大小为50,这个大小就是这个点显示的大小
    x0 = 0.5
    y0 = x0 * 2
    # scatter是画点的方法
    plt.scatter(x0,y0,color='g',s=50)
     
    # 画线
    # 这条线是第一个点的坐标为[x0,y0],第二个点的坐标为[x0,-6],后面就是设置线的风格,线的颜色,线的宽度
     
    plt.plot([x0,x0],[y0,-6],color='k',linestyle='--',linewidth=1.0)
     
     
     
    # 画箭头和描述
     
     
    # xy代表我们的点
    # xytext代码我们描述的位置,基于当前的点,在x轴+30,在y轴-30
    # r'$2*x={n}$是我们要显示的文字信息,格式必须要这样
    # textcoords表示作为起点
    # fontsize表示设置字体大小
    # arrowprops设置箭头
    # arrowstyle设置箭头的样式
    # connectionstyle设置风格.2表示弧度
    plt.annotate(r'$2*0.5={n}$'.format(n = y0),xy=(x0,y0),xytext=(+30,-30),textcoords='offset points',fontsize=10,arrowprops=dict(arrowstyle='->',connectionstyle='arc3,rad=.2'))
     
    # 显示文字描述,从x轴为-1,y轴为2开始显示,$$中就是要显示的字符,这里如果要显示空格,则需要转义
    # fontdict设置字体
    plt.text(-1,2,r'$1 2 3 4$',fontdict={"size":16,"color":"r"})
     
    # =========================================================
     
    # 为图像加一个图例,用来对图像做说明
     
    plt.show()
    

      

    效果如下

    8、绘制散点图

    代码如下

    import numpy as np
     
    import matplotlib.pyplot as plt
     
     
     
     
    # 绘制散点图
    # plt.scatter(np.arange(1,10,1),np.arange(10,19,1))
     
    # plt.scatter(np.linspace(-3,3,10),np.linspace(-3,3,10))
     
     
    x = np.random.normal(1,10,500)
    y = np.random.normal(1,10,500)
     
    print(x)
    # s设置点的大小
    # c是颜色
    # alpha是透明度
    plt.scatter(x,y,s=50,c='b',alpha=0.5)
    plt.show()
    

      

    效果如下

    9、绘制直方图

    代码如下

    import numpy as np
     
    import matplotlib.pyplot as plt
     
     
    # 绘制直方图
    x = np.arange(10)
    y = x ** 2 + 10
     
     
    # facecolor设置柱体的颜色
    # edgecolor设置边框的颜色
     
    plt.bar(x,y,facecolor='g',edgecolor='r')
     
    # 绘制翻转过来的直方图
    # plt.bar(x,-y)
     
    #显示文字
    for x,y in zip(x,y):
        plt.text(x,y,"{f}".format(f=y),ha="center",va='bottom')
    plt.show()
    

      

    效果如下

    10、一张画布显示多张图像

    代码如下

    #Auther Bob
    #--*--conding:utf-8 --*--
    import numpy as np
    import matplotlib.pyplot as plt
    
    
    
    
    # plt.figure()
    # 有一个两行两列的单元格,这个位于第一个单元格
    # plt.subplot(2,2,1)
    
    # 画一条【0,0】-----》【1,1】的直线
    # plt.plot([0,1],[0,1])
    
    
    
    # 有一个两行两列的单元格,这个位于第一个单元格
    # plt.subplot(2,2,2)
    
    # 画一条【0,0】-----》【1,1】的直线
    # plt.plot([0,1],[0,1])
    
    
    
    # 有一个两行两列的单元格,这个位于第一个单元格
    # plt.subplot(2,2,3)
    
    # 画一条【0,0】-----》【1,1】的直线
    # plt.plot([1,0],[0,1])
    # plt.show()
    
    
    
    # 上面的例子,每张图他显示的大小是一样的,我们想显示不同的大小该怎么办?
    
    plt.figure()
    # 有一个两行三列的单元格,这个位于第一个单元格
    plt.subplot(2,1,1)
    
    # 画一条【0,0】-----》【1,1】的直线
    plt.plot([0,1],[0,1])
    
    
    
    # 有一个两行三列的单元格,这个位于第四个单元格,因为第一个单元格占了3个位子,所以这里就是第四个
    plt.subplot(2,3,4)
    
    # 画一条【0,0】-----》【1,1】的直线
    plt.plot([0,1],[0,1])
    
    
    
    # 有一个两行三列的单元格,这个位于第五个单元格
    plt.subplot(2,3,5)
    
    # 画一条【0,0】-----》【1,1】的直线
    plt.plot([1,0],[0,1])
    plt.show()
    

      

    效果如下

    11、matplotlib模块中的颜色和线条风格,取自菜鸟教程

    作为线性图的替代,可以通过向 plot() 函数添加格式字符串来显示离散值。 可以使用以下格式化字符。

    字符描述
    '-' 实线样式
    '--' 短横线样式
    '-.' 点划线样式
    ':' 虚线样式
    '.' 点标记
    ',' 像素标记
    'o' 圆标记
    'v' 倒三角标记
    '^' 正三角标记
    '<' 左三角标记
    '>' 右三角标记
    '1' 下箭头标记
    '2' 上箭头标记
    '3' 左箭头标记
    '4' 右箭头标记
    's' 正方形标记
    'p' 五边形标记
    '*' 星形标记
    'h' 六边形标记 1
    'H' 六边形标记 2
    '+' 加号标记
    'x' X 标记
    'D' 菱形标记
    'd' 窄菱形标记
    '|' 竖直线标记
    '_' 水平线标记
    
    

    以下是颜色的缩写:

    字符颜色
    'b' 蓝色
    'g' 绿色
    'r' 红色
    'c' 青色
    'm' 品红色
    'y' 黄色
    'k' 黑色
    'w' 白色
  • 相关阅读:
    Java之修改文件内容:字符串逐行替换
    Java之"instanceof"和"isInstance"代码举例
    spring之跨模块引用配置文件
    Java之相对路径找不到文件问题解决方法
    html 页面模块的常用命名
    移动端资源集锦
    手机web不同屏幕字体大小高度自适应
    meta标签整理
    css文字超出自动显示省略号
    display:inline、block、inline-block的区别
  • 原文地址:https://www.cnblogs.com/bainianminguo/p/10952586.html
Copyright © 2020-2023  润新知