python绘图

申明：本人博客为自己学习记录，本文学习内容主要来源以下两篇博客。

https://www.jianshu.com/p/78ba36dddad8

https://blog.csdn.net/lm_is_dc/article/details/81191207

https://www.jianshu.com/p/56a5c21ff9db

 https://blog.csdn.net/qq_33221533/article/details/81431264

1、基础知识

1.1 库

主要用到的两个库：

• numpy
• matplotlib.pyplot

1.2 图形组成标签

 

图片来源：https://www.jianshu.com/p/78ba36dddad8

几个重要的标签：

• Figure(图像窗口）:Figure 是包裹 Axes、tiles、legends 等组件的最外层窗口。它其实是一个 Windows 应用窗口。
• Axes(轴域/子图）：Axes 是带有数据的图像区域。一个 Figure 中可以有多个子图。
• Axis（轴）：X Axis和Y Axis。

1.3 导入库

import numpy as npimport matplotlib.pyplot as plt

2、绘图

2.1   包含单条曲线的图

• 正比例函数

from matplotlib import pyplot as plt

x=[1,2,3,4,5]
y=[2,4,6,8,10]
plt.figure()    # 定义一个图像窗口
plt.plot(x,y)   # 绘制曲线
plt.show()      #显示图像

结果：

   

• 指数函数

import numpy as np
from matplotlib import pyplot as plt

x1=np.arange(-np.pi,np.pi,0.01)
# y1=np.power(x1,2)   #指数函数
y1=x1**2              #指数函数（同上）
plt.figure()    # 定义一个图像窗口
plt.plot(x1,y1)  # 绘制曲线
plt.show()      #显示图像

结果：

2.2  包含多条曲线的图

• 连续调用多次plot函数

import numpy as np
from matplotlib import pyplot as plt

x=[1,2,3,4,5]
y=[2,4,6,8,10]

x1=np.arange(-np.pi,np.pi,0.01)
# y1=np.power(x1,2)   #指数函数
y1=x1**2              #指数函数（同上）

plt.figure()    # 定义一个图像窗口

plt.plot(x,y)  # 绘制曲线y
plt.plot(x1,y1)  # 绘制曲线y1

plt.show()      #显示图像

结果：

•  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

import numpy as np
from matplotlib import pyplot as plt

x=[1,2,3,4,5]
y=[2,4,6,8,10]

x1=np.arange(-np.pi,np.pi,0.01)
# y1=np.power(x1,2)   #指数函数
y1=x1**2              #指数函数（同上）

plt.figure()    # 定义一个图像窗口

plt.plot(x,y,x1,y1)  # 绘制曲线y,y1,   注意顺序
#plt.plot(x1,y1)  # 绘制曲线y1

plt.show()      #显示图像

 2.3  将多个曲线图绘制在一个Figure(图像窗口）区域中：对象形式创建表图

a=plt.subplot（row,col,loc） 创建曲线图
a.plot(x,y) 绘制曲线图

实例：

import numpy as np
from matplotlib import pyplot as plt

x=[1,2,3,4,5]
y=[2,4,6,8,10]

x1=np.arange(-np.pi,np.pi,0.01)
# y1=np.power(x1,2)   #指数函数
y1=x1**2              #指数函数（同上）

x2=np.linspace(-np.pi,np.pi,5)   、
y2=np.sin(x)

plt.figure()    # 定义一个图像窗口

a1=plt.subplot(2,2,1) #创建曲线图
a1.plot(x,y) #绘制曲线图

a2=plt.subplot(2,2,2) #创建曲线图
a2.plot(x1,y1)  # 绘制曲线

a3=plt.subplot(223) #创建曲线图  可以省略逗号
a3.plot(x2,y2)  # 绘制曲线

plt.show()      #显示图像

结果：

2.4 网格线gride

参数：

• axis      
• color:支持十六进制颜色
• linestyle: – -. :   
• alpha     :

设置网格：

• 直接设置：plt.grid()
• 使用对象设置：a=plt.subplot(221)   a.grid()

import numpy as np
from matplotlib import pyplot as plt

x=np.linspace(-np.pi,np.pi,100)
y=np.sin(x)

a1=plt.subplot(221)
a1.grid()
a1.plot(x,y)

a2=plt.subplot(222)
a2.grid()
a2.plot(x,y)

a3=plt.subplot(223)
a3.grid()
a3.plot(x,y)

a4=plt.subplot(224)
a4.grid()
a4.plot(x,y)

plt.show()      #显示图像

 结果：

2.5 坐标轴界限

• 修改x，y轴刻度值

plt.axis([xmin,xmax,ymin,ymax])

例如：plt.axis([-4,4,-2,2])

• 关闭坐标轴

plt.axis('off')

• 设置画布比例

plt.figure(figsize=(a,b))

参数：

• a:x刻度比例；
• b：y刻度比例
• （2:1）表示x刻度显示为y刻度显示的2倍 。

• xlim方法和ylim方法

                 可以通过plt的xlim(xmin,xmax)，ylim方法设置坐标轴范围；

plt.xlim(-6,6)
plt.ylim(-2,2)

• 通过对象的方式设置x，y轴的刻度值范围 ax.set_xlim(a,b)

ax1=plt.subplot(111)
ax1.set_xlim(-4,4)
ax1.set_ylim(-2,2)

2.6 坐标轴标签

• color 标签颜色
• fontsize 字体大小
• rotation 旋转角度
• plt的xlabel方法和ylabel方法

import numpy as np
from matplotlib import pyplot as plt

x=np.linspace(-np.pi,np.pi,100)
y=np.cos(x)
plt.title('tittle')
plt.ylabel('yyy',fontsize=16,rotation=90,color='r')
plt.xlabel('xxx',fontsize=16)
plt.plot(x,y)
plt.show()

结果：

• 对象方法set_xlabel/ylabel()

2.6.1  显示坐标轴中文标签

设置参数：fontproperties

import numpy as np
from matplotlib import pyplot as plt

x=np.linspace(-np.pi,np.pi,100)
y=np.cos(x)
ax=plt.subplot(111)
ax.set_xlabel('x轴',fontproperties='KaiTi',fontsize=18)   #对象方法
ax.set_ylabel('y轴',fontproperties='KaiTi',fontsize=18)
ax.set_title('标题',fontproperties='KaiTi',fontsize=16)
ax.plot(x,y)
plt.show()

 

2.7、  标题

• plt.title()方法
• ax.set_title()方法

2.8、图例

2.8.1 legend方法

两种传参方法： 

• - 分别在plot函数中增加label参数,再调用plt.legend()方法显示 

x=np.linspace(0,10,30)
y=x ** 2
plt.plot(x,y,label='aaa') #参数传递方法1，绘制曲线
plt.plot(x+1,y-1,label='bbb') 
plt.legend()

• - 直接在legend方法中传入字符串列表

import numpy as np
from matplotlib import pyplot as plt
x=np.linspace(0,10,30)
y=x ** 2
plt.plot(x,y)
plt.plot(x+1,y-1)
plt.legend(['a','b'])
plt.show()

 

2.8.2 legend的参数

•  loc参数 ： 用于设置图例标签的位置，一般在legend函数内

• matplotlib已经预定义好几种数字表示的位置，见下表：

例如：plt.legend(['aaa','bbb'],loc=5)

loc参数可以是2元素的元组，表示图例左下角的坐标：

• [0,0] 左下
• [0,1] 左上
• [1,0] 右下

• [1,1] 右上

• ncol参数 ： 控制图例中有几列,在legend中设置ncol。

例如：plt.legend(['aaa','bbb'],loc=[1,1],ncol=2)

（ncol:两行）

2.9、 保存图片

使用figure对象的savefig函数来保存图片：

• 使用plt进行绘图。。。。。。。然后保存图片
• 然后保存图片  plt.savefig(filename='./111.jpg',dpi=500)

参数说明：

• 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）；

读取图片：

img=plt.imread('./111.jpg')

plt.imshow(img)

plt.show()

 

    为什么没有线了！！！

3、设置plot的风格和样式

 plot语句中支持除x,y 两个参数，其他参数以字符串形式存在，来控制颜色、线型、点型等要素。

3.1 颜色

• 参数：c或者color；
• plot(x,y,c = " r ")      #颜色别名
• plot(x,y,color = "r")    
• plot(x,y,color = "red")   #合法的HTML颜色名
• plot(x,y,color = "#eeefff")    #十六进制字符串
• plot(x,y,color = (0.3, 0.3, 0.4))   #归一化到[0, 1]的RGB元组

 3.2 透明度

• alpha

plt.plot(x,y,c='r',alpha=0.4)

3.3 背景色

• 设置坐标系的前景色

plt.set_facecolor('green')

• 设置坐标系的背景色

plt.figure().set_facecolor('yellow')

3.4 线型

• 参数：linestyle或者ls;

3.5 线宽

• 参数：linewidth或者lw;

plt.plot(x,y,ls='steps',lw=5)

 3.6 点型

• marker 设置点形
• markersize 设置点形大小
• markerfacecolor     
• markeredgecolor  

plt.plot(x,y,marker='d',lw=3,markerfacecolor='yellow',markeredgecolor='red',markersize=40)   #小菱形，前背景色，大小。

3.7  多参数连用 

• 只可以设置颜色、点型、线型，可以把几种参数写在一个字符串内进行设置 ‘r-.o’

3.8  在一条语句中为多个曲线进行设置

3.8.1 多个曲线同一设置

plt.plot(x,y,x+1,y-1,y+3,y-2,c='r')

3.8.1 多个曲线不同设置

•  plt.plot(x1, y1, fmt1, x2, y2, fmt2, …)

plt.plot(x,y,'or-.',x+1,y-1,'yd',y+3,y-2,'g--')

3.9    X、Y轴坐标刻度

3.9.1  对x,y轴的刻度做映射

• plt.xticks()和plt.yticks()方法：

• • • 需指定刻度值和刻度名称 plt.xticks([刻度列表],[名称列表])
    • 支持fontsize、rotation、color等参数设置
    • 仅对x和y轴的刻度做映射而并非修改

3.9.2  使用面向对象的方法设置刻度方法

• 用来修改x和y轴的刻度值，而不是映射 使用画板的如下方法设置刻度axes = plt.subplot()；
  • • set_xticks、set_yticks 设置刻度值
    • set_xticklabels、set_yticklabels 设置刻度名称

4、 2D图形

4.1  直方图（hist）

• 是一个特殊的柱状图，又叫做密度图；
• 直方图的参数只有一个x；

plt.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;
• normed : 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,例如DataFrame对象，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.         horizontal  水平的

from matplotlib import pyplot as plt

x=[1,2,2,3,4,4,5]
plt.hist(x,color='g',orientation='horizontal')
plt.show()

4.2 条形图 （bar,barh）

• 垂直条形图：bar（）
• 水平条形图：barh()

参数：

• 第一个参数是索引。
• 第二个参数是数据值。
• 第三个参数是条形的宽度.:

• • • width 纵向设置条形宽度
    • height 横向设置条形高度

from matplotlib import pyplot as plt

x=[1,2,3,4,5]
y=[1,2,3,4,5]
plt.barh(x,y,0.3,color="g")
plt.plot(x,y,marker='o',markersize='14')
plt.show()

4.3 饼图(pie)

• 饼图也只有一个参数x.
• 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.

4.3.1  普通各部分占满饼图

from matplotlib import pyplot as plt

arr=[11,22,31,15]
plt.pie(arr)
plt.show()

4.3.2  普通未占满饼图：小数/比例

属性设置：

• labels               设置每一块的标签；
• labeldistance   设置标签距离圆心的距离（比例值）
• autopct            设置比例值小数保留位(%.3f%%)；
• ​ %m.nf              m 占位 n 小数点后保留几位 f 是以float格式输出
• pctdistance      设置比例值文字距离圆心的距离
• explode            设置每一块顶点距圆心的长度（比例值,列表）；
• colors              设置每一块的颜色（列表）；
• shadow           为布尔值，设置是否绘制阴影
• startangle       设置饼图起始角度

import numpy as np
from matplotlib import pyplot as plt

arr=[11,22,31,15]
plt.pie(arr,labels=['aaa','bbb','ccc','ddd'], #标签，以列表形式列出
        labeldistance=1.2,       #标签距离圆心的距离（比例值）
        autopct='%.6f%%',       #m 占位 n 小数点后保留几位 f 是以float格式输出
        pctdistance=0.5,   #比例值文字距离圆心的距离
        explode=[0.2,0.3,0.2,0.4],    #每一块顶点距圆心的长度
        colors=['blue','yellow','orange','green'], #设置每一块的颜色
        shadow=True)  #是否绘制阴影
plt.show()

问题：怎么对lables中的字体进行设置？？？？

4.4  散点图：因变量随自变量而变化的大致趋势（scatter）

• 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！

import numpy as np
from matplotlib import pyplot as plt

x=np.random.randn(300)
y=np.random.randn(300)
plt.scatter(x,y,marker='d',c=np.random.rand(300,3))
plt.show()

5、 图形内的文字、注释、箭头

控制文字属性的方法：

所有的方法会返回一个matplotlib.text.Text对象。

5.1  图形内的文字

• plt.text()
• plt.figtext()

import numpy as np
from matplotlib import pyplot as plt

x=[1,2,3]
y=[1,2,3]
plt.bar(x,y,width=0.2)
plt.plot(x,y,marker='d',color='r')
plt.text(0.6,1,s='NO.3',fontsize=15)
plt.figtext(0.4,0.8,s='RANGE',fontsize=25)
plt.show()

 

5.2 注释（annotate）

• 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，
• 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）

5.3  箭头

样式：

``'-'`` None
``'->'`` head_length=0.4,head_width=0.2
``'-['`` widthB=1.0,lengthB=0.2,angleB=None
``'|-|'`` widthA=1.0,widthB=1.0
``'-|>'`` head_length=0.4,head_width=0.2
``'<-'`` head_length=0.4,head_width=0.2
``'<->'`` head_length=0.4,head_width=0.2
``'<|-'`` head_length=0.4,head_width=0.2
``'<|-|>'`` head_length=0.4,head_width=0.2
``'fancy'`` head_length=0.4,head_width=0.4,tail_width=0.4
``'simple'`` head_length=0.5,head_width=0.5,tail_width=0.2
``'wedge'`` tail_width=0.3,shrink_factor=0.5

import numpy as np
from matplotlib import pyplot as plt

y = [13, 11, 13, 12, 13, 10, 30, 12, 11, 13, 12, 12, 12, 11, 12]
plt.plot(y)
# 为了让注释不会超出图的范围，需要调整y坐标轴的界限
plt.ylim(ymax=35)
plt.annotate('this spot must really
mean something', xy=(6, 30), # xy参数设置箭头指示的位置，
             xytext=(8, 31.5),      #xytext参数设置注释文字的位置
             arrowprops=dict(width=8,   # 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=8,     # headlength参数设置箭头尖端的长度，
             headwidth=15,    # headwidth参数设置箭头尖端底部的宽度，
             facecolor='black',
             shrink=0.1))     # 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）
plt.show()

 问题：

在放置文字及箭头的时候，如何精确获取位置信息？

 6、3D图

导入包：from mpl_toolkits.mplot3d.axes3d import Axes3D

6.1  曲面图

 

6.2 玫瑰图/极坐标条形图

 

 

总结：

1. 中文支持不好的问题：

plt.rcParams['font.sans-serif'] = ['SimHei'] # 用来正常显示中文标签
plt.rcParams['axes.unicode_minus'] = False # 用来正常显示负号