本文记录matlibplot常用基本操作，都是基本功能(代码解释了基本用法），不涉及复杂联合操作，其中各用法详细用法可参考官网。
对于matlibplot一些基本概念可以参考该片blog.解释的很详细。
1. 基本画图操作
##mofan_matplotlib.pyplot import matplotlib.pyplot as plt import numpy as np x = np.linspace(1,50) y = 2*x + 1 #draw the lines #plt.plot(x,y) #show to draw the figure :must call at the last #plt.show() #figure的使用 ##figure就是图片窗口 #如画两张图 y1 = x**2 #第一张图 plt.figure() plt.plot(x,y) #第二张图 #num指定第几章图， figsize指定图的大小 #plt.figure(num=3, figsize=(8,5)) ##在一张图放两张线条 plt.plot(x, y1) plt.plot(x, y, color= 'red', linewidth=1.0, linestyle='-') plt.show()
Fig1:
2. 描述坐标
#转换坐标单位:重写坐标 new_ticks = np.linspace(-15,70,0.5) print(new_ticks) plt.xticks(new_ticks) plt.figure() #限定坐标轴范围 plt.xlim(1,30) plt.ylim(2,30) #修改坐标轴名称 plt.xlabel('x') plt.ylabel('y')
#将坐标换成字符标识
#利用正则做显示
plt.yticks([50, 10, -10], ['really good','good','bad'])
Fig2:
3. 设置坐标轴位置
# gca = 'get current axis' ax = plt.gca() #把右边的和上面的横轴去掉 ax.spines['right'].set_color('none') ax.spines['top'].set_color('none') #用下面的轴做x轴，左边的轴做y轴 ax.xaxis.set_ticks_position('bottom') ax.yaxis.set_ticks_position('left') #设置坐标轴位置 ax.spines['bottom'].set_position(('data',-1)) ax.spines['left'].set_position(('data',0))
Fig3:
4. 图列
plt.plot(x, y1, color= 'red', linewidth=1.0, linestyle='-',label = 'y1=x^2') #legend：参数可控制(handles=, labels = , loc = 'best') plt.legend(loc = 'best')
Fig 4:
5. 对坐标轴每个刻度做处理
##把坐标轴上的标度拿出来单独做标注 for label in ax.get_xticklabels() + ax.get_yticklabels(): label.set_fontsize(12) #alpha：坐标透明度 label.set_bbox(dict(facecolor='red', edgecolor="None", alpha=0.7))
Fig 5:
6. 散点图
import matplotlib.pyplot as plt import numpy as np n = 1024 X = np.random.normal(0,1,n) Y = np.random.normal(0,1,n) # 设置点颜色 T = np.arctan2(Y,X) #s:size, c:color, plt.scatter(X,Y, s=75, c=T,alpha=0.5 ) plt.xlim((-1.5, 1.5)) plt.ylim((-1.5, 1.5)) plt.show()
Fig 6:
7. 柱状图
n = 12 X = np.arange(n) Y1 = (1-X/float(n)) * np.random.uniform(0.5, 1.0, n) Y2 = (1-X/float(n)) * np.random.uniform(0.5, 1.0, n) #画柱状图 #facecolor:, edgecolor边缘颜色 #+Y1,往上 plt.bar(X, +Y1,facecolor='#9999ff', edgecolor ='white') #加标准注 #把X,Y1的值成对传给x,y，形成坐标 for x, y in zip(X, Y1): plt.text(x +0.4, y +0.05,'%0.2f'%y, ha = 'center',va = 'bottom' )
Fig 7:
8. 画二维矩阵图
import matplotlib.pyplot as plt import numpy as np import random #生成9个值 每个是一个格子 l = [random.random() for i in range(9)] a = np.array(l).reshape((3,3)) #print(a) #参数参考官网用法 #interpolation：是显示效果 plt.imshow(a, interpolation='nearest', cmap='bone', origin='lower') #添加bar plt.colorbar() plt.xticks(()) plt.yticks(()) plt.show()
Fig 8:
9. 画3D图
from mpl_toolkits.mplot3d import Axes3D fig = plt.figure() #在fig里面加一个3D的axes ax = Axes3D(fig) X = np.arange(-4,4, 0.25) Y = np.arange(-4,4, 0.25) #把X，Ymesh到二维空间 X,Y = np.meshgrid(X, Y) #生成一个高 R = np.sqrt(X**2 + Y**2) Z = np.sin(R) #在Axes画3D图 #rstride，cstride是行/列跨度 #cmap是画图的方式 ax.plot_surface(X,Y,Z, rstride =1, cstride=1, cmap = plt.get_cmap('rainbow')) #画等高线,zdir表示投射轴 #offset是投射的坐标位置 ax.contourf(X,Y,Z, zdir = 'z', offset = -2, cmap='rainbow') #ax.contourf(X,Y,Z, xdir = 'x', offset = -4, cmap='rainbow') #Z轴的范围 ax.set_zlim(-2,2) #画高
Fig 9:
10. 画子图
#创建子图 #把一个fig划分为2*2，即4个图 #(2,2,1)画第一张图 plt.subplot(2,2,1)#plt.subplot(221) plt.plot([0,1],[0,1]) #(2,2,2)画第二张图 plt.subplot(2,2,2)#plt.subplot(221) plt.plot([0,1],[0,1]) plt.subplot(2,2,3)#plt.subplot(221) plt.plot([0,1],[0,1])
Fig 10:
11. 图嵌套
fig = plt.figure() x = [1,2,3,4,5,6,7] y = [1,3,4,2,5,8,6] #其实相当于按比例在fig这张大图画各个小图 #先画一张比列很大的 #参数是fig的百分比 left, bottom, width, height = 0.1, 0.1, 0.8, 0.9 ax1 = fig.add_axes([left, bottom, width, height]) #给图画图 ax1.plot(x,y,'r') #注意是set_tile ax1.set_title('tile') #再画小图 #为小图加坐标，参数是fig的百分比 left, bottom, width, height = 0.2, 0.7, 0.3, 0.3 ax2 = fig.add_axes([left, bottom, width, height]) #给小图画图 ax2.plot(y,x,'r') ax2.set_title('tile_little')
Fig 11:
12. 共享x轴,不同Y周
x = np.arange(0,10,0.1) y1 = 0.05 *x**2 y2 = -1*y1 #同时创建fig和sub #实际是画两张图 然后重叠，故用subplot fig,ax1 = plt.subplots() #共享x ax2 = ax1.twinx() ax1.plot(x, y1,'g-') ax2.plot(x, y2,'b--') ax1.set_xlabel('x data') ax.set_ylabel('Y1',color = 'g') ax.set_ylabel('Y2',color = 'b') plt.show()
Fig 12:
