Matplotlib 教程
Matplotlib 是 Python 的绘图库,它能让使用者很轻松地将数据图形化,并且提供多样化的输出格式。
Matplotlib 可以用来绘制各种静态,动态,交互式的图表。
Matplotlib 是一个非常强大的 Python 画图工具,我们可以使用该工具将很多数据通过图表的形式更直观的呈现出来。
Matplotlib 可以绘制线图、散点图、等高线图、条形图、柱状图、3D 图形、甚至是图形动画等等。
安装 matplotlib 库:
python3 -m pip install -U matplotlib
一、Matplotlib Pyplot
Pyplot 是 Matplotlib 的子库,提供了和 MATLAB 类似的绘图 API。
Pyplot 是常用的绘图模块,能很方便让用户绘制 2D 图表。
Pyplot 包含一系列绘图函数的相关函数,每个函数会对当前的图像进行一些修改,例如:给图像加上标记,生新的图像,在图像中产生新的绘图区域等等。
plot() 用于画图它可以绘制点和线,语法格式如下:
# 画单条线 plot([x], y, [fmt], *, data=None, **kwargs) # 画多条线 plot([x], y, [fmt], [x2], y2, [fmt2], ..., **kwargs)
参数说明: x, y:点或线的节点,x 为 x 轴数据,y 为 y 轴数据,数据可以列表或数组。 fmt:可选,定义基本格式(如颜色、标记和线条样式)。 **kwargs:可选,用在二维平面图上,设置指定属性,如标签,线的宽度等。
二、Matplotlib 绘图标记
绘图过程如果我们想要给坐标自定义一些不一样的标记,就可以使用 plot() 方法的 marker 参数来定义。
1、marker 可以定义的符号如下
标记 | 符号 | 描述 |
---|---|---|
\".\" | 点 | |
\",\" | 像素点 | |
\"o\" | 实心圆 | |
\"v\" | 下三角 | |
\"^\" | 上三角 | |
\"<\" | 左三角 | |
\">\" | 右三角 | |
\"1\" | 下三叉 | |
\"2\" | 上三叉 | |
\"3\" | 左三叉 | |
\"4\" | 右三叉 | |
\"8\" | 八角形 | |
\"s\" | 正方形 | |
\"p\" | 五边形 | |
\"P\" | 加号(填充) | |
\"*\" | 星号 | |
\"h\" | 六边形 1 | |
\"H\" | 六边形 2 | |
\"+\" | 加号 | |
\"x\" | 乘号 x | |
\"X\" | 乘号 x (填充) | |
\"D\" | 菱形 | |
\"d\" | 瘦菱形 | |
\"|\" | 竖线 | |
\"_\" | 横线 | |
0 (TICKLEFT) | 左横线 | |
1 (TICKRIGHT) | 右横线 | |
2 (TICKUP) | 上竖线 | |
3 (TICKDOWN) | 下竖线 | |
4 (CARETLEFT) | 左箭头 | |
5 (CARETRIGHT) | 右箭头 | |
6 (CARETUP) | 上箭头 | |
7 (CARETDOWN) | 下箭头 | |
8 (CARETLEFTBASE) | 左箭头 (中间点为基准) | |
9 (CARETRIGHTBASE) | 右箭头 (中间点为基准) | |
10 (CARETUPBASE) | 上箭头 (中间点为基准) | |
11 (CARETDOWNBASE) | 下箭头 (中间点为基准) | |
\"None\", \" \" or \"\" | 没有任何标记 | |
\'$...$\' | 渲染指定的字符。例如 \"$f$\" 以字母 f 为标记。 |
2、线类型:线的类型可以使用 linestyle 参数来定义,简写为 ls。
\'‐\' 实线,\'‐‐\' 破折线,\'‐.\' 点划线,\':\' 虚线。
线的颜色可以使用 color 参数来定义,
线的宽度可以使用 linewidth 参数来定义,简写为 lw,值可以是浮点数,如:1、2.0、5.67 等。
3、fmt 参数:fmt 参数定义了基本格式,如标记、线条样式和颜色。
#fmt = \'[marker][line][color]\'
import matplotlib.pyplot as plt import numpy as np ypoints = np.array([6, 2, 13, 10]) plt.plot(ypoints, \'o:r\') plt.show()
4、使用 xlabel() 和 ylabel() 方法来设置 x 轴和 y 轴的标签。
5、使用 title() 方法来设置标题。
6、使用 pyplot 中的 grid() 方法来设置图表中的网格线。
grid() 方法语法格式如下:
matplotlib.pyplot.grid(b=None, which=\'major\', axis=\'both\', )
参数说明:
- b:可选,默认为 None,可以设置布尔值,true 为显示网格线,false 为不显示,如果设置 **kwargs 参数,则值为 true。
- which:可选,可选值有 \'major\'、\'minor\' 和 \'both\',默认为 \'major\',表示应用更改的网格线。
- axis:可选,设置显示哪个方向的网格线,可以是取 \'both\'(默认),\'x\' 或 \'y\',分别表示两个方向,x 轴方向或 y 轴方向。
- **kwargs:可选,设置网格样式,可以是 color=\'r\', linestyle=\'-\' 和 linewidth=2,分别表示网格线的颜色,样式和宽度。
三、折线图
使用 pyplot 中的 plot()方法来绘制散点图。
import numpy as np
import matplotlib.pyplot as plt
y = np.array([1,3,4,6,7,9,11,5,8])
y2 = np.array([16,18,15,8,5,11,12])
plt.plot(y,\'*:b\',linestyle= \'-.\',linewidth=\'1\')
plt.xlabel(\'Xname\')#设置x轴名字
plt.ylabel(\'Yname\')
plt.title(\'title\')#设置标题
plt.grid(color = \'r\', linestyle = \'--\', linewidth = 0.5)#设置网格线
plt.show()#显示
四、散点图
使用 pyplot 中的 scatter() 方法来绘制散点图。
scatter() 方法语法格式如下:
matplotlib.pyplot.scatter(x, y, s=None, c=None, marker=None, cmap=None, norm=None, vmin=None, vmax=None, alpha=None, linewidths=None, *, edgecolors=None, plotnonfinite=False, data=None, **kwargs)
参数说明:
x,y:长度相同的数组,也就是我们即将绘制散点图的数据点,输入数据。 s:点的大小,默认 20,也可以是个数组,数组每个参数为对应点的大小。 c:点的颜色,默认蓝色 \'b\',也可以是个 RGB 或 RGBA 二维行数组。 marker:点的样式,默认小圆圈 \'o\'。 cmap:Colormap,默认 None,标量或者是一个 colormap 的名字,只有 c 是一个浮点数数组的时才使用。如果没有申明就是 image.cmap。 norm:Normalize,默认 None,数据亮度在 0-1 之间,只有 c 是一个浮点数的数组的时才使用。 vmin,vmax::亮度设置,在 norm 参数存在时会忽略。 alpha::透明度设置,0-1 之间,默认 None,即不透明。 linewidths::标记点的长度。 edgecolors::颜色或颜色序列,默认为 \'face\',可选值有 \'face\', \'none\', None。 plotnonfinite::布尔值,设置是否使用非限定的 c ( inf, -inf 或 nan) 绘制点。 **kwargs::其他参数。
例如:
import matplotlib.pyplot as plt
import numpy as np
x = np.array([1, 2, 3, 4, 5, 6, 7, 8])
y = np.array([1, 4, 9, 16, 7, 11, 23, 18])
sizes = np.array([20,50,100,200,500,1000,60,90])
plt.subplot(2, 2, 1)
colors = np.array([\"red\",\"green\",\"black\",\"orange\",\"purple\",\"beige\",\"cyan\",\"magenta\"])
plt.scatter(x, y, s=sizes,c=colors,marker=\'*\',alpha=0.5)
五、柱形图
使用 pyplot 中的 bar() 方法来绘制柱形图。
bar() 方法语法格式如下:
matplotlib.pyplot.bar(x, height, width=0.8, bottom=None, *, align=\'center\', data=None, **kwargs)
参数说明:
x:浮点型数组,柱形图的 x 轴数据。 height:浮点型数组,柱形图的高度。 width:浮点型数组,柱形图的宽度。 bottom:浮点型数组,底座的 y 坐标,默认 0。
align:柱形图与 x 坐标的对齐方式,\'center\' 以 x 位置为中心,这是默认值。 \'edge\':将柱形图的左边缘与 x 位置对齐。
要对齐右边缘的条形,可以传递负数的宽度值及 align=\'edge\'。
**kwargs::其他参数。
例如:
import matplotlib.pyplot as plt import numpy as np x = np.array([\'张三\',\'李四\',\'王五\',\'赵柳\',\'王麻子\',\'张无忌\',\'赵敏\',\'金毛狮王\']) heights= np.array( [1,2,4,5,6,4,3,1]) colors = np.array([\'red\',\'blue\',\'green\']) plt.bar(x=x,height=heights,width=0.3,color=colors,align=\'edge\') plt.show()
六、扇形图
使用 pyplot 中的 pie() 方法来绘制饼图。
pie() 方法语法格式如下:
matplotlib.pyplot.pie(x, explode=None, labels=None, colors=None, autopct=None,
pctdistance=0.6, shadow=False, labeldistance=1.1, startangle=0, radius=1, counterclock=True,
wedgeprops=None, textprops=None, center=0, 0, frame=False, rotatelabels=False, *, normalize=None,
data=None)[source]
参数说明:
x:浮点型数组,表示每个扇形的面积。 explode:数组,表示各个扇形之间的间隔,默认值为0。 labels:列表,各个扇形的标签,默认值为 None。 colors:数组,表示各个扇形的颜色,默认值为 None。 autopct:设置饼图内各个扇形百分比显示格式,%d%% 整数百分比,%0.1f 一位小数, %0.1f%% 一位小数百分比, %0.2f%% 两位小数百分比。 labeldistance:标签标记的绘制位置,相对于半径的比例,默认值为 1.1,如 <1则绘制在饼图内侧。 pctdistance::类似于 labeldistance,指定 autopct 的位置刻度,默认值为 0.6。 shadow::布尔值 True 或 False,设置饼图的阴影,默认为 False,不设置阴影。 radius::设置饼图的半径,默认为 1。 startangle::起始绘制饼图的角度,默认为从 x 轴正方向逆时针画起,如设定 =90 则从 y 轴正方向画起。 counterclock:布尔值,设置指针方向,默认为 True,即逆时针,False 为顺时针。 wedgeprops :字典类型,默认值 None。参数字典传递给 wedge 对象用来画一个饼图。
例如:wedgeprops={\'linewidth\':5} 设置 wedge 线宽为5。 textprops :字典类型,默认值为:None。传递给 text 对象的字典参数,用于设置标签(labels)和比例文字的格式。 center :浮点类型的列表,默认值:(0,0)。用于设置图标中心位置。 frame :布尔类型,默认值:False。如果是 True,绘制带有表的轴框架。 rotatelabels :布尔类型,默认为 False。如果为 True,旋转每个 label 到指定的角度。
例如:
import matplotlib.pyplot as plt import numpy as np y = np.array([20,15, 25, 25, 15]) plt.pie(y, labels=[\'guitar\',\'saxophone\',\'piano\',\'violin\',\'others\'], # 设置饼图标签 colors=[\"#d5695d\",\'#852625\', \"#5d8ca8\", \"#65a479\", \"#a564c9\"], # 设置饼图颜色 explode=(0, 0, 0.2, 0,0), # 第二部分突出显示,值越大,距离中心越远 autopct=\'%.2f%%\', # 格式化输出百分比 ) plt.title(\"musical instruments\") # 设置标题 plt.show()
七、绘制多图
使用subplot()函数绘制多个子图
subplot(nrows, ncols, index, **kwargs) subplot(pos, **kwargs) subplot(**kwargs) subplot(ax)
以上函数将整个绘图区域分成 nrows 行和 ncols 列,编号可以通过参数 index 来设置。
设置 numRows = 1,numCols = 2,就是将图表绘制成 1x2 的图片区域, 对应的坐标为: (1, 1), (1, 2)
plotNum = 1, 表示的坐标为(1, 1), 即第一行第一列的子图。 plotNum = 2, 表示的坐标为(1, 2), 即第一行第二列的子图。
例如:
import numpy as np import matplotlib.pyplot as plt # plot1 y = np.array([1, 3, 4, 6, 7, 9, 11, 5, 8]) plt.subplot(3, 3, 5) plt.plot(y, \'*:b\', linestyle=\'-.\') plt.title(\'plot1\') # plot2 y2 = np.array([16, 18, 15, 8, 5, 11, 12]) plt.subplot(3, 3, 9) plt.plot(y2, \'r:s\', linestyle=\'-.\') plt.title(\'plot2\') plt.show()
来源:https://www.cnblogs.com/komorebiZjh/p/16245435.html
本站部分图文来源于网络,如有侵权请联系删除。