matplotlib绘图

Bertha 。 2021-11-11 09:26 388阅读 0赞

**matplotlib 介绍**

Matplotlib是一个Python 2D绘图库，可以生成各种硬拷贝格式和跨平台交互式环境的出版物质量数据。Matplotlib可用于Python脚本，Python和IPython shell，Jupyter笔记本，Web应用程序服务器和四个图形用户界面工具包。

[![aHR0cHM6Ly93d3cubWF0cGxvdGxpYi5vcmcuY24vc3RhdGljL2ltYWdlcy9ob21lL3NwaHhfZ2xyX21lbWJyYW5lX3RodW1iLnBuZw][]][aHR0cHM6Ly93d3cubWF0cGxvdGxpYi5vcmcuY24vc3RhdGljL2ltYWdlcy9ob21lL3NwaHhfZ2xyX21lbWJyYW5lX3RodW1iLnBuZw 1][![aHR0cHM6Ly93d3cubWF0cGxvdGxpYi5vcmcuY24vc3RhdGljL2ltYWdlcy9ob21lL3NwaHhfZ2xyX2hpc3RvZ3JhbV90aHVtYi5wbmc][]][aHR0cHM6Ly93d3cubWF0cGxvdGxpYi5vcmcuY24vc3RhdGljL2ltYWdlcy9ob21lL3NwaHhfZ2xyX21lbWJyYW5lX3RodW1iLnBuZw 1][![aHR0cHM6Ly93d3cubWF0cGxvdGxpYi5vcmcuY24vc3RhdGljL2ltYWdlcy9ob21lL3NwaHhfZ2xyX2NvbnRvdXJfdGh1bWIucG5n][]][aHR0cHM6Ly93d3cubWF0cGxvdGxpYi5vcmcuY24vc3RhdGljL2ltYWdlcy9ob21lL3NwaHhfZ2xyX21lbWJyYW5lX3RodW1iLnBuZw 1][![aHR0cHM6Ly93d3cubWF0cGxvdGxpYi5vcmcuY24vc3RhdGljL2ltYWdlcy9ob21lL3NwaHhfZ2xyXzNEX3RodW1iLnBuZw][]][aHR0cHM6Ly93d3cubWF0cGxvdGxpYi5vcmcuY24vc3RhdGljL2ltYWdlcy9ob21lL3NwaHhfZ2xyX21lbWJyYW5lX3RodW1iLnBuZw 1]

Matplotlib试图让简单易事的事情成为可能。你只需几行代码即可生成绘图，直方图，功率谱，条形图，误差图，散点图等。

对于简单的绘图，pyplot模块提供类似MATLAB的接口，特别是与IPython结合使用时。 对于高级用户，你可以通过面向对象的界面或通过MATLAB用户熟悉的一组函数完全控制线型，字体属性，轴属性等。

**文档：[https://www.matplotlib.org.cn/index.html][https_www.matplotlib.org.cn_index.html]**

**安装：**

访问[https://pypi.org/project/matplotlib/\#files][https_pypi.org_project_matplotlib_files]下载和python安装的对应版本

打开命令窗口，并切换到该项目文件夹，在使用pip来安装

python -m pip install --user matplotlib-3.1.1-cp37-cp37m-win32.whl

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQwMjA1MTE2_size_16_color_FFFFFF_t_70][]

安装完成后打开python终端回话，尝试导入matplotlib

import matplotlib

这样则安装成功

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQwMjA1MTE2_size_16_color_FFFFFF_t_70 1][]

下面部分是绘制图形

**使用plot()绘制折线图：**

import matplotlib.pyplot as plt
    
    #创建一个列表
    #对应数据，inp——values为x轴刻度尺，squares为y轴数据
    input_values = [1, 2, 3, 4, 5]
    squares = [1, 3, 5, 6, 20]
    #将列表传递给函数plot，绘制图像,linewidth线条的粗细
    plt.plot(input_values, squares, linewidth = 2)
    #设置图表标题，并给坐标轴加上标签
    plt.title("Square Numbers", fontsize = 24)
    plt.xlabel("Value", fontsize=14)
    plt.ylabel("Square of Value", fontsize=14)
    
    #设置刻度标记的大小axis='both'影响x轴y轴上的刻度，labelsize设置字号
    plt.tick_params(axis='both', labelsize = 14)
    
    #打开matplotlib查看器
    plt.show()

效果图片：

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQwMjA1MTE2_size_16_color_FFFFFF_t_70 2][]

**使用scatter()来绘制单个点**

import matplotlib.pyplot as plt
    
    #使用scatter()来绘制单个点，前两个参数为坐标位置,s设置绘制图形时使用的点的尺寸
    #设置坐标位置,两个列表
    #x_values = [1, 2, 3, 4, 5]
    #y_values = [1, 4, 9, 16, 25]
    
    #循环绘制点，连接成线
    x_values = list(range(1, 1001))
    y_values = [x**2 for x in x_values]
    
    #edgecolor删除节点轮廓,c='red'设置图颜色
    #plt.scatter(x_values, y_values, c='red', edgecolor='none', s = 10)
    #颜色映射，起始颜色渐变到结束颜色，c设置成一个y值列表，cmap告诉pyplot使用哪个颜色映射
    plt.scatter(x_values, y_values, c=y_values, cmap=plt.cm.Blues, edgecolor='none', s = 10)
    #设置图表标题并给坐标轴加上标签
    plt.title("Square Numbers", fontsize=24)
    plt.xlabel("value", fontsize = 24)
    plt.ylabel("Square of value", fontsize=24)
    
    #设置刻度标记的大小
    plt.tick_params(axis='both', which='major', labelsize=14)
    
    #设置每个坐标轴的取值范围
    plt.axis([0, 1100, 0, 1100000])
    plt.show()
    #将图片保存到工作目录
    #plt.savefig('squares_plot.png', bbox_inches = 'tight')

效果图：

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQwMjA1MTE2_size_16_color_FFFFFF_t_70 3][]

**绘制随机漫步图：**

先创建一个RandwmWalk()类，他随机的选择前进方向

from random import choice
    
    class RandomWalk():
    	"""一个生成随机漫步数据的类"""
    	#num_points设置默认点数
    	def __init__(self, num_points = 5000):
    		"""初始化随机漫步的属性"""
    		self.num_points = num_points
    		
    		#所有随机漫步都始于(0, 0)
    		#创建了两个用于存储x和y值的列表，并让每次漫步都从点(0, 0)出发
    		self.x_values = [0]
    		self.y_values = [0]
    	
    	def fill_walk(self):
    		"""计算随机漫步包含的所有点"""
    		#不断漫步，直到列表到达指定的长度
    		while len(self.x_values) < self.num_points:
    			#决定前进方向以及沿这个方向前进的距离
    			#1表示向右走的1，-1表示向左走的-1
    			x_direction = choice([1, -1])
    			#沿指定方向走多远，choice随机选择一个数字
    			x_distance = choice([0, 1, 2, 3, 4])
    			#移动方向乘以移动距离，确定沿x和y轴移动的距离，如果x_self为正将向右移动，为负向左移动
    			x_step = x_direction * x_distance
    			
    			y_direction = choice([1, -1])
    			y_distance = choice([0, 1, 2, 3, 4])
    			y_step = y_direction * y_distance
    			
    			#拒绝原地踏步
    			if x_step == 0 and y_step == 0:
    				continue
    				
    			#计算下一个点的x和y值
    			next_x = self.x_values[-1] + x_step
    			next_y = self.y_values[-1] + y_step
    			
    			self.x_values.append(next_x)
    			self.y_values.append(next_y)

生成简单的漫步图：

import matplotlib.pyplot as plt
    
    from random_walk import RandomWalk
    
    #创建一个RandomWalk实例，并将其包含的点都绘制出来
    rw = RandomWalk()
    rw.fill_walk()
    #将随机漫步包含的x和y值传递给scatter(),并选择了合适的点尺寸
    plt.scatter(rw.x_values, rw.y_values, s = 5)
    plt.show()

生成效果：

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQwMjA1MTE2_size_16_color_FFFFFF_t_70 4][]

给点设置渐变色：

#将所有点数生成一个数字列表
    point_number = list(range(rw.num_points))
    #将随机漫步包含的x和y值传递给scatter(),并选择了合适的点尺寸
    #edgecolor='none'删除每个点周围的轮廓，给点着色
    plt.scatter(rw.x_values, rw.y_values, c=point_number, cmap=plt.cm.Blues, edgecolor='none', s = 5)

突出终点和起点：

#突出起点和终点
    plt.scatter(0, 0, c = 'green', edgecolors = 'none', s = 100)
    plt.scatter(rw.x_values[-1], rw.y_values[-1], c = 'red', edgecolors = 'none', s = 100)

英寸坐标轴：

#隐藏坐标轴
    plt.axes().get_xaxis().set_visible(False)
    plt.axes().get_yaxis().set_visible(False)

调整图表大小：

plt.figure(figsize=(10, 6))

完整代码：

import matplotlib.pyplot as plt
    
    from random_walk import RandomWalk
    
    #创建一个RandomWalk实例，并将其包含的点都绘制出来
    rw = RandomWalk()
    rw.fill_walk()
    
    #设置绘图窗口的尺寸,figure()用于指定图表的宽度和高度，分辨率和背景色,指出绘图窗口的尺寸，单位英寸
    plt.figure(figsize=(10, 6))
    
    #将所有点数生成一个数字列表
    point_number = list(range(rw.num_points))
    #将随机漫步包含的x和y值传递给scatter(),并选择了合适的点尺寸
    #edgecolor='none'删除每个点周围的轮廓，给点着色
    plt.scatter(rw.x_values, rw.y_values, c=point_number, cmap=plt.cm.Blues, edgecolor='none', s = 5)
    
    #突出起点和终点
    plt.scatter(0, 0, c = 'green', edgecolors = 'none', s = 100)
    plt.scatter(rw.x_values[-1], rw.y_values[-1], c = 'red', edgecolors = 'none', s = 100)
    
    #隐藏坐标轴
    plt.axes().get_xaxis().set_visible(False)
    plt.axes().get_yaxis().set_visible(False)
    plt.show()

效果图：

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQwMjA1MTE2_size_16_color_FFFFFF_t_70 5][]

直方图——掷骰子案例首先需要安装一下pygal

同样的需要在项目目录中使用pip安装，这里我的项目目录为：E:\\2019mcy\\pythonWord\\matplotlib

python -m pip install --user pygal==1.7

![20190806110921925.png][]

之后创建一个die.py文件，里边存放一个Die()类，骰子的属性类

from random import randint
    
    class Die():
    	"""表示一个骰子的类"""
    	def __init__(self, num_sides=6):
    		"""骰子默认为6面"""
    		self.num_sides = num_sides
    	
    	def roll(self):
    		"""返回一个位于1和骰子面数之间的随机值"""
    		return randint(1, self.num_sides)

之后模拟掷骰子，分析和结果，统计没一面出现的次数，结果使用直方图进行统计出来

from die import Die
    import pygal
    
    #创建一个D6
    die = Die()
    
    #掷几次骰子，并将结果存储在一个列表中
    results = []
    for roll_num in range(100):
    	result = die.roll()
    	results.append(result)
    
    #分析结果
    frequencies = []
    for value in range(1, die.num_sides+1):
    	#计算每种点数在results中出现了多少次
    	frequency = results.count(value)
    	frequencies.append(frequency)
    
    #对结果进行可视化
    hist = pygal.Bar()
    
    #嘴上方标题
    hist.title = "Results of rolling one D6 100 times."
    #x轴标签，和x，y轴标题
    hist.x_labels = ['1', '2', '3', '4', '5', '6']
    hist.x_title = "Result"
    hist.y_title = "Frequency of Result"
    
    #将一系列值添加到图表中
    hist.add('D6', frequencies)
    #生成svg文件存放在和文件同一目录，可以在浏览器中打开查看
    hist.render_to_file('die_visual.svg')

效果图：

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQwMjA1MTE2_size_16_color_FFFFFF_t_70 6][]

同时掷两个面数不同的骰子：

只需是多创建一个Die实例，把骰子面数传递过去，掷骰子是，把两个骰子的面数相加放入列表中，分析结果会有两个骰子面数相加种结果

x轴坐标需要改变一下，具体代码如下：

from die import Die
    import pygal
    
    #创建一个D6
    die = Die()
    die2 = Die(10)
    
    #掷几次骰子，并将结果存储在一个列表中
    results = []
    for roll_num in range(100):
    	result = die.roll()+die2.roll()
    	results.append(result)
    
    #分析结果
    frequencies = []
    max_result = die.num_sides+die2.num_sides
    for value in range(2, max_result+1):
    	#计算每种点数在results中出现了多少次
    	frequency = results.count(value)
    	frequencies.append(frequency)
    
    #对结果进行可视化
    hist = pygal.Bar()
    
    #嘴上方标题
    hist.title = "Results of rolling a D6 and a D10 100 times."
    #x轴标签，和x，y轴标题
    hist.x_labels = ['2', '3', '4', '5', '6', '7', '8', '9', '10', '11', '12', '13', '14', '15', '16']
    hist.x_title = "Result"
    hist.y_title = "Frequency of Result"
    
    #将一系列值添加到图表中
    hist.add('D6+D10', frequencies)
    #生成svg文件存放在和文件同一目录，可以在浏览器中打开查看
    hist.render_to_file('die_visual.svg')

效果图：

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQwMjA1MTE2_size_16_color_FFFFFF_t_70 7][]

[aHR0cHM6Ly93d3cubWF0cGxvdGxpYi5vcmcuY24vc3RhdGljL2ltYWdlcy9ob21lL3NwaHhfZ2xyX21lbWJyYW5lX3RodW1iLnBuZw]: https://imgconvert.csdnimg.cn/aHR0cHM6Ly93d3cubWF0cGxvdGxpYi5vcmcuY24vc3RhdGljL2ltYWdlcy9ob21lL3NwaHhfZ2xyX21lbWJyYW5lX3RodW1iLnBuZw
[aHR0cHM6Ly93d3cubWF0cGxvdGxpYi5vcmcuY24vc3RhdGljL2ltYWdlcy9ob21lL3NwaHhfZ2xyX21lbWJyYW5lX3RodW1iLnBuZw 1]: https://matplotlib.org/tutorials/introductory/sample_plots.html
[aHR0cHM6Ly93d3cubWF0cGxvdGxpYi5vcmcuY24vc3RhdGljL2ltYWdlcy9ob21lL3NwaHhfZ2xyX2hpc3RvZ3JhbV90aHVtYi5wbmc]: https://imgconvert.csdnimg.cn/aHR0cHM6Ly93d3cubWF0cGxvdGxpYi5vcmcuY24vc3RhdGljL2ltYWdlcy9ob21lL3NwaHhfZ2xyX2hpc3RvZ3JhbV90aHVtYi5wbmc
[aHR0cHM6Ly93d3cubWF0cGxvdGxpYi5vcmcuY24vc3RhdGljL2ltYWdlcy9ob21lL3NwaHhfZ2xyX2NvbnRvdXJfdGh1bWIucG5n]: https://imgconvert.csdnimg.cn/aHR0cHM6Ly93d3cubWF0cGxvdGxpYi5vcmcuY24vc3RhdGljL2ltYWdlcy9ob21lL3NwaHhfZ2xyX2NvbnRvdXJfdGh1bWIucG5n
[aHR0cHM6Ly93d3cubWF0cGxvdGxpYi5vcmcuY24vc3RhdGljL2ltYWdlcy9ob21lL3NwaHhfZ2xyXzNEX3RodW1iLnBuZw]: https://imgconvert.csdnimg.cn/aHR0cHM6Ly93d3cubWF0cGxvdGxpYi5vcmcuY24vc3RhdGljL2ltYWdlcy9ob21lL3NwaHhfZ2xyXzNEX3RodW1iLnBuZw
[https_www.matplotlib.org.cn_index.html]: https://www.matplotlib.org.cn/index.html
[https_pypi.org_project_matplotlib_files]: https://pypi.org/project/matplotlib/#files
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQwMjA1MTE2_size_16_color_FFFFFF_t_70]: /images/20211109/1a9a06f9c0d34f6894d96f7ae2747262.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQwMjA1MTE2_size_16_color_FFFFFF_t_70 1]: /images/20211109/ea80492bffe542129919b6b9d487b235.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQwMjA1MTE2_size_16_color_FFFFFF_t_70 2]: /images/20211109/ecffd18013044025955218a05aa8be56.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQwMjA1MTE2_size_16_color_FFFFFF_t_70 3]: /images/20211109/537475cd05c1488c8f090d07c9125f03.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQwMjA1MTE2_size_16_color_FFFFFF_t_70 4]: /images/20211109/9fa964b8ff3b40f8996e1dfc849fb069.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQwMjA1MTE2_size_16_color_FFFFFF_t_70 5]: /images/20211109/236409cb27204cb98a4bc05d445cd3c2.png
[20190806110921925.png]: /images/20211109/648104dc5a254b22bcb63f0f0ce9a9bd.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQwMjA1MTE2_size_16_color_FFFFFF_t_70 6]: /images/20211109/e11ad6a183f24789bde3843884e275ac.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQwMjA1MTE2_size_16_color_FFFFFF_t_70 7]: /images/20211109/4dd6fa94b59145f89b46c9d207832f00.png