Matplotlib

系统管理员 2021-12-15 17:43 482阅读 0赞

Matplotlib的基本元素：

1，变量

2，函数

3，画布（figure）

4，坐标轴（axes）

绘图过程：变量和函数通过改变figure和axes中的元素（如：title，label）一起描述figure和axes

![1326349-20190402202953054-2092762305.png][]

Matplotlib的图像位于figure对象中

通过plt.figure()创建

如果没有指定创建，matplotlib会自动生成默认的画布

参数figsize用来控制画布的大小，单位为英寸（inch）， 1 inch = 2.54 cm

用plt.show()显示绘图结果

注意的是，在jupyter notebook中使用matplotlib时，代码块需要放在一个cell中

import matplotlib.pyplot as plt
    import numpy as np
    
    plt.figure() # 创建画布
    Out[19]: <Figure size 640x480 with 0 Axes>
    data = [2,4,6,8,10]  #构造数据
    
    # 可视化数据
    plt.plot(data)  #plot是绘制折线
    Out[21]: [<matplotlib.lines.Line2D at 0xc35eb10>]
    plt.show()

![1326349-20190402210547833-714059129.png][]

plt.figure(figsize=(15, 6))  # 控制画布大小
    plt.plot(np.random.randn(100))
    plt.show()

![1326349-20190402211215513-1104795318.png][]

①散点图：

plt.scatter(x, y, s,c,marker)  \# s，c，marker有默认值

\* x 横轴的数据

\* y 纵轴的数据

\* s点的大小，标量或数组 →标量：同时所有点的大小（颜色）

\* c点的颜色，标量或数组→数组：为每一个点设置不同的大小（颜色）

\* marker点的样式

②柱状图：

plt.bar(x,xheight,color)

\* x柱子的横坐标

\*height 柱子的高度（数据）

\*color柱子的颜色

注意：绘制多组柱状图时，需要设置不同的横坐标，防止重叠

x1 = [1,3,5,7,9]
    data1=[5,2,7,8,2]
    plt.bar(x1,data,color='r')
    x2 = np.array(x1)+1  # 设置不同的横坐标防止覆盖
    plt.bar(x2, np.array(data1)+2, color='g')
    plt.show()

![1326349-20190402223139564-1040274483.png][]

要求在同一个画布上绘制A同学和B同学的成绩，设置画布的大小为10*5，柱子的宽度为0.5，绘制图例，A同学的柱子颜色用红色表示，B同学柱子的颜色用蓝色表示，x轴标签是year，y轴标签为score。
    
    
    
    plt.figure(figsize=(10,5))
    
    
    
    year=["2016","2017","2018","2019"]
    
    
    
    x_A=[1,3,5,7]
    
    
    
    score_A = [40,50,59,60]
    
    
    
    w =0.5
    
    
    
    plt.bar(x_A,score_A,(1)=w,label="A")
    
    
    
     
    
    
    
    x_B=np.array(x_A)+w
    
    
    
    score_B = [50,70,80,90]
    
    
    
    plt.bar(x_B,(2),width=w,(3)="B")
    
    
    
    plt.xlabel("year")
    
    
    
    plt.(4)("score")
    
    
    
    plt.legend()
    
    
    
    plt.xticks(x_B-0.25,year)
    
    
    
    plt.show()

![ContractedBlock.gif][] ![ExpandedBlockStart.gif][]

填空(1)： 正确答案 width
    填空(2)： 正确答案 score_B
    填空(3)： 正确答案 label
    填空(4)： 正确答案 ylabel

③直方图：

形式类似于柱状图

\* 通过将数据组合在一起来显示分布，比如：显示各年龄段的数据个数plt.hist(x, bins, rwidth)

\* x 数据•rwidth柱子宽度比例，默认为1

\* bins 分组的个数或分组边界，如4或\[20, 30, 40, 50, 60\]

\*\*\* 除了最后一组，其余组的右边界是开放的\[20, 30), \[30, 40), \[40, 50), \[50, 60\]

![1326349-20190402224815247-1354481211.png][]

import matplotlib.pyplot as plt
    ages = [22,23,26,21,34,36,29,19,24,35,42,48,33,22,45]
    bins = 5  # 分为5组
    plt.hist(ages, bins)
    plt.show()

![1326349-20190408220146842-825374251.png][]

import matplotlib.pyplot as plt
    ages = [22,23,26,21,34,36,29,19,24,35,42,48,33,22,45]
    bins = [15,25,35,45,55]
    plt.hist(ages, bins, histtype='bar', rwidth=0.5)
    plt.show()

柱子变窄了

![1326349-20190408220130667-586398556.png][]

④子图：

子图是什么意思呢，就是在一张图中绘制多个图

看一个例子：

import matplotlib.pyplot as plt
    import numpy as np
    import pandas as pd
    fig, subplot_arr = plt.subplots(2,2,figsize=(8,8))
    subplot_arr[0,0].scatter(np.random.randn(50), np.random.randn(50)*2)
    subplot_arr[0,1].bar([1,2,3,4,5], [5,2,7,8,2])
    subplot_arr[1,0].hist(np.random.randn(50), bins=10, rwidth=0.8)
    subplot_arr[1,1].imshow(np.random.randn(5,5))
    
    plt.show()

成图如下：

![1326349-20190410202706894-860711681.png][]

那如果共享x轴

import matplotlib.pyplot as plt
    import numpy as np
    import pandas as pd
    fig, subplot_arr = plt.subplots(2,2,figsize=(8,8), sharex=True)  # 共享x轴
    subplot_arr[0,0].scatter(np.random.randn(50), np.random.randn(50)*2)
    subplot_arr[0,1].bar([1,2,3,4,5], [5,2,7,8,2])
    subplot_arr[1,0].hist(np.random.randn(50), bins=10, rwidth=0.8)
    subplot_arr[1,1].imshow(np.random.randn(5,5))
    
    plt.show()

![1326349-20190410202846671-2115414386.png][]

共享y轴：

import matplotlib.pyplot as plt
    import numpy as np
    import pandas as pd
    fig, subplot_arr = plt.subplots(2,2,figsize=(8,8), sharey=True)  # 共享y轴
    subplot_arr[0,0].scatter(np.random.randn(50), np.random.randn(50)*2)
    subplot_arr[0,1].bar([1,2,3,4,5], [5,2,7,8,2])
    subplot_arr[1,0].hist(np.random.randn(50), bins=10, rwidth=0.8)
    subplot_arr[1,1].imshow(np.random.randn(5,5))
    
    plt.show()

![1326349-20190410203001112-550454654.png][]

看个练习：

使用subplots生成4子图，第一个子图ax[0,0]对x数据进行可视化，第二个子图ax[0,1]对np.sin(x)的数据进行显示，第三个子图ax[1][0]对np.cos(x)数据进行显示，第四个子图ax[1][1]对x的平方进行显示，并且，子图公用x轴。
    
    
    
    fig,ax =  plt.subplots((1),2,sharex=(2))
    
    
    
    x = [0,90,180,270,360,450]
    
    
    
    data=[np.array(x),np.sin(x),np.cos(x),np.array(x)**2]
    
    
    
    for i in range(2):
    
    
    
        for j in range(2):
    
    
    
            if i==0:
    
    
    
                ax[i][j].plot(x,data[i+j])
    
    
    
            else:
    
    
    
                ax[i][j].plot(x,data[i+j+1])
    
    
    
    plt.show()
    
    
    填空(1)： 正确答案 2, 你的答案　2。
    填空(2)： 正确答案 True, 你的答案　True。
    回答正确。
    
     收藏  展开解析
    2
    50.0分
    在一个画布上绘制两个子图，其中第一个子图的title设置为title0，第二个子图的title设置为title1，并且设置子图共用一个y轴。
    
    
    
    x = np.random.randint(1,10,size=8)
    
    
    
    y = np.sin(x)
    
    
    
    fig, ax = plt.(1)(nrows=1,ncols=2,(2)=True)
    
    
    
    plot_method = []
    
    
    
    i=0
    
    
    
    for col in ax:
    
    
    
        col.plot(x, y)
    
    
    
        col.set_title('title'+str((3)))
    
    
    
        col.set_xlabel('x-axis')
    
    
    
        i+=1
    
    
    
    plt.show()
    
    
    
    》》》》
    
    
    
    填空(1)： 正确答案 subplots。
    填空(2)： 正确答案 sharey
    填空(3)： 正确答案 i

matplotlib颜色，标记和线型

![1326349-20190410215859367-792415455.png][]

先看个示例：

fig, subplot_arr = plt.subplots(2,2,figsize=(8,8))
    data = np.random.randn(20)
    subplot_arr[0,0].plot(data,'r.--')
    subplot_arr[0,1].plot(data,'gv:')
    subplot_arr[1,0].plot(data,'b<-')
    subplot_arr[1,1].plot(data,'ys-.')
    
    plt.show()

![1326349-20190410220307688-1600871424.png][]他的灵活性在于fmt参数值得顺序可以颠倒，甚者缺失部分

matplotlib的坐标刻度标签，图例，标题

![1326349-20190410221556519-1459020090.png][]

![1326349-20190410222243859-104780756.png][]

在xtick上需要传入的是两个列表，第一个用来标识真实值，第二个指的是标签

![1326349-20190410222557395-1977038896.png][]

![1326349-20190410222744859-470924247.png][]

但是需要注意的是，在Linux上面是不管用的，需要指定其他字体

data1 = np.random.randn(1000).cumsum()
    data2 = np.random.randn(1000).cumsum()
    data3 = np.random.randn(1000).cumsum()
    # 基本显示
    plt.figure()
    plt.plot(data1)
    plt.plot(data2)
    plt.plot(data3)
    plt.show()

![1326349-20190410223231972-228303713.png][]

使用plt

data1 = np.random.randn(1000).cumsum()
    data2 = np.random.randn(1000).cumsum()
    data3 = np.random.randn(1000).cumsum()
    # 基本显示
    # plt.figure()
    # plt.plot(data1)
    # plt.plot(data2)
    # plt.plot(data3)
    # plt.show()
    # 使用plt配置
    plt.figure()
    plt.xlim([0,500])#设置刻度宽度
    plt.xticks([0,100,200], ['x', 'xx', 'xxx'])#设置自定义的刻度
    #设置坐标轴标签
    plt.xlabel('Number')
    plt.ylabel('Random')
    #设置标题
    plt.title('Example')
    #图例
    plt.plot(data1)
    plt.plot(data2, label='line2')
    plt.plot(data3, label='line3')
    
    plt.legend(loc='best')
    plt.show()

![1326349-20190410224141349-358394285.png][]

使用ax

fig, ax = plt.subplots(1)
    ax.plot(data1, label='line1')
    ax.plot(data2, label='line2')
    ax.plot(data3, label='line3')
    #设置刻度
    ax.set_xlim([0,800])
    #设置显示的刻度
    ax.set_xticks([0,100, 200, 300, 400,500])
    #设置坐标轴标签
    ax.set_xticklabels(['x1', 'x2', 'x3', 'x4', 'x5'])
    #设置坐标轴标签
    ax.set_xlabel('Number')
    ax.set_ylabel('Random')
    #设置标题
    ax.set_title('Examples2')
    plt.show()

![1326349-20190410225155307-482467103.png][]

转载于:https://www.cnblogs.com/zhoulixiansen/p/10673326.html

[1326349-20190402202953054-2092762305.png]: /images/20211215/6292f7f880344c4e971b85be605851d9.png
[1326349-20190402210547833-714059129.png]: /images/20211215/66a0f20521404b36ad31f759f9841146.png
[1326349-20190402211215513-1104795318.png]: /images/20211215/ec6c3654fdfe4c9d8e80fd4e65a9f27d.png
[1326349-20190402223139564-1040274483.png]: /images/20211215/5c62a8d2d611416997afb482eabab65a.png
[ContractedBlock.gif]: https://images.cnblogs.com/OutliningIndicators/ContractedBlock.gif
[ExpandedBlockStart.gif]: /images/20211215/ac30cfcbc6e046b2b709079e65c86c79.png
[1326349-20190402224815247-1354481211.png]: /images/20211215/5ecf9695b4f740aabdb2728844b634b7.png
[1326349-20190408220146842-825374251.png]: /images/20211215/eab16bfdd17d466c9ab7415b9c121ddb.png
[1326349-20190408220130667-586398556.png]: /images/20211215/194101f473fb4b369e4d0ada64b9b414.png
[1326349-20190410202706894-860711681.png]: /images/20211215/a483e510901e4667ad60879d082b94cf.png
[1326349-20190410202846671-2115414386.png]: /images/20211215/d52dee18d6d84005aa2b864c5b04fd49.png
[1326349-20190410203001112-550454654.png]: /images/20211215/d16dcff531934c89baff708d3da34ff2.png
[1326349-20190410215859367-792415455.png]: /images/20211215/a41b5c5790f441349b78f8fe5af81949.png
[1326349-20190410220307688-1600871424.png]: /images/20211215/fdc2c472d9ce44cc856a38077a618b41.png
[1326349-20190410221556519-1459020090.png]: /images/20211215/3afa3139973d4b7e997b98d5fbe76bc6.png
[1326349-20190410222243859-104780756.png]: /images/20211215/3e303e6acfde4ebb8e529efae4eda6e6.png
[1326349-20190410222557395-1977038896.png]: /images/20211215/ad21d920d20348e8badbbb813a37b441.png
[1326349-20190410222744859-470924247.png]: /images/20211215/58b6412023604bdfa41cfb889e29c972.png
[1326349-20190410223231972-228303713.png]: /images/20211215/217c3fa4030945f383e1c02307dc8bc2.png
[1326349-20190410224141349-358394285.png]: /images/20211215/d69bb985003d4e41acf89d7e14ebb66b.png
[1326349-20190410225155307-482467103.png]: /images/20211215/ca5c94d460eb40f3a56ae3ef4f59174b.png