莫烦的python可视化：基于matplotlib.pyplot

ゝ一世哀愁。 2022-05-08 20:12 153阅读 0赞

### 相关的练习： ###

#coding=gbk
    '''
    Created on 2018年10月5日
    这是来自于视频博主 莫烦的 plt 的基础教学，
    
    @author: Administrator
    '''
    import matplotlib.pyplot as plt 
    import numpy as np
    def test_figure(show=False, show_figure1=False, show_figure2=False): 
        X = np.linspace(-3, 3, 50)
        y1 = 2*X + 1
        y2 = X**2
        if show_figure1:
            plt.figure()    #figure函数一下的画图都属于在一幅图中，如果没有，将分开画
            plt.plot(X, y1)
        if show_figure2:
            plt.figure(num=3, figsize=((8, 5)), dpi=100,facecolor='white')#num设置图像号数；图大小
            plt.plot(X, y1)
            plt.plot(X, y2, color='red', linewidth=1.0, linestyle='--')
            
            plt.xlim()   #设置横纵坐标的范围， 此处不能使用 np.linspace(-1, 2,5)
            plt.ylim((-2, 3))
            plt.xlabel('this is X') #设置标签
            plt.ylabel('this is y')
            
            new_ticks = np.linspace(-1, 2,5)    #设置新的横坐标的范围，输入指定的点
            plt.xticks(new_ticks)
            plt.yticks([-2, -1.8, -1, 1.2, 3], 
                       [r'$really\ bad$', r'$bad$', r'$normal$', r'$good$', r'$really\ good$']
                       )    #设置对应点的标签
            
            # gca : get current axis
            ax = plt.gca()
            ax.spines['right'].set_color('none') 
            ax.spines['top'].set_color('none')
            ax.xaxis.set_ticks_position('bottom')   #将底部和左边的框设置为X， y轴
            ax.yaxis.set_ticks_position('left')
            ax.spines['bottom'].set_position(('data', 0)) #将x， y的0点，设值为原点
            ax.spines['left'].set_position(('data', 0))
        
        if show:
            plt.show()
    # test_figure(True)

![70][]

![70 1][]

![70 2][]

def test_legend(show=False, show_figure1=False): 
        X = np.linspace(-3, 3, 50)
        y1 = 2*X + 1
        y2 = X**2
        if show_figure1:
            plt.figure()    #figure函数一下的画图都属于在一幅图中，如果没有，将分开画
            plt.plot(X, y1)
        
        plt.figure(num=3, figsize=((8, 5)), dpi=100,facecolor='white')#num设置图像号数；图大小
    #     plt.plot(X, y1)
    #     plt.plot(X, y2, color='red', linewidth=1.0, linestyle='--')
        
        plt.xlim()   #设置横纵坐标的范围， 此处不能使用 np.linspace(-1, 2,5)
        plt.ylim((-2, 3))
        plt.xlabel('this is X') #设置标签
        plt.ylabel('this is y')
        
        new_ticks = np.linspace(-1, 2,5)    #设置新的横坐标的范围，输入指定的点
        plt.xticks(new_ticks)
        plt.yticks([-2, -1.8, -1, 1.2, 3], 
                   [r'$really\ bad$', r'$bad$', r'$normal$', r'$good$', r'$really\ good$']
                   )    #设置对应点的标签    
        l1 = plt.plot(X, y2, label='up')    #增加label自定义名字
        l2 = plt.plot(X, y1, label='down', color='blue', linewidth=0.8, linestyle='--')
        plt.legend(loc='lower right') #定义方位， 可以选择   'best'
        
        if show:
            plt.show()
    # test_legend(True)

![70 3][]

plt.legend(loc=1)中loc的常用参数：loc=0 对呀loc='best'

分别为：右上，左上，左下，右下（呈现一个逆时针），还有center right 等

>     ax.legend(loc=0) # let matplotlib decide the optimal location
>     ax.legend(loc=1) # upper right corner
>     ax.legend(loc=2) # upper left corner
>     ax.legend(loc=3) # lower left corner
>     ax.legend(loc=4) # lower right corner

def test_annotate(show=False):
        plt.figure(num='a')
        X = np.linspace(0, 5, 30)
        y = 2*X + 1
        plt.plot(X, y, color='red')
        ax = plt.gca()
        ax.spines['right'].set_color('none') 
        ax.spines['top'].set_color('none')
        ax.xaxis.set_ticks_position('bottom')   #将底部和左边的框设置为X， y轴
        ax.yaxis.set_ticks_position('left')
        ax.spines['bottom'].set_position(('data', 0)) #将x， y的0点，设值为原点
        ax.spines['left'].set_position(('data', 0))
        
        X0 = 1
        y0 = 2*X0 +1 
        plt.scatter(X0, y0, s=50, color='b')
        plt.plot([X0, X0], [y0, 0], 'k--', linewidth=1.5)
        
        #方法1 
        plt.annotate(r'$2X+1=%s$'%y0, xy=(X0, y0), xycoords='data', xytext=(+30, -30), textcoords='offset points',
                     fontsize=16, arrowprops= dict(arrowstyle='->', connectionstyle='arc3, rad=.2')
                     )
        #方法2 
        plt.text(2, 4, r'$This\ is\ some\ text.\ \mu\ \sigma_i\ \alpha_t$', 
                 fontdict={'size':10, 'color':'red'}
                 )
        if show:
            plt.show()
    # test_annotate(True)

![70 4][]

def test_scatter(show=False): 
        plt.figure(num='test_scatter')
        n = 1024  
        X = np.random.normal(0, 1, n)
        y = np.random.normal(0, 1, n)
        T = np.arctan2(y, X)
        plt.scatter(X, y, s=25, c=T, alpha=0.5) # s 为size， c为color， alpha透明度
        
        plt.xticks(())
        plt.yticks(())  #内置空括号， 不显示坐标
        
        if show:
            plt.show()
    # test_scatter(True)
    def test_image(show=False):
        a = np.arange(9)
        from sklearn.preprocessing import StandardScaler
        a = StandardScaler().fit_transform(a.reshape(-1,1))
        a = a.reshape(3,3)
        plt.figure(num='test_image')
        
        plt.rcParams['font.sans-serif'] = ['KaiTi']    #显示楷体
        plt.rcParams['axes.unicode_minus'] = False #正常显示负号
        plt.xlabel('显示中文：这是X轴')
        plt.ylabel('显示中文：这是Y轴')
        
        plt.imshow(a, interpolation='nearest', cmap='bone', origin='down')#origin有upper 和 down等
        plt.colorbar(shrink=0.9)    # 旁边的小条显示； 将字体的显示代码放在colorbar前面，解决显示框框的问题
        
        plt.xticks(())
        plt.yticks(())
        if show:
            plt.show()
            
    test_image(True)

![70 5][]

![70 6][]

有关于显示中文的参数选项：

方式1：

plt.rcParams['font.sans-serif'] = ['KaiTi']    #显示楷体
     plt.rcParams['axes.unicode_minus'] = False #正常显示负号

方式2：

该方法较为灵活，只对局部有效。

plt.xlabel('显示中文：这是X轴', fontproperties='SimHei')
    plt.ylabel('显示中文：这是Y轴', fontproperties='FangSong')

<table> 
 <tbody> 
  <tr> 
   <td>宋体</td> 
   <td>SimSun</td> 
  </tr> 
  <tr> 
   <td>黑体</td> 
   <td>SimHei</td> 
  </tr> 
  <tr> 
   <td>微软雅黑</td> 
   <td>Microsoft YaHei</td> 
  </tr> 
  <tr> 
   <td>微软正黑体</td> 
   <td>Microsoft JhengHei</td> 
  </tr> 
  <tr> 
   <td>新宋体</td> 
   <td>NSimSun</td> 
  </tr> 
  <tr> 
   <td>新细明体</td> 
   <td>PMingLiU</td> 
  </tr> 
  <tr> 
   <td>细明体</td> 
   <td>MingLiU</td> 
  </tr> 
  <tr> 
   <td>标楷体</td> 
   <td>DFKai-SB</td> 
  </tr> 
  <tr> 
   <td>仿宋</td> 
   <td>FangSong</td> 
  </tr> 
  <tr> 
   <td>楷体</td> 
   <td>KaiTi</td> 
  </tr> 
  <tr> 
   <td>隶书</td> 
   <td>LiSu</td> 
  </tr> 
  <tr> 
   <td>幼圆</td> 
   <td>YouYuan</td> 
  </tr> 
  <tr> 
   <td>华文细黑</td> 
   <td>STXihei</td> 
  </tr> 
  <tr> 
   <td>华文楷体</td> 
   <td>STKaiti</td> 
  </tr> 
  <tr> 
   <td>华文宋体</td> 
   <td>STSong</td> 
  </tr> 
  <tr> 
   <td>华文中宋</td> 
   <td>STZhongsong</td> 
  </tr> 
  <tr> 
   <td>华文仿宋</td> 
   <td>STFangsong</td> 
  </tr> 
  <tr> 
   <td>方正舒体</td> 
   <td>FZShuTi</td> 
  </tr> 
  <tr> 
   <td>方正姚体</td> 
   <td>FZYaoti</td> 
  </tr> 
  <tr> 
   <td>华文彩云</td> 
   <td>STCaiyun</td> 
  </tr> 
  <tr> 
   <td>华文琥珀</td> 
   <td>STHupo</td> 
  </tr> 
  <tr> 
   <td>华文隶书</td> 
   <td>STLiti</td> 
  </tr> 
  <tr> 
   <td>华文行楷</td> 
   <td>STXingkai</td> 
  </tr> 
  <tr> 
   <td>华文新魏</td> 
   <td>STXinwei</td> 
  </tr> 
 </tbody> 
</table>

使用matplotlib 面向对象的方法，只是创建一个局部实例

def test_oob(show=False):
        X = np.linspace(0, 5, 20)
        y = X**2 
        fig = plt.figure(num='api')
        #对轴进行控制
        axes = fig.add_axes([0.1, 0.1, 0.8, 0.8]) #参数：  left, bottom, width, height (range 0 to 1)
        axes.plot(X, y, 'r--')
        axes.set_xlabel('X')
        axes.set_ylabel('y')
        axes.set_title('this is title')
        
        #插入一个坐标轴,增加一个图形；主要是方便控制坐标轴
        axes2 = fig.add_axes([0.2, 0.55, 0.4, 0.3])
        axes2.plot(y, X, 'g*-')
        axes2.set_xlabel('x1')
        axes2.set_ylabel('y1')
        axes2.set_title('this is insert_title_1', fontsize=8, color='red')
        if show:
            plt.show()
    # test_oob(True)

![70 7][]

def test_sub(show=False):
        from matplotlib import rcParams
        from math import exp
        rcParams.update({'font.size':10, 'font.family':'serif'})    #对全局的字体大小进行设定，下面自定义字体大小失效
    #     rcParams['xtick.major.pad']=5
    #     rcParams['ytick.major.pad']=5
        X = np.linspace(0, 5, 20)
        y = X**2
        fig, axes = plt.subplots(nrows=1, ncols=3, figsize=(10,4))
        axes[0].plot(X, y, label=r'$y\ =\ X^2$')
        axes[0].plot(2*X, y, label=r'$y\ =\ 2\ X\ \alpha^2$')   #支持LaTex 格式,alpha 随意
        axes[0].legend(loc='lower right')
        axes[0].set_title('这是2条线', fontproperties='FangSong')
        
        axes[1].plot(y, X, lw=1, ls='-.', marker='+')
        axes[1].set_xlim([10, 20])  #设置x轴的范围
        axes[1].set_yscale('log')   #设置新的坐标轴刻度
        axes[1].set_ylim()
         
        axes[2].plot(X, X**2)
        axes[2].set_xticks([1,2,3,4,5])
        axes[2].set_xticklabels([r'$\alpha$',r'$\beta$',r'$\gamma$',r'$\delta$',r'$\epsilon$'], fontsize=10)
        yticks = [1, 4, 9, 16, 25]
        axes[2].set_yticks(yticks)
        axes[2].set_yticklabels([r'$%.1f$'%y for y in yticks], fontsize=10) #自定义设置刻度
        axes[2].set_ylabel(r'volumn $(m^2)$', fontsize=10, color='b')
        for label in axes[2].get_yticklabels():
            label.set_color('blue')
    #     axes[2].grid(True)    系统自定义参数
        axes[2].grid(color='red', alpha=0.5, linestyle='dashed', linewidth=0.5)
        axes[2].spines['left'].set_color('#99ee88') # 设置y 轴的颜色
        axes[2].spines['bottom'].set_color('k')
        axes[2].spines['bottom'].set_linewidth(2)   #设置x 轴的线宽
        axes[2].spines['right'].set_color('black')
        axes[2].spines['top'].set_color('none')
        
        ax = axes[2].twinx()    #双坐标轴
        ax.plot(X, X**3, lw=2, color='r')
        ax.set_ylabel(r'volumn $(m^3)$', fontsize=10, color='r')
        for label in ax.get_yticklabels():  #将y 轴的刻度值设定为 红色
            label.set_color('red')
        
        fig.tight_layout()
        if show:
            plt.show()
    test_sub(True)

![70 8][]

def test_2D_plot(show=False):
        n = np.arange(5)
        x = np.random.randn(100)
        fig, axes = plt.subplots(1, 4, figsize=(12, 6))
        
        axes[0].scatter(x, x + 0.25*np.random.randn(len(x)), color='red', s=10)
        axes[0].set_title('scatter')
        
        axes[1].step(n, n**2, lw=2)
        axes[1].set_title('step')
        
        axes[2].bar(n, n**2, align='center', width=0.5, alpha=0.5) 
        axes[2].set_title('bar')
        
        axes[3].fill_between(n, n**2, n**3, color='green', alpha=0.5)   # 在两个区域间进行涂色
        axes[3].set_title('fill_between')
        
        fig2 = plt.figure(num='polar')  # 以极坐标画图
        import math 
        ax = fig2.add_axes([0.2, 0.2, 0.6, 0.6], polar=True)
        s = np.linspace(0 , 2*math.pi, 100)
        ax.plot(s, s, color='red', lw=3)
        
        fig3 = plt.figure(num='subplot')
        fig, ax = plt.subplots(2,3)
        fig.tight_layout()
        
        fig4 = plt.figure(num='plot2grid')
        ax1 = plt.subplot2grid((3,3), (0, 0), colspan=3)
        ax2 = plt.subplot2grid((3,3), (1, 0), colspan=2)
        ax3 = plt.subplot2grid((3,3), (1, 2), rowspan=2)
        ax4 = plt.subplot2grid((3,3), (2, 0))
        ax5 = plt.subplot2grid((3,3), (2, 1))
        
        
        if show:
            plt.show()
    test_2D_plot(True)

![70 9][]

--------------------

![70 10][]![70 11][]

[70]: /images/20220509/38d751026bb04a9eafbd4a8b43f7128a.png
[70 1]: /images/20220509/7a01e1c6e73b462989e4717003994318.png
[70 2]: /images/20220509/e558327ebec0472182e22f5e7dcc45d7.png
[70 3]: /images/20220509/c777f0eceac54bbdb54d564d26aa8ac8.png
[70 4]: /images/20220509/5fc9838f28c248f0a11c204795964f89.png
[70 5]: /images/20220509/ea06411747ca4a43820ff58a87162927.png
[70 6]: /images/20220509/8136b0562b8a4a2496eda37f1cf6be4f.png
[70 7]: /images/20220509/a3138f96fddc4974a7a55d5788aea937.png
[70 8]: /images/20220509/9325e64247464d31aa5df8796a5469dd.png
[70 9]: /images/20220509/8fd7786681bd4715a43a4572c960f6f6.png
[70 10]: https://img-blog.csdn.net/20181006200717364?watermark/2/text/aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQwNTg3NTc1/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70
[70 11]: /images/20220509/90ec5a0d55e247f28d49fcc145996b13.png