matplotlib基础学习

水深无声 2022-06-03 02:25 248阅读 0赞

### matplotlib基础学习 ###

matplotlib库是一个非常强大的数据可视化库，可以绘制多种的可视化图片。

#### 简单示例 ####

import numpy as np
    import matplotlib.pyplot as plt
    
    # 从-1,1之间获取50个数
    x = np.linspace(-1, 1, 50)
    y = 2 * x + 1
    # 画线
    plt.plot(x, y)
    # 显示图像
    plt.show()

如图：

![image][]

#### Figure ####

matplotlib的图像都是位于Figure对象中。我们可以使用plt.figure创建一个Figure：如：

import numpy as np
    import matplotlib.pyplot as plt
    
    x = np.linspace(-3, 3, 50)
    y1 = x * 2 + 1
    y2 = x ** 2
    
    # 创建一个Figure对象
    plt.figure()
    # 将线画在figure上
    plt.plot(x, y1)
    
    # 创建另外一个Figure
    plt.figure()
    # 在figure上画线
    plt.plot(x, y2)
    
    # 显示
    plt.show()

![image][image 1]

除此之外，我们还可以对figure的参数进行修改：

# num：指定figure的名称，figsize：指定figure的宽高
    plt.figure(num=3, figsize=(8, 4))

我们还可以在figure上画多根线，还可以指定线的颜色，样式等，如：

import numpy as np
    import matplotlib.pyplot as plt
    
    x = np.linspace(-3, 3, 50)
    y1 = x * 2 + 1
    y2 = x ** 2
    
    # 创建一个Figure对象
    plt.figure()
    # 将线画在figure上
    plt.plot(x, y1)
    
    # 创建另外一个Figure，指定num为3，设置宽高为（8,4）
    plt.figure(num=3, figsize=(8, 4))
    # 在figure上画线，默认是蓝色
    plt.plot(x, y2)
    # 在figure上画线，color：指定线的颜色，linewidth：指定线宽，linestype：指定线的样式。
    plt.plot(x, y1, color='red', linewidth=1.0, linestyle='--')
    
    # 显示
    plt.show()

![image][image 2]

#### 设置坐标轴和标题 ####

设置坐标轴，我们常常使用如下方法：

*  xlim：限制x轴的取值范围
 *  ylim：限制y轴的取值范围
 *  xlabel：设置x轴的标签
 *  ylabel：设置y轴的标签
 *  title：设置标题

**注：中文在figure的显示，使用FontProperties，加载字体**

# 在上面的代码基础上添加
    ...
    
    # 设置x轴范围在(-2,3)
    plt.xlim((-2, 3))
    # 设置y轴范围在(-2,8)
    plt.ylim((-2, 8))
    
    # 设置x轴的标签
    plt.xlabel('I am x')
    # 设置y轴的标签，显示中文
    font = FontProperties(fname='C:\Windows\Fonts\simkai.ttf', size=14) # 从指定的位置加载字体，设置字体大小
    plt.ylabel('y 轴', fontproperties=font)
    
    # 设置标题
    plt.title('我是标题', fontproperties=font)
    
    # 显示
    plt.show()

![image][image 3]

我们还可以设置x,y轴上的刻度显示：

*  xticks：x轴的数字显示（刻度显示）
 *  yticks：x轴的数字显示（刻度显示）

# 在上面的代码基础上
    ...
    
    # 设置x轴的刻度显示
    news_ticks = np.linspace(-2, 3, 11)
    plt.xticks(news_ticks)
    # 设置y轴上的刻度显示，并指定别名
    plt.yticks([0, 2, 4, 6, 8], ['bad', 'normal', 'no bad', 'good', 'very good'])
    
    # 显示
    plt.show()

![image][image 4]

我们还可以通过gca()方法，获取axis对象来对轴进行做操作。

# 在上面代码基础上
    
    ...
    
    # get current axis
    ax = plt.gca()
    # spines表示边框刻度，有left,right,top,bottom
    # 设置right,右边的颜色为none
    ax.spines['right'].set_color('none')
    # 设置top,上边的颜色为none
    ax.spines['top'].set_color('none')
    
    # 将bottom的边框刻度设置为0的位置，与y轴相交
    ax.spines['bottom'].set_position(('data', 0))
    # 将left的边框刻度设置为0的位置，与x轴相交
    ax.spines['left'].set_position(('data', 0))
    
    # 显示
    plt.show()

![image][image 5]

#### 图例 ####

import numpy as np
    import matplotlib.pyplot as plt
    
    x = np.linspace(-3, 3, 50)
    y1 = x * 2 + 1
    y2 = x ** 2
    # 创建一个Figure
    plt.figure()
    # 在figure上画线，label:标签
    plt.plot(x, y2, label='aaa')
    # 在figure上画线，color：指定线的颜色，linewidth：指定线宽，linestype：指定线的样式，label：标签
    plt.plot(x, y1, color='red', linewidth=1.0, linestyle='--', label='bbb')
    
    # 设置图例
    plt.legend()
    
    # 显示
    plt.show()

![image][image 6]

我们还有另外一种方式生成图例：

import numpy as np
    import matplotlib.pyplot as plt
    
    x = np.linspace(-3, 3, 50)
    y1 = x * 2 + 1
    y2 = x ** 2
    # 创建一个Figure
    plt.figure()
    # 在figure上画线，返回一个line1,对象：变量后面需要加上,
    line1, = plt.plot(x, y2, label='aaa')
    # 在figure上画线，color：指定线的颜色，linewidth：指定线宽，linestype：指定线的样式
    line2, = plt.plot(x, y1, color='red', linewidth=1.0, linestyle='--', label='bbb')
    
    # 设置图例，handles：接收作为图例的参数，labels会把line1和line2的label覆盖，loc：图例放置的位置，best：默认最好的位置
    plt.legend(handles=(line1, line2), labels=('linear line', 'square line'), loc='best')
    
    # 显示
    plt.show()

![image][image 7]

#### annotation标注 ####

import numpy as np
    import matplotlib.pyplot as plt
    from matplotlib.font_manager import FontProperties
    
    x = np.linspace(-3, 3, 50)
    y1 = x * 2
    y2 = x ** 2
    plt.figure()
    plt.plot(x, y1, color='red', lw=1, linestyle='--')
    plt.plot(x, y2, color='blue', lw=1)
    
    plt.xlim(-2, 3)
    plt.ylim(-2, 6)
    
    ax = plt.gca()
    ax.spines['top'].set_color('none')
    ax.spines['right'].set_color('none')
    ax.spines['bottom'].set_position(('data', 0))
    ax.spines['left'].set_position(('data', 0))
    
    x0 = 2
    y0 = 2 * x0
    plt.plot([x0, x0], [y0, 0], 'k--', lw=1)
    plt.scatter([x0, ], [y0, ], s=50, lw=0, color='black')
    
    # 创建一个描述 annotate(s, xy, xytext=None, xycoords='data',textcoords='data', arrowprops=None, **kwargs)
    # s : 描述的内容
    # xy : 加描述的点
    # xytext : 标注的位置，xytext=(30,-30),表示从标注点x轴方向上增加30，y轴方向上减30的位置
    # xycoords 、textcoords :这两个参数试了好多次没弄明白，只知道 xycoords='data'给定就行，
    # textcoords='offset points' 标注的内容从xy设置的点进行偏移xytext
    # textcoords='data' 标注内容为xytext的绝对坐标
    # fontsize : 字体大小，这个没什么好说的
    # arrowstyle : 箭头样式'->'指向标注点 '<-'指向标注内容 还有很多'-'
    # '->' head_length=0.4,head_width=0.2
    # '-[' widthB=1.0,lengthB=0.2,angleB=None
    # '|-|' widthA=1.0,widthB=1.0
    # '-|>' head_length=0.4,head_width=0.2
    # '<-' head_length=0.4,head_width=0.2
    # '<->' head_length=0.4,head_width=0.2
    # '<|-' head_length=0.4,head_width=0.2
    # '<|-|>' head_length=0.4,head_width=0.2
    # 'fancy' head_length=0.4,head_width=0.4,tail_width=0.4
    # 'simple' head_length=0.5,head_width=0.5,tail_width=0.2
    # 'wedge' tail_width=0.3,shrink_factor=0.5
    font = FontProperties(fname='C:\Windows\Fonts\simkai.ttf', size=10)  # 从指定的位置加载字体，设置字体大小
    plt.annotate(s='y = 2x 与 \ny = x ** 2相交', xy=(x0, y0), xytext=(+30, -30), xycoords='data', textcoords='offset points',
                 fontsize=10, arrowprops=dict(arrowstyle='<-', connectionstyle="arc3,rad=.2"), fontproperties=font)
    
    # 直接在图片上添加文字做标注，实际是添加文字
    # (-2,5)坐标处开始输入，输入的内容空格要用\转义，
    plt.text(-2, 5, r'$This\ is\ the\ some\ text.$',fontdict={
       'size': 10, 'color': 'r'})
    plt.show()

![image][image 8]

#### scatter散点图 ####

import numpy as np
    import matplotlib.pyplot as plt
    
    plt.scatter(np.arange(30), np.arange(30) + 3 * np.random.randn(30), marker='o', color='blue')
    plt.scatter(np.arange(30), np.arange(30) + 3 * np.random.randn(30), marker='x', color='red')
    
    plt.show()

![image][image 9]

#### 柱状图 ####

import numpy as np
    import matplotlib.pyplot as plt
    
    n = 10
    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)
    
    # 设置柱状图，facecolor：柱状图的颜色，edgecolor：边框颜色
    bar1 = plt.bar(X, Y1, facecolor='#9999ff', edgecolor='white')
    # -Y2：负数，表示朝下
    bar2 = plt.bar(X, -Y2, facecolor='#ff9999', edgecolor='white')
    
    for x, y in zip(X, Y1):
        # text()：在柱状图上设置文字
        # x,y+0.02表示文字的位置（坐标）
        # '%.2f':保留2位小数
        # ha: horizontal alignment（水平对齐）
        # va: vertical alignment（垂直对齐）
        plt.text(x, y + 0.02, '%.2f' % y, ha='center', va='bottom')
    
    for x, y in zip(X, Y2):
        # text()：在柱状图上设置文字
        # x,-y-0.02表示文字的位置（坐标）
        # '%.2f':保留2位小数
        # ha: horizontal alignment（水平对齐）
        # va: vertical alignment（垂直对齐）
        plt.text(x, -y - 0.02, '%.2f' % y, ha='center', va='top')
    
    # 去除边框上的刻度
    plt.xticks(())
    plt.yticks(())
    
    # 去除边框
    ax = plt.gca()
    ax.spines['left'].set_color('none')
    ax.spines['right'].set_color('none')
    ax.spines['top'].set_color('none')
    ax.spines['bottom'].set_color('none')
    
    # 设置图例
    plt.legend(handles=(bar1, bar2), labels=('male', 'female'), loc='best')
    
    plt.show()

![image][image 10]

#### 等高线 ####

import numpy as np
    import matplotlib.pyplot as plt
    
    
    def f(x, y):
        # 通过x,y的坐标计算height
        return (1 - x / 2 + x ** 5 + y ** 3) * np.exp(-x ** 2 - y ** 2)
    
    
    n = 256
    x = np.linspace(-3, 3, n)
    y = np.linspace(-3, 3, n)
    # meshgrid函数通常在数据的矢量化上使用. 适用于生成网格型数据
    X, Y = np.meshgrid(x, y)
    
    # 画出等高线
    C = plt.contour(X, Y, f(X, Y), 8, cmap = plt.cm.hot, linewidth=0.5)
    # 画出等高线上的数字
    plt.clabel(C, inline=True, fontsize=10)
    
    plt.xticks(())
    plt.yticks(())
    plt.show()

![image][image 11]

#### Image图片 ####

import numpy as np
    import matplotlib.pyplot as plt
    
    a = np.array([0.313660827978, 0.365348418405, 0.423733120134,
                  0.365348418405, 0.439599930621, 0.525083754405,
                  0.423733120134, 0.525083754405, 0.651536351379]).reshape(3, 3)
    
    # 以image的形式显示
    # interpolation:显示方向
    # cmap：显示图片的背景
    # origin:['upper', 'lower']
    plt.imshow(a, interpolation='nearest', cmap='hot', origin='lower')
    
    # 设置颜色条，shrink:压缩比例
    plt.colorbar(shrink=0.9)
    
    # 去除边框的刻度
    plt.xticks(())
    plt.yticks(())
    
    plt.show()

![image][image 12]

#### 3D图形 ####

import numpy as np
    import matplotlib.pyplot as plt
    from mpl_toolkits.mplot3d import Axes3D
    
    fig = plt.figure()
    
    ax = Axes3D(fig)
    
    X = np.arange(-4, 4, 0.25)
    Y = np.arange(-4, 4, 0.25)
    X, Y = np.meshgrid(X, Y)
    R = np.sqrt(X ** 2 + Y ** 2)
    Z = np.sin(R)
    
    # rstride:横跨
    # cstride：列跨
    # cmap：彩虹样式
    ax.plot_surface(X, Y, Z, rstride=1, cstride=1, cmap=plt.get_cmap('rainbow'))
    # 等高线
    ax.contourf(X, Y, Z, zdir='x', offset=-2, cmap='rainbow')
    # z轴限制，它会把Z轴图形压缩
    ax.set_zlim(-2, 2)
    
    plt.show()

![image][image 13]

#### sublplot ####

import matplotlib.pyplot as plt
    
    plt.figure()
    
    # 将figure分成2行2列,1：第1张图
    plt.subplot(2, 2, 1)
    # 第一个plot
    plt.plot([0, 1], [0, 1])
    
    # 将figure分成2行2列,2：第2张图
    plt.subplot(2, 2, 2)
    # 第一个plot
    plt.plot([0, 1], [0, 1])
    
    # 将figure分成2行2列,3：第3张图
    plt.subplot(2, 2, 3)
    # 第一个plot
    plt.plot([0, 1], [0, 1])
    
    # 将figure分成2行2列,4：第4张图
    plt.subplot(2, 2, 4)
    # 第一个plot
    plt.plot([0, 1], [0, 1])
    
    plt.show()

![image][image 14]

import matplotlib.pyplot as plt
    
    plt.figure()
    
    # 2行1列第1个元素
    plt.subplot(2, 1, 1)
    plt.plot([0, 1], [0, 1])
    
    # 2行3列第4个元素（上面有一行占了3个元素）
    plt.subplot(2, 3, 4)
    plt.plot([0, 1], [0, 1])
    
    # 2行3列第5个元素
    plt.subplot(2, 3, 5)
    plt.plot([0, 1], [0, 1])
    
    # 2行3列第6个元素
    plt.subplot(2, 3, 6)
    plt.plot([0, 1], [0, 1])
    
    plt.show()

![image][image 15]

#### 分格显示 ####

分格显示有3种方法：

*  subplot2grid

import matplotlib.pyplot as plt
    
    
    plt.figure()
    
    # (3,3):3行3列，(0,0)：起始坐标，colspan=3：占3个单元格，rowspan=1：占一行
    ax1 = plt.subplot2grid((3, 3), (0, 0), colspan=3, rowspan=1)
    ax1.plot([1, 2], [1, 2])
    ax1.set_title('ax1_title')
    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))
    
    plt.show()

*  gridspec

import matplotlib.pyplot as plt
    import matplotlib.gridspec as gridspec
    
    
    plt.figure()
    
    # 生成grid的数组
    gs = gridspec.GridSpec(3,3)
    # 通过数组的方式分格空间
    ax6 = plt.subplot(gs[0, :])
    ax7 = plt.subplot(gs[1, :2])
    ax8 = plt.subplot(gs[1:, 2])
    ax9 = plt.subplot(gs[-1, 0])
    ax10 = plt.subplot(gs[-1, -2])
    
    plt.show()

前2种方式的图如下：

![image][image 16]

*  subplots

import matplotlib.pyplot as plt
    import matplotlib.gridspec as gridspec
    
    
    plt.figure()
    
    # 参数：2,2表示2行2列，sharex：是否分享x轴，sharey：是否分享y轴
    # (ax11,ax12),(ax21,ax22)表示矩阵位置
    f, ((ax11, ax12), (ax21, ax22)) = plt.subplots(2, 2, sharex=True, sharey=True)
    
    # 对ax11画出散点图
    ax11.scatter([1, 2], [1, 2])
    
    plt.show()

![image][image 17]

#### 图中图 ####

import matplotlib.pyplot as plt
    
    fig = plt.figure()
    x = range(1, 8)
    y = [1, 3, 4, 2, 5, 8, 6]
    
    # figure中的一个ax1，给ax1设置大小，标签，标题等
    left, bottom, width, height = 0.1, 0.1, 0.8, 0.8
    ax1 = fig.add_axes([left, bottom, width, height])
    ax1.plot(x, y, 'r')
    ax1.set_xlabel('x')
    ax1.set_ylabel('y')
    ax1.set_title('title')
    
    # figure中的一个ax2，给ax1设置大小，标签，标题等
    left, bottom, width, height = 0.2, 0.6, 0.25, 0.25
    ax2 = fig.add_axes([left, bottom, width, height])
    ax2.plot(x, y, 'b')
    ax2.set_xlabel('x')
    ax2.set_ylabel('y')
    ax2.set_title('title inside 1')
    
    # 与上面使用axis对象的是一样的
    left, bottom, width, height = 0.6, 0.2, 0.25, 0.25
    plt.axes([left, bottom, width, height])
    # y[::-1]：y数组倒序排列
    plt.plot(y[::-1], x, 'g')
    plt.xlabel('x')
    plt.ylabel('y')
    plt.title('title inside 2')
    
    plt.show()

![image][image 18]

#### 主次坐标轴 ####

import matplotlib.pyplot as plt
    import numpy as np
    
    x = np.arange(0, 10, 0.1)
    y1 = 0.05 * x ** 2
    y2 = -1 * y1
    
    fig, ax1 = plt.subplots()
    
    ax2 = ax1.twinx()
    ax1.plot(x, y1, 'g-')
    ax2.plot(x, y2, 'b--')
    
    ax1.set_xlabel('X data')
    ax1.set_ylabel('Y1 data', color='g')
    ax2.set_ylabel('Y2 data', color='b')
    
    plt.show()

![image][image 19]

#### Animation 动画 ####

import numpy as np
    from matplotlib import pyplot as plt
    from matplotlib import animation
    
    fig, ax = plt.subplots()
    
    x = np.arange(0, 2 * np.pi, 0.01)
    
    line, = ax.plot(x, np.sin(x))
    
    
    def animate(i):
        # 更新数据
        line.set_ydata(np.sin(x + i / 10.0))
        return line
    
    
    def init():
        # 初始化
        line.set_ydata(np.sin(x))
        return line
    
    
    anim = animation.FuncAnimation(fig=fig, func=animate, frames=100,
                                   init_func=init, interval=20)
    
    plt.show()

![image][image 20]

[image]: /images/20220603/9f26af31257e48c18172f1376258174e.png
[image 1]: /images/20220603/0eb7aaed620f48119ab14a5cd11e070c.png
[image 2]: /images/20220603/3edd56322d394a8abec05923724e3836.png
[image 3]: /images/20220603/0f0b39c0b8f141c686c493cfca14ee75.png
[image 4]: /images/20220603/06b63b32ea6141ef820855ef9bab88b2.png
[image 5]: /images/20220603/8413bed0d6b74d9e85fb166cb4435722.png
[image 6]: /images/20220603/21cdf13a8a3c4327b0945afb18f72255.png
[image 7]: /images/20220603/466aef8ac4c84b5fac69edca8e87fedf.png
[image 8]: /images/20220603/dc40d0be6f6441d6a15f45e6126b2247.png
[image 9]: /images/20220603/a3715155f47a4bb38631fdc7421d6ca0.png
[image 10]: /images/20220603/8b23db59cd79433981df5d2e1880ecbc.png
[image 11]: /images/20220603/c8e47153b3c0413f817f8b2f27187a48.png
[image 12]: /images/20220603/c33b571aad654aacb7b3d85f96fb925d.png
[image 13]: /images/20220603/e057910e91974b86a51591a5615e74aa.png
[image 14]: /images/20220603/4819e18f837a430695933b59605ad9cf.png
[image 15]: /images/20220603/8ab5d0a4b99c4f33a6ae91383d2a5ba9.png
[image 16]: /images/20220603/3f4b6c331592446899dd9808446273fc.png
[image 17]: /images/20220603/c40c13a20182424c9913cd7cbcbf5ec3.png
[image 18]: /images/20220603/6777cff897114e05bbef757f9cebe9d4.png
[image 19]: /images/20220603/57e8a07926264ca89a49218a7f289278.png
[image 20]: /images/20220603/177037753d4f4e3bbf0b9a884321b061.png