python matplotlib 画图神器

刺骨的言语ヽ痛彻心扉 2022-11-29 12:26 156阅读 0赞

> Matplotlib 是 Python 的一个绘图库。它包含了大量的工具，你可以使用这些工具创建各种图形，包括简单的散点图，正弦曲线，甚至是三维图形。

# 导入相关模块
    import matplotlib.pyplot as plt
    import numpy as np

画一个简单的图形

这里我们通过画出一个正弦曲线图来讲解下基本用法。

首先通过 np.linspace 方式生成 x，它包含了 50 个元素的数组，这 50 个元素均匀的分布在 \[0, 2pi\] 的区间上。然后通过 np.sin(x) 生成 y。

x = np.linspace(0, 2 * np.pi, 50)
    y = np.sin(x)

有了 x 和 y 数据之后，我们通过 plt.plot(x, y) 来画出图形，并通过 plt.show() 来显示。

plt.plot(x, y)
    plt.show()

![format_png][]

在一张图纸里绘制多个图形

有时候，可能需要在一个图纸里绘制多个图形，这里我们同时绘制了 (x, y), (x, y \* 2)两个图形。

plt.plot(x, y)
    plt.plot(x, y * 2)
    plt.show()

![format_png 1][]

绘制出图形之后，我们可以自己调整更多的样式，比如颜色、点、线。

plt.plot(x, y, 'y*-')
    plt.plot(x, y * 2, 'm--')
    plt.show()

![format_png 2][]

可以看到，设置样式时，就是增加了一个字符串参数，比如 'y*-' ，其中 y 表示黄色，* \*表示星标的点，-- 表示虚线。

这里列举一些常见的颜色表示方式：

常见的点的表示方式：

常见的线的表示方式：

更多设置

Matplotlib 支持各种灵活的设置，这里我们列举一些常见的内容。

*  设置 figure

你可以认为Matplotlib绘制的图形都在一个默认的 figure 中，当然了，你可以自己创建 figure，好处就是可以控制更多的参数，常见的就是控制图形的大小，这里创建一个 figure，设置大小为 (6, 3)。

plt.figure(figsize=(6, 3))
    plt.plot(x, y)
    plt.plot(x, y * 2)
    plt.show()

![format_png 3][]

image

*  设置标题

来看下如何设置标题。

plt.plot(x, y)
    plt.plot(x, y * 2)
    plt.title("sin(x) & 2sin(x)")
    plt.show()

![format_png 4][]

直接通过 `plt.title` 即可设置图形标题。

*  设置坐标轴

来看下如何设置坐标轴的范围以及名称。

plt.plot(x, y)
    plt.plot(x, y * 2)
    
    plt.xlim((0, np.pi + 1))
    plt.ylim((-3, 3))
    plt.xlabel('X')
    plt.ylabel('Y')
    
    plt.show()

![format_png 5][]

通过 `xlim` 和 `ylim` 来设限定轴的范围，通过 `xlabel` 和 `ylabel` 来设置轴的名称。

此外，我们也可以通过 `xticks` 和 `yticks` 来设置轴的刻度。

plt.plot(x, y)
    plt.plot(x, y * 2)
    plt.xticks((0, np.pi * 0.5, np.pi, np.pi * 1.5, np.pi * 2))
    plt.show()

![format_png 6][]

*  设置 label 和 legend  
    设置 label 和 legend 的目的就是为了区分出每个数据对应的图形名称。

plt.plot(x, y, label="sin(x)")
    plt.plot(x, y * 2, label="2sin(x)")
    # plt.legend()
    plt.legend(loc='best')
    plt.show()

![format_png 7][]

*  添加注释

有时候我们需要对特定的点进行标注，我们可以使用 `plt.annotate` 函数来实现。

这里我们要标注的点是`(x0, y0) = (π, 0)`。

我们也可以使用 `plt.text` 函数来添加注释。

plt.plot(x, y)
    
    x0 = np.pi
    y0 = 0
    
    # 画出标注点
    plt.scatter(x0, y0, s=50)
    
    plt.annotate('sin(np.pi)=%s' % y0, xy=(np.pi, 0), xycoords='data', xytext=(+30, -30),
                 textcoords='offset points', fontsize=16,
                 arrowprops=dict(arrowstyle='->', connectionstyle="arc3,rad=.2"))
    
    plt.text(0.5, -0.25, "sin(np.pi) = 0", fontdict={'size': 16, 'color': 'r'})
    
    plt.show()

![format_png 8][]

> 对于 `annotate` 函数的参数，做一个简单解释：  
> `'sin(np.pi)=%s' % y0` 代表标注的内容，可以通过字符串 `%s` 将 `y0` 的值传入字符串；  
> 参数`xycoords='data'`是说基于数据的值来选位置;  
> `xytext=(+30, -30)` 和`textcoords='offset points'`表示对于标注位置的描述 和 xy 偏差值，即标注位置是 xy 位置向右移动 30，向下移动30；  
> `arrowprops` 是对图中箭头类型和箭头弧度的设置，需要用 `dict` 形式传入。

*  使用子图

有时候我们需要将多张子图展示在一起，可以使用 `subplot()` 实现。即在调用 `plot()` 函数之前需要先调用 `subplot()` 函数。该函数的第一个参数代表子图的总行数，第二个参数代表子图的总列数，第三个参数代表活跃区域。

ax1 = plt.subplot(2, 2, 1) # （行，列，活跃区）
    plt.plot(x, np.sin(x), 'r')
    
    ax2 = plt.subplot(2, 2, 2, sharey=ax1) # 与 ax1 共享y轴
    plt.plot(x, 2 * np.sin(x), 'g')
    
    ax3 = plt.subplot(2, 2, 3)
    plt.plot(x, np.cos(x), 'b')
    
    ax4 = plt.subplot(2, 2, 4, sharey=ax3) # 与 ax3 共享y轴
    plt.plot(x, 2 * np.cos(x), 'y')
    
    plt.show()

![format_png 9][]

上面的 `subplot(2, 2, x)` 表示将图像窗口分为 2 行 2 列。x 表示当前子图所在的活跃区。

可以看到，上面的每个子图的大小都是一样的。有时候我们需要不同大小的子图。比如将上面第一张子图完全放置在第一行，其他的子图都放在第二行。

ax1 = plt.subplot(2, 1, 1) # （行，列，活跃区）
    plt.plot(x, np.sin(x), 'r')
    
    ax2 = plt.subplot(2, 3, 4)
    plt.plot(x, 2 * np.sin(x), 'g')
    
    ax3 = plt.subplot(2, 3, 5, sharey=ax2)
    plt.plot(x, np.cos(x), 'b')
    
    ax4 = plt.subplot(2, 3, 6, sharey=ax2)
    plt.plot(x, 2 * np.cos(x), 'y')
    
    plt.show()

![format_png 10][]

简单解释下，`plt.subplot(2, 1, 1)` 将图像窗口分为了 2 行 1 列, 当前活跃区为 1。

使用 `plt.subplot(2, 3, 4)` 将整个图像窗口分为 2 行 3 列, 当前活跃区为 4。

解释下为什么活跃区为 4，因为上一步中使用 `plt.subplot(2, 1, 1)` 将整个图像窗口分为 2 行 1 列, 第1个小图占用了第1个位置, 也就是整个第1行. 这一步中使用 `plt.subplot(2, 3, 4)` 将整个图像窗口分为 2 行 3 列, 于是整个图像窗口的第1行就变成了3列, 也就是成了3个位置, 于是第2行的第1个位置是整个图像窗口的第4个位置。

常见的图形

这里带大家画一些常见的示例图。

*  散点图  
    首先来看下如何绘制散点图。

k = 500
    x = np.random.rand(k) 
    y = np.random.rand(k)
    size = np.random.rand(k) * 50 # 生成每个点的大小
    colour = np.arctan2(x, y) # 生成每个点的颜色大小
    plt.scatter(x, y, s=size, c=colour)
    plt.colorbar() # 添加颜色栏
    
    plt.show()

![format_png 11][]

上面我们首先生成了要绘制的数据的点`x` 和 `y`，接下来为每个数据点生成控制大小的数组 `size`，然后未每个数据点生成控制颜色的数组 `colour`。最后通过 `colorbar()` 来增加一个颜色栏。

*  柱状图  
    柱状图我们经常会用到，我们来看下如何画出柱状图，并在图上标注出数据对应的数值。

k = 10
    x = np.arange(k)
    y = np.random.rand(k)
    plt.bar(x, y) # 画出 x 和 y 的柱状图
    
    # 增加数值
    for x, y in zip(x, y):
        plt.text(x, y , '%.2f' % y, ha='center', va='bottom')
    
    plt.show()

![format_png 12][]

生成数据 `x` 和 `y` 之后，调用 `plt.bar` 函数绘制出柱状图，然后通过 `plt.text` 标注数值，设置参数 `ha='center'` 横向居中对齐，设置 `va='bottom'`纵向底部（顶部）对齐。

*  中文乱码解决  
    Matplotlib 有个让人恼火的问题是，默认情况下，Matplotlib 中文会乱码。

x = ['北京', '上海', '深圳', '广州']
    y = [60000, 58000, 50000, 52000]
    plt.plot(x, y)
    plt.show()

![format_png 13][]

可以看到，上面所有的中文都乱码了，显示成方框了，如何解决呢？

其实只需要配置下后台字体即可。

plt.rcParams['font.sans-serif']=['SimHei'] #用来正常显示中文标签
    plt.rcParams['axes.unicode_minus']=False #用来正常显示负号
    
    plt.plot(x, y)
    plt.show()

![format_png 14][]

欢迎关注公众号：算法工程师的学习日志

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FpbmdmZW5neGQx_size_16_color_FFFFFF_t_70][]

[format_png]: /images/20221124/0f7f17fd94124c4084de581ce20b83b3.png
[format_png 1]: /images/20221124/529aa53256f24ed59df44c28b19b9f60.png
[format_png 2]: /images/20221124/6189fe59aa114d92855dafb8f5a9a70e.png
[format_png 3]: /images/20221124/32d5f5a8f9f8488ba7e887e89121d4d0.png
[format_png 4]: /images/20221124/5b0ace395e3c49c594502589a751e2a8.png
[format_png 5]: /images/20221124/bfce6edfeb6f40d3ab194c64e64d2d94.png
[format_png 6]: /images/20221124/b3a9768869034af49b380af689fb215b.png
[format_png 7]: /images/20221124/04895466f1a7416a8a1c5a29ded490e3.png
[format_png 8]: /images/20221124/45ac30f4a4dd4886819e4a7bd3130b6b.png
[format_png 9]: /images/20221124/52d5062529194dda8b5341b9c6c73da2.png
[format_png 10]: /images/20221124/0ba2e7be3ceb43d584448d941761d6ef.png
[format_png 11]: /images/20221124/9c06e4bcd7414a7cb9ddb65d76d3afab.png
[format_png 12]: /images/20221124/17050be6989443a09338b04d08318a27.png
[format_png 13]: /images/20221124/b6123e39a9ef46269dfb13531aba701b.png
[format_png 14]: /images/20221124/f726a9a5a731405a918be0e1434fde44.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FpbmdmZW5neGQx_size_16_color_FFFFFF_t_70]: /images/20221124/4e0d9de089f449428776bfabaaaf6639.png