Python Matplotlib简易教程(小白教程)

女爷i 2022-12-20 14:59 717阅读 0赞

更多编程教程请到：[菜鸟教程][Link 1] https://www.piaodoo.com/

友情链接：[好看站][Link 2] http://www.nrso.net/

**简单演示**

import matplotlib.pyplot as plt
    import numpy as np

# 从\[-1,1\]中等距去50个数作为x的取值 #

x = np.linspace(-1, 1, 50)  
print(x)  
y = 2\*x + 1

# 第一个是横坐标的值，第二个是纵坐标的值 #

plt.plot(x, y)

# 必要方法，用于将设置好的figure对象显示出来 #

plt.show()

![Image 1][]

import matplotlib.pyplot as plt
    import numpy as np

x = np.linspace(-1, 1, 50)  
y = 2\*\*x + 1

# 第一个是横坐标的值，第二个是纵坐标的值 #

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

![Image 1][]

**显示多个图像**

import matplotlib.pyplot as plt
    import numpy as np

# 多个figure #

x = np.linspace(-1, 1, 50)  
y1 = 2\*x + 1  
y2 = 2\*\*x + 1

# 使用figure()函数重新申请一个figure对象 #

# 注意，每次调用figure的时候都会重新申请一个figure对象 #

plt.figure()

# 第一个是横坐标的值，第二个是纵坐标的值 #

plt.plot(x, y1)

# 第一个参数表示的是编号，第二个表示的是图表的长宽 #

plt.figure(num = 3, figsize=(8, 5))

# 当我们需要在画板中绘制两条线的时候，可以使用下面的方法： #

plt.plot(x, y2)  
plt.plot(x, y1,  
color=‘red’, \# 线颜色  
linewidth=1.0, \# 线宽  
linestyle=’–’ \# 线样式  
)

plt.show()

这里会显示两个图像：

![Image 1][]

**去除边框，指定轴的名称**

import matplotlib.pyplot as plt
    import numpy as np

# 从\[-1,1\]中等距去50个数作为x的取值 #

x = np.linspace(-1, 1, 50)  
y1 = 2\*x + 1  
y2 = 2\*\*x + 1

# 请求一个新的figure对象 #

plt.figure()

# 第一个是横坐标的值，第二个是纵坐标的值 #

plt.plot(x, y1)

# 设置轴线的lable（标签） #

plt.xlabel(“I am x”)  
plt.ylabel(“I am y”)

plt.show()

![Image 1][]

**同时绘制多条曲线**

import matplotlib.pyplot as plt
    import numpy as np

# 从\[-1,1\]中等距去50个数作为x的取值 #

x = np.linspace(-1, 1, 50)  
y1 = 2\*x + 1  
y2 = 2\*\*x + 1

# num表示的是编号，figsize表示的是图表的长宽 #

plt.figure(num = 3, figsize=(8, 5))  
plt.plot(x, y2)

# 设置线条的样式 #

plt.plot(x, y1,  
color=‘red’, \# 线条的颜色  
linewidth=1.0, \# 线条的粗细  
linestyle=’–’ \# 线条的样式  
)

# 设置取值参数范围 #

plt.xlim((-1, 2)) \# x参数范围  
plt.ylim((1, 3)) \# y参数范围

# 设置点的位置 #

new\_ticks = np.linspace(-1, 2, 5)  
plt.xticks(new\_ticks)

# 为点的位置设置对应的文字。 #

# 第一个参数是点的位置，第二个参数是点的文字提示。 #

plt.yticks(\[-2, -1.8, -1, 1.22, 3\],  
\[r’ r e a l l y   b a d really\\ bad really bad’, r’ b a d bad bad’, r’ n o r m a l normal normal’, r’ g o o d good good’, r’ r e a d l y   g o o d readly\\ good readly good’\])

# gca = ‘get current axis’ #

ax = plt.gca()

# 将右边和上边的边框（脊）的颜色去掉 #

ax.spines\[‘right’\].set\_color(‘none’)  
ax.spines\[‘top’\].set\_color(‘none’)

# 绑定x轴和y轴 #

ax.xaxis.set\_ticks\_position(‘bottom’)  
ax.yaxis.set\_ticks\_position(‘left’)

# 定义x轴和y轴的位置 #

ax.spines\[‘bottom’\].set\_position((‘data’, 0))  
ax.spines\[‘left’\].set\_position((‘data’, 0))

plt.show()

![Image 1][]

**多条曲线之曲线说明**

import matplotlib.pyplot as plt
    import numpy as np

# 从\[-1,1\]中等距去50个数作为x的取值 #

x = np.linspace(-1, 1, 50)  
y1 = 2\*x + 1  
y2 = 2\*\*x + 1

# 第一个参数表示的是编号，第二个表示的是图表的长宽 #

plt.figure(num = 3, figsize=(8, 5))  
plt.plot(x, y2)  
plt.plot(x, y1, color=‘red’, linewidth=1.0, linestyle=’–’)

# 设置取值参数 #

plt.xlim((-1, 2))  
plt.ylim((1, 3))

# 设置lable #

plt.xlabel(“I am x”)  
plt.ylabel(“I am y”)

# 设置点的位置 #

new\_ticks = np.linspace(-1, 2, 5)  
plt.xticks(new\_ticks)  
plt.yticks(\[-2, -1.8, -1, 1.22,3\],  
\[r’ r e a l l y   b a d really\\ bad really bad’, r’ b a d bad bad’, r’ n o r m a l normal normal’, r’ g o o d good good’, r’ r e a d l y   g o o d readly\\ good readly good’\])

l1, = plt.plot(x, y2,  
label=‘aaa’  
)  
l2, = plt.plot(x, y1,  
color=‘red’, \# 线条颜色  
linewidth = 1.0, \# 线条宽度  
linestyle=’-.’, \# 线条样式  
label=‘bbb’ \#标签  
)

# 使用ｌｅｇｅｎｄ绘制多条曲线 #

plt.legend(handles=\[l1, l2\],  
labels = \[‘aaa’, ‘bbb’\],  
loc = ‘best’  
)

plt.show()

![Image 1][]

**多个figure，并加上特殊点注释**

import matplotlib.pyplot as plt
    import numpy as np

# 从\[-1,1\]中等距去50个数作为x的取值 #

x = np.linspace(-1, 1, 50)  
y1 = 2\*x + 1  
y2 = 2\*\*x + 1

plt.figure(figsize=(12, 8)) \# 第一个参数表示的是编号，第二个表示的是图表的长宽  
plt.plot(x, y2)  
plt.plot(x, y1, color=‘red’, linewidth=1.0, linestyle=’–’)

# gca = ‘get current axis’ #

ax = plt.gca()

# 将右边和上边的边框（脊）的颜色去掉 #

ax.spines\[‘right’\].set\_color(‘none’)  
ax.spines\[‘top’\].set\_color(‘none’)

# 绑定x轴和y轴 #

ax.xaxis.set\_ticks\_position(‘bottom’)  
ax.yaxis.set\_ticks\_position(‘left’)

# 定义x轴和y轴的位置 #

ax.spines\[‘bottom’\].set\_position((‘data’, 0))  
ax.spines\[‘left’\].set\_position((‘data’, 0))

# 显示交叉点 #

x0 = 1  
y0 = 2\*x0 + 1

# s表示点的大小，默认rcParams\[‘lines.markersize’\]\*\*2 #

plt.scatter(x0, y0, s = 66, color = ‘b’)

# 定义线的范围，X的范围是定值，y的范围是从y0到0的位置 #

# lw的意思是linewidth,线宽 #

plt.plot(\[x0, x0\], \[y0, 0\], ‘k-.’, lw= 2.5)

# 设置关键位置的提示信息 #

plt.annotate(r’ 2 x + 1 = 2x+1=%s 2x\+1=’ %  
y0,  
xy=(x0, y0),  
xycoords=‘data’,

xytext=(+30, -30),
       textcoords='offset points',
       fontsize=16, # 这里设置的是字体的大小
       # 这里设置的是箭头和箭头的弧度
       arrowprops=dict(arrowstyle='->',connectionstyle='arc3,rad=.2')
      )

# 在figure中显示文字信息 #

# 可以使用\\来输出特殊的字符\\mu\\ \\sigma\\ \\alpha #

plt.text(0, 3,  
r’ T h i s   i s   a   g o o d   i d e a .   μ   σ i   α t This\\ is\\ a\\ good\\ idea.\\ \\mu\\ \\sigma\_i\\ \\alpha\_t This is a good idea. μ σi αt’,  
fontdict=\{‘size’:16,‘color’:‘r’\})

plt.show()

![Image 1][]

**tick能见度设置**

import matplotlib.pyplot as plt
    import numpy as np

# 从\[-1,1\]中等距去50个数作为x的取值 #

x = np.linspace(-1, 1, 50)  
y = 2\*x - 1

plt.figure(figsize=(12, 8)) \# 第一个参数表示的是编号，第二个表示的是图表的长宽

# alpha是设置透明度的 #

plt.plot(x, y, color=‘r’, linewidth=10.0, alpha=0.5)

# gca = ‘get current axis’ #

ax = plt.gca()

# 将右边和上边的边框（脊）的颜色去掉 #

ax.spines\[‘right’\].set\_color(‘none’)  
ax.spines\[‘top’\].set\_color(‘none’)

# 绑定x轴和y轴 #

ax.xaxis.set\_ticks\_position(‘bottom’)  
ax.yaxis.set\_ticks\_position(‘left’)

# 定义x轴和y轴的位置 #

ax.spines\[‘bottom’\].set\_position((‘data’, 0))  
ax.spines\[‘left’\].set\_position((‘data’, 0))

# 可以使用tick设置透明度 #

for label in ax.get\_xticklabels() + ax.get\_yticklabels():  
label.set\_fontsize(12)  
label.set\_bbox(dict(facecolor=‘y’, edgecolor=‘None’, alpha=0.7))

plt.show()

![Image 1][]

**多条曲线通用例子**

def init_colors():
      return ['blue', 'red', 'green', 'black', 'pink', 'purple', 'gray', 'yellow']

def show\_graph(data, save\_png\_name=None, colors=init\_colors()):  
“”"  
绘制折线图  
:param data: 数据格式：\{label:\{X:Y\}, label:\{X:Y\}…\}  
:param save\_png\_name:保存的图片的名字  
:param colors: 颜色列表  
:return:  
None  
“”"

# 解决中文显示乱码的问题，不用中文就不需要设置了 #

my\_font = font\_manager.FontProperties(fname="/自己补充路径/IOS8.ttf")

plt.figure(figsize=(14, 6))  
plts = \[\]  
labels = \[\]  
for index, label in enumerate(data.keys()):  
if label is ‘rotate’:  
continue  
color = colors\[index\]  
X = data.get(label).keys()  
Y = \[data.get(label).get(x) for x in X\]  
temp, = plt.plot(X, Y, color=color, label=label)  
plts.append(temp)  
labels.append(label)  
plt.legend(handles=plts, labels=labels, prop=my\_font)  
plt.show()  
if save\_png\_name is not None:  
plt.savefig(save\_png\_name)

![Image 1][]

**散点图**

import matplotlib.pyplot as plt
    import numpy as np

n = 1024

# 从\[0\] #

X = np.random.normal(0, 1, n)  
Y = np.random.normal(0, 1, n)  
T = np.arctan2(X, Y)

plt.scatter(np.arange(5), np.arange(5))

plt.xticks(())  
plt.yticks(())

plt.show()

![Image 1][]

**条形图**

import matplotlib.pyplot as plt
    import numpy as np

n = 12  
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)

plt.figure(figsize=(12, 8))  
plt.bar(X, +Y1, facecolor=’\#9999ff’, edgecolor=‘white’)  
plt.bar(X, -Y2, facecolor=’\#ff9999’, edgecolor=‘white’)

for x, y in zip(X,Y1):

# ha: horizontal alignment水平方向 #

# va: vertical alignment垂直方向 #

plt.text(x, y+0.05, ‘%.2f’ % y, ha=‘center’, va=‘bottom’)

for x, y in zip(X,-Y2):

# ha: horizontal alignment水平方向 #

# va: vertical alignment垂直方向 #

plt.text(x, y-0.05, ‘%.2f’ % y, ha=‘center’, va=‘top’)

# 定义范围和标签 #

plt.xlim(-.5, n)  
plt.xticks(())  
plt.ylim(-1.25, 1.25)  
plt.yticks(())

plt.show()

![Image 1][]

**contour等高线图**

import matplotlib.pyplot as plt
    import numpy as np

def get\_height(x, y):

# the height function #

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)  
X, Y = np.meshgrid(x, y)

plt.figure(figsize=(14, 8))

# use plt.contourf to filling contours #

# X, Y and value for (X, Y) point #

# 横坐标、纵坐标、高度、 、透明度、cmap是颜色对应表 #

# 等高线的填充颜色 #

plt.contourf(X, Y, get\_height(X, Y), 16, alpah=0.7, cmap=plt.cm.hot)

# use plt.contour to add contour lines #

# 这里是等高线的线 #

C = plt.contour(X, Y, get\_height(X, Y), 16, color=‘black’, linewidth=.5)

# adding label #

plt.clabel(C, inline=True, fontsize=16)

plt.xticks(())  
plt.yticks(())  
plt.show()

![Image 1][]

**image图片显示**

import matplotlib.pyplot as plt
    import numpy as np

# image data #

a = np.array(\[0.313660827978, 0.365348418405, 0.423733120134,  
0.365348418405, 0.439599930621, 0.525083754405,  
0.423733120134, 0.525083754405, 0.651536351379\]).reshape(3,3)

“”"  
for the value of “interpolation”, check this:  
http://matplotlib.org/examples/images\_contours\_and\_fields/interpolation\_methods.html  
for the value of “origin”= \[‘upper’, ‘lower’\], check this:  
http://matplotlib.org/examples/pylab\_examples/image\_origin.html  
“”"

# 这是颜色的标注 #

# 主要使用imshow来显示图片，这里暂时不适用图片来显示，采用色块的方式演示。 #

plt.imshow(a, interpolation=‘nearest’, cmap=‘bone’, origin=‘lower’)  
plt.colorbar(shrink=.90) \# 这是颜色深度的标注，shrink表示压缩比例

plt.xticks(())  
plt.yticks(())  
plt.show()

![Image 1][]

**3D数据图**

import matplotlib.pyplot as plt
    import numpy as np
    from mpl_toolkits.mplot3d import Axes3D

fig = plt.figure(figsize=(12, 8))  
ax = Axes3D(fig)

# 生成X，Y #

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)

# height value #

Z = np.sin®

# 绘图 #

# rstride（row）和cstride(column)表示的是行列的跨度 #

ax.plot\_surface(X, Y, Z,  
rstride=1, \# 行的跨度  
cstride=1, \# 列的跨度  
cmap=plt.get\_cmap(‘rainbow’) \# 颜色映射样式设置  
)

# offset 表示距离zdir的轴距离 #

ax.contourf(X, Y, Z, zdir=‘z’, offest=-2, cmap=‘rainbow’)  
ax.set\_zlim(-2, 2)

plt.show()

![Image 1][]

**Subplot多合一显示**

import matplotlib.pyplot as plt
    import numpy as np

plt.figure()

# 将整个figure分成两行两列 #

plt.subplot(2, 2, 1)

# 第一个参数表示X的范围，第二个是y的范围 #

plt.plot(\[0, 1\], \[0, 1\])

plt.subplot(222)  
plt.plot(\[0, 1\], \[0, 2\])

plt.subplot(223)  
plt.plot(\[0, 1\], \[0, 3\])

plt.subplot(224)  
plt.plot(\[0, 1\], \[0, 4\])

plt.show()

![Image 1][]

**分格显示**

**subplot2grid**

import matplotlib.pyplot as plt
    import numpy as np
    import matplotlib.gridspec as gridspec

plt.figure()

# 第一个元素表示将总的面板进行划分，划分为3行3列， #

# 第二个元素表示该面板从0行0列开始，列的跨度（colspan）为3列，行的跨度（rowspan）为1 #

ax1 = plt.subplot2grid((3, 3), (0, 0), colspan=3, rowspan=1)

# 第一个元素的表示X的范围为\[1,2\]，第二个元素表示Y的范围为\[1,2\] #

ax1.plot(\[1, 2\], \[1, 2\])  
ax1.set\_title(r’ a x 1 \_ t i t l e ax1\\\_title ax1\_title’)

# 第一个元素表示将总的面板进行划分，划分为3行3列， #

# 第二个元素表示该面板从1行0列开始，列的跨度（colspan）为2列，行的跨度（rowspan）取默认值1 #

ax2 = plt.subplot2grid((3, 3), (1, 0), colspan=2)  
ax2.set\_title(r’ a x 2 \_ t i t l e ax2\\\_title ax2\_title’)

# 第一个元素表示将总的面板进行划分，划分为3行3列， #

# 第二个元素表示该面板从1行2列开始，行的跨度（rowspan）为2列，列的跨度（colspan）取默认值1 #

ax3 = plt.subplot2grid((3, 3), (1, 2), rowspan=2)  
ax3.set\_title(r’ a x 3 \_ t i t l e ax3\\\_title ax3\_title’)

# 第一个元素表示将总的面板进行划分，划分为3行3列， #

# 第二个元素表示该面板从2行0列开始,行的跨度（rowspan）为2列，列的跨度（colspan）取默认值1 #

ax4 = plt.subplot2grid((3, 3), (2, 0))  
ax4.set\_title(r’ a x 4 \_ t i t l e ax4\\\_title ax4\_title’)

# 第一个元素表示将总的面板进行划分，划分为3行3列， #

# 第二个元素表示该面板从2行1列开始,行的跨度（rowspan）为2列，列的跨度（colspan）取默认值1 #

ax5 = plt.subplot2grid((3, 3), (2, 1))  
ax5.set\_title(r’ a x 5 \_ t i t l e ax5\\\_title ax5\_title’)

plt.tight\_layout()  
plt.show()

![Image 1][]

**gridspec**

import matplotlib.pyplot as plt
    import numpy as np

plt.figure()

# 首先，定义网格的布局为3行3列 #

gs = gridspec.GridSpec(3, 3)

# 这里表示从0行全部都是ax1的 #

ax1 = plt.subplot(gs\[0, :\])  
ax1.set\_title(r’ a x 1 \_ t i t l e ax1\\\_title ax1\_title’)

# 这里表示第一行中0列和1列都是ax2的 #

ax2 = plt.subplot(gs\[1, :2\])  
ax2.set\_title(r’ a x 2 \_ t i t l e ax2\\\_title ax2\_title’)

# 这里表示第一行中2列是ax3的 #

ax3 = plt.subplot(gs\[1:, 2\])  
ax3.set\_title(r’ a x 3 \_ t i t l e ax3\\\_title ax3\_title’)

# 这里表示最后一行中0列是ax4的 #

ax4 = plt.subplot(gs\[-1, 0\])  
ax4.set\_title(r’ a x 4 \_ t i t l e ax4\\\_title ax4\_title’)

# 这里表示最后一行中倒数第二列是ax5的 #

ax5 = plt.subplot(gs\[-1, -2\])  
ax5.set\_title(r’ a x 5 \_ t i t l e ax5\\\_title ax5\_title’)

plt.tight\_layout()  
plt.show()

![Image 1][]

**easy to define structure分格显示**

import matplotlib.pyplot as plt
    import numpy as np

plt.figure()

# sharex表示共享X轴，sharey表示共享y轴 #

f, ((ax11, ax12), (ax21, ax22)) = plt.subplots(2, 2, sharex=True, sharey=True)

# 显示点（1, 2）, （1, 2） #

ax11.scatter(\[1, 2\], \[1, 2\])

ax11.set\_title(‘11’)  
ax12.set\_title(‘11’)  
ax21.set\_title(‘21’)  
ax22.set\_title(‘22’)

plt.tight\_layout()  
plt.show()

![Image 1][]

**图中图**

import matplotlib.pyplot as plt
    import numpy as np

fig = plt.figure(figsize=(10, 6))  
x = \[1, 2, 3, 4, 5, 6, 7\]  
y = \[1, 3, 4, 2, 5, 8, 6\]

# 大图 #

left, bottom, width, weight = 0.1, 0.1, 0.8, 0.8  
ax1 = fig.add\_axes(\[left, bottom, width, weight\])  
ax1.plot(x, y, ‘r’)  
ax1.set\_xlabel(r’ x x x’)  
ax1.set\_ylabel(r’ y y y’)  
ax1.set\_title(r’ × × I n t e r e s t i n g × × ××Interesting×× ××Interesting××’)

# 左上小图 #

left, bottom, width, weight = 0.2, 0.6, 0.25, 0.25  
ax2 = fig.add\_axes(\[left, bottom, width, weight\])  
ax2.plot(y, x, ‘b’)  
ax2.set\_xlabel(r’ x x x’)  
ax2.set\_ylabel(r’ y y y’)  
ax2.set\_title(r’ t i t l e   i n s i d e   1 title\\ inside\\ 1 title inside 1’)

# 右下小图 #

plt.axes(\[0.6, 0.2, 0.25, 0.25\])

# 将y的数据逆序输出\[::1\] #

plt.plot(y\[::-1\],x, ‘g’)  
plt.xlabel(‘x’)  
plt.ylabel(‘y’)  
plt.title(r’ t i t l e   i n s i d e   2 title\\ inside\\ 2 title inside 2’)

plt.show()

![Image 1][]

**主次坐标轴**

import matplotlib.pyplot as plt
    import numpy as np

# 从\[0, 10\]以0.1为间隔，形成一个列表 #

x = np.arange(0, 10, 0.1)  
y1 = 0.05 \* x\*\*2  
y2 = -1 \* y1

fig, ax1 = plt.subplots()

# 镜像（上下左右颠倒） #

ax2 = ax1.twinx()  
ax1.plot(x, y1, ‘g-’)  
ax2.plot(x, y2, ‘b–’)

# 为轴进行命名 #

ax1.set\_xlabel(r’ X   d a t a X\\ data X data’, fontsize=16)  
ax1.set\_ylabel(r’ Y 1 Y1 Y1’, color=‘g’, fontsize=16)  
ax2.set\_ylabel(r’ Y 2 Y2 Y2’, color=‘b’, fontsize=16)

plt.show()

![Image 1][]

**Animation动画**

import matplotlib.pyplot as plt
    import numpy as np
    from matplotlib import animation

fig, ax = plt.subplots()

# 从\[0, 2\*np.pi\]以0.01为间隔，形成一个列表 #

x = np.arange(0, 2\*np.pi, 0.01)

# 这里只需要列表的第一个元素，所以就用逗号“,”加空白的形式省略了列表后面的元素 #

line, = ax.plot(x, np.sin(x))

def animate(i):  
line.set\_ydata(np.sin(x + i/100))  
return line,

def init():  
line.set\_ydata(np.sin(x))

# 这里由于仅仅需要列表的第一个参数，所以后面的就直接用空白省略了 #