Python模块之Matplotlib

￡神魔★判官ぃ 2023-02-14 02:16 2阅读 0赞

### 文章目录 ###

*   *   *  Matplotlib
         *  三层结构
         *  基础绘图
         *  子图
         *  其他
         *  折线图

### Matplotlib ###

官方文档: https://matplotlib.org/stable/tutorials/index.html

> seaborn: 基于Matplotlib的高层绘图库

import matplotlib.pyplot as plt

### 三层结构 ###

1.  容器层
    
    1.  Canvas：画布
    2.  Figure：图
    3.  Axes：坐标系，绘图区
    
    特点：
    
     *  一个figure(画布)可以包含多个axes(坐标系/绘图区)，但是一个axes只能属于一个figure。
     *  一个axes(坐标系/绘图区)可以包含多个axis(坐标轴)，包含两个即为2d坐标系，3个即为3d坐标系
2.  辅助显示层

Axes外观(facecolor)、边框线(spines)、坐标轴(axis)、坐标轴名称(axis label)、坐标轴刻度(tick)、坐标轴刻度标签(tick label)、网格线(grid)、图例(legend)、标题(title)

1.  图像层
    
    Axes内通过plot、scatter、bar、histogram、pie等函数根据数据绘制出的图像。

### 基础绘图 ###

*  plt.figure(num=None, figsize=None, dpi=None, facecolor=None, edgecolor=None, frameon=True, FigureClass=<class ‘matplotlib.figure.Figure’>, clear=False, \*\*kwargs
    
     *  创建画布, 返回figure对象
     *  num: 编号
     *  figsize: 大小.默认是(6.4, 4.8)
     *  dpi: 分辨率.默认是100
     *  facecolor: 背景颜色. 默认是w 白色
     *  edgecolor: 边框颜色.默认是w 白色
     *  frameon: 边框. False 不绘制边框
     *  clear: 清除
 *  plt.savefig(fname, dpi=None, facecolor=‘w’, edgecolor=‘w’,  
    orientation=‘portrait’, papertype=None, format=None,  
    transparent=False, bbox\_inches=None, pad\_inches=0.1,  
    frameon=None, metadata=None)
    
     *  保存图片到指定路径
     *  plt.show()会释放figure资源, 必须在show之前保存
 *  plt.show()
    
     *  显示图片
 *  plt.xticks(ticks=None, labels=None, \*\*kwargs)
    
     *  获取或设置x轴的当前刻度
    
        # 设置刻度和标签
        plt.xticks(np.arange(0, 1, step=0.2))
        # 获取刻度和标签
        locs, labels = plt.xticks()
 *  plt.yticks()
    
     *  获取或设置y轴的当前刻度
 *  plt.xlabel(xlabel, fontdict=None, labelpad=None, \*\*kwargs)
    
     *  设置x轴的标签
 *  plt.ylabel(xlabel, fontdict=None, labelpad=None, \*\*kwargs)
    
     *  设置y轴的标签
 *  plt.title(label, fontdict=None, loc=‘center’, pad=None, \*\*kwargs)
    
     *  设置标题
     *  [中文乱码的解决办法][Link 1]
 *  plt.legend(\*args, \*\*kwargs)
    
     *  设置图例
     *  lables: 可传图例名称 单个字符串或字符串列表
     *  fontsize: 字体大小
     *  frameon=False
     *  loc: 图例位置. best 自动选择最好的位置
    
    <table> 
     <thead> 
      <tr> 
       <th>Location String</th> 
       <th>Location Code</th> 
      </tr> 
     </thead> 
     <tbody> 
      <tr> 
       <td>‘best’</td> 
       <td>0</td> 
      </tr> 
      <tr> 
       <td>‘upper right’</td> 
       <td>1</td> 
      </tr> 
      <tr> 
       <td>‘upper left’</td> 
       <td>2</td> 
      </tr> 
      <tr> 
       <td>‘lower left’</td> 
       <td>3</td> 
      </tr> 
      <tr> 
       <td>‘lower right’</td> 
       <td>4</td> 
      </tr> 
      <tr> 
       <td>‘right’</td> 
       <td>5</td> 
      </tr> 
      <tr> 
       <td>‘center left’</td> 
       <td>6</td> 
      </tr> 
      <tr> 
       <td>‘center right’</td> 
       <td>7</td> 
      </tr> 
      <tr> 
       <td>‘lower center’</td> 
       <td>8</td> 
      </tr> 
      <tr> 
       <td>‘upper center’</td> 
       <td>9</td> 
      </tr> 
      <tr> 
       <td>‘center’</td> 
       <td>10</td> 
      </tr> 
     </tbody> 
    </table>
 *  plt.plot(\*args, scalex=True, scaley=True, data=None, \*\*kwargs)
    
     *  显示图像
     *  x,y: x/y值, 类数组/标量
     *  fmt\\ 定义参数的快捷方法,包括颜色color/线型linestyle/标记marker
     *  与fmt冲突时，关键字参数优先
    
        # 效果相同
        plot(x, y, 'go--')
        plot(x, y, color='green', marker='o', linestyle='--')
    
     *  data: 可索引对象. 需要一并选择标签名称在对应的x/y轴绘制
 *  plt.xlim / ylim()
    
     *  设置 或者 获取 x/y轴的取值范围
     *  bottom, top = ylim() \# 获取y轴的取值范围
     *  ylim((bottom, top)) \# 设置y轴的取值范围(bottom, top)
     *  ylim(bottom, top) \# 设置y轴的取值范围(bottom, top)
 *  plt.grid(True, color=‘k’, linewidth=1, linestyle=’–’, alpha=.5)
    
     *  设置网格 线型 线宽 颜色 透明度

### 子图 ###

*  plt.subplot(nrows, ncols, index, \*\*kwargs)
    
     *  添加子图 整个画图区域被分割为nrows x ncols 个, index表示第几个区域
     *  如 plt.subplot(311) 表示 分割成3x1个区域 在第1个区域添加子图
     *  shareX, shareY 共享x/y轴
 *  plt.suptitle()
    
     *  为子图添加总图标题

import numpy as np
    import matplotlib.pyplot as plt
    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
    
    t1 = np.arange(0, 5, 0.1)
    t2 = np.arange(0, 5, 0.02)
    
    plt.figure(figsize=(12, 8), dpi=80)
    plt.subplot(221)
    plt.plot(t1, np.exp(-t1) * np.cos(2 * np.pi * t1),'r--')
    
    plt.subplot(222)
    plt.plot(t2, np.cos(2 * np.pi * t2), 'r--')
    
    # 整体来看是2行1列中的第2个位置
    plt.subplot(212)
    plt.plot([1, 2, 3, 4], [1, 4, 9, 16])
    
    plt.suptitle('子图展示', fontsize=12, color='k')
    
    plt.show()

![子图总标题][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2xpbnppMTk5NA_size_16_color_FFFFFF_t_70]

*  plt.subplots\_adjuest()
    
     *  子图间距的调整

import numpy as np
    import matplotlib.pyplot as plt
    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
    
    # 生成固定随机数组
    np.random.seed(0)
    # 生成随机漫步数据
    data = np.random.randn(100).cumsum()
    fig, axes = plt.subplots(2, 2, sharex=True, sharey=True, figsize=(14, 8))
    # 通过axes的索引定位绘制图片
    axes[0, 0].plot(data)
    axes[0, 1].bar(range(len(data)), data, color='k', alpha=0.5)
    axes[1, 0].scatter(range(len(data)), data)
    axes[1, 1].plot(data, 'c>--')
    # 调节子图直接的距离
    plt.subplots_adjust(wspace=0, hspace=0)
    plt.grid(True, color='k', linewidth=1, linestyle='--', alpha=.5)
    plt.show()

![共享x/y轴][x_y]

*  plt.subplot2grid(shape, loc, rowspan=1, colspan=1, fig=None, \*\*kwargs)
    
     *  shape:网格的尺寸
     *  loc:绘制子图位置
     *  rowspan:轴向下跨距的列数。
     *  colspan:轴向右跨距的行数

import numpy as np
    import matplotlib.pyplot as plt
    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
    
    x= np.linspace(0,2)
    plt.figure(figsize=(12,8))
    
    #在2行3列的表格中，第一行第一列的位置绘制一个轴向右跨距为3的子图
    plt.subplot2grid((2,3) ,(0, 0), colspan=3)
    plt.title("第一幅子图")
    plt.plot(x, x)
    
    #在2行3列的表格中，第2行第1列的位置绘制一个子图
    plt.subplot2grid((2,3), (1, 0))
    plt.title("第二幅子图")
    plt.plot(x, x ** 2)
    
    plt.subplot2grid((2,3) ,(1, 1), colspan=2)
    plt.title("第三幅子图")
    plt.plot(x, x ** 3)

![自定义子图网格布局][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2xpbnppMTk5NA_size_16_color_FFFFFF_t_70 1]

*  plt.subplot\_tool
    
     *  调整子图的图像, 生成子图工具窗口

import matplotlib.pyplot as plt
    import numpy as np
    
    np.random.seed(19680801)
    fig, axs = plt.subplots(2, 2, figsize=(12, 8))
    axs[0, 0].imshow(np.random.random((100, 100)))
    axs[0, 1].imshow(np.random.random((100, 100)))
    axs[1, 0].imshow(np.random.random((100, 100)))
    axs[1, 1].imshow(np.random.random((100, 100)))
    
    
    # 使用subplot_tool函数创建工具
    plt.subplot_tool()
    plt.show()

![子图工具窗口][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2xpbnppMTk5NA_size_16_color_FFFFFF_t_70 2]

### 其他 ###

*  希腊字母表示法 r’$\{希腊字母名称\}$’ 如: α 的写法**r’$\\alpha$'**  
    ![希腊字母表][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2xpbnppMTk5NA_size_16_color_FFFFFF_t_70 3]
 *  在同一坐标系当中的不同图形, **多次plot**即可

### 折线图 ###

# 数据
    import  matplotlib.pyplot as plt
    import range
    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
    
    x = range(60)
    y_sh = [random.uniform(15, 18) for _ in x]
    y_bj = [random.uniform(1, 3) for _ in x]
    # 画布
    plt.figure(figsize=(20, 8), dpi=80)
    # 显示
    plt.plot(x, y_sh)
    # 坐标轴刻度
    plt.xticks(x[::5], [f'11点{i}分' for i in x][::5])
    plt.yticks(range(40)[::5])
    # 网格
    plt.grid(True, linestyle='--', alpha=.5)
    # 描述
    plt.xlabel('时间')
    plt.ylabel('温度')
    plt.title("中午11点0分到12点之间的温度变化图示")
    plt.legend(labels=['上海', '北京'], frameon=False, loc="upper right", fontsize=14)

![折线图1][1]

[Link 1]: https://blog.csdn.net/linzi1994/article/details/105523776
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2xpbnppMTk5NA_size_16_color_FFFFFF_t_70]: https://img-blog.csdnimg.cn/20210414171553380.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2xpbnppMTk5NA==,size_16,color_FFFFFF,t_70
[x_y]: https://img-blog.csdnimg.cn/20210414171811390.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2xpbnppMTk5NA==,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2xpbnppMTk5NA_size_16_color_FFFFFF_t_70 1]: https://img-blog.csdnimg.cn/20210414172251298.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2xpbnppMTk5NA==,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2xpbnppMTk5NA_size_16_color_FFFFFF_t_70 2]: https://img-blog.csdnimg.cn/20210414173152778.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2xpbnppMTk5NA==,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2xpbnppMTk5NA_size_16_color_FFFFFF_t_70 3]: https://img-blog.csdnimg.cn/20210414160935752.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2xpbnppMTk5NA==,size_16,color_FFFFFF,t_70
[1]: https://img-blog.csdnimg.cn/20210414151109644.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2xpbnppMTk5NA==,size_16,color_FFFFFF,t_70