【Python】Python之PyLab的绘制折线图（手把手教程）

蔚落 2023-06-08 12:56 8阅读 0赞

`Python`的可视化工具有很多，数不胜数，各有优劣。本文就对其中的`pylab`进行介绍。之所以介绍这一款，是因为它和`Matlab`的强烈相似度，如果你使用过`Matlab`，那么相信`pylab`你也会很快上手。

## 简单的plot函数 ##

`pylab`绘图，最基本的函数就是`plot`函数，当然如果想要将图片显示出来，需要额外添加一个`show`函数。

在`python`的绘图中，`numpy`是一个非常常用的工具，不太熟悉的可以参考博主的另一篇博文：[【Python】Python之Numpy的超实用基础详细教程][Python_Python_Numpy]。

例如：

import pylab
    import numpy as np
    
    if __name__ == "__main__":
      x = np.arange(0, 1, 0.05)
      y = [i*i for i in np.arange(0, 1, 0.05)]
      pylab.plot(x, y)
      pylab.show()

运行生成的图片为：

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly95bmd6bWlhby5ibG9nLmNzZG4ubmV0_size_16_color_FFFFFF_t_70][]

**规定两个序列，只需要两个序列的长度相等，就可以以其中一个序列为横坐标，零一个序列为纵坐标，进行绘制**。

但是也看得出来，这样的图片是比较寒碜的，简单朴素。我们可以对线条进行一些修饰，比如线型、颜色、点型等等。只需要在`plot`函数中添加一个参数即可。这个参数用法比较灵活，特可以从下表的值中进行组合选择：

例如:

import pylab
    import numpy as np
    
    if __name__ == "__main__":
      x = np.arange(0, 1, 0.05)
      y = [i*i for i in np.arange(0, 1, 0.05)]
      pylab.plot(x, y, "b-.+")
      pylab.show()

运行生成的图片为：

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly95bmd6bWlhby5ibG9nLmNzZG4ubmV0_size_16_color_FFFFFF_t_70 1][]

如果，还想增加图例，`x`轴、`y`轴的含义和刻度，标题的信息，也可以通过添加一些函数来进行。

例如：

# -*- coding:UTF-8 -*-
    import pylab
    import numpy as np
    
    if __name__ == "__main__":
      x = np.arange(0, 1, 0.05)
      y = [i*i for i in np.arange(0, 1, 0.05)]
      pylab.plot(x, y, "b-.+", label='line')
      
      pylab.xlabel('x')             # x、y轴的介绍
      pylab.ylabel('y')
      
      pylab.xlim([0, 1])            # x、y轴的长度区间
      pylab.ylim([0, 1])
      
      pylab.xticks(np.arange(0, 1, 0.05), fontsize=8)       # x、y轴的刻度
      pylab.yticks(np.arange(0, 1, 0.05), fontsize=8)
      
      pylab.title('x-y')            # x、y的标题
      
      pylab.legend(loc=3, borderaxespad=0., bbox_to_anchor=(0, 0))          # 图例的位置
      pylab.show()

运行生成的图片为：

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly95bmd6bWlhby5ibG9nLmNzZG4ubmV0_size_16_color_FFFFFF_t_70 2][]

是不是瞬间就感觉丰富了许多！

## 多折线绘制 ##

当然，在很多时刻需要绘制多条折线。很明显，可以选择将多条直线绘制到同一张图片上，也可以选择在图片上绘制不同的子图。

### 多折线同图 ###

将多条折线绘制到同一张图片上，这非常简单，直接再`plot`一条直线就可以了。

例如：

运行生成的图片为：

### 多折线不同图 ###

将多条折线绘制到图片上的不同子图上，这就需要通过`subplot`进行区域分割和指定。

subplot(numRows, numCols, plotNum)

**该函数会将这个图片分为numRows行、nulCols列，然后按照从左到右、从上到下的顺序进行编号，最左上的编号为1。plotNum参数指定子图的所在区域**。

例如：

# -*- coding:UTF-8 -*-
    import pylab
    import numpy as np
    
    if __name__ == "__main__":
      x = np.arange(0, 1, 0.05)
      y1 = [i*i for i in np.arange(0, 1, 0.05)]
      y2 = [i+i for i in np.arange(0, 1, 0.05)]
    
      pylab.subplot(1, 2, 1)
      pylab.plot(x, y1, "b-.+", label='line1')
      pylab.xlabel('x')
      pylab.ylabel('y1')
      pylab.xlim([0, 1])
      pylab.ylim([0, 1])
      pylab.xticks(np.arange(0, 1, 0.05), fontsize=8)
      pylab.yticks(np.arange(0, 1, 0.05), fontsize=8)
      pylab.title('x-y1')
      pylab.legend(loc=3, borderaxespad=0., bbox_to_anchor=(0, 0))
    
      pylab.subplot(1, 2, 2)
      pylab.plot(x, y2, "r-.+", label='line2')
      pylab.xlabel('x')
      pylab.ylabel('y2')
      pylab.xlim([0, 1])
      pylab.ylim([0, 1])
      pylab.xticks(np.arange(0, 1, 0.05), fontsize=8)
      pylab.yticks(np.arange(0, 1, 0.05), fontsize=8)
      pylab.title('x-y2')
      pylab.legend(loc=3, borderaxespad=0., bbox_to_anchor=(0, 0))
    
      pylab.show()

运行生成的图片为：

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly95bmd6bWlhby5ibG9nLmNzZG4ubmV0_size_16_color_FFFFFF_t_70 3][]

这是比较规整的例子，如果是不规整的呢？例如，第一行两张图，第二行一张图。这就要稍微变通一下了。

**第一行其实是按照`2*2`分法的第一个和第二个，第二行其实是按照`2*1`分法的第二行**。这样思考就会迎刃而解了。

# -*- coding:UTF-8 -*-
    import pylab
    import numpy as np
    
    if __name__ == "__main__":
      x = np.arange(0, 1, 0.05)
      y1 = [i*i for i in np.arange(0, 1, 0.05)]
      y2 = [i+i for i in np.arange(0, 1, 0.05)]
    
      pylab.subplot(2, 2, 1)
      pylab.plot(x, y1, "b-.+", label='line1')
      pylab.xlabel('x')
      pylab.ylabel('y1')
      pylab.xlim([0, 1])
      pylab.ylim([0, 1])
      pylab.xticks(np.arange(0, 1, 0.05), fontsize=8)
      pylab.yticks(np.arange(0, 1, 0.05), fontsize=8)
      pylab.title('x-y1')
      pylab.legend(loc=3, borderaxespad=0., bbox_to_anchor=(0, 0))
    
      pylab.subplot(2, 2, 2)
      pylab.plot(x, y2, "r-.+", label='line2')
      pylab.xlabel('x')
      pylab.ylabel('y2')
      pylab.xlim([0, 1])
      pylab.ylim([0, 1])
      pylab.xticks(np.arange(0, 1, 0.05), fontsize=8)
      pylab.yticks(np.arange(0, 1, 0.05), fontsize=8)
      pylab.title('x-y2')
      pylab.legend(loc=3, borderaxespad=0., bbox_to_anchor=(0, 0))
    
      pylab.subplot(2, 1, 2)
      pylab.plot(x, y1, "b-.+", label='line1')
      pylab.plot(x, y2, "r-.+", label='line2')
      pylab.xlabel('x')
      pylab.ylabel('y')
      pylab.xlim([0, 1])
      pylab.ylim([0, 1])
      pylab.xticks(np.arange(0, 1, 0.05), fontsize=8)
      pylab.yticks(np.arange(0, 1, 0.05), fontsize=8)
      pylab.title('x-y')
      pylab.legend(loc=3, borderaxespad=0., bbox_to_anchor=(0, 0))
    
      pylab.show()

运行生成的图片为：

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly95bmd6bWlhby5ibG9nLmNzZG4ubmV0_size_16_color_FFFFFF_t_70 4][]

## 其他函数 ##

除了上述函数之外，还有一些其他的常用函数。

pylab.grid()              # 网格绘制
    
    pylab.savefig(图片存储路径, dpi=200)        # 保存为图片

掌握了这些基本的折现图的绘制函数，相信一般的折线图都可以轻松掌握。

### 相关阅读 ###

[matplotlib 使用][matplotlib]

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly95bmd6bWlhby5ibG9nLmNzZG4ubmV0_size_16_color_FFFFFF_t_70 5][]

[Python_Python_Numpy]: https://blog.csdn.net/qq_38410730/article/details/102575122
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly95bmd6bWlhby5ibG9nLmNzZG4ubmV0_size_16_color_FFFFFF_t_70]: /images/20230531/aa995681f7364e799b12458901d892e9.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly95bmd6bWlhby5ibG9nLmNzZG4ubmV0_size_16_color_FFFFFF_t_70 1]: /images/20230531/438485d61b14409a8fcf29daacc3959f.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly95bmd6bWlhby5ibG9nLmNzZG4ubmV0_size_16_color_FFFFFF_t_70 2]: /images/20230531/2d0aa210a94f46b8aaca1de75f764c4f.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly95bmd6bWlhby5ibG9nLmNzZG4ubmV0_size_16_color_FFFFFF_t_70 3]: /images/20230531/8f26a2839b684c72bc5b697e2af503ee.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly95bmd6bWlhby5ibG9nLmNzZG4ubmV0_size_16_color_FFFFFF_t_70 4]: /images/20230531/294f93ee4b20415cb7a12d235f3f12af.png
[matplotlib]: https://blog.csdn.net/ygyoe/article/details/79498127
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly95bmd6bWlhby5ibG9nLmNzZG4ubmV0_size_16_color_FFFFFF_t_70 5]: /images/20230531/cff142497ffb4a4baa43de3f710e5789.png