关于Matplotlib的一些总结

张焚雪

于 2024-08-20 17:05:34 发布

阅读量645

点赞数 14

文章标签： matplotlib python

本文链接：https://blog.csdn.net/2301_79096986/article/details/141360168

版权

这是关于Matplotlib的总结，包括初始的创建，x、y轴的修改，散点图，柱状图，注释与图例等。

一、初始的创建

在创建时，首先要进行导包操作，具体如下：

import matplotlib.pyplot as plt

pyplot 是 matplotlib 库的一个子模块，提供了类似于MATLAB的接口，使得绘图更加直观和简便。

pyplot 提供了许多函数，如 plot(), scatter(), hist(), bar(), xlabel(), ylabel(), title(), show() 等，用于绘制各种类型的图表。

通常，我们在使用matplotlib时，不仅需要它本身，还需要numpy库：

import numpy as np

接下来，我们要写入一个函数，假如这个函数就是：

y = x+1

那么，在直接写入它前还需要对于x进行一个定义，如下：

x = np.linspace(-1,1,50)

在这行代码中，它是numpy库中linspace函数用来生成一个等差数列，-1与1是表示x的范围，50表示等差数列中的元素数量，如果第三个函数不定义则默认为50。

当然，关于这个x的定义不只有这个方法，还可以用np.arange来定义，它类似于range函数，但它可以处理浮点数，具体的定义方法同上，在此不展示了。（当然，生成随机数和创建列表和数组等方法同样可以用来处理x的定义）

定义完，就可以直接写入想要的函数。

写入完便是画图：

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

第一行是画图的函数，默认情况下，它处理两个参数，即是x与y轴各自的数据点x与y。如果 x 没有提供，Matplotlib 会自动使用从 0 开始的索引作为 x 轴的值。

第二行的函数是用来展示最后绘成的图表，一般情况下它都会在所有代码的最后。

所有代码完整展示为：

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(-1,1,50)
y = x+1
plt.plot(y)
plt.show()

显示的图表为：

二、x与y轴的修改

如果要修改x与y轴，那么可以用函数xlim()或ylim()，具体范围写入括号内即可。

然后若还要在x与y轴上写上表示之类的可以用xlabol()或ylabol()函数即可，当然要标注的内容同样写入括号中去。

当我们要在x或y轴的某一定刻度上标识时，那么需要函数xticks()与yticks()，首先我先展示一段代码：

new_ticks = np.linspace(-1,1,5)
plt.xticks(new_ticks)
plt.yticks([-2,-1,0,1,2],['really bad','$bad$','normal','good','really good'])

它产生的图表是：

其中，不难发现我们只要写入两个列表，第一个列表是具体数值，第二个则是对应的标识，然后就可产生这样的效果，此外，图中的bad的是斜体，而产生斜体效果就只需要在对应的表示前后加上$符号即可。

然后，当我们需要图中仅展示x与y轴，不需要上边框与右边框时，需要代码：

ax.spines['top'].set_visible(False)
ax.spines['right'].set_visible(False)

当然，也可以是：

ax.spines['top'].set_color('none')
ax.spines['right'].set_color('none')

这个二者间，第一个表示是否可视，第二个则是选择颜色，所以当我么需要将坐标轴的颜色进行更改时时，也可以用第二个来更改。

如果我们想要让坐标轴展示在中间需要函数set_position()然后将位置改为zero。

将上述的部分内容整体展示下为：

import matplotlib.pyplot as plt
import numpy as np

# 生成数据
x = np.linspace(-10, 10, 100)
y = np.sin(x)

# 创建图形
fig, ax = plt.subplots()

# 绘制图形
ax.plot(x, y)

# 隐藏顶部和右边的边框
ax.spines['top'].set_visible(False)
ax.spines['right'].set_visible(False)

# 将左边和底边的边框移动到坐标轴的中心
ax.spines['left'].set_position('zero')
ax.spines['bottom'].set_position('zero')

# 移动坐标轴标签
ax.xaxis.set_label_coords(0.5, -0.05)  # x 轴标签稍微向下移动
ax.yaxis.set_label_coords(-0.05, 0.5)  # y 轴标签稍微向左移动

# 显示图形
plt.show()

图像为：

三、散点图

如果我们要创建散点图，那么就需要函数scatter()，里面有四种参数，第一种是横纵坐标，第二种是散点的大小，第三种是点的颜色，最后一种是透明度。

那么这里给一个整体的代码：

import matplotlib.pyplot as plt
import numpy as np

# 生成一些随机数据
np.random.seed(0)
x = np.random.rand(50) * 10
y = np.random.rand(50) * 10
sizes = np.random.rand(50) * 100  # 大小范围从 0 到 100
colors = np.random.rand(50)       # 颜色值范围从 0 到 1

# 创建一个散点图
plt.scatter(x, y, c=colors, s=sizes, alpha=0.6)

# 设置图表标题和坐标轴标签
plt.title('Advanced Scatter Plot Example')
plt.xlabel('X Axis')
plt.ylabel('Y Axis')

# 添加颜色条
plt.colorbar(label='Color Value')

# 显示图形
plt.show()

四、柱状图

如果我们要创建柱状图，那么我们就需要bar()函数。

关于创建柱状图的代码很简单，所以不需要再做解释了，整体的代码如下：

import matplotlib.pyplot as plt

# 数据准备
labels = ['A', 'B', 'C', 'D', 'E']
values = [20, 35, 25, 30, 40]

# 创建柱状图
plt.bar(labels, values)

# 添加标题和坐标轴标签
plt.title('Simple Bar Chart Example')
plt.xlabel('Categories')
plt.ylabel('Values')

# 显示图形
plt.show()

图标如下：

五、注释与图例

首先是最简单的图例，如果要显示图例需要函数legend()，它有三个参数，handles、labels和loc，它们三个分别是：第一个是一组 Line2D 对象，即你在plot方法中创建的对象；第二个是字符串列表对应名称，最后一个是图列出现的位置，一般可以选用'best'，意思就是他会出现在整个图表的最空旷处，不过大多数时候，我们都可以直接什么都不写一切都用默认值。

然后是注解部分，如果要写注解可以用函数annotate()，我先给出一个例子，然后详细看下这个函数：

import matplotlib.pyplot as plt
import numpy as np

# 创建数据
x = np.linspace(0, 10, 100)
y = np.sin(x)

# 创建图表
plt.figure(figsize=(10, 5))

# 绘制曲线
plt.plot(x, y, label='sin(x)')

# 添加注解
xy = (np.pi, np.sin(np.pi))  # 注解的位置
xytext = (np.pi + 1, 0.5)    # 文本的位置
plt.annotate(
    'sin(π) = 0',
    xy=xy,
    xytext=xytext,
    arrowprops=dict(facecolor='black', shrink=0.05),
    fontsize=12,
    horizontalalignment='right',
    verticalalignment='top'
)

# 添加图例
plt.legend()

# 添加标题和轴标签
plt.title('Example Plot with Annotation')
plt.xlabel('X Axis Label')
plt.ylabel('Y Axis Label')

# 显示图形
plt.show()

图标如下：