2024年最新硬肝！超详细matplotlib基础介绍！！！(1)

• 指定坐标范围 and 设置坐标轴刻度

import numpy as np

import matplotlib.pyplot as plt

x = np.linspace(-np.pi, np.pi, 100) # 在区间内生成21个等差数

y = np.sin(x)

linear_y = 0.2 * x + 0.1

plt.figure(figsize = (8, 6)) # 自定义窗口的大小

plt.plot(x, y)

plt.plot(x, linear_y, color = “red”, linestyle = ‘–’) # 自定义颜色和表示方式

plt.title(‘y = sin(x) and y = 0.2x + 0.1’) # 定义该曲线的标题

plt.xlabel(‘x’) # 定义横轴标签

plt.ylabel(‘y’) # 定义纵轴标签

plt.xlim(-np.pi, np.pi)

plt.ylim(-1, 1)

重新设置x轴的刻度

plt.xticks(np.linspace(-np.pi, np.pi, 5))

x_value_range = np.linspace(-np.pi, np.pi, 5)

x_value_strs = [r’$\pi$’, r’$-\frac{\pi }{2}$‘, r’$0$’, r’$\frac{\pi }{2}$‘, r’$\pi$’]

plt.xticks(x_value_range, x_value_strs)

plt.show() # 显示图像

• 定义原点在中心的坐标轴

import numpy as np

import matplotlib.pyplot as plt

x = np.linspace(-np.pi, np.pi, 100)

y = np.sin(x)

linear_y = 0.2 * x + 0.1

plt.figure(figsize = (8, 6))

plt.plot(x, y)

plt.plot(x, linear_y, color = “red”, linestyle = ‘–’)

plt.title(‘y = sin(x) and y = 0.2x + 0.1’)

plt.xlabel(‘x’)

plt.ylabel(‘y’)

plt.xlim(-np.pi, np.pi)

plt.ylim(-1, 1)

plt.xticks(np.linspace(-np.pi, np.pi, 5))

x_value_range = np.linspace(-np.pi, np.pi, 5)

x_value_strs = [r’$\pi$’, r’$-\frac{\pi }{2}$‘, r’$0$’, r’$\frac{\pi }{2}$‘, r’$\pi$’]

plt.xticks(x_value_range, x_value_strs)

ax = plt.gca() # 获取坐标轴

ax.spines[‘right’].set_color(‘none’) # 隐藏上方和右方的坐标轴

ax.spines[‘top’].set_color(‘none’)

设置左方和下方坐标轴的位置

ax.spines[‘bottom’].set_position((‘data’, 0)) # 将下方的坐标轴设置到y = 0的位置

ax.spines[‘left’].set_position((‘data’, 0)) # 将左方的坐标轴设置到 x = 0 的位置

plt.show() # 显示图像

• legend图例

使用xticks()和yticks()函数替换轴标签，分别为每个函数传入两列数值。第一个列表存储刻度的位置，第二个列表存储刻度的标签。

import numpy as np

import matplotlib.pyplot as plt

x = np.linspace(-np.pi, np.pi, 100)

y = np.sin(x)

linear_y = 0.2 * x + 0.1

plt.figure(figsize = (8, 6))

为曲线加上标签

plt.plot(x, y, label = “y = sin(x)”)

plt.plot(x, linear_y, color = “red”, linestyle = ‘–’, label = ‘y = 0.2x + 0.1’)

plt.title(‘y = sin(x) and y = 0.2x + 0.1’)

plt.xlabel(‘x’)

plt.ylabel(‘y’)

plt.xlim(-np.pi, np.pi)

plt.ylim(-1, 1)

plt.xticks(np.linspace(-np.pi, np.pi, 5))

x_value_range = np.linspace(-np.pi, np.pi, 5)

x_value_strs = [r’$\pi$’, r’$-\frac{\pi }{2}$‘, r’$0$’, r’$\frac{\pi }{2}$‘, r’$\pi$’]

plt.xticks(x_value_range, x_value_strs)

ax = plt.gca()

ax.spines[‘right’].set_color(‘none’)

ax.spines[‘top’].set_color(‘none’)

ax.spines[‘bottom’].set_position((‘data’, 0))

ax.spines[‘left’].set_position((‘data’, 0))

将曲线的信息标识出来

plt.legend(loc = ‘lower right’, fontsize = 12)

plt.show()

legend方法中的loc 参数可选设置

| 位置字符串 | 位置编号 | 位置表述 |

| — | — | — |

| ‘best’ | 0 | 最佳位置 |

| ‘upper right’ | 1 | 右上角 |

| ‘upper left’ | 2 | 左上角 |

| ‘lower left’ | 3 | 左下角 |

| ‘lower right’ | 4 | 右下角 |

| ‘right’ | 5 | 右侧 |

| ‘center left’ | 6 | 左侧垂直居中 |

| ‘center right’ | 7 | 右侧垂直居中 |

| ‘lower center’ | 8 | 下方水平居中 |

| ‘upper center’ | 9 | 上方水平居中 |

| ‘center’ | 10 | 正中间 |

二、柱状图

---

使用的方法：plt.bar

import numpy as np

import matplotlib.pyplot as plt

plt.figure(figsize = (16, 12))

x = np.array([1, 2, 3, 4, 5, 6, 7, 8])

y = np.array([3, 5, 7, 6, 2, 6, 10, 15])

plt.plot(x, y, ‘r’, lw = 5) # 指定线的颜色和宽度

x = np.array([1, 2, 3, 4, 5, 6, 7, 8])

y = np.array([13, 25, 17, 36, 21, 16, 10, 15])

plt.bar(x, y, 0.2, alpha = 1, color=‘b’) # 生成柱状图，指明图的宽度，透明度和颜色

plt.show()

有的时候柱状图会出现在x轴的俩侧，方便进行比较，代码实现如下：

import numpy as np

import matplotlib.pyplot as plt

plt.figure(figsize = (16, 12))

n = 12

x = np.arange(n) # 按顺序生成从12以内的数字

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)

设置柱状图的颜色以及边界颜色

#+y表示在x轴的上方 -y表示在x轴的下方

plt.bar(x, +y1, facecolor = ‘#9999ff’, edgecolor = ‘white’)

plt.bar(x, -y2, facecolor = ‘#ff9999’, edgecolor = ‘white’)

plt.xlim(-0.5, n) # 设置x轴的范围，

plt.xticks(()) # 可以通过设置刻度为空，消除刻度

plt.ylim(-1.25, 1.25) # 设置y轴的范围

plt.yticks(())

plt.text()在图像中写入文本，设置位置，设置文本，ha设置水平方向对其方式，va设置垂直方向对齐方式

for x1, y in zip(x, y2):

plt.text(x1, -y - 0.05, ‘%.2f’ % y, ha = ‘center’, va = ‘top’)

for x1, y in zip(x, y1):

plt.text(x1, y + 0.05, ‘%.2f’ % y, ha = ‘center’, va = ‘bottom’)

plt.show()

三、散点图

import numpy as np

import matplotlib.pyplot as plt

N = 50

x = np.random.rand(N)

y = np.random.rand(N)

colors = np.random.rand(N)

area = np.pi * (15 * np.random.rand(N))**2

plt.scatter(x, y, s = area,c = colors, alpha = 0.8)

plt.show()

四、等高线图

---

import matplotlib.pyplot as plt

import numpy as np

def f(x, y):

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) # 生成网格坐标 将x轴与y轴正方形区域的点全部获取

line_num = 10 # 等高线的数量

plt.figure(figsize = (16, 12))

#contour 生成等高线的函数

#前俩个参数表示点的坐标，第三个参数表示等成等高线的函数，第四个参数表示生成多少个等高线

C = plt.contour(X, Y, f(X, Y), line_num, colors = ‘black’, linewidths = 0.5) # 设置颜色和线段的宽度

plt.clabel(C, inline = True, fontsize = 12) # 得到每条等高线确切的值

填充颜色, cmap 表示以什么方式填充，hot表示填充热量的颜色

plt.contourf(X, Y, f(X, Y), line_num, alpha = 0.75, cmap = plt.cm.hot)

plt.show()

五、处理图片

---

import matplotlib.pyplot as plt

import matplotlib.image as mpimg # 导入处理图片的库

import matplotlib.cm as cm # 导入处理颜色的库colormap

plt.figure(figsize = (16, 12))

img = mpimg.imread(‘image/fuli.jpg’)# 读取图片

print(img) # numpy数据

print(img.shape) #

plt.imshow(img, cmap = ‘hot’)

plt.colorbar() # 得到颜色多对应的数值

plt.show()

[[[ 11 23 63]

[ 12 24 64]

[ 1 13 55]

…

[ 1 12 42]

[ 1 12 42]

[ 1 12 42]]

[[ 19 31 71]

[ 3 15 55]

[ 0 10 52]

…

[ 0 11 39]

[ 0 11 39]

[ 0 11 39]]

[[ 22 34 74]

[ 3 15 55]

[ 7 19 61]

…

[ 0 11 39]

[ 0 11 39]

[ 0 11 39]]

…

[[ 84 125 217]

一、Python所有方向的学习路线

Python所有方向的技术点做的整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照下面的知识点去找对应的学习资源，保证自己学得较为全面。

二、Python必备开发工具

工具都帮大家整理好了，安装就可直接上手！

三、最新Python学习笔记

当我学到一定基础，有自己的理解能力的时候，会去阅读一些前辈整理的书籍或者手写的笔记资料，这些笔记详细记载了他们对一些技术点的理解，这些理解是比较独到，可以学到不一样的思路。

四、Python视频合集

观看全面零基础学习视频，看视频学习是最快捷也是最有效果的方式，跟着视频中老师的思路，从基础到深入，还是很容易入门的。

五、实战案例

纸上得来终觉浅，要学会跟着视频一起敲，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。

六、面试宝典

简历模板

网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。

需要这份系统化学习资料的朋友，可以戳这里无偿获取

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！