文章目录
- 0. 介绍
- 1. 使用函数绘制matplotlib的图表组成元素
- 1.1 绘制matplotlib 图表组成元素的主要函数
- 1.2 数据准备
- 1.3 绘制 matplotlib图表组成元素的函数
- 1.3.1 函数plot()——展示变量的趋势变化
- 1.3.2 函数scatter()——寻找变量之间关系
- 1.3.3 函数xlim()——设置x轴的数值显示范围
- 1.3.4 函数xlabel()——设置x轴的标签文本（y轴同）
- 1.3.5 函数grid()——绘制刻度线网格线
- 1.3.6 函数axhline()——绘制平行于x轴的水平参考线
- 1.3.7 函数axvspan()——绘制垂直于x轴的参考区域
- 1.3.8 函数annotate()——添加图形内容细节的指向型注释文本
- 1.3.9 函数text()——添加图形内容细节的无指向型注释文本
- 1.3.10 函数title()——添加图形内容标题
- 1.3.11 函数legend()——标识不同图形的文本标签图例
- 2. 多函数组合
0. 介绍
matplotlib库是Python中绘制二维、三维图表的数据可视化工具。有如下特点：
- 简单语句实现复杂绘图
- 交互式操作实现渐趋精细的图形效果
- 使用嵌入式的`LaTeX输出具有印刷级别的图标、表达式、符号文本
- 对图表元素实现精细化控制
1. 使用函数绘制matplotlib的图表组成元素
1.1 绘制matplotlib 图表组成元素的主要函数
在一个图形窗口中，底层是一个Figure实例（称之为画布），包含一些可见和不可见的元素。画布上的图形就是Axes实例，Axes实例几乎涵盖matplotlib的组成元素。Axes实例有x轴和y轴属性，即可以使用Axes.xaxis和Axes.yaxis来控制x轴和y轴的相关元素，如有：刻度线、刻度标签等。
而通过matplotlib.pyplot模块的API，就可以实现各种组成元素的绘制。
1.2 数据准备
- 导入第三方包
Numpy和快速绘图模块pyplotimport matplotlib.pyplot as plt import numpy as np
其中,科学计算包Numpy是matplotlib库的基础。
1.3 绘制 matplotlib图表组成元素的函数
1.3.1 函数plot()——展示变量的趋势变化
- 调用签名：
plt.plot(x,y,ls="-",lw=2,label="plot figure")
-
参数说明：
- x：x轴上的数值
- y：y轴上的数值
- ls：折线图的的线条风格
- lw：折线图的线条宽度
- label：标记图形内容的标签文本
-
调用展示：
import matplotlib.pyplot as plt import numpy as np x=np.linspace(0.05,10,1000) y=np.cos(x) plt.plot(x,y,ls="-",lw=2,label="plot figure") plt.legend() plt.show()
1.3.2 函数scatter()——寻找变量之间关系
- 调用签名：
plt.scatter(x,y1,c="b",label="scatter figure") - 参数说明：
- x：x轴上的数值
- y：y轴上的数值
- c：散点途中标记的颜色
- label：标记图形内容的标签文本
- 调用展示
import matplotlib.pyplot as plt import numpy as np x=np.linspace(0.05,10,1000) y=np.random.rand(1000) plt.scatter(x,y,label="plot figure") plt.legend() plt.show()
1.3.3 函数xlim()——设置x轴的数值显示范围
- 调用签名：
plt.xlim(xmin,xmax) - 参数说明：
- xmin：x轴上的最小值
- xmax：x轴上的最大值
同样适用于ylim()。
- 调用展示
import matplotlib.pyplot as plt import numpy as np x=np.linspace(0.05,10,1000) y=np.random.rand(1000) plt.scatter(x,y,label="plot figure") plt.legend() plt.xlim(0.05,10) plt.ylim(0,1) plt.show()
1.3.4 函数xlabel()——设置x轴的标签文本（y轴同）
- 调用签名：
plt.xlabel(string) - 参数说明：
- string：标签文本内容
- 调用展示
import matplotlib.pyplot as plt import numpy as np x=np.linspace(0.05,10,1000) y=np.sin(x) plt.plot(x,y,ls="-",lw=2,c="c",label="plot figure") plt.legend() plt.xlabel("x-axis") plt.ylabel("y-axis") plt.show()
1.3.5 函数grid()——绘制刻度线网格线
- 调用签名
plt.grid(linestyle=":",color="r") - 参数说明：
- linestyle：网格线的线条风格
- color：网格线的线条颜色
- 调用展示
import matplotlib.pyplot as plt import numpy as np x=np.linspace(0.05,10,1000) y=np.sin(x) plt.plot(x,y,ls="-",lw=2,c="c",label="plot figure") plt.legend() plt.grid(linestyle=":",color="r") plt.xlabel("x-axis") plt.ylabel("y-axis") plt.show()
1.3.6 函数axhline()——绘制平行于x轴的水平参考线
- 调用签名：
plt.axhline(y=0.0,c="r",ls="--",lw=2) - 参数说明：
- y：水平参考线的出发点
- c：参考线的线条颜色
- ls：参考下的线条风格
- lw：参考线的线条宽度
调用签名和参数同样适用于axvline()上。
- 调用展示
import matplotlib.pyplot as plt import numpy as np x=np.linspace(0.05,10,1000) y=np.sin(x) plt.plot(x,y,ls="-",lw=2,c="c",label="plot figure") plt.legend() plt.axhline(y=0.0,c="r",ls="--",lw=2) plt.axvline(x=4.0,c="r",ls="--",lw=2) plt.grid(linestyle=":",color="r") plt.xlabel("x-axis") plt.ylabel("y-axis") plt.show()
1.3.7 函数axvspan()——绘制垂直于x轴的参考区域
- 调用签名：
plt.axvspan(xmin=1.0,xmax=2.0,facecolor="y",alpha=0.3) - 参数说明：
- xmin：参考区域的起始位置
- xmax：参考区域的终止位置
- facecolor：参考区域的填充颜色
- alpha：参考区域的填充颜色的透明度
同样适用于axhspace()上。
- 调用展示
import matplotlib.pyplot as plt import numpy as np x=np.linspace(0.05,10,1000) y=np.sin(x) plt.plot(x,y,ls="-.",lw=2,c="c",label="plot figure") plt.legend() plt.axvspan(xmin=4.0,xmax=6.0,facecolor="y",alpha=0.3) plt.axhspan(ymin=0.0,ymax=0.5,facecolor="y",alpha=0.3) plt.xlabel("x-axis") plt.ylabel("y-axis") plt.show()
1.3.8 函数annotate()——添加图形内容细节的指向型注释文本
- 调用签名：
plt.annotate("maximum", xy=(np.pi/2,1.0), xytext=((np.pi/2)+1.0,.8), weight="bold", color="b", arrowprops =dict(arrowstyle="->",connectionstyle="arc3",color="b")) - 参数说明：
- string：图形内容的注释文本
- xy：被注释图形内容的位置坐标
- xytext：注释文本的位置坐标
- weight：注释文本的字体粗细风格
- color：注释文本的字体
- arrowprops：指示被注释内容的箭头的属性字典
- 调用展示
import matplotlib.pyplot as plt import numpy as np x=np.linspace(0.05,10,1000) y=np.sin(x) plt.plot(x,y,ls="-.",lw=2,c="c",label="plot figure") plt.legend() plt.annotate("maximum", xy=(np.pi/2,1.0), xytext=((np.pi/2)+1.0,.8), weight="bold", color="b", arrowprops =dict(arrowstyle="->",connectionstyle="arc3",color="b")) plt.xlabel("x-axis") plt.ylabel("y-axis") plt.show()
1.3.9 函数text()——添加图形内容细节的无指向型注释文本
- 调用签名：
plt.text(x,y,string,weight="bold",color="b") - 参数说明：
- x：注释文本内容所在位置横坐标
- y：注释文本内容所在位置纵坐标
- string：注释文本内容
- weight：注释文本内容的粗细风格
- color：注释文本内容的字体颜色
- 调用展示
import matplotlib.pyplot as plt import numpy as np x=np.linspace(0.05,10,1000) y=np.sin(x) plt.plot(x,y,ls="-.",lw=2,c="c",label="plot figure") plt.legend() plt.text(5.0,0.09,"y=sin(x)",weight="bold",color="b") plt.xlabel("x-axis") plt.ylabel("y-axis") plt.show()
1.3.10 函数title()——添加图形内容标题
- 调用签名：
plt.title(string) - 参数说明：
- string：图形内容的标题文本
- 调用展示
import matplotlib.pyplot as plt import numpy as np x=np.linspace(0.05,10,1000) y=np.sin(x) plt.plot(x,y,ls="-.",lw=2,c="c",label="plot figure") plt.legend() plt.title("y=sin(x)") plt.show()
1.3.11 函数legend()——标识不同图形的文本标签图例
- 调用签名：
plt.legend(loc="lower left") - 参数说明：
- loc：图例在图中的位置
- 调用展示
import matplotlib.pyplot as plt import numpy as np x=np.linspace(0.05,10,1000) y=np.sin(x) plt.plot(x,y,ls="-.",lw=2,c="c",label="plot figure") plt.legend(loc="lower right") plt.title("y=sin(x)") plt.show()
fdffd
2. 多函数组合
import matplotlib.pyplot as plt
from matplotlib import cm as cm
import numpy as np
# define data
x=np.linspace(0.5,4,100)
y=np.sin(x)
y1=np.random.randn(100)
# scatter figure
plt.scatter(x,y1,c="0.25",label="scatter figure")
# plot figure
plt.plot(x,y,ls="--",lw=2,label="plot figure")
# some clean up(romving chartjunk)
for spine in plt.gca().spines.keys():
if spine=="top" or spine=="right":
plt.gca().spines[spine].set_color("none")
# turn bottom tick for x-axis on
plt.gca().xaxis.set_ticks_position("bottom")
# set tick_line position of bottom
# leave left ticks for y-axis on
plt.gca().yaxis.set_ticks_position("left")
#set tick_line position of left
# set x,yaxis,limit
plt.xlim(0.0,4,0)
plt.ylim(-3.0,3.0)
# set axes labels
plt.ylabel("y_axis")
plt.xlabel("x_axis")
# set x,yaxis grid
plt.grid(True,ls=":",color="r")
# add a horizontal span across the axis
plt.axhline(y=0.0,c="r",ls="--",lw=2)
# add a vertical span across the axis
plt.axvspan(xmin=1.0,xmax=2.0,facecolor="y",alpha=.3)
# set annotating info
plt.annotate("",xy=(0,-2.78),
xytext=(0.4,-2.32),
arrowprops=dict(arrowstyle="->",connectionstyle="arc3",color="b"))
plt.annotate("",xy=(3.5,-2.98),
xytext=(3.6,-2.70),
arrowprops=dict(arrowstyle="->",connectionstyle="arc3",color="b"))
# set text info
plt.text(3.6,-2.7,"'|' is tickline",weight="bold",color="b")
plt.text(3.6,-2.95,"3.5 is ticklabel",weight="bold",color="b")
# set title
plt.title("structure of matplotlib")
# set legend
plt.legend()
plt.show()
411
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
