matplotlib画图教程－标签上带图例

matplotlib画图实例

用于设置线型图中线条颜色的常用参数如下。

(1)b:指定绘制的线条颜色为蓝色。

(2)g:指定绘制的线条颜色为绿色。

(3)r:指定绘制的线条颜色为红色。

(4)“c”:指定绘制的线条颜色为蓝绿色。

(5)m:指定绘制的线条颜色为洋红色。

(6)y:指定 绘制的线条颜色为黄色。

(7)k:指定 绘制的线条颜色为黑色。

(8)w:指定 绘制的线条颜色为白色。

用于设置线型图中标记参数点形状的常用参数如下 。

(1)“o”:指 定标记实际点使用的形状为圆形。

(2)"":指定标记 实际点使用"" 符号。

(3)"+":指定标记 实际点使用“+”符号 。

(4)“x”:指定标记 实际点使用“x”符号。

用于设置线型图中连接参数点线条形状的常用参数如下 。

(1)"-":指定线条形状为实线。

(2)"–": 指定线条形状为虚线 。

(3)"-.": 指定线条形状为点实线 。

(4)":" 指定线条形状为点线。

import numpy as np
import matplotlib.pyplot as plt
%matplotlib inline

a=np.random.randn(30)
b=np.random.randn(30)
c=np.random.randn(30)
d=np.random.randn(30)

通过 plt.plot(x,"r–o”)将这 30 个随机参数以点的方式绘制出来并用线条进行连接,传递给 plot的参数 r–o 用于在线型图中标记每个连接参数点使用的线条颜色,线型,参数点使用的形状

plt.plot(a,'r--o',b,'b-*',c,'y:x',d,'m-.+')

np.random.seed(4)
x=np.random.randn(30)
y=np.random.randn(30)
plt.title("Ext")
plt.xlabel("X")
plt.ylabel("Jay")

X, = plt.plot(x,'r--o')
Y, = plt.plot(y,'b-*')
plt.legend([X,Y],["X","Y"])

图标签和图例,这是因为 在 以上代码中增加了标签的显示代码 plt.xlabel(”X”),plt.ylabel (”Jay”)和图例的显示代码 plt.legend([X,Y],[”X”,”Y”]) ,传递给pit.legend 的是两个列表参数, 第1个列表参数是在图中实际使用的标记和线形,第2个列表参数是对应图例的文字描述

子图：

若我们 需 要将多个图像同时 在 不同的位 置 显示,则 需 要用到 子 图( Subplot )的功能 。

fig = plt.figure()
ax1 = fig.add_subplot(221)
ax2 = fig.add_subplot(222)
ax3 = fig.add_subplot(223)
ax4 = fig.add_subplot(224)
A, = ax1.plot(a,"r--o")
ax1.legend([A],["A"])
B, = ax2.plot(b,'b-*')
ax2.legend([B],["B"])
C, = ax3.plot(c,'g-.+')
ax3.legend([C],["C"])
D, = ax4.plot(d,'m:x')
ax4.legend([D],["D"])

在绘制子图 时,我们 首先需要通过 fig = pit.figure ()定义 一 个实例,然后通过fig.add_subplot方法向fig实例中添加我们需要的子图。在代码中传递给fig.add_subplot 方法的参数是１组数字,拿第 1 组数字( 2,2,1 )来说,前两个数字表示把整块图划分成了两行两列,一共４张子图,最后 １个 数字表示具体使用哪１张子图进行绘制

散点图

x = np.random.randn(30)
y = np.random.randn(30)
plt.scatter(x,y,c='g',marker='o',label="(x,y)")
plt.title("scatter figure")
plt.xlabel("time")
plt.ylabel("speed")
plt.legend(loc=1)
plt.show

绘制散点图的核心代码是plt.scatter(x,y,c=‘g’,marker=‘o’,label="(x,y)"), 其中有三个我们需要特别留意
的参数,如下所述 。

1)“c”:指定散点图中绘制的参数点使用哪种颜色

2)“marker”: 指 定散点图中绘制的参数点使用哪种形状 ,和之前线型图中的设置一样,这里使用“o”表示设置为圆形

3)"label"指定在散点图中绘制的参数点使用的图例,与线型图中的图例不同

我们还可以通过 plt.legend(loc= 1)对图例的位置进行强制设定 ,对图例位置的参数设置一般有以下几种

(1)loc=O: 图例使用最好的位置。

(2)loc=1:强制图例使用图中右上角的位置 。

(3)loc=2 :强制图例使用图中左上角的位置 。

(4)loc=3 :强制图例使用图中左下角的位置 。

(5)loc=4 :强制图例使用图中右上角的位置 。

直方图

np.random.seed(80)
m = np.random.randn(1000)
plt.hist(x,bins=20,color='g')
plt.title("i am pict")
plt.xlabel('x')
plt.ylabel('y')
plt.show

绘制直方图的核 心 代码是plt.hist(x,bins=20,color=‘g’), 其中 color 的功能和散点图中的 c 是 一 样的, bins 用于指定我们绘制的直方图条纹的数量。

饼图

饼图用于显示一个数据系列, 我们可以将一个数据系列理解为一 类数据,而每个数据系列都应当拥有自己唯一的颜色.在同一个饼图中可以绘制多个系列的数据,并根据每个系列的数据量的不同 来分配它们在饼图中的占比

labels=['Dogs','Cats','Birds']
size = [15,50,35]
plt.pie(size,explode=(0,0,0.1),labels=labels,autopct='%1.1f%%',
      startangle=90 )
plt.axis('equal')
plt.show

绘制饼图的核心代码为plt.pie(size,explode=(0,0,0.1),labels=labels,autopct=’%1.1f%%’,
startangle=90 ), 其中sizes= [15 , 50, 35 ]的 三个数字确定了每部分数据系列在整个圆形中的占比:explode定义每部分数据系列之间的间隔,如果设置两个0 和一个0.1,就能突出第3部分:autopct其实就是将sizes中的数据以所定义的浮点精度进行显示:startangle 是绘制第1块饼图时该饼图与X轴正方向的夹角度数,这里设置为90,默认为0; pit.axis(‘equal’) 是必不可少的, 用于使X轴和Y轴的 刻度保持一 致,只有这样,最后得到饼图才是圆形的。