带你十分钟快速入门画图神器 Matplotlib


640?wx_fmt=jpeg

作者

王伟同学

已获原作者授权,如需转载,请联系原作者。

一篇快速上手 Matplotlib 的好文章~


在开始正式介绍 Matplotlib 用法之前,先来简单了解下 Matplotlib。


Matplotlib 是 Python 的一个绘图库。它包含了大量的工具,你可以使用这些工具创建各种图形,包括简单的散点图,正弦曲线,甚至是三维图形。

目录

1. 画一个简单的图形

2. 在一张图纸里绘制多个图形

3. 更多设置

    3.1 设置 figure

    3.2 设置标题

    3.3 设置坐标轴

    3.4 设置 label 和 legend

    3.5 添加注释

4. 使用子图

5. 常见的图形

    5.1 散点图

    5.2 柱状图

6. 中文乱码解决


# 导入相关模块
import matplotlib.pyplot as plt
import numpy as np

画一个简单的图形

这里我们通过画出一个正弦曲线图来讲解下基本用法。

首先通过 np.linspace 方式生成 x,它包含了 50 个元素的数组,这 50 个元素均匀的分布在 [0, 2pi] 的区间上。然后通过 np.sin(x) 生成 y。

x = np.linspace(02 * np.pi, 50)
y = np.sin(x)

有了 x 和 y 数据之后,我们通过 plt.plot(x, y) 来画出图形,并通过 plt.show() 来显示。

plt.plot(x, y)
plt.show()


640?wx_fmt=png

在一张图纸里绘制多个图形

有时候,可能需要在一个图纸里绘制多个图形,这里我们同时绘制了 (x, y), (x, y * 2)两个图形。

plt.plot(x, y)
plt.plot(x, y * 2)
plt.show()

640?wx_fmt=png

绘制出图形之后,我们可以自己调整更多的样式,比如颜色、点、线。

plt.plot(x, y, 'y*-')
plt.plot(x, y * 2'm--')
plt.show()

640?wx_fmt=png


可以看到,设置样式时,就是增加了一个字符串参数,比如 'y*-' ,其中 y 表示黄色,* 表示 星标的点,- 表示实线。

这里列举一些常见的颜色表示方式:

颜色表示方式
蓝色b
绿色g
红色r
青色c
品红m
黄色y
黑色k
白色w

常见的点的表示方式:

点的类型表示方式
.
像素,
o
方形s
三角形^

常见的线的表示方式:

线的类型表示方式
直线-
虚线--
点线:
点划线-.

更多设置

Matplotlib 支持各种灵活的设置,这里我们列举一些常见的内容。

设置 figure

你可以认为Matplotlib绘制的图形都在一个默认的 figure 中,当然了,你可以自己创建 figure,好处就是可以控制更多的参数,常见的就是控制图形的大小,这里创建一个 figure,设置大小为 (6, 3)

plt.figure(figsize=(63))
plt.plot(x, y)
plt.plot(x, y * 2)
plt.show()

640?wx_fmt=png

设置标题

来看下如何设置标题。

plt.plot(x, y)
plt.plot(x, y * 2)
plt.title("sin(x) & 2sin(x)")
plt.show()

640?wx_fmt=png

直接通过 plt.title 即可设置图形标题。

设置坐标轴

来看下如何设置坐标轴的范围以及名称。

plt.plot(x, y)
plt.plot(x, y * 2)

plt.xlim((0, np.pi + 1))
plt.ylim((-33))
plt.xlabel('X')
plt.ylabel('Y')

plt.show()

640?wx_fmt=png

通过 xlim  ylim 来设限定轴的范围,通过 xlabel  ylabel 来设置轴的名称。

此外,我们也可以通过 xticks  yticks 来设置轴的刻度。

plt.plot(x, y)
plt.plot(x, y * 2)
plt.xticks((0, np.pi * 0.5, np.pi, np.pi * 1.5, np.pi * 2))
plt.show()

640?wx_fmt=png

设置 label 和 legend

设置 label 和 legend 的目的就是为了区分出每个数据对应的图形名称。

plt.plot(x, y, label="sin(x)")
plt.plot(x, y * 2, label="2sin(x)")
# plt.legend()
plt.legend(loc='best')
plt.show()

640?wx_fmt=png

添加注释

有时候我们需要对特定的点进行标注,我们可以使用 plt.annotate 函数来实现。

这里我们要标注的点是 (x0, y0) = (π, 0)

我们也可以使用 plt.text 函数来添加注释。

plt.plot(x, y)

x0 = np.pi
y0 = 0

# 画出标注点
plt.scatter(x0, y0, s=50)

plt.annotate('sin(np.pi)=%s' % y0, xy=(np.pi, 0), xycoords='data', xytext=(+30-30),
             textcoords='offset points', fontsize=16,
             arrowprops=dict(arrowstyle='->', connectionstyle="arc3,rad=.2"))

plt.text(0.5-0.25"sin(np.pi) = 0", fontdict={'size'16'color''r'})

plt.show()

640?wx_fmt=png

对于 annotate 函数的参数,做一个简单解释:

  • 'sin(np.pi)=%s' % y0 代表标注的内容,可以通过字符串 %s 将 y0 的值传入字符串;

  • 参数 xycoords='data' 是说基于数据的值来选位置;

  • xytext=(+30, -30)  textcoords='offset points' 表示对于标注位置的描述 和 xy 偏差值,即标注位置是 xy 位置向右移动 30,向下移动30;

  • arrowprops 是对图中箭头类型和箭头弧度的设置,需要用 dict 形式传入。

使用子图

有时候我们需要将多张子图展示在一起,可以使用 subplot() 实现。即在调用 plot() 函数之前需要先调用 subplot() 函数。该函数的第一个参数代表子图的总行数,第二个参数代表子图的总列数,第三个参数代表活跃区域。

ax1 = plt.subplot(221# (行,列,活跃区)
plt.plot(x, np.sin(x), 'r')

ax2 = plt.subplot(222, sharey=ax1) # 与 ax1 共享y轴
plt.plot(x, 2 * np.sin(x), 'g')

ax3 = plt.subplot(223)
plt.plot(x, np.cos(x), 'b')

ax4 = plt.subplot(224, sharey=ax3) # 与 ax3 共享y轴
plt.plot(x, 2 * np.cos(x), 'y')

plt.show()

640?wx_fmt=png

上面的 subplot(2, 2, x) 表示将图像窗口分为 2 行 2 列。x 表示当前子图所在的活跃区。

可以看到,上面的每个子图的大小都是一样的。有时候我们需要不同大小的子图。比如将上面第一张子图完全放置在第一行,其他的子图都放在第二行。

ax1 = plt.subplot(211# (行,列,活跃区)
plt.plot(x, np.sin(x), 'r')

ax2 = plt.subplot(234)
plt.plot(x, 2 * np.sin(x), 'g')

ax3 = plt.subplot(235, sharey=ax2)
plt.plot(x, np.cos(x), 'b')

ax4 = plt.subplot(236, sharey=ax2)
plt.plot(x, 2 * np.cos(x), 'y')

plt.show()

640?wx_fmt=png

简单解释下,plt.subplot(2, 1, 1) 将图像窗口分为了 2 行 1 列, 当前活跃区为 1。

使用 plt.subplot(2, 3, 4) 将整个图像窗口分为 2 行 3 列, 当前活跃区为 4。

解释下为什么活跃区为 4,因为上一步中使用 plt.subplot(2, 1, 1) 将整个图像窗口分为 2 行 1 列, 第1个小图占用了第1个位置, 也就是整个第1行. 这一步中使用 plt.subplot(2, 3, 4) 将整个图像窗口分为 2 行 3 列, 于是整个图像窗口的第1行就变成了3列, 也就是成了3个位置, 于是第2行的第1个位置是整个图像窗口的第4个位置。

常见的图形

这里带大家画一些常见的示例图。

散点图

首先来看下如何绘制散点图。

k = 500
x = np.random.rand(k) 
y = np.random.rand(k)
size = np.random.rand(k) * 50 # 生成每个点的大小
colour = np.arctan2(x, y) # 生成每个点的颜色大小
plt.scatter(x, y, s=size, c=colour)
plt.colorbar() # 添加颜色栏

plt.show()

640?wx_fmt=png

上面我们首先生成了要绘制的数据的点x  y,接下来为每个数据点生成控制大小的数组 size,然后未每个数据点生成控制颜色的数组 colour。最后通过 colorbar() 来增加一个颜色栏。

柱状图

柱状图我们经常会用到,我们来看下如何画出柱状图,并在图上标注出数据对应的数值。

k = 10
x = np.arange(k)
y = np.random.rand(k)
plt.bar(x, y) # 画出 x 和 y 的柱状图

# 增加数值
for x, y in zip(x, y):
    plt.text(x, y , '%.2f' % y, ha='center', va='bottom')

plt.show()

640?wx_fmt=png

生成数据 x  y 之后,调用 plt.bar 函数绘制出柱状图,然后通过 plt.text 标注数值,设置参数 ha='center' 横向居中对齐,设置 va='bottom'纵向底部(顶部)对齐。

中文乱码解决

Matplotlib 有个让人恼火的问题是,默认情况下,Matplotlib 中文会乱码。

x = ['北京''上海''深圳''广州']
y = [60000580005000052000]
plt.plot(x, y)
plt.show()

640?wx_fmt=png

可以看到,上面所有的中文都乱码了,显示成方框了,如何解决呢?

其实只需要配置下后台字体即可。

plt.rcParams['font.sans-serif']=['SimHei'#用来正常显示中文标签
plt.rcParams['axes.unicode_minus']=False #用来正常显示负号

plt.plot(x, y)
plt.show()

640?wx_fmt=png



01

 微 信 群  


添加小编微信:tangguoyemeng,备注“进群”即可,加入【云计算学习交流群】,和志同道合的朋友们共同打卡学习!


成为群成员,或拉人进群,

还有机会参与红包抽奖,获得免费赠书哦~~


02

 征 稿 


CSDN作为国内专业的云计算服务平台,目前提供云计算、大数据、虚拟化、数据中心、OpenStack、CloudStack、机器学习、智能算法等相关云计算观点、技术、平台、实践、云产业咨询等服务。CSDN 公众号也一直坚持「与千万技术人共成长」的理念,深度解读行业内热门技术与场景应用,致力于让所有开发者保持敏锐的技术嗅觉、对行业趋势与技术获得更广阔的认知。

文章题材

  • 首先你需要关注我们的公众号“CSDN云计算”,这样你会更准确了解我们需要的文章风格;

  • 侧重于云计算领域相关的文章,可以是技术、运维、趋势等方面的务实内容;

  • 原创,要求文章有鲜明观点和看法。

投稿须知

  •  稿费:根据原创性、实用性和时效性等方面进行审核,通过的文章会发布在本微信平台。一经采用,我们将支付作者酬劳。酬劳可能不多,这代表的是一个心意,更多是因为爱好,是有识之士抒发胸怀的一种方式;

  • 字数要求:稿件字数以2K-8K为宜,少于2K或多于8K都会一定程度降低阅读愉悦感;

  • 投稿邮箱:lijy@csdn.net。或者添加微信表明来意,微信号:tangguoyemeng。请备注投稿+姓名+公司职位


如果咱们的合作稳定又愉快,还可以签订合同长期合作哦!

  • 1
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
Matplotlib是一个Python 2D绘图库,它可以生成各种硬拷贝格式和跨平台的交互式环境。在Python中,Matplotlib是最常用的绘图库之一,它提供了丰富的绘图工具和接口,可以绘制各种类型的图表,如线图、散点图、柱状图、直方图、饼图等等。 下面是一个快速画图的例子,以绘制一条正弦曲线为例: ```python import numpy as np import matplotlib.pyplot as plt # 生成数据 x = np.linspace(0, 2 * np.pi, 100) y = np.sin(x) # 设置图形大小 plt.figure(figsize=(8, 6)) # 绘制正弦曲线 plt.plot(x, y, label='sin(x)') # 设置横纵坐标标签 plt.xlabel('x') plt.ylabel('y') # 设置标题 plt.title('Sin(x) Curve') # 设置图例 plt.legend() # 显示图形 plt.show() ``` 解释一下代码: 1. 首先导入必要的库,numpy用来生成数据,matplotlib.pyplot用于绘图。 2. 生成数据,这里使用了numpy库的linspace函数生成了0到2π之间100个等间隔的数,然后计算它们的正弦值。 3. 设置图形大小,这里使用了figure函数设置图形的大小为8英寸宽、6英寸高。 4. 绘制正弦曲线,这里使用了plot函数绘制正弦曲线,同时将标签设置为'sin(x)',方便后面添加图例。 5. 设置横纵坐标标签,这里使用了xlabel和ylabel函数设置横纵坐标的标签。 6. 设置标题,这里使用了title函数设置图形的标题为'Sin(x) Curve'。 7. 设置图例,这里使用了legend函数添加图例。 8. 最后使用show函数显示图形。 运行代码,即可生成一条正弦曲线的图形。如果要绘制其他类型的图表,只需要更改绘图函数和数据即可。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值