Python画图步骤--使用matplotlib

如果你是新手，不会使用Python作图，那么看完这篇文章，你将会掌握作图的步骤和规律。

第一步：导入包
import matplotlib.pyplot as plt
第二步：创建Figure
fig = plt.figure()
其中，可选参数figsize可以控制的图片大小,fig = plt.figure(figsize=(8,4))
第三步：创建子图
不能通过空Figure绘图，需调用add_subplot创建一个或多个subplot：
ax1 = fig.add_subplot(2,2,1)
ax2 = fig.add_subplot(2,2,2)
ax3 = fig.add_subplot(2,2,3)

其中，ax1 = fig.add_subplot(2,2,1) 的参数表示构建2x2的子图中的第1个。

当然，如果我们只需要写画一个图的话，只要ax = fig.add_subplot(1,1,1)即可。
第四步：画曲线图
ax.plot(x, y, 'g--')
x,y表示对应要作图的x轴和y轴的坐标，‘g–’ 是用来指定颜色和线型，这里为绿色虚线。
也可以通过这种显示的表达:
ax.plot(x, y, linestyle='--', color='g')
第五步：显示图形
plt.show()
如果在调用该函数时，发现并没有显示图片的话，可以在创建figure前加上plt.close().

合并代码：

import numpy as np
#第一步：导入matplotlib包
import matplotlib.pyplot as plt

#构造一些二维的点，你可以使用自己的数据
x = np.linspace(0, 2*np.pi, 50)
y = np.sin(x)

#第二步：创建Figure
fig = plt.figure(figsize=(8,6))
#第三步：创建子图 
ax = fig.add_subplot(1, 1, 1)
#第四步：画曲线图
ax.plot(x, y, 'g--')
#第五步：显示图形 
plt.show()

其他
上面几步可以做出最基本的图，下面可以进行更好的修饰图片：

• 图片背景颜色
  plt.figure(facecolor='#B7B7B7')控制外面大图的背景，颜色代码可点击参考资料
  fig.add_subplot(1, 1, 1, axisbg='#FFFACD')控制小图的背景色（覆盖在figure创建的图层上）

• 设置x轴y轴坐标范围
  ax.axis([0, 2*np.pi, -1.2, 1.5])对应参数表示[xmin, xmax, ymin, ymax]

• 在图中添加文本注释
  ax.text(3, 0.2, 'x=3')表示在(3, 0.2)处添加文本’x=3’

• 标签
  ax.set_xlabel('x value')添加坐标轴的标签
  ax.set_title('My plot', fontsize=14)添加标题, fontsize为标题字体大小

• 添加图例
  ax.legend(loc='best')loc表示图例的位置，’best’为自适应最佳位置

• 打开栅格
  ax.grid(True)

• 单独标出某个点
  ax.plot(point_x, point_y, 'ro')表示在(point_x, point_y)处标了一个红色的点

• 带箭头指向的文本注释
  ax.annotate('max', xy=(point_x, point_y), xytext=(2.0, 1.3),\
arrowprops=dict(facecolor='g', headwidth=12, width=5))表示在(point_x, point_y)处标了一个红色的点
  其中，xy对应箭头指向的点，xytext对应文本位置，arrowprops控制箭头属性
  更多annotate文本注释内容可点击参考资料

• 修改坐标轴刻度
  ax.set_xticks([0, 1, 2, 3, 4, 5])
ax.set_xticklabels(['zero','one','two','three','four','five'], rotation=30, fontsize='small')将原来的x轴[0, 1, 2, 3, 4, 5]替换为自定义的[‘zero’,’one’,’two’,’three’,’four’,’five’]，rotation为旋转角度，fontsize为字体

完整代码如下：

import numpy as np
#第一步：导入matplotlib包
import matplotlib.pyplot as plt

#构造一些二维的点，你可以使用自己的数据
#在0和2*pi之间产生50个均匀分布,赋值给x
x = np.linspace(0, 2*np.pi, 50)
y1 = np.sin(x)
y2 = np.cos(x)

#第二步：创建Figure
#facecolor控制外面大图的背景
fig = plt.figure(figsize=(8,6), facecolor='#B7B7B7')

#第三步：创建子图 
#axisbg控制小图的背景色（覆盖在figure创建的图层上）
ax = fig.add_subplot(1, 1, 1, axisbg='#FFFACD')

#第四步：画曲线图
#label用来给这条曲线做标签，调用legend()可以显示
ax.plot(x, y1, 'b-', label='sin(x)')  #画y1图像
ax.plot(x, y2, 'r--', label='cos(x)')  #画y2图像

#设置x轴y轴坐标范围，[xmin, xmax, ymin, ymax]
ax.axis([0, 2*np.pi, -1.2, 1.5])

#在图中添加文本注释
ax.text(3, 0.2, 'x=3')

#添加标签
ax.set_xlabel('x value')  #x轴的标签
ax.set_ylabel('y value')  #y轴的标签
ax.set_title('My plot', fontsize=14)  #标题

#添加图例
ax.legend(loc='best')  #loc表示图例的位置

#打开栅格
ax.grid(True)

point_x = np.pi/2.0 #待标注点(point_x,point_y)
point_y = 1
ax.plot(point_x, point_y, 'ro') #先画点
#再画箭头,xy对应箭头指向的点,xytext对应文本位置,arrowprops控制箭头属性
ax.annotate('max', xy=(point_x, point_y), xytext=(2.0, 1.3),\
            arrowprops=dict(facecolor='g', headwidth=12, width=5))

#如果需要修改坐标轴刻度，可以使用下面2句
#ax.set_xticks([0, 1, 2, 3, 4, 5])
#ax.set_xticklabels(['zero','one','two','three','four','five'], rotation=30, fontsize='small') 

#第五步：显示图形 
plt.show()

以上方法是参考《利用Python进行数据分析》和网上一些资料自己总结的。

我们还可以采用另外一种画图方法，稍有不同，简单介绍一下：

#方法二，稍有不同
import numpy as np
#导入matplotlib包
import matplotlib.pyplot as plt

#构造一些二维的点，你可以使用自己的数据
#在0和2*pi之间产生50个均匀分布,赋值给x
x = np.linspace(0, 2*np.pi, 50)
y1 = np.sin(x)
y2 = np.cos(x)
y3 = y1 + y2

#创建Figure
fig = plt.figure(figsize=(10,8))

#我们创建3个子图
#前面2个数'22'表示2x2的子图，第3个数'1'表示在第1个子图中绘图
plt.subplot(221)
#另一种设置x轴y轴坐标范围的方法
plt.xlim([0, 2*np.pi])  #设置x轴范围
plt.ylim([-1.2, 1.2])
plt.grid(True)  #打开栅格
plt.plot(x, y1)

plt.subplot(222)
#用plt也可以同时设置x，y轴坐标
plt.axis([0, 2*np.pi, -1.2, 1.2])
plt.plot(x, y2)

#可以通过axisbg参数设置图片的背景色
plt.subplot(223, axisbg='#FAFAD2')
plt.plot(x, y3)

plt.show()

参考资料：《利用Python进行数据分析》第8章

后记：
欢迎点赞，评论和转发，转载请注明出处！
这是我的第一篇博客，每一篇博客我都会用心去写。这不仅是一个记录和分享的过程，同时也是见证自我成长的过程。如果您发现有什么错误，请及时指出来。最后，希望我的博客对你有些许的帮助。