Python库——Matplotlib笔记（1）基本用法

Python库——Matplotlib笔记（1）基本用法

一.figure图像——对图像框进行改变的方法

代码：

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(-3, 3, 50)
y1 = 2*x + 1
y2 = x**2

plt.figure(num=3, figsize=(8, 5),)
plt.plot(x, y2)
plt.plot(x, y1, color='red', linewidth=1.0, linestyle='--')
plt.show()

使用plt.figure定义一个图像窗口：编号为3；大小为(8, 5).
使用plt.plot画(x ,y2)曲线.
使用plt.plot画(x ,y1)曲线，颜色(color)为红色，宽度(linewidth)为1.0，曲线的类型(linestyle)为虚线.

输出结果：

二.坐标轴设置

1.

代码：

import matplotlib.pyplot as plt
import numpy as np
 
x = np.linspace(-3,3,50)
y1 = 2*x+1
y2 = x**2
 
plt.figure()
plt.plot(x,y2)
plt.plot(x,y1,color='red',linewidth=1.0,linestyle='--')
 
plt.xlim((-1,2))
plt.ylim((-2,3))
plt.xlabel("I am x")
plt.ylabel("I am y")
 
new_ticks = np.linspace(-1,2,5)
plt.xticks(new_ticks)
plt.yticks([-2,-1.8,-1,1.22,3],[r"$really\ bad$",r"$bad$",r"$normal$",r"$good$",r"$really\ goog$"])
 
plt.show()

np.linspace：定义范围以及个数，如这里范围是(-1,2);个数是5
plt.xticks：设置x轴刻度，如这里范围是(-1,2);个数是5
plt.yticks：设置y轴刻度以及名称，这里刻度为[-2, -1.8, -1, 1.22, 3]；对应刻度的名称为[‘really bad’,‘bad’,‘normal’,‘good’, ‘really good’]. 使用plt.show显示图像

运行结果：

2.

本质同一，但是

代码：

import matplotlib.pyplot as plt
import numpy as np
 
x = np.linspace(-3,3,50)
y1 = 2*x+1
y2 = x**2
 
plt.figure()
plt.plot(x,y2)
plt.plot(x,y1,color='red',linewidth=1.0,linestyle='--')
 
plt.xlim((-1,2))
plt.ylim((-2,3))
plt.xlabel("I am x")
plt.ylabel("I am y")
 
new_ticks = np.linspace(-1,2,5)
plt.xticks(new_ticks)
plt.yticks([-2,-1.8,-1,1.22,3],[r"$really\ bad$",r"$bad$",r"$normal$",r"$good$",r"$really\ goog$"])
 
#gca = get current axis
ax = plt.gca()
ax.spines['right'].set_color('none')
ax.spines['top'].set_color('none')
ax.xaxis.set_ticks_position('bottom')
ax.yaxis.set_ticks_position('left')
ax.spines['bottom'].set_position(('data',0))
ax.spines['left'].set_position(('data',0))
 
plt.show()

(1)设置不同名字和位置 :

plt.gca：获取当前坐标轴信息；
spines设置边框：右边框；使用.set_color设置边框颜色：默认白色；上边框；使用.set_color设置边框颜色：默认白色；

(2)调整坐标轴:

.xaxis.set_ticks_position:设置x坐标刻度数字或名称的位置,此处bottom（所有位置：top，bottom，both，default，none）
使用.spines设置边框：x轴；使用.set_position设置边框位置：y=0的位置；（位置所有属性：outward，axes，data）
使用.spines设置边框：y轴；使用.set_position设置边框位置：x=0的位置；（位置所有属性：outward，axes，data） 使用plt.show显示图像.

运行结果：

三.Legend 图例

代码：

import matplotlib.pyplot as plt
import numpy as np
 
x = np.linspace(-3,3,50)
y1 = 2*x+1
y2 = x**2
 
plt.figure()
 
 
plt.xlim((-1,2))
plt.ylim((-2,3))
plt.xlabel("I am x")
plt.ylabel("I am y")
 
new_ticks = np.linspace(-1,2,5)
plt.xticks(new_ticks)
plt.yticks([-2,-1.8,-1,1.22,3],[r"$really\ bad$",r"$bad$",r"$normal$",r"$goog$",r"$really\ goog$"])
 
plt.plot(x,y2,label='up')
plt.plot(x,y1,color='red',linewidth=1.0,linestyle='--',label='down')
plt.legend()
plt.show()

legend将要显示的信息来自于上面代码中的 label. 所以只需要写下一下代码, plt 就能自动的为我们添加图例.

运行结果：

dlc:调整位置和名称

如果我们想单独修改之前的 label 信息, 给不同类型的线条设置图例信息. 我们可以在 plt.legend 输入更多参数. 如果以下面这种形式添加 legend, 我们需要确保, 在上面的代码 plt.plot(x, y2, label=‘linear line’) 和 plt.plot(x, y1, label=‘square line’) 中有用变量 l1 和 l2 分别存储起来. 而且需要注意的是 l1, l2,要以逗号结尾, 因为plt.plot() 返回的是一个列表.

plt.legend(handles=[l1, l2], labels=['up', 'down'],  loc='best')

这样我们就能分别重新设置线条对应的 label 了.
得到如下结果：

'loc’参数有多种，'best’帮我们表示自动分配最佳位置，想尝试的可以参考如下：

'best' : 0,          
 'upper right'  : 1,
 'upper left'   : 2,
 'lower left'   : 3,
 'lower right'  : 4,
 'right'        : 5,
 'center left'  : 6,
 'center right' : 7,
 'lower center' : 8,
 'upper center' : 9,
 'center'       : 10,

四.Annotation 标注

代码：

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(-3, 3, 50)
y = 2*x + 1

plt.figure(num=1, figsize=(8, 5),)
plt.plot(x, y,)
ax = plt.gca()
ax.spines['right'].set_color('none')
ax.spines['top'].set_color('none')
ax.xaxis.set_ticks_position('bottom')
ax.spines['bottom'].set_position(('data', 0))
ax.yaxis.set_ticks_position('left')
ax.spines['left'].set_position(('data', 0))

x0=1
y0=3
plt.scatter(x0,y0,s=50,color='b')
plt.plot([x0,x0],[0,y0],'k--',linewidth=2.5)
plt.plot([0, x0,], [y0, y0,], 'k--', linewidth=2.5)
plt.annotate(r'$2x+1=%s$'%y0,xy=(x0,y0),xycoords='data',xytext=(+30,-30),textcoords='offset points',
             fontsize=16,arrowprops=dict(arrowstyle='->',connectionstyle='arc3,rad=.2'))
plt.text(-3.7, 3, r'$This\ is\ the\ some\ text. \mu\ \sigma_i\ \alpha_t$',
         fontdict={'size': 16, 'color': 'r'})
plt.show()

（1）作垂直线和水平线

标注出点(x0, y0)的位置信息. 如用plt.plot([x0, x0,], [0, y0,], ‘k–’, linewidth=2.5) 画出一条垂直于x轴的虚线.（即(x0,0)指向(x0,y0)）

x0 = 1
y0 = 2*x0 + 1
plt.plot([x0,x0],[0,y0],'k--',linewidth=2.5)
plt.plot([0, x0,], [y0, y0,], 'k--', linewidth=2.5)
plt.scatter([x0, ], [y0, ], s=50, color='b')

（2）添加注释 annotate

plt.annotate(r'$2x+1=%s$'%y0,xy=(x0,y0),xycoords='data',xytext=(+30,-30),textcoords='offset points',
             fontsize=16,arrowprops=dict(arrowstyle='->',connectionstyle='arc3,rad=.2'))

参数xycoords=‘data’ 是说基于数据的值来选位置, xytext=(+30, -30) 和 textcoords=‘offset points’ 对于标注位置的描述 和 xy 偏差值, arrowprops是对图中箭头类型的一些设置.

（3）添加注释 text

plt.text(-3.7, 3, r'$This\ is\ the\ some\ text. \mu\ \sigma_i\ \alpha_t$',
         fontdict={'size': 16, 'color': 'r'})

其中-3.7, 3,是选取text的位置, 空格需要用到转字符,fontdict设置文本字体.

运行结果：

五.tick 能见度

代码：

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(-3, 3, 50)
y = 0.1*x

plt.figure()
plt.plot(x, y, linewidth=10, zorder=1)
plt.ylim(-2, 2)
ax = plt.gca()
ax.spines['right'].set_color('none')
ax.spines['top'].set_color('none')
ax.spines['top'].set_color('none')
ax.xaxis.set_ticks_position('bottom')
ax.spines['bottom'].set_position(('data', 0))
ax.yaxis.set_ticks_position('left')
ax.spines['left'].set_position(('data', 0))
for label in ax.get_xticklabels() + ax.get_yticklabels():
    label.set_fontsize(12)
    label.set_bbox(dict(facecolor='white', edgecolor='None', alpha=0.7, zorder=2))
plt.show()

label.set_fontsize(12)重新调节字体大小，bbox设置目的内容的透明度相关参，facecolor调节 box 前景色，edgecolor 设置边框， 本处设置边框为无，alpha设置透明度.

运行结果：

可以看见半透明的效果

下一篇笔记会记录不同的画图种类(散点图、直方图、等高线等）