折线图
画一个最简单的折线图
plot
matplotilb中折线图是用plot来绘制
添加x。y轴坐标
xlabel | ylabel
import matplotlib.pyplot as plt
plt.plot([1,2,3],[1,4,9])
plt.reP
plt.xlabel('number')
plt.ylabel('values')
plt.show()
x轴的number 和y轴values 就是说明数据的
添加标题
plt.title()
import matplotlib.pyplot as plt
plt.plot([1,2,3],[1,4,9])
plt.title('Demo')
plt.xlabel('number')
plt.ylabel('values')
plt.show()
画两条or多条折线
import matplotlib.pyplot as plt
plt.plot([1,2,3],[1,4,9])
plt.plot([1,2,3],[1,2,3])
plt.xlabel('number')
plt.ylabel('values')
plt.show()
这个网上有另一种写法是一个plot
图示
在plot中有个label属性
不管是折线图还是散点图抑或是柱状图 图标的用法都是一样的
import matplotlib.pyplot as plt
plt.plot([1,2,3],[1,4,9],label='x*x')
plt.plot([1,2,3],[1,2,3],label='x')
plt.xlabel('number')
plt.ylabel('values')
plt.legend()#这句是显示图标用的 TwT 不写会不显示的
plt.show()
设置图示的位置
只是需要设置plt.legend()中的loc属性
right | 右 |
left | 左 |
upper | 上 |
lower | 下 |
conter | 居中 |
best | 这个是自适应? (不怎么清楚) |
除了best 其他的可以相互组合 例如
import matplotlib.pyplot as plt
plt.plot([1,2,3],[1,4,9],label='x*x')
plt.plot([1,2,3],[1,2,3],label='x')
plt.xlabel('number')
plt.ylabel('values')
plt.legend(loc='upper right')
plt.show()
设置x轴坐标值
plt.xticks() | plt.yticks() 设置y轴
这里需要设置2个参数 第一个是位置 第二个是名子TwT
import matplotlib.pyplot as plt
plt.plot([1,2,3],[1,4,9],label='x*x')
plt.plot([1,2,3],[1,2,3],label='x')
plt.title('Demo')
plt.xlabel('number')
plt.ylabel('values')
plt.xticks([1,2,3],['one','two','three'])
plt.legend(loc='upper right')
plt.show()
设置样式(一)
颜色
plot
方法的关键字参数 color(或c)
用来设置线的颜色。可取值为
字母 | 颜色 |
---|---|
r | 红色 |
b | 蓝色 |
y | 黄色 |
g | 绿色 |
c | 天蓝色 |
m | 紫色 |
k | 黑色 |
w | 白色 |
样式
以下关键字参数可以用来设置marker的样式:
字母 | 样式 |
---|---|
o | 圆形 |
v | 倒三角 |
* | 五角星 |
s | 正方形 |
p | 五边形 |
h | 六边形 |
+ | 加号 |
D | 无 |
线性
plot
方法的关键字参数 linestyle(或ls)
用来设置线的样式。可取值为:
符号 | 线性 |
---|---|
‘-’ | 直线 |
‘--’ | — — |
‘-.’ | -.- .-. - |
‘:’ | - - - - |
‘’ | 散点图 |
粗细
设置 plot
方法的关键字参数 linewidth(或lw)
可以改变线的粗细,其值为浮点数。
设置样式(二)
可以简写成'bD-'这样 不需要指定参数名 ——这代表蓝色直线
散点图
散点图和折线图很相似(应该说散点图和折线图可以互换)
例如上面的例子 改一个地方就变成了散点图
只要设置样式的时候不设线性就可以
import matplotlib.pyplot as plt
plt.plot([1,2,3],[1,4,9],'ro',ls='',label='x*x')
plt.plot([1,2,3],[1,2,3],'b*',label='x')
#这里`b-`是`color="blue",linestyle="-"`的简写形式
plt.title('Demo')
plt.xlabel('number')
plt.ylabel('values')
plt.xticks([1,2,3],['one','two','three'])
plt.legend(loc='upper left')
plt.show()
正规散点图
scatter
import matplotlib.pyplot as plt
plt.scatter([1,2,3],[1,4,9],label='x*x')
plt.scatter([1,2,3],[1,2,3],label='x')
plt.title('Demo')
plt.xlabel('number')
plt.ylabel('values')
plt.xticks([1,2,3],['one','two','three'])
plt.legend(loc='upper left')
plt.show()
柱形图
bar
画一个简单的柱形图
plt.bar(range(3),[1,2,3],width=0.8)
plt.show()
柱状图可以指出宽度(每一个柱状的宽度)
设置xy轴坐标
plt.bar(range(3),[1,2,3],width=0.8)
plt.rcParams['font.sans-serif']=['SimHei']#支持中文
plt.xlabel(u'电影名称')
plt.ylabel(u'人数')
plt.show()
设置中文需要加一句
plt.rcParams['font.sans-serif']=['SimHei']
添加标题
设置title
plt.title(u'电影观看人数统计')
修改x轴坐标值
设置xticks()
plt.bar(range(3),[1,2,3],width=0.8)
plt.rcParams['font.sans-serif']=['SimHei']
plt.title(u'电影观看人数统计')
plt.xlabel(u'电影名称')
plt.ylabel(u'人数')
plt.xticks(range(3),[u'让子弹飞',u'举起手来',u'人在囧途'])
plt.show()
添加多个数据
import numpy as np
#计算x轴的坐标位置
total_width, n = 0.8, 2
x = np.arange(3)
width = total_width / n
x = x - (total_width - width) / 2
plt.bar(x,[1,2,3],width=width)
plt.bar(x+width,[4,5,6],width=width)
plt.rcParams['font.sans-serif']=['SimHei']
plt.title(u'电影观看人数统计')
plt.xlabel(u'电影名称')
plt.ylabel(u'人数')
plt.xticks(range(3),[u'让子弹飞',u'举起手来',u'人在囧途'])
plt.show()
添加图示
和折线图添加图示的方法一样只不过是在bar()中 写label属性
import numpy as np
total_width, n = 0.8, 2
x = np.arange(3)
width = total_width / n
x = x - (total_width - width) / 2
plt.bar(x,[1,2,3],width=width,label=u'男生人数')
plt.bar(x+width,[4,5,6],width=width,label=u'女生人数')
plt.rcParams['font.sans-serif']=['SimHei']
plt.title(u'电影观看人数统计')
plt.xlabel(u'电影名称')
plt.ylabel(u'人数')
plt.xticks(range(3),[u'让子弹飞',u'举起手来',u'人在囧途'])
plt.legend(loc='upper left')
plt.show()
设置颜色
color=''
值可参考:折线图--->设置样式(一)---> 颜色
plt.bar(x,[1,2,3],width=width,label=u'男生人数',color='c')
plt.bar(x+width,[4,5,6],width=width,label=u'女生人数',color='m')
练习
折线图
import matplotlib.pyplot as plt
import numpy as np
X = np.linspace(-np.pi,np.pi,256,endpoint=True)
(C,S) = np.cos(X),np.sin(X)
#这里用到了Matplotlib和numpy模块,linspace在(−π,π)之间分成共256个小段,
#并把这256个值赋予X。C,S分别是cosine和sine值(X,C,S都是numpy数组)
fig=plt.figure(figsize=(10,6),dpi=80)
plt.plot(X,C,'b-',lw=2.5,label='cosine')
plt.plot(X,S,'r-,lw=2.5,label='sine')
#这里`b-`是`color="blue",linestyle="-"`的简写形式
#`lw`=`linewidth`,两种写法都是合理的,但是`b-`这种形式明显更加简洁,也很好理解
plt.xlim(X.min()*1.1,X.max()*1.1)
plt.ylim(C.min()*1.1,C.max()*1.1)
plt.xticks([-np.pi,-np.pi/2,0,np.pi/2,np.pi],[r'$-\pi$', r'$-\pi/2$', r'$0$', r'$\pi/2$',r'$+\pi$'])
plt.yticks([-1,0,1])
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))
plt.legend(loc='best')
plt.show()
解析
1.快速创建三角函数
%matplotlib inline
#要在ipy notebook里直接显示Matplotlib的输出图象,需要%inline
import matplotlib.pyplot as plt
import numpy as np
X = np.linspace(-np.pi,np.pi,256,endpoint=True)
(C,S)=np.cos(X),np.sin(X)
#这里用到了Matplotlib和numpy模块,linspace在(−π,π)之间分成共256个小段,
#并把这256个值赋予X。C,S分别是cosine和sine值(X,C,S都是numpy数组)
plt.plot(X,C)
plt.plot(X,S)

2.参数修改-绘制完美的三角函数
在第一部分中我们通过Matplotlib
和numpy
快速创建了一个三角函数图,所采用的参数都是默认的。事实上我们可以通过相关参数(包括线型、颜色、坐标、标题、图示……)的修改使图形满足自己的需求。
2.1线宽和颜色
把cosine函数的颜色设置为蓝色,sine则是红色,而且线是不是看起来不够粗?
fig = plt.figure(figsize=(10,6),dpi=80)
plt.plot(X, C, 'b-',lw=2.5)
plt.plot(X, S, 'r-',lw=2.5)
#这里`b-`是`color="blue",linestyle="-"`的简写形式
#`lw`=`linewidth`,两种写法都是合理的,但是`b-`这种形式明显更加简洁,也很好理解
2.2调整坐标轴
仔细看上面的图,总觉得不舒服,大概是因为两条曲线“顶天立地”的原因吧,要是再多留些空间会更好?试试lim:
plt.xlim(X.min()*1.1, X.max()*1.1)
plt.ylim(C.min()*1.1, C.max()*1.1)
2.3坐标刻度改为 3.14 更合适?
对于三角函数来说,1,2,3这些整数值没有多大意义,倒是3.14这种能让人家一看就知道:
plt.xticks([-np.pi, -np.pi/2, 0, np.pi/2, np.pi])
plt.yticks([-1,0,1])
3.14改成不是更好吗?
plt.xticks([-np.pi, -np.pi/2, 0, np.pi/2, np.pi],
[r'$-\pi$', r'$-\pi/2$', r'$0$', r'$\pi/2$',r'$+\pi$'])

2.4坐标轴放在中间更好看吧?
现在的坐标轴位于图象四周唉,而且X,Y的原点分散,感觉上吧坐标轴放在图象中间会更好看一点吧?
...
ax=plt.gca()
ax.spines['right'].set_color('none') #先把右边和上边的边界设置为不可见
ax.spines['top'].set_color('none')
ax.xaxis.set_ticks_position('bottom')
ax.spines['bottom'].set_position(('data',0)) #然后把下边界和左边界移动到0点
ax.yaxis.set_ticks_position('left')
ax.spines['left'].set_position(('data',0))
plt.plot(X, C, 'b-',lw=2.5)
plt.plot(X, S, 'r-',lw=2.5)
...
2.5喂喂喂!我怎么知道哪条cosine?
那就加个图例吧:
...
plt.plot(X, C, 'b-',lw=2.5, label='cosine')
plt.plot(X, S, 'r-',lw=2.5, label='sine')
plt.legend(loc='upper left')
...
2.6特殊点注释不可少
在一幅图像中,有些关键的点要是标注出来的话,重点就不言自明了吧?2/3如何?
...
t=2*np.pi/3
plt.plot([t,t],[0,np.cos(t)], color ='blue', linewidth=2.5, linestyle="--")
plt.scatter([t,],[np.cos(t),], 50, color ='blue') #画出需要标注的点
plt.annotate(r'$\sin(\frac{2\pi}{3})=\frac{\sqrt{3}}{2}$',
xy=(t, np.sin(t)), xycoords='data',
xytext=(+10, +30), textcoords='offset points', fontsize=16,
arrowprops=dict(arrowstyle="->", connectionstyle="arc3,rad=.2"))
#给这个点添加注释,下同
plt.plot([t,t],[0,np.sin(t)], color ='red', linewidth=2.5, linestyle="--")
plt.scatter([t,],[np.sin(t),], 50, color ='red')
plt.annotate(r'$\cos(\frac{2\pi}{3})=-\frac{1}{2}$',
xy=(t, np.cos(t)), xycoords='data',
xytext=(-90, -50), textcoords='offset points', fontsize=16,
arrowprops=dict(arrowstyle="->", connectionstyle="arc3,rad=.2"))
...