Python中Matplotlib模块绘图方法总结（基础版）

喜欢夏天的海洋

已于 2023-10-09 19:21:26 修改

阅读量547

点赞数

分类专栏： Matplotlib 文章标签： python matplotlib 开发语言

于 2023-10-09 17:00:31 首次发布

本文链接：https://blog.csdn.net/Summeroc/article/details/133700641

版权

Matplotlib 专栏收录该内容

1 篇文章 0 订阅

订阅专栏

简介

matplotlib是一个python 2D绘图库，利用它可以画出许多高质量的图像。只需几行代码即可生成直方图，条形图，饼图，散点图等。

Matplotlib可用于Python脚本，Python和IPython shell，Jupyter笔记本，Web应用程序服务器和四个图形用户界面工具包。

Matplotlib，pyplot和pylab？

Matplotlib是整个包，pyplot是Matplotlib中的一个模块，并且pylab是一个安装在一起的模块。

pylab和pyplot的区别是，前者将numpy导入了其命名空间中，这样会使pylab表现的和matlab更加相似。现在来说我们经常使用pyplot，因为pyplot相比pylab更加纯粹。

numpy，pandas？

matplotlib是可视化的表达，那么在图形的绘制中肯定会涉及一些数据处理。pandas和numpy则是python中最好用的两个数据分析库，使用它们，能够解决超过90%的数据分析问题。

Matplotlib 绘图上手

如果你还没有安装 Python 环境，那么推荐你安装 Anaconda，对于上手 Python 来说更加简单，不容易出差错。Anaconda 的安装教程网上很多，找到对应版本客户端安装即可。安装好后，即可在终端（cmd）安装核心库 Matplotlib。

1. 安装快速入门

方式一使用 pip 安装：

pip install matplotlib

方式二使用 conda 安装：

conda install matplotlib

或者

conda install -c conda-forge matplot

2. 绘制第一个图

下面是一个最小的示例图：

Matplotlib 绘图我看到的一般是两种方式

方式一

依靠 pyplot 隐式创建和管理图形和轴，以及使用 pyplot 函数进行绘图
直接使用 matplotlib.pyplot.plot()函数绘图
这里在matplotlib.pyplot.plot()括号中直接输入x，y，线形，色彩，图例等信息
例如：

import matplotlib.pyplot as plt
import numpy as np
import math
 
x = np.arange(-2*math.pi, 2*math.pi, 0.001)
y = np.sin(x)
 
plt.plot(x, #x轴值
         y, #y轴值
         )
plt.show()

其中，可设置的参数有很多，除了x，y轴的信息，还可包含以下信息

linewidth: 线条的宽度，从0到无穷大的浮点数，例如2.5
color: 线条的颜色，可以是字符串、元组或RGBA值，代表不同的颜色。例如：红色’red’、绿色’green’等
linestyle: 线条的样式，可以是字符串，如实线’-‘、虚线’–‘、点线’:‘、破折线’-.'等
marker: 数据点的标记样式，如 ‘.’: 小圆点、‘o’: 实心圆、‘>’: 右三角形
markersize: 标记的大小，从0到无穷大的浮点数，例如7.5
label: 字符串类型，代表绘制的线条的标签，在图例中显示。例如Line 1
alpha: 线条和标记的透明度，从0到1的浮点数，表示线条和标记的透明度。例如0.5
zorder: 整数类型，表示绘图的层数，数值越大越靠上。例如2
除了这些常用参数外，还有其他一些参数可以进一步定制化图形，例如：
solid_capstyle: 实线端点的样式，如普通平直样式"butt"、圆角样式"round"、斜角样式"projecting"等
dash_capstyle: 虚线端点的样式，与solid_capstyle类似 dash_joinstyle:
虚线连接处的样式，如圆弧连接"round"、斜接连接"bevel"、锐角连接"miter"等 solid_joinstyle:
实线连接处的样式，与dash_joinstyle类似 markevery:
标记显示的间隔，可以是数字、元组或者函数，可以是数字、元组或者函数。例如：每隔一个数据点标记一个点：markevery=2；从第二个开始，每个5个数据点标记一个点：markevery=(1, 5)；根据某个函数的返回值来控制标记的位置：markevery=lambda i: i%3==0

当多个图叠加时

import matplotlib.pyplot as plt
import numpy as np
import math
 
x = np.arange(-2*math.pi, 2*math.pi, 0.001)
y1 = np.sin(x)
y2 = np.cos(x)
plt.plot(x, #x轴值
         y1, #y轴值
         )
plt.plot(x, #x轴值
         y2, #y轴值
         )
plt.show()

在这里插入图片描述

matplotlib.pyplot.plot()括号中可设置的参数非常多，后面会有详尽版的文档供大家参考

拿上图举例，设置一下

import matplotlib.pyplot as plt
import numpy as np
import math

#设置全局字体
plt.rcParams['font.family']= 'sans-serif'
plt.rcParams['font.sans-serif'] ='Times New Roman'

x = np.arange(-2*math.pi, 2*math.pi, 0.1)
y1 = np.sin(x)
y2 = np.cos(x)
plt.plot(x, #x轴值
         y1, #y轴值
         linestyle='-.',  # 线型
         linewidth=3,  # 线条宽度
         color='red',  # 颜色
         label=r'$y1 = sin(x)$'  # 图例

         )
plt.plot(x, #x轴值
         y2, #y轴值
         '<',  # 散点形状
         markersize=5,  # 散点大小
         markerfacecolor='blue',  # 散点内部颜色
         markeredgecolor='gray',  # 散点边缘颜色
         label=r'$y2 = cos(x)$'  # 图例
         )
plt.title("This is Title", #设置标题
          fontsize=30,     #标题大小
          loc='center',    #标题位置
          color='purple',   #标题颜色
          fontname='DejaVu Serif' #单独设置字体类型
          ) 
plt.xlabel('x',fontsize=20,color='k') #x轴标签
plt.ylabel('y',fontsize=20,color='k') #y轴标签
plt.legend(loc='best')  #图例位置
plt.show()

在这里插入图片描述

多子图绘制

使用plt.figure()创建画布，然后使用fig.add_subplot来画出每个子图。

import matplotlib.pyplot as plt
import numpy as np
 
x = np.arange(-2*np.pi, 2* np.pi, 0.1)
y1 = np.sin(x)
y2 = np.cos(x)
 
# 创建画布
fig = plt.figure()
 
# 绘制第一个子图
fig1 = fig.add_subplot(2, 1, 1) 
# 这里用 211 或者 2，1，1 都可以。
# 第一个数字指定要创建具有几行子图的规格，第二个数字指列数的规格，第三个数字指对全部子图的行列从左往右，从上往下的第几个子图
fig1.grid(True)#是否绘制网格线
fig1.plot(x, #x轴值
         y1, #y轴值
         linestyle='-.',  # 线型
         linewidth=3,  # 线条宽度
         color='red',  # 颜色
         label=r'$y1 = sin(x)$'  # 图例
         )
fig1.set_title('Fig1')
 
# 绘制第二个子图


fig2 = fig.add_subplot(2, 1, 2)
fig2.grid(False)
fig2.plot(x, #x轴值
         y2, #y轴值
         '<',  # 散点形状
         markersize=5,  # 散点大小
         markerfacecolor='blue',  # 散点内部颜色
         markeredgecolor='gray',  # 散点边缘颜色
         label=r'$y2 = cos(x)$'  # 图例
         )
fig2.set_title('Fig2')
 
plt.show()# 显示图像

在这里插入图片描述

方式二

显式创建图形和轴，并对其调用方法（ “面向对象（OO）样式”）。
使用 plt.subplot() 函数用于直接制定划分方式和位置进行绘图
这种一般适合画组图，比如3乘2的组图

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(0, 2 * np.pi, 200)
y = np.sin(x)

fig, ax = plt.subplots()
ax.plot(x, y)
plt.show()

在这里插入图片描述
组图形式

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(0, 2 * np.pi, 200) 
y1 = np.sin(x)
y2 = np.cos(x)

fig, (ax1,ax2) = plt.subplots(1,2,figsize=(10, 5)) #一行两列的图，图的大小为行为10，列为5
ax1.plot(x, y1)
ax2.plot(x, y2)
plt.show()

在这里插入图片描述

复杂详尽一点的例子

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(-2 * np.pi, 2 * np.pi, 100)
y1 = np.sin(x)
y2 = np.cos(x)

fig, (ax1,ax2) = plt.subplots(1,2,figsize=(10, 5))
ax1.plot(x, y1, label=r'$y1 = sin(x)$',linewidth=3,linestyle='-.') # 图例
ax1.plot(x, y2, label=r'$y1 = cos(x)$',linewidth=3,linestyle='-') # 图例
ax1.set_xlabel('x label') 
ax1.set_ylabel('y label')  
ax1.set_title("Simple Plot Sin(x)") 
ax1.legend(loc='best')#图例位置

ax2.plot(x, y2, '*' ,label=r'$y2 = cos(x)$')
ax2.set_title("Simple Plot Cos(x)")  
ax2.set_xlabel('x label') 
ax2.set_ylabel('y label') 
ax2.legend(loc='best')#图例位置
plt.show()