目录
1、绘图的一些基本命令展示
# 导入 Pyplot 模块
from matplotlib import pyplot as plt
# 导入 numpy 包
import numpy as np
# 获得 -5 到 5 之间的 ndarray 对象
x = np.arange(-5, 5)
x1 = ['2010年','2011年','2012年','2013年','2014年','2015年','2016年','2017年','2018年','2019年']
# print(x)
y = x**2
y1 = 3*x
# 使用 plot() 绘制线性图标
plt.plot(x1, y, linewidth=3, label='x的平方')
plt.plot(x1, y1, linewidth=2, label='3倍的x')
# 用来设置字体样式以正常显示中文
plt.rcParams['font.sans-serif'] = ['SimHei']
# 默认是显示 Unicode 负号,设置正常显示字符
plt.rcParams['axes.unicode_minus'] = False
# 设置图表名称
plt.title("y等于x的平方")
# 设置 x 轴名称
plt.xlabel('x 轴', fontsize=14)
# 设置 y 轴名称
plt.ylabel('y 轴')
# 设置 x 轴的刻度,旋转度数等等
# 把下面一行注释掉,好好体会
plt.xticks(range(1, len(x1), 2),labels=[11, 12, 15, 14, 48], rotation=45, color='b')
# 添加图例,
plt.legend()
# 在图中显示数值
for a, b in zip(x1, y):
plt.text(a, b, b)
plt.show()
运行结果:
2、Matplotlib 绘制网格
# 导入 Pyplot 模块
from matplotlib import pyplot as plt
# 导入 numpy 包
import numpy as np
x = np.linspace(-np.pi, np.pi, 256, endpoint=True)
c, s = np.cos(x), np.sin(x)
plt.plot(x, c)
plt.plot(x, s)
# 绘制网格
# plt.grid(True)
plt.grid(True, linestyle='--', color="gray", linewidth='0.5', axis='both')
# linestyle 显示线型
# color 显示颜色
# linewidth 线宽
# axis x,y,both,显示x/y/两者的网格
plt.show()
运行结果:
3、plt.gca() 对坐标轴的操作
原图:
# 导入 Pyplot 模块
from matplotlib import pyplot as plt
# 导入 numpy 包
import numpy as np
x = np.arange(-50, 50)
y = x**2
plt.plot(x, y)
plt.show()
运行结果:
代码更改
# 导入 Pyplot 模块
from matplotlib import pyplot as plt
# 导入 numpy 包
import numpy as np
x = np.arange(-50, 50)
y = x**2
# 获取当前坐标轴
ax = plt.gca()
# 通过坐标轴 spines, 确定 top, bottom, left, right (分别表示上,下,左和右)
# 不需要右侧和上侧线条,则可以设置他的颜色
ax.spines['right'].set_color("none")
ax.spines['top'].set_color("none")
# 移动左轴到指定位置
# 在这里 position 位置参数有三种,data, outward(向外可自行尝试), axes
# 'data' 表示数值挪动,其后数字代表挪动到 y 轴的刻度值
# 'axes': 0.0-1.0之间的值,整个轴上的比例
ax.spines['left'].set_position(('data', 0.0)) # 指定移动到0.0 处
# ax.spines['left'].set_position(('axes', 0.0)) # 移动到轴上比例 0.5 倍处
# 设置区间(可以把下面一行注释掉,看看效果)
plt.ylim(0, 2500)
plt.plot(x, y)
plt.show()
运行结果:
4、 图表的样式参数设计
4.1 线条样式
传入 x, y,通过 plot 画图,并设置折线颜色、透明度、折线样式和折线宽度,标记点、标记点大小、标记点的颜色、标记点边宽,网格
plt.plot(x, y, color='red', alpha=0.3, linestyle='-', linewidth=5, marker='o',
markeredgecolor='r', markersize='20', markeredgewidth=10)
1)color:可以使用颜色的 16 进制,也可以使用线条颜色的英文,还可以使用之前的缩写
- 颜色字符
'b'
蓝色'm'
洋红色 magenta'g'
绿色'y'
黄色'r'
红色'k'
黑色'w'
白色 'c'
青绿色 cyan'#008000'
RGB某颜色 '0.8'
灰度值字符串- 多条曲线不指定颜色时,会自动选择不同颜色
2)linestyle
'‐'
实线'‐‐'
破折线'‐.'
点划线':'
虚线
3)marker 标记点
- ‘.’ 点标记
- ‘,’ 像素标记(极小点)
- ‘o’ 实心圈标记
- ‘v’ 倒三角标记
- ‘D’ 钻石标记
- ‘H’ 六角标记
- ‘s’ 正方形标记
- ‘+’ 加号标记
- ‘^’ 上三角标记
'>'
右三角标记'<'
左三角标记...等等
# 导入 Pyplot 模块
from matplotlib import pyplot as plt
# 导入 numpy 包
import numpy as np
x = np.arange(0, 100, 10)
y = x ** 2
plt.plot(x, y, color='red', linestyle='--', linewidth=1, marker='H', label='test')
plt.legend(loc='upper left')
plt.show()
运行结果:
5、创建图形对象
在Matplotlib 中,面向对象编程的核心思想是创建图形对象(figure object)。通过图形对象来调用其他属性和方法,这一有助于我们更好的处理画布。在这个过程中,pyplot 负责生成图形对象,并通过该对象来添加一个或多个 axes 对象(即绘图区域)。
Matplotlib 提供了 matplitlib.figure 图形类模块,它包含了创建图形对象的方法。通过调用 pyplot 模块中 figure() 函数来实例化对象。
6、绘制多子图
figure 是绘制对象(可以理解为一个空白的画布),一个figure 对象可以包含多个 Axes 子图,一个 Axes 是一个绘图区域,不加设置时,Axes 为1,且每次绘图其实都是在 figure 上的 Axes 上绘图。
接下来将学习绘制子图的集中方式:
- add_axes():添加区域
- subplot():均等的划分画布,只是创建一个包含子图区域的画布,(返回区域对象)
- subplots():既创建了一个包含子图区域的画布,又创建一个 figure 图形对象。(返回 图形对象和区域对象)
1.add_axes():添加区域
Matplotlib 定义了一个 axes 类(轴域类),该类的对象被称为 axes 对象(即轴域对象),它指定了一个有数值范围限制的绘图区域。在一个给定的画布 (figure)中可以包含多个 axes 对象,但是同一个 axes 对象只能在一个画布中使用。
2D 绘图区域(axes)包含两个轴(axis)对象
语法:
add_axes(rect)
- 该方法用来生成一个 axes 轴域对象,对象