Matplotlib 实践指南：图形样式、风格与标记探索

目录

前言

 第一点：导入模块

 第二点：创建二维图

 第三点：创建统计图

总结

---

前言

Matplotlib 是一个强大的数据可视化库，可用于创建各种类型的图形。在本文中，我们将研究如何在 Matplotlib 中设置图形的颜色、风格和标记，以及如何创建统计图形。我们将通过示例来展示如何修改图形的线条风格、标记类型，以及如何调整直方图的区间、透明度和颜色等属性。让我们一起深入探索 Matplotlib 的各种功能，打造引人入胜的可视化图形吧！

matplotlib官网链接:点击跳转

---

 第一点：导入模块

import matplotlib.pyplot as plt

 第二点：创建二维图

1.创建数据

#创建数据
x=[1,2,3,4,5]
y1=[0,1,2,3,4]
y2=[1,2,3,4,5]
y3=[2,3,4,5,6]
y4=[3,4,5,6,7]
y5=[4,5,6,7,8]

 2.设置颜色

Fig1=plt.figure(dpi=300)
plt.plot(x,y1,color='#7cb5ec')
plt.plot(x,y2,color='#ff7f0e')
plt.plot(x,y3,color='#2ca02c')
plt.plot(x,y4,color='#98df8a')
plt.plot(x,y5,color='#f032e6')
plt.show()

运行效果如下

 

3.设置风格

Fig2=plt.figure(dpi=300)
#在设置线条风格时，‘-’表示实线，‘--’虚线，‘-.’点虚线，‘:’点线 ‘ ’隐藏
plt.plot(x,y1,linestyle='-')
plt.plot(x,y2,linestyle='--')
plt.plot(x,y3,linestyle='-.')
plt.plot(x,y4,linestyle=':')
plt.plot(x,y5,linestyle=' ')
plt.show()

 运行效果如下

 

3.设置标记

Fig3=plt.figure(dpi=300)
plt.plot(x,y1,marker='.')
plt.plot(x,y2,marker='o')
plt.plot(x,y3,marker='^')
plt.plot(x,y4,marker='s')
plt.plot(x,y5,marker='D')
plt.show()

 运行效果如下

 第三点：创建统计图

1.默认样式

#创建10000个标准正态分布的样本
data=np.random.randn(10000)
Fig4=plt.figure(dpi=300)
#默认10个区间
plt.hist(data)
plt.show()

 运行效果如下

2.修改区间

#修改区间
Fig5=plt.figure(dpi=300)
plt.hist(data,bins=30)
plt.show()

 运行效果如下

 3.修改透明度，颜色，边缘颜色

Fig6=plt.figure(dpi=300)
plt.hist(data,alpha=0.5,color="#A2A2D0",edgecolor='#fff')
plt.show()

运行效果如下

 

4.综合案例

x=[0,1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18,19,20,21,22,23,24,25,26,27,28,29,30]
x1=np.random.normal(3,1,1000)
x2=np.random.normal(6,1,1000)
x3=np.random.normal(9,1,1000)
Fig7=plt.figure(dpi=300)
plt.hist(x1,bins=30,alpha=0.5,color="#A2A2D0",edgecolor='#fff')
plt.hist(x2,bins=30,alpha=0.5,color="#7CB5EC",edgecolor='#fff')
plt.hist(x3,bins=30,alpha=0.5,color="#47ADC7",edgecolor='#fff')
plt.show()

运行效果如下

 

---

总结

通过本文的学习，我们了解了如何在 Matplotlib 中灵活设置图形的样式、风格和标记，以及如何创建统计图形来展示数据分布。通过调整颜色、线条风格、标记类型等属性，我们可以定制化我们的图形，使其更加具有吸引力和信息量。Matplotlib 提供了丰富的功能和选项，让我们能够轻松创建各种类型的专业可视化图形，帮助我们更好地分析和理解数据。继续探索并熟练运用 Matplotlib，将为我们的数据科学和数据可视化工作带来更大的便利和效益。