Matplotlib

$Matplotlib$ 是一个 $Python$ 的 $2D$ 绘图库，与 $NumPy$ 联合使用。

一、Pyplot

$Pyplot$ 是 $Matplotlib$ 的子库，提供了和 $MATLAB$ 类似的绘图 $API$。$Pyplot$ 是常用的绘图模块，能很方便让用户绘制 $2D$ 图表。$Pyplot$ 包含一系列绘图函数的相关函数，每个函数会对当前的图像进行一些修改，例如：给图像加上标记，生新的图像，在图像中产生新的绘图区域等等。

但是一般来说，$Pyplot$ 六个字母也太长了，所以我们一般用 $plt$ 三个字母来代替。

import matplotlib.pyplot as plt

1. 折线图

$plt.plot$可以实现画点和画线的功能。这个函数的基本使用方法如下：

# 画单条线
plot([x], y, [fmt], *, data=None, **kwargs)

# 画多条线
plot([x], y, [fmt], [x2], y2, [fmt2], ..., **kwargs)

#画点 （就是加入'o'参数）
plt.plot(xpoints, ypoints, 'o')

对参数进行解释：

$x,y$：点或线的节点，$x$ 为 $x$ 轴数据，$y$ 为 $y$ 轴数据，数据可以列表或数组。注意这里$x$是可选的参数，如果不写的话那就是默认是$[0,1,2,...,n-1]$
$fmt$：可选，定义基本格式（如颜色、标记和线条样式）。
$\ast \ast kwargs$：可选，用在二维平面图上，设置指定属性，如标签，线的宽度等。

一些 $fmt$ 的举例：

颜色字符：‘$b$’ 蓝色，‘$m$’ 洋红色，‘$g$’ 绿色，‘$y$’ 黄色，‘$r$’ 红色，‘$k$’ 黑色，‘$w$’ 白色，‘$c$’ 青绿色，‘$\#008000$’ $RGB$ 颜色符串。多条曲线不指定颜色时，会自动选择不同颜色。
线型参数：‘‐’ 实线，‘‐‐’ 破折线，‘‐.’ 点划线，‘:’ 虚线。
标记字符：‘.’ 点标记，‘,’ 像素标记(极小点)，‘o’ 实心圈标记，‘v’ 倒三角标记，‘^’ 上三角标记，‘>’ 右三角标记，‘<’ 左三角标记…等等。

1.1 单条线

1.1.1 直线

比如我们要画一条从$[1,1]$到$[5,10]$的线，那我们就

import numpy as np
import matplotlib.pyplot as plt

xpoints = np.array([1, 5])
ypoints = np.array([1, 10])
plt.plot(xpoints, ypoints)
plt.show()

注意：$plt.show()$的意思就是把这形状显示出来。结果如下图所示：

1.1.2 折线

就是说我们可以输入多个点，这样显示出来就会是折线。举个例子：

import numpy as np
import matplotlib.pyplot as plt

xpoints = np.array([1, 5, 7, 9])
ypoints = np.array([1, 10, 5, 20])
plt.plot(xpoints, ypoints)
plt.show()

这就是从$[1,1]$到$[5,10]$到$[7,5]$再到$[9,20]$的一条折线。显示如下：

1.1.3 曲线

整一条正弦函数。

import numpy as np
import matplotlib.pyplot as plt

x = np.arange(0, 4 * np.pi, 0.1)
y = np.sin(x)
plt.plot(x, y)
plt.show()

输出如图：

1.2 多条线

就是$plt.plot()$函数里面可以有多条线。比如说我要输出正弦和余弦曲线：

import numpy as np
import matplotlib.pyplot as plt

x = np.arange(0, 4 * np.pi, 0.1)
y = np.sin(x)
z = np.cos(x)
plt.plot(x, y, x, z)
plt.show()

图像就会是：

1.3 点

就是加${}^{\prime }{o}^{\prime }$参数就可以了。用1.1.1里面的直线举例来说的话：

import numpy as np
import matplotlib.pyplot as plt

xpoints = np.array([1, 5])
ypoints = np.array([1, 10])
plt.plot(xpoints, ypoints, 'o')
plt.show()

要注意：如果有多条线的话，那么在$plot$里面的每一对$(x,y)$的后面都要加${}^{\prime }{o}^{\prime }$

1.4 修饰

1.4.1 绘图标记

就是用$plot()$函数的$marker$参数来进行定义。用上面的折线图来距离的话，只需要在$plot$里面加$marker{=}^{\prime }{o}^{\prime }$即可。

import numpy as np
import matplotlib.pyplot as plt

xpoints = np.array([1, 5, 7, 9])
ypoints = np.array([1, 10, 5, 20])
plt.plot(xpoints, ypoints, marker = 'o')
plt.show()

1.4.2 标记形状

标记	描述
“.”	点
“,”	像素点
“o”	实心圆
“v”	下三角
“^”	上三角
“<”	左三角
“>”	右三角
“1”	下三叉
“2”	上三叉
“3”	左三叉
“4”	右三叉
“8”	八角形
“s”	正方形
“p”	五边形
“P”	加号（填充）
“*”	星号
“h”	六边形 1
“H”	六边形 2
“+”	加号
“x”	乘号 x
“X”	乘号 x (填充)
“D”	菱形
“d”	瘦菱形
"	"
“_”	横线
0 (TICKLEFT)	左横线
1 (TICKRIGHT)	右横线
2 (TICKUP)	上竖线
3 (TICKDOWN)	下竖线
4 (CARETLEFT)	左箭头
5 (CARETRIGHT)	右箭头
6 (CARETUP)	上箭头
7 (CARETDOWN)	下箭头
8 (CARETLEFTBASE)	左箭头 (中间点为基准)
9 (CARETRIGHTBASE)	右箭头 (中间点为基准)
10 (CARETUPBASE)	上箭头 (中间点为基准)
11 (CARETDOWNBASE)	下箭头 (中间点为基准)
“None”, " " or “”	没有任何标记
‘$...$’	渲染指定的字符。例如 “$f$” 以字母 f 为标记。

（上面表格摘自菜鸟教程）

1.4.3 线类型

线类型标记	描述
‘-’	实线
‘:’	虚线
‘–’	破折线
‘-.’	点划线

（上面表格摘自菜鸟教程）
举例来说就是：

import numpy as np
import matplotlib.pyplot as plt

xpoints = np.array([1, 5, 7, 9])
ypoints = np.array([1, 10, 5, 20])
plt.plot(xpoints, ypoints, '*:')
# 但我更推荐下面的方法 更加直观
# plt.plot(xpoints, ypoints, marker = '*', ls = ':')
# ls是linestyle的简写
plt.show()

注意：与线一起发生样式变化的话"$marker$"要省略的。结果就会是：

1.4.4 颜色

颜色标记	描述
‘r’	红色
‘g’	绿色
‘b’	蓝色
‘c’	青色
‘m’	品红
‘y’	黄色
‘k’	黑色
‘w’	白色

（上面表格来自菜鸟教程）

举例来说，那就可以是：

import numpy as np
import matplotlib.pyplot as plt

xpoints = np.array([1, 5, 7, 9])
ypoints = np.array([1, 10, 5, 20])
plt.plot(xpoints, ypoints, '*:r')
# 但我更推荐下面的方法 更加直观
# plt.plot(xpoints, ypoints, marker = '*', ls = ':', c = 'r')
# c是color的简写
plt.show()

这样得出来的结果就是：

1.4.5 线宽度

import matplotlib.pyplot as plt
import numpy as np

ypoints = np.array([6, 2, 13, 10])

plt.plot(ypoints, linewidth = '12.5')
plt.show()

效果如下：

1.4.6 对标记进行修改

有的同学就急了哈，怎么上面的修改都是针对线的啊？那标记点呢那标记点呢？

标记点的样式是这么修改的哈！

$markersize$，简写为 $ms$：定义标记的大小。
$markerfacecolor$，简写为 $mfc$：定义标记内部的颜色。
$markeredgecolor$，简写为 $mec$：定义标记边框的颜色。

简单举个例子：

import numpy as np
import matplotlib.pyplot as plt

xpoints = np.array([1, 5, 7, 9])
ypoints = np.array([1, 10, 5, 20])
plt.plot(xpoints, ypoints, '*:r', ms = 40)
plt.show()

这样做的结果就会是：

2.图表的修改

2.1 轴标签

我们可以分别给 $x$ 轴和 $y$ 轴设定标签。基本的设定方法是：

import numpy as np
import matplotlib.pyplot as plt

plt.xlabel("x - label name")
plt.ylabel("y - label name")

我们继续以 $1.1.2$ 的折线为例：

import numpy as np
import matplotlib.pyplot as plt

xpoints = np.array([1, 5, 7, 9])
ypoints = np.array([1, 10, 5, 20])
plt.xlabel("xpoints")
plt.ylabel("ypoints")
plt.plot(xpoints, ypoints)
plt.show()

结果如下图所示：

这个函数提供了 $loc$ 参数来设置 $x$ 轴显示的位置，可以设置为: ‘$left$’, ‘$right$’, 和 ‘$center$’， 默认值为 ‘$center$’。设置 $x$ 轴显示的位置，则可以设置为: ‘$top$’, ‘$bottom$’, 和 ‘$center$’， 默认值为 ‘$center$’。

也可以用 $size$ 参数来设置大小。示例：

plt.xlabel("xpoints", size = '20')

例如：

import numpy as np
import matplotlib.pyplot as plt

xpoints = np.array([1, 5, 7, 9])
ypoints = np.array([1, 10, 5, 20])
plt.xlabel("xpoints", loc = 'left')
plt.ylabel("ypoints", loc = 'top')
plt.plot(xpoints, ypoints)
plt.show()

结果如图：

2.2 标题

import numpy as np
import matplotlib.pyplot as plt

xpoints = np.array([1, 5, 7, 9])
ypoints = np.array([1, 10, 5, 20])
plt.xlabel("xpoints", loc = 'left')
plt.ylabel("ypoints", loc = 'top')
plt.title("TITLE")
plt.plot(xpoints, ypoints)
plt.show()

结果如下图所示：

2.3 网格线

plt.grid(axis = 'x', color = 'r', linestyle = '--', linewidth = 0.5)

嫌麻烦就列举了常用的参数：

$axis$ ：显示哪个方向的网格线。默认为’ $both$ '。
$color$：网格线颜色
$linestyle$：网格线样式
$linewidth$：网格线宽度

上面三个就参考前面的样式就可以了。

import numpy as np
import matplotlib.pyplot as plt

xpoints = np.array([1, 5, 7, 9])
ypoints = np.array([1, 10, 5, 20])
plt.xlabel("xpoints", loc = 'left')
plt.ylabel("ypoints", loc = 'top')
plt.title("TITLE")
plt.grid(axis = 'x', color = 'r', linestyle = '--', linewidth = 0.5)
plt.plot(xpoints, ypoints)
plt.show()

结果如下图所示：

3.柱形图

可以利用 $plt.bar()$ 函数来实现：

import matplotlib.pyplot as plt

plt.bar(x, height, width=0.8, bottom=None, *, align='center', data=None, **kwargs)

参数说明：

• $x$：柱形图的 $x$ 轴数据。
• $height$：柱形图的高度。
• $width$：柱形图的宽度。
• $bottom$：底座的 $y$ 坐标，默认 $0$。
• $align$：柱形图与 $x$ 坐标的对齐方式，‘$center$’ 以 $x$ 位置为中心，这是默认值。 ‘$edge$’：将柱形图的左边缘与 $x$ 位置对齐。要对齐右边缘的条形，可以传递负数的宽度值及 $align{=}^{\prime }edg{e}^{\prime }$。
• $\ast \ast kwargs$：其他参数。

举例说明：

import matplotlib.pyplot as plt
import numpy as np

x = np.array(["x1", "x2", "x3", "x4"])
y = np.array([10, 12, 16, 28])

plt.bar(x, y)
plt.show()

效果如图所示：

如果想要横着的，那就把 $bar$ 换成 $barh$。

import matplotlib.pyplot as plt
import numpy as np

x = np.array(["x1", "x2", "x3", "x4"])
y = np.array([10, 12, 16, 28])

plt.barh(x, y)
plt.show()

修改样式：

import matplotlib.pyplot as plt
import numpy as np

x = np.array(["x1", "x2", "x3", "x4"])
y = np.array([10, 12, 16, 28])

plt.bar(x, y, color = ["#4CAF50","red","hotpink","#556B2F"], width = 0.1)
plt.show()

参数说明：

• $color$：颜色。如果要统一的颜色，就直接 $color=$ 就可以了。如果要设计每一个的颜色就要像样例代码一样设置了。
• $width$：柱形图的宽度。 $barh$ 函数所对应的应该是 $height$。

4.饼图

真的懒了，不想写了。

import matplotlib.pyplot as plt
import numpy as np

y = np.array([30, 30, 25, 15])

plt.pie(y,
        labels = ['A', 'B', 'C', 'D'], 
        colors = ["#d5695d", "#5d8ca8", "#65a479", "#a564c9"],  
        explode = (0, 0.2, 0, 0),  
        autopct = '%.2f%%',  
        )
plt.show()

参数解释：

• $labels$：设置饼图标签
• $colors$：设置饼图颜色
• $explode$：突出显示，值越大，距离中心越远
• $autopcd$：格式化输出百分比

二、其他子库

感觉这辈子用不到，等下辈子再更新这部分吧。