【莫烦Python】Matplotlib学习笔记(一)
后续详见:【莫烦Python】Matplotlib学习笔记(二)
一、基本用法
import matplotlib.pyplot as plt
import numpy as np
x = np.linspace(-1, 1, 50)
y = 2*x+1
# y = x**2
plt.plot(x, y)
plt.show()
二、在不同figure中显示
import matplotlib.pyplot as plt
import numpy as np
x = np.linspace(-3, 3, 50)
y1 = 2*x+1
y2 = x**2
plt.figure() # 设定一个figure,默认从1开始,同上
plt.plot(x, y1)
plt.figure(num=3, figsize=(8, 5)) # 设定该figure为figure3
plt.plot(x, y2)
plt.plot(x, y1, color='red', linewidth=1.0, linestyle='--')
plt.show()
三、坐标轴设置(1)
import matplotlib.pyplot as plt
import numpy as np
x = np.linspace(-3, 3, 50)
y1 = 2*x+1
y2 = x**2
plt.figure()
plt.plot(x, y2)
plt.plot(x, y1, color='red', linewidth=1.0, linestyle='--')
plt.xlim((-1, 2)) # 取值范围
plt.ylim((-2, 3))
plt.xlabel('I am x')
plt.ylabel('I am y')
new_ticks = np.linspace(-1, 2, 5) # 坐标点
print(new_ticks) # [-1. -0.25 0.5 1.25 2. ]
plt.xticks(new_ticks)
plt.yticks([-2, -1.8, -1, 1.22, 3, ],
[r'$really\ bad$', r'$bad\ \alpha$', r'$normal$', r'$good$', r'$really\ good$']) # 一一对应
# $ $ 数学形式的字体; 空格无法识别 用\+空格 即可,r表示正则表达式
plt.show()
四、坐标轴设置(2)
import matplotlib.pyplot as plt
import numpy as np
x = np.linspace(-3, 3, 50)
y1 = 2*x+1
y2 = x**2
plt.figure()
plt.plot(x, y2)
plt.plot(x, y1, color='red', linewidth=1.0, linestyle='--')
plt.xlim((-1, 2)) # 取值范围
plt.ylim((-2, 3))
plt.xlabel('I am x')
plt.ylabel('I am y')
new_ticks = np.linspace(-1, 2, 5) # 坐标点
print(new_ticks) # [-1. -0.25 0.5 1.25 2. ]
plt.xticks(new_ticks)
plt.yticks([-2, -1.8, -1, 1.22, 3, ],
[r'$really\ bad$', r'$bad\ \alpha$', r'$normal$', r'$good$', r'$really\ good$']) # 一一对应
# $ $ 数学形式的字体; 空格无法识别 用\+空格 即可,r表示正则表达式
# gca = 'get current axis'
ax = plt.gca()
ax.spines['right'].set_color('none') # 去掉右边和上边的轴
ax.spines['top'].set_color('none')
ax.xaxis.set_ticks_position('bottom') # 用下面的轴表示x轴
ax.yaxis.set_ticks_position('left') # 用左边的轴表示y轴
ax.spines['bottom'].set_position(('data', 0)) # 移动x轴的位置,0对应y轴的值
ax.spines['left'].set_position(('data', 0)) # 移动y轴的位置,0对应x轴的值
plt.show()
五、legend图例
import matplotlib.pyplot as plt
import numpy as np
x = np.linspace(-3, 3, 50)
y1 = 2*x+1
y2 = x**2
plt.figure()
plt.xlim((-1, 2)) # 取值范围
plt.ylim((-2, 3))
plt.xlabel('I am x')
plt.ylabel('I am y')
new_ticks = np.linspace(-1, 2, 5) # 坐标点
print(new_ticks) # [-1. -0.25 0.5 1.25 2. ]
plt.xticks(new_ticks)
plt.yticks([-2, -1.8, -1, 1.22, 3, ],
[r'$really\ bad$', r'$bad\ \alpha$', r'$normal$', r'$good$', r'$really\ good$']) # 一一对应
# $ $ 数学形式的字体; 空格无法识别 用\+空格 即可,r表示正则表达式
# gca = 'get current axis'
ax = plt.gca()
ax.spines['right'].set_color('none') # 去掉右边和上边的轴
ax.spines['top'].set_color('none')
ax.xaxis.set_ticks_position('bottom') # 用下面的轴表示x轴
ax.yaxis.set_ticks_position('left') # 用左边的轴表示y轴
ax.spines['bottom'].set_position(('data', 0)) # 移动x轴的位置,0对应y轴的值
ax.spines['left'].set_position(('data', 0)) # 移动y轴的位置,0对应x轴的值
# 默认图例
# plt.plot(x, y2, label='up')
# plt.plot(x, y1, color='red', linewidth=1.0, linestyle='--', label='down')
# plt.legend()
# 个性化图例
l1, = plt.plot(x, y2, label='up')
l2, = plt.plot(x, y1, color='red', linewidth=1.0, linestyle='--', label='down')
plt.legend(handles=[l1, l2, ], labels=['aaa', 'bbb'], loc='best') # best--自动找到一个比较好的位置放图例
plt.show()
六、Annotation标注
import matplotlib.pyplot as plt
import numpy as np
x = np.linspace(-3, 3, 50)
y = 2*x+1
plt.figure(num=1, figsize=(8, 5))
plt.plot(x,y)
# gca = 'get current axis'
ax = plt.gca()
ax.spines['right'].set_color('none') # 去掉右边和上边的轴
ax.spines['top'].set_color('none')
ax.xaxis.set_ticks_position('bottom') # 用下面的轴表示x轴
ax.yaxis.set_ticks_position('left') # 用左边的轴表示y轴
ax.spines['bottom'].set_position(('data', 0)) # 移动x轴的位置,0对应y轴的值
ax.spines['left'].set_position(('data', 0)) # 移动y轴的位置,0对应x轴的值
x0 = 1
y0 = 2*x0+1 # 需要标注的点的坐标
plt.scatter(x0, y0, s=50, color='b') # 标注点
plt.plot([x0, x0], [0, y0], 'k--', lw=2.5) # k表示线的颜色是黑色,lw表示线宽 --标注虚线
# method 1
plt.annotate(r'$2x+1=%s$'%y0, xy=(x0, y0), xycoords='data', xytext=(+30, -30), textcoords='offset points',
fontsize=16, arrowprops=dict(arrowstyle='->', connectionstyle='arc3, rad=.2'))
# method 2
plt.text(-3.7, 3, r'$This\ is\ the\ some\ text.\ \mu\ \sigma_i\ \alpha_t$',
fontdict={'size': 16, 'color': 'r'})
plt.show()
七、tick能见度
import matplotlib.pyplot as plt
import numpy as np
x = np.linspace(-3, 3, 50)
y = 0.1*x
plt.figure()
plt.plot(x, y, linewidth=10)
plt.ylim(-2, 2)
# gca = 'get current axis'
ax = plt.gca()
ax.spines['right'].set_color('none') # 去掉右边和上边的轴
ax.spines['top'].set_color('none')
ax.xaxis.set_ticks_position('bottom') # 用下面的轴表示x轴
ax.yaxis.set_ticks_position('left') # 用左边的轴表示y轴
ax.spines['bottom'].set_position(('data', 0)) # 移动x轴的位置,0对应y轴的值
ax.spines['left'].set_position(('data', 0)) # 移动y轴的位置,0对应x轴的值
for label in ax.get_xticklabels() + ax.get_yticklabels():
label.set_fontsize(12)
label.set_bbox(dict(facecolor='red', edgecolor='None', alpha=0.7)) # alpha是透明度
plt.show()
直接使用上方代码还是会存在曲线遮挡坐标点的情况
解决办法:直接在plt.plot(x, y, linewidth=10)中添加参数zorder-->plt.plot(x, y, linewidth=10, zorder=1)
八、Scatter散点图
import matplotlib.pyplot as plt
import numpy as np
n = 1024
X = np.random.normal(0, 1, n)
Y = np.random.normal(0, 1, n)
T = np.arctan2(Y, X) # for color value
plt.scatter(X, Y, s=75, c=T, alpha=0.5) # 使用默认的color map
plt.xlim((-1.5, 1.5))
plt.ylim((-1.5, 1.5))
plt.xticks(()) # 去掉坐标点
plt.yticks(())
plt.show()