Matplotlib---小白级教程(1)

1.画布的创建和布局–add_subplot()

简单理解就是，先准备一块画布，并且设定好这块画布的布局。你是准备画一个图表还是多个图表、你是准备在画布的靠左边画图，还是右边画图。

fig = plt.figure()
ax1 = fig.add_subplot(numrows, numcols, fignum)

• numrows 代表你的画布，打算分几行
• numcols代表你的画布，打算分几列
• fignum代表你的画布上的第几个图表

案例一：

import matplotlib.pyplot as plt


fig = plt.figure()
ax1 = fig.add_subplot(1, 3, 1)			# 第一个画布
ax2 = fig.add_subplot(1, 3, 2)			# 第二个画布
ax3 = fig.add_subplot(1, 3, 3)			# 第三个画布
plt.show()

• 如上add_subplot()函数的第一个参数都为1，那么整个画布设置一行的意思
• 第二个参数都为3，说明是一张画布都分3列
• 第三个参数，分别是1/2/3,是值具体的图表的第一个、第二个、第三个

案例二：

import matplotlib.pyplot as plt


fig = plt.figure()
ax1 = fig.add_subplot(1, 3, 1)
ax3 = fig.add_subplot(1, 3, 3)
plt.show()

案例三：

import matplotlib.pyplot as plt


fig = plt.figure()
ax1 = fig.add_subplot(2, 2, 1)
ax2 = fig.add_subplot(2, 2, 2)
ax3 = fig.add_subplot(2, 2, 3)
ax4 = fig.add_subplot(2, 2, 4)
plt.show()

案例四：

import matplotlib.pyplot as plt


fig = plt.figure()
ax1 = fig.add_subplot(2, 2, 1)
ax2 = fig.add_subplot(2, 2, 2)
ax4 = fig.add_subplot(2, 2, 4)
plt.show()

2.X & Y 坐标的区间设置

    def plot(self, xs, ys, *args, zdir='z', **kwargs):
        """
        Plot 2D or 3D data.

        Parameters
        ----------
        xs : 1D array-like
            x coordinates of vertices.						# X坐标轴
        ys : 1D array-like
            y coordinates of vertices.						# y坐标轴
        zs : scalar or 1D array-like
            z coordinates of vertices; either one for all points or one for
            each point.
        zdir : {'x', 'y', 'z'}
            When plotting 2D data, the direction to use as z ('x', 'y' or 'z');
            defaults to 'z'.
        **kwargs
            Other arguments are forwarded to `matplotlib.axes.Axes.plot`.
        """

import matplotlib.pyplot as plt

fig = plt.figure()
ax1 = fig.add_subplot(1, 2, 1)
ax2 = fig.add_subplot(1, 2, 2)
ax1.plot([0, 1, 2], [1, 2, 3])	
ax2.plot([0, 1, 2, 3], [1, 2, 3, 4])

plt.show()

• 如上第一个图中，x坐标用[0, 1, 2]区间表示，y坐标用[1, 2, 3]区间表示
• 同理，第二个图

3.表格名称以及X & Y坐标的备注

案例一：

import matplotlib.pyplot as plt

fig = plt.figure()
ax1 = fig.add_subplot(1, 2, 1)
ax2 = fig.add_subplot(1, 2, 2)
ax1.plot([0, 1, 2], [1, 2, 3])
ax2.plot([0, 1, 2, 3], [1, 2, 3, 4])

ax1.set_title("table title")			# 图一的标题
ax1.set_xlabel("x label")				# x坐标的含义
ax1.set_ylabel("y label")				# y坐标的含义
ax2.set_title("table title 2")
ax2.set_xlabel("x label 2")
ax2.set_ylabel("y label 2")
plt.show()

如果是一个画布上有一张图或多张图，可以用如上方式。

案例二：

import matplotlib.pyplot as plt

fig = plt.figure()

ax2 = fig.add_subplot(1, 2, 2)		# 画布显示了第二个区域的图表
ax2.plot([0, 1, 2, 3], [1, 2, 3, 4])

plt.xlabel('x info')
plt.ylabel('y info')
plt.title('Title Demo')

plt.show()

• 此部分只显示了一张图的坐标备注信息，如果是两个图表，建议还是利用案例一里面的方法设置坐标的备注信息。

4.波动曲线的设置（颜色、线型、标注）

1.颜色篇

import matplotlib.pyplot as plt

fig = plt.figure()

ax1 = fig.add_subplot(1, 2, 1)
ax2 = fig.add_subplot(1, 2, 2)
ax1.plot([0, 1, 2], [1, 2, 3], "red")				# 第三个参数，默认是颜色
ax2.plot([0, 1, 2, 3], [1, 2, 3, 4], "green")


plt.show()

别名	全名	颜色
b	blue	蓝色
g	green	绿色
r	red	红色
y	yellow	黄色
c	Cyan	青色
k	blacK	黑色
m	Magenta	洋红色
w	waite	白色

使用别名和全名，都可以实现颜色的设置

2.线型篇

import matplotlib.pyplot as plt

fig = plt.figure()

ax1 = fig.add_subplot(1, 2, 1)
ax2 = fig.add_subplot(1, 2, 2)
ax1.plot([0, 1, 2], [1, 2, 3], "r-")				# 使用别名的方式
ax2.plot([0, 1, 2, 3], [1, 2, 3, 4], "g--")


plt.show()

• 如果要求不多，可以使用颜色的别名 + “–” 的形式，可以实现虚线的设置，而"-"则是普通的实线

具体线型的列表如下：

线条风格linestyle或ls	描述
‘-‘	实线
‘:’	点线
‘–’	破折线
‘None’,’ ‘,’’	什么都不画
‘-.’	点划线
‘--’	虚线

3.标注篇

如上部分，我们看到的都是线型图表，通过线把不同的点连接一起最终看到的效果。但有时候，我们需要的仅仅是标注所有点的情况，并不需要把所有点都连接到一起，那么只需要使用标注功能即可。

import matplotlib.pyplot as plt

fig = plt.figure()

ax1 = fig.add_subplot(1, 2, 1)
ax2 = fig.add_subplot(1, 2, 2)
ax1.plot([0, 1, 2], [1, 2, 3], "rx")		# rx对应的意思是，r 以及  x，一个表示颜色，一个表示X形状标注
ax2.plot([0, 1, 2, 3], [1, 2, 3, 4], "g^")	# g表示绿色,^表示的是上三角形状标注


plt.show()

所有标注的形状如下：

标记maker	描述
‘o’	圆圈
‘.’	点
‘D’	菱形
‘s’	正方形
‘h’	六边形1
‘*’	星号
‘H’	六边形2
‘d’	小菱形
‘_’	水平线
‘v’	一角朝下的三角形
‘8’	八边形
‘<’	一角朝左的三角形
‘p’	五边形
‘>’	一角朝右的三角形
‘,’	像素
‘^’	一角朝上的三角形
‘+’	加号
‘\ ‘	竖线
‘None’,’’,’ ‘	无
‘x’	X

5.plot()的其他属性

alpha	浮点值
animated	[True / False]
antialiased	[True / False]
clip_box	matplotlib.transform.Bbox 实例
clip_on	[True / False]
clip_path	Path 实例， Transform，以及Patch实例
color	任何 matplotlib 颜色
contains	命中测试函数
dash_capstyle	[‘butt’ / ‘round’ / ‘projecting’]
dash_joinstyle	[‘miter’ / ‘round’ / ‘bevel’]
dashes	以点为单位的连接/断开墨水序列
data	(np.array xdata, np.array ydata)
figure	matplotlib.figure.Figure 实例
label	任何字符串
linestyle	[ ‘-’ / ‘--’ / ‘-.’ / ‘:’ / ‘steps’ / ...]
linewidth	以点为单位的浮点值
lod	[True / False]
marker	[ ‘+’ / ‘,’ / ‘.’ / ‘1’ / ‘2’ / ‘3’ / ‘4’ ]
markeredgecolor	任何 matplotlib 颜色
markeredgewidth	以点为单位的浮点值
markerfacecolor	任何 matplotlib 颜色
markersize	浮点值
markevery	[ None / 整数值 / (startind, stride) ]
picker	用于交互式线条选择
pickradius	线条的拾取选择半径
solid_capstyle	[‘butt’ / ‘round’ / ‘projecting’]
solid_joinstyle	[‘miter’ / ‘round’ / ‘bevel’]
transform	matplotlib.transforms.Transform 实例
visible	[True / False]
xdata	np.array
ydata	np.array
zorder	任何数值