matplotlib 基本操作

最新推荐文章于 2024-02-19 18:15:00 发布

f(x)-blog

最新推荐文章于 2024-02-19 18:15:00 发布

阅读量444

点赞数 1

分类专栏： matplotlib 中文不能正常显示坐标轴刻度及范围文章标签： python 数据可视化

本文链接：https://blog.csdn.net/cxyj666/article/details/108588275

版权

matplotlib 同时被 3 个专栏收录

1 篇文章 0 订阅

订阅专栏

中文不能正常显示

1 篇文章 0 订阅

订阅专栏

坐标轴刻度及范围

1 篇文章 0 订阅

订阅专栏

使用matplotlib时遇到一些问题，特记录在此

1. 图表中中文不能正常显示

新建pyhton脚本文件 matplotlib_sup_ch.py

# matplotlib_sup_ch.py
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False

cplt = plt

在需要绘图的地方将cplt导入使用，就可以解决中文不能正常显示的问题

# test.py
from matplotlib_sup_ch import cplt as plt
import math
import numpy as np

if __name__ == '__main__':

    x = list(np.linspace(0, 2*math.pi, 100))  # 从[0, 2π]中取100个数据点
    y = [math.cos(e) for e in x]

    plt.title('cos曲线')
    plt.xlabel('弧度')
    plt.plot(x, y)
    plt.show()

在这里插入图片描述

2. matplotlib中可用的颜色列表

新建color.py

# color.py
cnames = {
'aliceblue':            '#F0F8FF',
'antiquewhite':         '#FAEBD7',
'aqua':                 '#00FFFF',
'aquamarine':           '#7FFFD4',
'azure':                '#F0FFFF',
'beige':                '#F5F5DC',
'bisque':               '#FFE4C4',
'black':                '#000000',
'blanchedalmond':       '#FFEBCD',
'blue':                 '#0000FF',
'blueviolet':           '#8A2BE2',
'brown':                '#A52A2A',
'burlywood':            '#DEB887',
'cadetblue':            '#5F9EA0',
'chartreuse':           '#7FFF00',
'chocolate':            '#D2691E',
'coral':                '#FF7F50',
'cornflowerblue':       '#6495ED',
'cornsilk':             '#FFF8DC',
'crimson':              '#DC143C',
'cyan':                 '#00FFFF',
'darkblue':             '#00008B',
'darkcyan':             '#008B8B',
'darkgoldenrod':        '#B8860B',
'darkgray':             '#A9A9A9',
'darkgreen':            '#006400',
'darkkhaki':            '#BDB76B',
'darkmagenta':          '#8B008B',
'darkolivegreen':       '#556B2F',
'darkorange':           '#FF8C00',
'darkorchid':           '#9932CC',
'darkred':              '#8B0000',
'darksalmon':           '#E9967A',
'darkseagreen':         '#8FBC8F',
'darkslateblue':        '#483D8B',
'darkslategray':        '#2F4F4F',
'darkturquoise':        '#00CED1',
'darkviolet':           '#9400D3',
'deeppink':             '#FF1493',
'deepskyblue':          '#00BFFF',
'dimgray':              '#696969',
'dodgerblue':           '#1E90FF',
'firebrick':            '#B22222',
'floralwhite':          '#FFFAF0',
'forestgreen':          '#228B22',
'fuchsia':              '#FF00FF',
'gainsboro':            '#DCDCDC',
'ghostwhite':           '#F8F8FF',
'gold':                 '#FFD700',
'goldenrod':            '#DAA520',
'gray':                 '#808080',
'green':                '#008000',
'greenyellow':          '#ADFF2F',
'honeydew':             '#F0FFF0',
'hotpink':              '#FF69B4',
'indianred':            '#CD5C5C',
'indigo':               '#4B0082',
'ivory':                '#FFFFF0',
'khaki':                '#F0E68C',
'lavender':             '#E6E6FA',
'lavenderblush':        '#FFF0F5',
'lawngreen':            '#7CFC00',
'lemonchiffon':         '#FFFACD',
'lightblue':            '#ADD8E6',
'lightcoral':           '#F08080',
'lightcyan':            '#E0FFFF',
'lightgoldenrodyellow': '#FAFAD2',
'lightgreen':           '#90EE90',
'lightgray':            '#D3D3D3',
'lightpink':            '#FFB6C1',
'lightsalmon':          '#FFA07A',
'lightseagreen':        '#20B2AA',
'lightskyblue':         '#87CEFA',
'lightslategray':       '#778899',
'lightsteelblue':       '#B0C4DE',
'lightyellow':          '#FFFFE0',
'lime':                 '#00FF00',
'limegreen':            '#32CD32',
'linen':                '#FAF0E6',
'magenta':              '#FF00FF',
'maroon':               '#800000',
'mediumaquamarine':     '#66CDAA',
'mediumblue':           '#0000CD',
'mediumorchid':         '#BA55D3',
'mediumpurple':         '#9370DB',
'mediumseagreen':       '#3CB371',
'mediumslateblue':      '#7B68EE',
'mediumspringgreen':    '#00FA9A',
'mediumturquoise':      '#48D1CC',
'mediumvioletred':      '#C71585',
'midnightblue':         '#191970',
'mintcream':            '#F5FFFA',
'mistyrose':            '#FFE4E1',
'moccasin':             '#FFE4B5',
'navajowhite':          '#FFDEAD',
'navy':                 '#000080',
'oldlace':              '#FDF5E6',
'olive':                '#808000',
'olivedrab':            '#6B8E23',
'orange':               '#FFA500',
'orangered':            '#FF4500',
'orchid':               '#DA70D6',
'palegoldenrod':        '#EEE8AA',
'palegreen':            '#98FB98',
'paleturquoise':        '#AFEEEE',
'palevioletred':        '#DB7093',
'papayawhip':           '#FFEFD5',
'peachpuff':            '#FFDAB9',
'peru':                 '#CD853F',
'pink':                 '#FFC0CB',
'plum':                 '#DDA0DD',
'powderblue':           '#B0E0E6',
'purple':               '#800080',
'red':                  '#FF0000',
'rosybrown':            '#BC8F8F',
'royalblue':            '#4169E1',
'saddlebrown':          '#8B4513',
'salmon':               '#FA8072',
'sandybrown':           '#FAA460',
'seagreen':             '#2E8B57',
'seashell':             '#FFF5EE',
'sienna':               '#A0522D',
'silver':               '#C0C0C0',
'skyblue':              '#87CEEB',
'slateblue':            '#6A5ACD',
'slategray':            '#708090',
'snow':                 '#FFFAFA',
'springgreen':          '#00FF7F',
'steelblue':            '#4682B4',
'tan':                  '#D2B48C',
'teal':                 '#008080',
'thistle':              '#D8BFD8',
'tomato':               '#FF6347',
'turquoise':            '#40E0D0',
'violet':               '#EE82EE',
'wheat':                '#F5DEB3',
'white':                '#FFFFFF',
'whitesmoke':           '#F5F5F5',
'yellow':               '#FFFF00',
'yellowgreen':          '#9ACD32'
}

绘图时颜色不够丰富，从color.py导入cnames直接使用

# test.py
from matplotlib_sup_ch import cplt as plt
import math
import numpy as np
from color import cnames


if __name__ == '__main__':

    x = list(np.linspace(0, 2*math.pi, 100))  # 从[0, 2π]中取100个数据点
    color_values = list(cnames.values())

    plt.title('cos曲线')
    plt.xlabel('弧度')
    for i in range(0, len(color_values)):
        y = [math.cos(i*e) for e in x]
        plt.plot(x, y, color=color_values[i])
    plt.show()

在这里插入图片描述

3.设置坐标轴刻度间隔及范围

# test.py
from matplotlib_sup_ch import cplt as plt
from matplotlib.pyplot import MultipleLocator
# 设置坐标轴刻度
ax = plt.gca()
# 设置x轴刻度为5
x_major_locator = MultipleLocator(5) 
ax.xaxis.set_major_locator(x_major_locator)

# 设置y轴刻度为0.05
y_major_locator = MultipleLocator(0.05)
ax.yaxis.set_major_locator(y_major_locator)

# 设置坐标轴范围
plt.xlim(-1, 95)  # 设置x轴范围为[-1, 95]
plt.ylim(0, 1)  # 设置y轴范围为[0, 1]

4. 设置显示图例

from matplotlib_sup_ch import cplt as plt
import math
import numpy as np


if __name__ == '__main__':

    x = list(np.linspace(0, 2*math.pi, 100))  # 从[0, 2π]中取100个数据点
    y1 = [math.cos(e) for e in x]
    y2 = [math.sin(e) for e in x]
    plt.plot(x, y1)
    plt.plot(x, y2)
    plt.legend(['cos', 'sin'], loc='best')  # loc参数决定图例的放置位置，更多选择详见 https://blog.csdn.net/lanluyug/article/details/80002273
    plt.show()

在这里插入图片描述

trick: plt.legend()需要放置在plt.plot()之后图例才可以正确显示

5. 图像保存

path = 'img 将要保存的位置'
plt.savefig(path)
plt.close()  # 如果有多张图像保存，可保证图像在绘制时不发生累积现象

6. 绘制子图

import math
import numpy as np
from matplotlib_sup_ch import cplt as plt


if __name__ == '__main__':

    fig = plt.figure(figsize=(16, 9), dpi=100)  # figsize:画布的宽和高，dpi:图像分辨率(dots per inch)

    X = list(np.linspace(0, 2*math.pi, 100))  # 从[0, 2π]中取100个数据点
    y1 = [math.cos(e) for e in X]
    y2 = [math.sin(e) for e in X]

    # scatter
    sub1 = fig.add_subplot(211)

    sub1.set_title('scatter')
    sub1.scatter(X, y1, label='actual')
    sub1.scatter(X, y2, label='predict')

    # 设置X轴，Y轴范围
    sub1.set_xlim(0, 2*math.pi + 1)
    sub1.set_ylim(-1.2, 1.2)

    # 设置X轴，Y轴标签
    sub1.set_xlabel('弧度')
    sub1.set_ylabel('三角函数值')

    sub1.legend(loc='best')  # 设置图例

    # plot
    sub2 = fig.add_subplot(212)

    sub2.set_title('plot')
    sub2.plot(X, y1, label='actual')
    sub2.plot(X, y2, label='predict')

    # 设置X轴，Y轴范围
    sub2.set_xlim(0, 2*math.pi + 1)
    sub2.set_ylim(-1.2, 1.2)

    # 设置X轴，Y轴标签
    sub2.set_xlabel('弧度')
    sub2.set_ylabel('三角函数值')

    sub2.legend(loc='best')  # 设置图例

    fig.show()

在这里插入图片描述

7. figure 重要参数解析

matplotlib.pyplot.figure

(

num=None, # autoincrement if None, else integer from 1-N

可以理解为figure的标识

例如：fig1 = plt.figure(num=‘fig1’)

figsize=None, # defaults to rc figure.figsize

figure的尺寸，单位英寸，浮点数二维元组(float, float),第一维代表width,第二维代表height

例如：fig = plt.figure(figsize=(16, 9))

dpi=None, # defaults to rc figure.dpi

图像的采样率

fig = plt.figure(dpi=100)

图像像素数=width * height * dpi * dpi

)