Python Matplotlib库用法笔记

最新推荐文章于 2024-07-26 10:49:29 发布
最新推荐文章于 2024-07-26 10:49:29 发布
阅读量2.9k 收藏 37
点赞数 4
分类专栏： python 文章标签： python matlab 开发语言
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/fqllll/article/details/122657314
版权

Python Matplotlib库用法笔记

用于日常学习的积累，如有不足请多多指教。

一、了解Matplotlib库

1 Matplotlib是什么

Matplotlib可以看成是3个缩写单词拼接而成：
·mat（matrix） 矩阵
·plot 绘图
·lib（library）库

Matplotlib 是一个 Python 的二维图表库。

2 Matplotlib的作用

将数据可视化，是数据更加置换

3利用Matplotlib做一个简单的画图

3.1matplotlib.pyplot模块

matplotlib.pyplot模块包含了一系列类似于matlab的画图函数。

import matplotlib.pyplot as plt

3.2画图

import matplotlib.pyplot as plt

plt.figure() #创建画布
plt.plot([1, 2, 3, 4, 5, 6], [1, 4, 9, 16, 25, 36]) #绘制图像
plt.show()	#显示图像

利用Matplotlib做一个简单的画图

4 Matplotlib的三层结构

4.1容器层

  1. 画板层Canvas（位于最底层，一般用户接触不到）
    位于最底层的系统层，充当画板的角色。
  2. 画布层Figure（在Canvas层之上）
    是用户操作的第一层应用层，充当画布的角色。
plt.figure()
  1. 绘图区/坐标系Axes（在Figure层之上）
    应用层的第二层。
plt.subplots()
  1. 相互关系
  • 一个figure可以包含多个axes，一个axes只能属于一个figure。
  • 一个axes（绘图区/坐标系）可以包含多个axis（坐标轴）。

4.2 辅助显示层

辅助显示层为Axes(绘图区)内的除了根据数据绘制出的图像以外的内容，主要包括Axes外观(facecolor)、边框线(spines)、坐标轴(axis)、坐标轴名称(axis label)、坐标轴刻度(tick)、坐标轴刻度标签(tick label)、网格线(grid)、图例(legend)、标题(title)等内容。

4.3图像层

图像层指Axes内通过plot、scatter、bar、histogram、pie等函数根据数据绘制出的图像。

二、折线图

1 折线图的绘制与显示

  1. 折线图绘制的步骤
    1. 创建画布
    2. 绘制图像
    3. 显示图像
      具体和上面的做一个简单的画图的代码一致：
import matplotlib.pyplot as plt

plt.figure() #创建画布
plt.plot([1, 2, 3, 4, 5, 6], [1, 4, 9, 16, 25, 36]) #绘制图像
plt.show()	#显示图像

利用Matplotlib做一个简单的画图

1.1设置图形的风格

plt.plot(x,y,color='k',linestyle=':') 
#color设置线条颜色
#linestyle设置线条风格

在这里插入图片描述

对上述代码进行修改：

import matplotlib.pyplot as plt

x=[1,2,3,4,5,6]
y=[1,4,9,16,25,36]

plt.figure() #创建画布

plt.plot(x,y,color='k',linestyle=':') #绘制图像

plt.show() #显示图像

结果：
在这里插入图片描述

2 设置画布属性

plt.figure(figsize=(),dpi=)
#figsize：指定图的长宽
#dpi：图像的清晰度

2.1 代码示例

import matplotlib.pyplot as plt

plt.figure(figsize=(5,5),dpi=100) #创建画布
plt.plot([1, 2, 3, 4, 5, 6], [1, 4, 9, 16, 25, 36]) #绘制图像
plt.show()	#显示图像

设置画布属性

3 图片的保存

import matplotlib.pyplot as plt

plt.figure(figsize=(5,5),dpi=100) #创建画布
plt.plot([1, 2, 3, 4, 5, 6], [1, 4, 9, 16, 25, 36]) #绘制图像

plt.savefig("1.png") #保存在相对路径上

plt.show() #显示图像

注意：plt.savefig(path)不能写在plt.show() 之后。（plt.show()会释放figgure的资源，此时在保存图片就是空图片）

4 设置辅助显示层

4.1 自定义x，y刻度

#自定义x轴
plt.xticks(x,tick labels) #刻度标签(tick labels)可以对应替换x
#自定义y轴
plt.yticks(y,tick labels) #刻度标签(tick labels)可以对应替换y
  • 代码示例：
import matplotlib.pyplot as plt

x=[1,2,3,4,5]
y=[1,4,9,16,25]

plt.figure(figsize=(5,5),dpi=100) 
plt.plot(x,y)

plt.xticks(x,["一","二","三","四","五"])

plt.show()

结果：
在这里插入图片描述
注意：默认字体不支持中文，会变成上图的白色框框。

import matplotlib.pyplot as plt

x=[1,2,3,4,5]
y=[1,4,9,16,25]

plt.rcParams['font.sans-serif'] = ['SimHei'] #解决中文显示问题

plt.figure(figsize=(5,5),dpi=100) 
plt.plot(x,y)
plt.xticks(x,["一","二","三","四","五"])

plt.show()

结果：
在这里插入图片描述

4.2 添加网格显示

plt.grid(True,linestyle,alpha)
#linestyle是指线条风格
#alpha是指透明度
  • 代码示例：
import matplotlib.pyplot as plt

x=[1,2,3,4,5]
y=[1,4,9,16,25]

plt.figure(figsize=(5,5),dpi=100) 
plt.plot(x,y)

plt.grid(True,linestyle="--",alpha=0.8)	#添加网格显示

plt.show()

结果：
在这里插入图片描述

4.3添加描述信息

plt.xlabel(str)
plt.ylabel(str)
plt.title(str)
  • 代码示例：
import matplotlib.pyplot as plt

x=[1,2,3,4,5]
y=[1,4,9,16,25]

plt.figure(figsize=(5,5),dpi=100) 
plt.plot(x,y)

plt.xlabel("x")
plt.ylabel("x的平方")
plt.title("x平方的函数图像")
plt.grid(True,linestyle="--",alpha=0.8)

plt.show()

结果：
x平方的函数图像

5 设置图像层

5.1 再添加一条折线

再次使用plt.plot()就可以再添加一条曲线。
其中，可以在plot()中设置对应曲线的标签：

plt.plot(x,y_2x,label='2x')

并加入以下图像层的代码将其展示出来：

plt.legend()
  • 代码示例：
import matplotlib.pyplot as plt

x=[0,1,2,3,4,5]
y_2x=[2*i for i in range(6)]
y_3x=[3*i for i in range(6)]

#创建画布
plt.figure(figsize=(5,5),dpi=100) 
#绘制图像
plt.plot(x,y_2x,label='2x') 
plt.plot(x,y_3x,label='3x') #再添加一条折线

plt.legend()

plt.show() #显示图像

结果：
在这里插入图片描述

6 多个坐标系显示折线图

figure, axes = plt.subplots(nrows=1, ncols=2)
#nrows:行
#ncols:列

注意：此时为面向对象的编程，注意代码的不同。

  • 代码示例：
import matplotlib.pyplot as plt

x=[0,1,2,3,4,5]
y_2x=[2*i for i in range(6)]
y_3x=[3*i for i in range(6)]

#创建画布
#plt.figure(figsize=(5,5),dpi=100) 
figure, axes = plt.subplots(nrows=1, ncols=2,figsize=(10,5),dpi=100)

#绘制图像
#plt.plot(x,y_2x,label='2x') 
axes[0].plot(x,y_2x,label='2x') 
#plt.plot(x,y_3x,label='3x') 
axes[1].plot(x,y_3x,label='3x') 

#显示图例
#plt.legend()
axes[0].legend()
axes[1].legend()

#修改刻度
axes[0].set_xticks(x[::1])
axes[0].set_yticks(range(0,20)[::2])
axes[1].set_xticks(x[::1])
axes[1].set_yticks(range(0,20)[::2])

#添加描述信息
axes[0].set_xlabel("x")
axes[0].set_ylabel("2x")
axes[0].set_title("y=2x")

axes[1].set_xlabel("x")
axes[1].set_ylabel("3x")
axes[1].set_title("y=3x")

#显示图像
plt.show()

在这里插入图片描述

三、散点图

分析不同变量之间的关系/规律

plt.scatter(x,y)

3.1散点图的绘制

import matplotlib.pyplot as plt

#数据
math_score=[140,96,134,108,88]
physics_score=[95,78,86,81,72]

#创建画布
plt.figure()

#绘制散点图
plt.scatter(math_score,physics_score)

#显示图像
plt.show()

结果：
在这里插入图片描述

四、柱状图

统计不同类别的数量大小，比较数据之间的差异

plt.bar(x,width,...)
#x为数据
#width为柱宽

4.1一个类别单个柱状图

  • 代码示例：
import matplotlib.pyplot as plt

#数据
students=["小明","小红","小刚","小智","小华"]
math_score=[140,96,134,108,88]

#创建画布
plt.figure()

#绘制图像
plt.bar(range(0,5),math_score,color=['r','y','g','c','b']) #采用不同颜色绘制柱状图

#修改刻度
plt.xticks(range(0,5),students)

#添加标题
plt.title("数学成绩")

#添加网格显示
plt.grid(linestyle=":",alpha=0.5)

#显示图像
plt.show()

结果：
在这里插入图片描述

4.2一个类别多个柱状图

  • 代码示例：
import matplotlib.pyplot as plt

#数据
students=["小明","小红","小刚","小智","小华"]
math_score=[i/150 for i in [140,96,134,108,88]]
physics_score=[i/100 for i in [95,78,86,81,72]]

#创建画布
plt.figure()

#绘制图像
plt.bar(range(0,5),math_score,color='r',width=0.2)
plt.bar([i-0.2 for i in range(0,5)],physics_score,color='b',width=0.2)#注意刻度要作出调整，不然会重叠在一起

#修改刻度
plt.xticks([i-0.1 for i in range(0,5)],students) 

#添加标题
plt.title("数学和物理成绩得分情况")

#添加网格显示
plt.grid(linestyle=":",alpha=0.5)

#显示图像
plt.show()

结果：
在这里插入图片描述

五、直方图

表示数据分布状况

plt.hist(x,bins,density,...)
#x为数据
#bins为组数
#density为是否显示频率(默认不显示)

5.1 直方图与柱状图的区别

直方图柱状图
展示数据的分布比较数据的大小
x轴展示的是数字区间x轴展示的是分类数据
柱子间无间隔柱子间有间隔
柱子宽度有意义

5.2 直方图的绘制

import matplotlib.pyplot as plt

#数据
math_score=[140,96,134,108,138,128,128,117,126,116,100,114,115,116,112,116,101,102,89,96,85,108,92,75,116,92,124,150]

#创建画布
plt.figure(figsize=(20,10),dpi=100)

#绘制图像
d=3
group_num = (max(math_score)-min(math_score))//d #组数=（最大值-最小值）//组距
plt.hist(math_score,bins=group_num,density=True)

#修改刻度
plt.xticks(range(min(math_score),max(math_score)+d,d))

#添加标题
plt.title("数学成绩直方图")

#添加网格显示
plt.grid(linestyle=":",alpha=0.5)

#显示图像
plt.show()

结果：
在这里插入图片描述

六、饼图

不同数据占比情况（类别太多不建议使用）

plt.pie(x,labels,autopct,colors,...)
#x:数量
#labels：每部分的名称
#autopct：占比显示
#colors：每部分颜色

6.1 饼图的绘制

import matplotlib.pyplot as plt

#数据
students=["小明","小红","小刚","小智","小华"]
duty_days=[3,5,8,6,8]

#创建画布
plt.figure()

#绘制图像
plt.pie(duty_days,labels=students,autopct="%1.2f%%",colors=['r','y','c','b','g'])
plt.axis('equal')#保证饼图长宽一致

#显示图例
plt.legend()

#修改刻度
plt.xticks()

#添加标题
plt.title("上月同学值日天数")

#添加网格显示
plt.grid(linestyle=":",alpha=0.5)

#显示图像
plt.show()

结果：
饼图

fqlll
关注
专栏目录
python之matplotlib画图函数笔记.pdf
09-28
根据提供的文件信息，我们可以提炼出关于Python中使用matplotlib库进行数据可视化的知识点。以下是对文件内容的详细解读，涵盖散点图、柱状图、饼图、极坐标图、三维图的创建和参数使用方法。 1. 散点图绘制：...
Python----matplotlib库
weixin_69884785的博客
01-04 1925
Python----matplotlib库 plt库的字体： plt的操作绘图函数： plt.figure(figsize=None, facecolor=None): plt.subplot(nrows, ncols, plot_number)： plt.axes(rect)： plt.subplots_adjust(): plt的读取和显示相关函数： plt库的基础图表函数： plt库的坐标轴： plt库的区域填充函数 举例： 阻尼衰减曲线坐标图： 霍兰德人格分析雷达图:
Python中 Matplotlib库的使用(1)
Leethunder的博客
06-13 3671
Matplotlib是一个Python的一个数据可视化包，和matlab的绘图相对应，下面是对Matplotlib库函数的一些讲解。 首先是Matplotlib库的安装，这里直接使用pip安装，输入指令： 首先事figure()函数，这个函数的作用是创建一个画布。 这里挑常用的参数进行讲解，参数解释如下： 代码： 运行结果： 绘制子图的函数subplot()： 参数解释： row：行 column：列 order：子图的序列 代码： 运行结果： 在有时候我们想给图添加中文元素，但是会出现乱码或报错，需
Matplotlib知识点详解（巨详细！！！）
最新发布
qq_52649952的博客
07-26 493
plt.grid(ls=' '，lw=' ' ,c='red'，axis='y') ls：网格线样式 lw:网格线宽度。axis(' ') off：不显示坐标轴，equal：让x轴y轴刻度距离相同，plt.imshow(变量名,origin='lower')plt.imshow(变量名[400:600,600：])plt.imshow(变量名[:,::-1])加图表题：set_title('图标题')plt.imread(' 图片路径名称')
matplotlib——pyplot使用简介
surymy
06-21 707
matplotlib——pyplot使用简介 matplotlib.pyplot是一个有命令风格的函数集合，它看起来和MATLAB很相似。每一个pyplot函数都使一副图像做出些许改变，例如创建一幅图，在图中创建一个绘图区域，在绘图区域中添加一条线等等。在matplotlib.pyplot中，各种状态通过函数调用保存起来，以便于可以随时跟踪像当前图像和绘图区域这样的东西。绘图函数是直接作用于当前...
详解 matplotlib.pyplot ，Python 初学者真能看懂
梦想橡皮擦，专栏100例写作模式先行者，现象级专栏 《Python 爬虫 100 例》作者、《滚雪球学 Python 专栏》原创者
02-09 8870
Matplotlib 是一个 Python 中的 2D 绘图库，pyplot模块是一个方便使用 Matplotlib 的接口。下面是pyplot模块中的五个重要的知识点：【创建图形】：pyplot模块提供了许多简单易用的函数来创建图形，如 plot、scatter、bar、hist 等。这些函数可以绘制不同类型的图形，例如散点图、折线图、直方图等。【添加标签和图例】：在图形中添加标题、x 轴标签、y 轴标签以及图例可以帮助读者更好地理解图形。pyplot模块提供了相应的函数，如title()
Python中Matplotlib库的使用（二）—— Pyplot模块
m0_61443432的博客
08-30 1234
是一个函数集合，使得Matplotlib的使用方式类似于MATLAB。每个pyplot函数都会对图形进行一些修改，例如创建图形、在图形中创建绘图区域、在绘图区域中绘制线条、为图形添加标签等。在中，各种状态在函数调用之间被保留，以便它能够跟踪诸如当前图形、绘图区域等，而绘图函数会指向当前坐标轴（请注意，这里和文档中大多数地方所说的“axes”指的是图形的坐标轴部分，而不是严格的数学术语，表示多个轴）。使用pyplotplt.show()之所以x轴范围是0-3，而y轴范围是1-4，是因为如果向plot。
Python NumPy库安装使用笔记
09-22
本文档详细介绍了如何安装和使用NumPy库，从安装到基础使用方法都有涉及。NumPy的使用不仅限于上述介绍的内容，还包括更多高级功能如广播机制、高级索引、线性代数运算等。掌握这些基本操作对于进行高效的数据处理和...
【莫烦Python】Matplotlib学习笔记（一）
01-20
【莫烦Python】Matplotlib学习笔记（一）  一、基本用法 二、在不同figure中显示 三、坐标轴设置（1） 四、坐标轴设置（2） 五、legend图例 六、Annotation标注 七、tick能见度 八、Scatter散点图 后续详见：...
Python标准库学习笔记.zip
02-21
13. **科学计算与数据分析**：虽然不在标准库中，但NumPy、Pandas和Matplotlib等库在数据分析领域广泛使用，提供了高效的数据处理和可视化能力。 通过深入学习Python标准库，开发者能够充分利用其强大功能，解决...
Python matplotlib绘图可视化知识点整理(小结)
09-20
本篇内容将围绕Python Matplotlib进行知识点的整理，帮助你更好地理解和应用这个库。 ### 1. IPython与PyLab模式 在使用Matplotlib时，IPython是一个非常实用的工具，它提供了更强大的交互环境。通过运行`ipython ...
Python笔记 ,python笔记全,Python
09-11
5. **模块和包**：讲解如何导入和使用Python的标准库和第三方库，以及如何创建自己的模块。 6. **面向对象编程**：涵盖类的定义、对象的创建、继承、多态等面向对象的基本概念。 7. **文件操作**：包括打开、关闭...
numpy+pandas+matplotlib+gis学习笔记.zip
05-02
这篇学习笔记将深入探讨这些库的功能、用法以及如何结合使用。 首先，Numpy（Numerical Python）是Python中的基础科学计算库，提供了高效的多维数组对象`ndarray`，支持大量的数学运算。通过Numpy，我们可以快速...
Python数据可视化工具matplotlib的学习笔记（二）
12-21
在Python的数据可视化领域，matplotlib库是一个非常重要的工具，它提供了丰富的功能来绘制各种类型的图表，如散点图、线图、直方图等。在本篇学习笔记中，我们将聚焦于颜色映射这一特性，它是数据可视化中用来揭示...
Python学习手册笔记.zip
09-19
14. **科学计算与数据分析**：NumPy、Pandas和Matplotlib等库，使得Python在科学计算和数据分析领域表现出色。 15. **Web开发**：Django和Flask是流行的Python Web框架，用于构建动态网站和API服务。 以上是Python...
python科学计算之Matplotlib库详解
GodFatherMisZhao的博客
02-28 885
Matplotlib
Python里matplotlib.pyplot的简单介绍
weixin_57566217的博客
05-04 4767
Matplotlib 简介 Matplotlib是一个Python 2D绘图库，它以多种硬拷贝格式和跨平台的交互式环境生成出版物质量的图形。 Matplotlib可用于Python脚本，Python和IPython(opens new window)Shell、Jupyter(opens new window)笔记本，Web应用程序服务器和四个图形用户界面工具包。 Matplotlib的安装 点击左上角的File 找到Settings 在左侧选项栏里选择python interpreter 在出..
matplotlib.pyplot库介绍
热门推荐
qq_31569581的博客
02-27 1万+
Python数据可视化matplotlib.pyplot 安装：只要安装好matplotlib，就自动安装好了。安装matplotlib可以直接执行下面的命令(Linux下)： sudo pip install matplotlib 解释：matplotlib.pyplot是一些命令行风格函数的集合，使matplotlib以类似于MATLAB的方式工作。每个pyplot函数对一幅图片(f...
python matplotlib笔记大全
08-11
下面是一些常见的Matplotlib用法和示例： 1. 导入Matplotlib库： ```python import matplotlib.pyplot as plt ``` 2. 创建简单的折线图： ```python x = [1, 2, 3, 4, 5] y = [2, 4, 6, 8, 10] plt.plot(x,...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

fqlll

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值