Pyplot

Pyplot tutorial （Pyplot入门）

An introduction to the pyplot interface.

Intro to pyplot （介绍pyplot）

用Pyplot可以很快的生成可视化图例

import matplotlib.pyplot as plt
import numpy as np
plt.plot([1, 2, 3, 4]) #一个数组，也可以用numpy生成
#a = np.arrange(1,5)
#plt.plot(a)
plt.ylabel('some numbers') # 纵坐标图例
plt.show() #显示出来

生成x和y的关系图

import matplotlib.pyplot as plt

plt.plot([1, 2, 3, 4]，[1, 4, 9, 16]) #一个数组，也可以用numpy生成

plt.show() #显示出来

Formatting the style of your plot （生成你的图例）

画个折线图

import matplotlib.pyplot as plt


plt.plot([1, 2, 3, 4], [1, 6, 9, 16], 'ro') # 红点
plt.axis([0, 6, 0, 20])  # [xmin, xmax, ymin, ymax]
plt.show()

结合numpy

import matplotlib.pyplot as plt
import numpy as np

t = np.arange(0., 5., 0.2)
# red dashes, blue squares and green triangles
plt.plot(t, t, 'r--', t, t ** 2, 'bs', t, t ** 3, 'g^')  # 红横线、蓝方块、绿三角
plt.show()

Plotting with keyword strings（用关键词绘图）

import matplotlib.pyplot as plt
import numpy as np

data = {'a': np.arange(50),
        'c': np.random.randint(0, 50, 50),
        'd': np.random.randn(50)
        }  # 创建一个字典data
data['b'] = data['a'] + 10 * np.random.randn(50)  # 加上了点随机扰动
data['d'] = np.abs(data['d']) * 100

plt.scatter('a', 'b', c='c', s='d', data=data)

plt.xlabel('entry a')
plt.ylabel('entry b')

plt.show()  # 每次运行代码出来的散点图都不一样

Plotting with categorical variables

import matplotlib.pyplot as plt
import numpy as np

names = ['a','b','c']
value = [1,10,100]

plt.figure(figsize=(9,3))  # 指定创建画布的大小

plt.subplot(131)  # 将画布设置为一行三列的子图网格，绘图焦点设置在第一个网格
plt.bar(names,value)  # 第一个网格画柱状图

plt.subplot(132)
plt.scatter(names,value)  # 第二个网格画散点图

plt.subplot(133)
plt.plot(names,value)  # 第三个网格画折线图

plt.suptitle('Categorical Plotting')  # 标题

plt.show()

Working with multiple figures and axes

import matplotlib.pyplot as plt
import numpy as np


def f(t):
    return np.exp(-t) * np.cos(2 * np.pi * t)


t1 = np.arange(0.0, 5.0, 0.1)  # 从0到5，每隔0.1取一个数
t2 = np.arange(0.0, 5.0, 0.02)

plt.figure()
plt.subplot(211)  # 分成两行一列，绘图焦点设置在第一个
plt.plot(t1, f(t1), 'bo', t2, f(t2), 'k')  # 这个参数我去查了matplotlib.org 上面找到了对应API的参数在下面
# bo 即蓝色圆圈，k就是黑色
plt.subplot(212)
plt.plot(t2, np.cos(2 * np.pi * t2), 'r--') #r--即红色虚线

plt.show()

Markers

character	description
'.'	point marker
','	pixel marker
'o'	circle marker
'v'	triangle_down marker
'^'	triangle_up marker
'<'	triangle_left marker
'>'	triangle_right marker
'1'	tri_down marker
'2'	tri_up marker
'3'	tri_left marker
'4'	tri_right marker
'8'	octagon marker
's'	square marker
'p'	pentagon marker
'P'	plus (filled) marker
'*'	star marker
'h'	hexagon1 marker
'H'	hexagon2 marker
'+'	plus marker
'x'	x marker
'X'	x (filled) marker
'D'	diamond marker
'd'	thin_diamond marker
`’	'`
'_'	hline marker

Line Styles

character	description
'-'	solid line style
'--'	dashed line style
'-.'	dash-dot line style
':'	dotted line style

Example format strings:

'b'    # blue markers with default shape
'or'   # red circles
'-g'   # green solid line
'--'   # dashed line with default color
'^k:'  # black triangle_up markers connected by a dotted line

Colors

The supported color abbreviations are the single letter codes

character	color
'b'	blue
'g'	green
'r'	red
'c'	cyan
'm'	magenta
'y'	yellow
'k'	black
'w'	white

Working with text

import matplotlib.pyplot as plt
import numpy as np


mu, sigma = 100, 15
x = mu + sigma * np.random.randn(10000)

# the histogram of the data
n, bins, patches = plt.hist(x, 50, density=True, facecolor='g', alpha=0.75)


plt.xlabel('Smarts',fontsize =14, color = 'red')  # 可以指定text大小颜色
plt.ylabel('Probability')
plt.title('Histogram of IQ')
plt.text(60, .025, r'$\mu=100,\ \sigma=15$')  
plt.axis([40, 160, 0, 0.03])  # plt.axis([X_min, X_max, Y_min, Y_max])
plt.grid(True)
plt.show()

• plt.hist()是matplotlib库中用于绘制直方图的函数：

  ​ plt.hist(x, bins=None, range=None, density=False, histtype=‘bar’, color=None, label=None)

  1. x：输入的数据，通常是一个一维数组或类似数组的对象。
  2. bins：指定直方图的区间数量或区间的边界。可以是整数（区间数量）或包含边界值的数组。默认为10。
  3. range：指定数据的范围，超出这个范围的数据会被忽略。
  4. density：如果设置为True，则直方图的高度将被标准化，以表示概率密度而不是计数。默认为False。
  5. histtype：指定绘制的直方图类型，可以是’bar’（普通的柱状直方图）或’step’（阶梯状直方图）。
  6. color：设置柱子的颜色。
  7. label：用于标记该直方图的标签，以便添加图例。
  8. alpla：设置透明度，其中0表示完全透明（不可见），1表示完全不透明。

Using mathematical expressions in text

• plt.text(60, .025, r'$\mu=100,\ \sigma=15$')plt.text(),在指定位置添加指定text,可以用数学表达式
  1. r的作用，不让编译器将数学表达式里面的反斜杠视为python的转义字符

Annotating text （注释）

import matplotlib.pyplot as plt
import numpy as np


ax = plt.subplot(111)
t = np.arange(0.0, 5.0, 0.01)
s = np.cos(2*np.pi*t)
line , = plt.plot(t,s,lw=2)
plt.annotate('local max', xy=(2, 1), xytext=(3, 1.5),
             arrowprops=dict(facecolor='black', shrink=0.05),
             )

plt.ylim(-2, 2)  # 设置y的极限
plt.show()

matplotlib.pyplot.annotat()

matplotlib.pyplot.annotate(
    text,                    # 注释的文本内容
    xy=(x, y),               # 要注释的点的坐标
    xytext=(x_text, y_text), # 注释文本的坐标
    arrowprops=dict(),       # 箭头的可选属性（如果使用箭头）
    **kwargs                 # 其他用于文本格式化的可选关键字参数
)

Logarithmic and other nonlinear axes

import matplotlib.pyplot as plt
import numpy as np


# Fixing random state for reproducibility
np.random.seed(19680801)

# make up some data in the open interval (0, 1)
y = np.random.normal(loc=0.5, scale=0.4, size=1000)
y = y[(y > 0) & (y < 1)]
y.sort()
x = np.arange(len(y))

# plot with various axes scales
plt.figure()

# linear
plt.subplot(221)
plt.plot(x, y)
plt.yscale('linear')
plt.title('linear')
plt.grid(True)

# log
plt.subplot(222)
plt.plot(x, y)
plt.yscale('log')
plt.title('log')
plt.grid(True)

# symmetric log
plt.subplot(223)
plt.plot(x, y - y.mean())
plt.yscale('symlog', linthresh=0.01)
plt.title('symlog')
plt.grid(True)

# logit
plt.subplot(224)
plt.plot(x, y)
plt.yscale('logit')
plt.title('logit')
plt.grid(True)
# Adjust the subplot layout, because the logit one may take more space
# than usual, due to y-tick labels like "1 - 10^{-3}"
plt.subplots_adjust(top=0.92, bottom=0.08, left=0.10, right=0.95, hspace=0.25,
                    wspace=0.35)

plt.show()

除了线性的图表，**matplotlib.pyplot**也可以生成对数图样和其他的非线性图样

总结

以上内容基本上来自matplotlib中文网和官网，加上了自己学习过程中的一些注释，希望有点帮助