Python学习笔记（7）——Matplotlib中的Axes.plot（绘制点、线和标记）的用法

Axes.plot用于绘制XY坐标系的点、线或其他标记形状。

1.调用方法

plot([x], y, [fmt], data=None, **kwargs)
plot([x], y, [fmt], [x2], y2, [fmt2], ..., **kwargs)

• 点和线的坐标由参数x，y提供。可选参数fmt是一个快捷字符串，用于定义颜色、标记符合和线条形状，例如：

>>> plot(x, y)        # 使用默认颜色和形状
>>> plot(x, y, 'bo')  # 使用蓝色（blue）、圆点型绘图
>>> plot(y)           # 绘制y坐标，x坐标使用列表0..N-1
>>> plot(y, 'r+')     # 同上，但使用红色（red）+号形状

• 也可以使用Line2D属性作为关键字，以此来更好的控制显示效果，Line属性和fmt可以混合使用，下面两种写法效果相同。当关键字与fmt冲突时，关键字优先。

>>> plot(x, y, 'go--', linewidth=2, markersize=12)
>>> plot(x, y, color='green', marker='o', linestyle='dashed',
...      linewidth=2, markersize=12)

• 绘制带标签的数据——使用data参数可以很方便的绘制带标签的数据，所有可索引的类型都支持，例如dict、pandas.DataFame或结构化的numpy数组。

>>> plot('xlabel', 'ylabel', data=obj)

• 绘制多组数据——有多种方法可以绘制多组数据，例如：

最直接的方式就是多次调用plot方法。

>>> plot(x1, y1, 'bo')
>>> plot(x2, y2, 'go')

或者，你的数据本身是一个二维数组，就可以直接传入x，y，数据的每一列都会被绘制成图。例如：数组a的第一列代表x值，其他列代表y值。

>>> plot(a[0], a[1:])

第三种方法是用多组 [x], y, [fmt] 指定数据集。这种情况下，任何关键字参数将被用于所有数据集，而且这种语法也不能与参数data同时用。

>>> plot(x1, y1, 'g^', x2, y2, 'g-')

默认情况下，每一条线的样式会设为一组样式集中的不同样式，如果想区别于默认样式就可以使用fmt和线条属性参数。或者也可以使用 'axes.prop_cycle'改变默认样式集。

2. 参数

• x，y：类数组或极坐标。

水平/垂直坐标系中的数据点，x是可选参数，默认为[0,..., N-1].

通常，参数x，y是长度为N的数组，也支持极坐标（相当于一个常数值数组）。

参数也可以是二维的，此时，每一列代表一个数据集。

• fmt：字符串，可选参数。

格式化字符串，例如‘ro’代表红色圆圈。

格式字符串是用于快速设置基本线条样式的缩写，这些样式或更多的样式可通过关键字参数来实现。

fmt = '[color][marker][line]'

color（颜色）、marker（标记点）、line（线条）都是可选的，例如如果指定line而不指定marker，将绘制不带标记点的线条。

支持的颜色缩写如下：

字符	颜色
'b'	blue 蓝色
'g'	green 绿色
'r'	red 红色
'c'	cyan 青色
'm'	magenta 紫红色
'y'	yellow 黄色
'k'	black 黑色
'w'	white 白色

支持的marker缩写如下：

字符	描述
'.'	point marker 点
','	pixel marker  像素
'o'	circle marker 圆形
'v'	triangle_down marker 下三角
'^'	triangle_up marker 上三角
'<'	triangle_left marker 左三角
'>'	triangle_right marker 右三角
'1'	tri_down marker
'2'	tri_up marker
'3'	tri_left marker
'4'	tri_right marker
's'	square marker 方形
'p'	pentagon marker 五角形
'*'	star marker 星型
'h'	hexagon1 marker 六角形1
'H'	hexagon2 marker 六角形2
'+'	plus marker 加号
'x'	x marker ×型
'D'	diamond marker 钻石型
'd'	thin_diamond marker 细钻石型
'|'	vline marker 竖线型
'_'	hline marker 横线型

支持的line缩写如下：

字符	描述
'-'	solid line style 实线
'--'	dashed line style 虚线
'-.'	dash-dot line style 交错点线
':'	dotted line style 点线

• data：索引类型的对象，可选。

有标记的数据对象，如果给定该参数，请提供要在x和y中绘制的标签名称。

3. 返回值

• lines:

代表绘制数据的Line2D对象。

4. 其他参数

• scalex, scaley：布尔值，可选，默认为True。

这组参数用于设置图形坐标的边界是否适应数据的边界，参数值传给autoscale_view。

• **kwargs：Line2D 属性，可选

kwargs用于设置特殊的属性，如线条标签、线条宽度、平滑效果、标记点的颜色等。

>>> plot([1,2,3], [1,2,3], 'go-', label='line 1', linewidth=2)
>>> plot([1,2,3], [1,4,9], 'rs',  label='line 2')

如果使用一个命令绘制多条线，那么kwargs的样式将被用于所有线条。

Line2D包含的属性如下：

属性	描述
agg_filter	a filter function, which takes a (m, n, 3) float array and a dpi value, and returns a (m, n, 3) array
alpha	float
animated	bool
antialiased	bool
clip_box	Bbox
clip_on	bool
clip_path	[(Path, Transform) | Patch | None]
color	color
contains	callable
dash_capstyle	{'butt', 'round', 'projecting'}
dash_joinstyle	{'miter', 'round', 'bevel'}
dashes	sequence of floats (on/off ink in points) or (None, None)
drawstyle	{'default', 'steps', 'steps-pre', 'steps-mid', 'steps-post'}
figure	Figure
fillstyle	{'full', 'left', 'right', 'bottom', 'top', 'none'}
gid	str
in_layout	bool
label	object
linestyle	{'-', '--', '-.', ':', '', (offset, on-off-seq), ...}
linewidth	float
marker	unknown
markeredgecolor	color
markeredgewidth	float
markerfacecolor	color
markerfacecoloralt	color
markersize	float
markevery	unknown
path_effects	AbstractPathEffect
picker	float or callable[[Artist, Event], Tuple[bool, dict]]
pickradius	float
rasterized	bool or None
sketch_params	(scale: float, length: float, randomness: float)
snap	bool or None
solid_capstyle	{'butt', 'round', 'projecting'}
solid_joinstyle	{'miter', 'round', 'bevel'}
transform	matplotlib.transforms.Transform
url	str
visible	bool
xdata	1D array
ydata	1D array
zorder	float

 

5. 一些示例

• 基本绘图

import matplotlib
import matplotlib.pyplot as plt
import numpy as np

# Data for plotting
t = np.arange(0.0, 2.0, 0.01)
s = 1 + np.sin(2 * np.pi * t)

fig, ax = plt.subplots()
ax.plot(t, s)

ax.set(xlabel='time (s)', ylabel='voltage (mV)',
       title='About as simple as it gets, folks')
ax.grid()

fig.savefig("test.png")
plt.show()

• 用一个命令绘制3条不同的线

import numpy as np
import matplotlib.pyplot as plt

# evenly sampled time at 200ms intervals
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^')
plt.show()

• 3种不同的连线效果

import numpy as np
import matplotlib.pyplot as plt


def plot_angle(ax, x, y, angle, style):
    phi = np.radians(angle)
    xx = [x + .5, x, x + .5 * np.cos(phi)]
    yy = [y, y, y + .5 * np.sin(phi)]
    ax.plot(xx, yy, lw=8, color='blue', solid_joinstyle=style)
    ax.plot(xx[1:], yy[1:], lw=1, color='black')
    ax.plot(xx[1::-1], yy[1::-1], lw=1, color='black')
    ax.plot(xx[1:2], yy[1:2], 'o', color='red', markersize=3)
    ax.text(x, y + .2, '%.0f degrees' % angle)


fig, ax = plt.subplots()
ax.set_title('Join style')

for x, style in enumerate((('miter', 'round', 'bevel'))):
    ax.text(x, 5, style)
    for i in range(5):
        plot_angle(ax, x, i, pow(2.0, 3 + i), style)

ax.set_xlim(-.5, 2.75)
ax.set_ylim(-.5, 5.5)
plt.show()

更多示例参考官方文档。

---

参考：

官方文档https://matplotlib.org/api/_as_gen/matplotlib.axes.Axes.plot.html#matplotlib.axes.Axes.plot