Matplotlib可视化常用操作集合

最新推荐文章于 2022-07-19 21:44:38 发布

Tianlong Lee

最新推荐文章于 2022-07-19 21:44:38 发布

阅读量677

点赞数 3

分类专栏： Python 文章标签： python 机器学习

本文链接：https://blog.csdn.net/ly18846826264/article/details/105894939

版权

Python 专栏收录该内容

4 篇文章 1 订阅

订阅专栏

Matplotlib常用操作

记录写代码过程中常遇到的关于绘图的问题以及基本功能，能够满足日常需求

使用时其他细节可使用help，或查阅官方文档

Matplotlib可视化常用操作集合

Matplotlib常用操作
普通绘制折线图
- 线型与颜色
- 设置标题
设置图例
- 设置坐标轴
图的背景线
绘制子图
坐标线的颜色及位置
设置标注
控制子图的间距
绘制其他图形
- 绘制条形图
- 绘制箱形图
终端使用
其余经常遇到的
- 显示灰度图
- 显示颜色条

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

普通绘制折线图

plt.figure创建一个画布
- figsize设置画布大小
- facecolor设置画布背景色

plt.figure(figsize=[6,4], facecolor='y')
plt.plot([1,2,3], [1,2,3])
plt.show()

在这里插入图片描述

线型与颜色

线型 linestyle
========== ===============================
character description
========== ===============================
'-' solid line style
'--' dashed line style
'-.' dash-dot line style
':' dotted line style
'.' 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
's' square marker
'p' pentagon marker
'*' star marker
'h' hexagon1 marker
'H' hexagon2 marker
'+' plus marker
'x' x marker
'D' diamond marker
'd' thin_diamond marker
'|' vline marker
'_' hline marker
======== ===============================
线宽 linewidth 使用数字
颜色 color
========== ========
character color
========== ========
b blue
g green
r red
c cyan
m magenta
y yellow
k black
w white
========== ========

plt.figure()
plt.plot([1,2,3], [1,2,3], 'b-', linewidth=10)
plt.plot([1,2,3], [3,2,1], linestyle='--', color='g', linewidth=3)
plt.show()

在这里插入图片描述

设置标题

fontsize设置字体大小，默认12，可选参数 [‘xx-small’, ‘x-small’, ‘small’, ‘medium’, ‘large’,‘x-large’, ‘xx-large’]
fontweight设置字体粗细，可选参数 [‘light’, ‘normal’, ‘medium’, ‘semibold’, ‘bold’, ‘heavy’, ‘black’]
fontstyle设置字体类型，可选参数[ ‘normal’ | ‘italic’ | ‘oblique’ ]，italic斜体，oblique倾斜
verticalalignment设置水平对齐方式，可选参数： ‘center’ , ‘top’ , ‘bottom’ ,‘baseline’
horizontalalignment设置垂直对齐方式，可选参数：left,right,center
rotation(旋转角度)可选参数为:vertical,horizontal 也可以为数字
alpha透明度，参数值0至1之间
backgroundcolor标题背景颜色
loc设置标题位置，可选参数[‘left’, ‘center’, ‘right’]

plt.figure()
plt.plot([1,2,3], [1,2,3])
plt.plot([1,2,3], [3,2,1])
plt.title('makefile', fontsize=20, color='red', loc='left', alpha=0.5, rotation=0, backgroundcolor='pink')
plt.show()

在这里插入图片描述

设置图例

legend((line1, line2, line3), (‘label1’, ‘label2’, ‘label3’))
line1-3表示每个例子
一般地，可以直接legend([‘label1’, ‘label2’])

loc设置图例位置,可选参数0-10
- 0:‘best
- 1:‘upper right‘
- 2:‘upper left’
- 3:‘lower left’
- 4:‘lower right’
- 5:‘right’
- 6:‘center left’
- 7:‘center right’
- 8:‘lower center’
- 9:‘upper center’
- 10:‘center’
fontsize设置字体大小，例如fontsize=12
frameon设置是否保留图例边框， True or False
edgecolor设置边框颜色
facecolor设置图例背景颜色
title设置图例的标题, title_fontsize设置图例中标题的大小
ncol 设置图例的列数，默认是1
labelspacing设置图例的垂直间距，默认值0.5
columnspacing设置列之间的间距
bbox_to_anchor定位图例的位置，四元组（x,y,w,h) 二元组（x, y)

注意具体的数值要协同loc进行调试

# 单图例
plt.figure()
plt.plot([1,2,3], [1,2,3])
plt.plot([1,2,3], [3,2,1])
plt.legend(['line1', 'line2'], labelspacing=0.5, fontsize=15, loc=0, bbox_to_anchor=[0.5, 0.2], frameon=True, edgecolor='black', facecolor='white')
plt.show()

在这里插入图片描述

# 多图例
plt.figure()
p1 = plt.plot([1,2,3], [1,2,3])
p2 = plt.plot([1,2,3], [3,2,1])
l1 = plt.legend(p1, ['line1'], fontsize=15, loc=1, frameon=True, edgecolor='black', facecolor='white')
#下一句一定要有，不然只能显示一个图例
plt.gca().add_artist(l1)
plt.legend(p2, ['line2'], loc=2)
plt.show()

在这里插入图片描述

设置坐标轴

plt.xlabel
- s, fontsize设置字体大小，
- verticalalignment (‘top’, ‘bottom’, ‘center’, ‘baseline’)
- ‘center’, ‘right’, ‘left’)
plt.ylabel
- s, fontsize设置字体大小
- verticalalignment (‘top’, ‘bottom’, ‘center’, ‘baseline’)
- ‘center’, ‘right’, ‘left’)
- rotation设置书写方向，horizontal， vertital. 也可以使用数字，注意配合上两项使用
plt.xlim plt.ylim 设置坐标值的界限
plt.xlim(xmin, xmax)
plt.ylim(ymin, ymax)
plt.xticks plt.yticks 设置坐标轴的刻度排列【名称】倾斜角度
plt.xticks(range(4), name[1: 5], rotation=45)
plt.xticks(np.arange(0, 4, 0.5), rotation=0) 看这个和xlim谁在前

当使用plt.xticks([])表示x不显示刻度

plt.figure()
plt.plot([1,2,3], [1,2,3])
plt.xlabel('time/s', fontsize=15)
plt.ylabel('acc /%', fontsize=15, verticalalignment='bottom', horizontalalignment='right', rotation='horizontal')

plt.xticks(range(4), ['laaaa1', 'laaaa2', 'laaaa3', 'laaaa4'], rotation=45 )
plt.yticks(np.arange(0, 4, 0.2))

plt.xlim(0, 3.5)
plt.ylim(1, 3.5)

plt.show()

在这里插入图片描述

图的背景线

plt.grid设置横/竖格线
- axis选择方向 x, y, both 格线与刻度间隔设置相关
- color 同plot设置
- linestyle 同plot设置
- linewidth同plot设置
plt.axhline plt.axvline 在某个坐标轴位置绘制线条或者ax.axhline
- y设置线的位置
- xmin设置线的起始点 0-1 0是起点，1是终点
- xmax设置线的终点 0-1
- color颜色
- alpha 透明度
- linewidth 线的宽度

plt.figure()
plt.plot([1,2,3], [1,2,3])
plt.grid(axis='x', color='r', linestyle='--')
plt.xticks(np.arange(0, 4, 0.2))
plt.grid(axis='y', color='g', linestyle='-')
plt.show()

在这里插入图片描述

plt.figure()
plt.plot([1,2,3], [1,2,3])
plt.axhline(2, xmin=0.1, xmax=0.8, c='gray', alpha=0.3)
plt.show()

在这里插入图片描述

绘制子图

plt.subplots直接创建画布以及坐标
- fig, ax = plt.subplots()
- fig, (ax1, ax2) = plt.subplots(2,2)
首先创建画布，fig = plt.figure(), 然后添加子图 ax1 = fig.add_subplot(2, 1, 1)

括号中的内容可以是用逗号隔开，方便回归做多个子图，也可以直接三个数写在一起，当然任意一个数不能超过9

说明，不涉及子图时，平时简单的plt.plot时会隐式创建画布

有了ax之后，之前的xlim，xlabel等都可以通过ax.set(xlim=[], xlabel=’’)等价形式来写

fig = plt.figure()
ax1 = fig.add_subplot(2, 1, 1)
plt.plot([1,2,3], [1,2,3])
ax2 = fig.add_subplot(212)
plt.plot([1,2,3], [3,2,1])
plt.show()

在这里插入图片描述

坐标线的颜色及位置

设置坐标线的颜色针对的是坐标，而不是画布，对这里的调整，主要是坐标的spines属性，通过设置颜色或者位置

spines包括四个位置top bottom left right
控制边界是否可见可以设置 ax.spines[‘top’].set_visible(False) 或者ax.spines[‘top’].set_color(‘none’)
控制其位置使用set_position
有三种设置
‘outward’ : 将spines从数据区域中放置指定数量的点。（负值指定将spines向内放置）
‘axes’ : 将spines放置在指定的Axes坐标处（从0.0-1.0开始）,可以认为是按坐标长度百分比移动
‘data’ : 将spines放置在指定的数据坐标处

fig, ax = plt.subplots()
plt.plot([1,2,3], [1,2,3])
ax.spines['top'].set_visible(False)
ax.spines['right'].set_color('none')
ax.spines['left'].set_position(('axes', 0.5))
ax.spines['bottom'].set_position(('data', 1.75))
plt.show()

在这里插入图片描述

设置标注

s 为注释文本内容
xy 为被注释的坐标点
xytext 为注释文字的坐标位置
textcoords: text坐标系，此时注视文字位置不再是图片坐标系下 ‘offset points’‘offset pixels’
color 设置字体颜色
arrowprops #箭头参数,参数类型为字典dict
- width：箭头的宽度(以点为单位)
- headwidth：箭头底部以点为单位的宽度
- headlength：箭头的长度(以点为单位)
- shrink：总长度的一部分，从两端“收缩”
- facecolor：箭头颜色
- rrowstyle:箭头类型
  ============ =============================================
  Name Attrs
  ============ =============================================
  '-' None
  '->' head_length=0.4,head_width=0.2
  '-[' widthB=1.0,lengthB=0.2,angleB=None
  '|-|' widthA=1.0,widthB=1.0
  '-|>' head_length=0.4,head_width=0.2
  '<-' head_length=0.4,head_width=0.2
  '<->' head_length=0.4,head_width=0.2
  '<|-' head_length=0.4,head_width=0.2
  '<|-|>' head_length=0.4,head_width=0.2
  'fancy' head_length=0.4,head_width=0.4,tail_width=0.4
  'simple' head_length=0.5,head_width=0.5,tail_width=0.2
  'wedge' tail_width=0.3,shrink_factor=0.5
  ============ =============================================
bbox给标注增加外框，常用参数如下：
- boxstyle：方框外形
- facecolor：(简写fc)背景颜色
- dgecolor：(简写ec)边框线条颜色
- edgewidth：边框线条大小
- alpha：设置透明度

plt.figure()
plt.plot([1,2,3], [1,2,3], 'b-', linewidth=2)
plt.annotate('node1', xy=[2, 2], xytext=[-40, 30], textcoords='offset pixels',
             color='r',
             arrowprops={'arrowstyle':'->', 'color':'g'},
             bbox={'boxstyle':'round', 'facecolor':'y', 'alpha':0.3})
plt.show()

在这里插入图片描述

控制子图的间距

fig.subplots_adjust

参数包括top, bottom, left, right, wspace, hspace

left = 0.125 # the left side of the subplots of the figure

right = 0.9 # the right side of the subplots of the figure

bottom = 0.1 # the bottom of the subplots of the figure

top = 0.9 # the top of the subplots of the figure

当下面二者取0时，子图之间没有间距

wspace = 0.2 # the amount of width reserved for space between subplots,
# expressed as a fraction of the average axis width
hspace = 0.2 # the amount of height reserved for space between subplots,
# expressed as a fraction of the average axis height
当使用上述方法比较麻烦时，可以使用fig.tight_layout()进行自动布局，满足不重叠

fig, axes = plt.subplots(2, 2, figsize=(4, 4))
fig.subplots_adjust(wspace=0, hspace=0.2, left=0.1, right=0.4, top=0.9, bottom=0.1)
# fig.tight_layout()
plt.show()

在这里插入图片描述

绘制其他图形

散点图
plt.scatter
- x, y存储xy坐标序列
- color 颜色
- alpha 0-1设置透明度
- marker 点表示形式
  ============================== ===============================================
  marker description
  ============================== ===============================================
  "." point
  "," pixel
  "o" circle
  "v" triangle_down
  "^" triangle_up
  "<" triangle_left
  ">" triangle_right
  "1" tri_down
  "2" tri_up
  "3" tri_left
  "4" tri_right
  "8" octagon
  "s" square
  "p" pentagon
  "P" plus (filled)
  "*" star
  "h" hexagon1
  "H" hexagon2
  "+" plus
  "x" x
  "X" x (filled)
  "D" diamond
  "d" thin_diamond
  "|" vline
  "_" hline
  ============================== ===============================================

plt.scatter(np.arange(10), np.random.randn(10), color='red', marker='+', linewidth=3)
plt.show()

在这里插入图片描述

绘制条形图

plt.bar

width线条宽度 0-1。默认0.8
bottom设置线条基线，默认0
align 设置坐标与条形图的关系 ‘edge’ ‘center’
color 设置颜色
edgecolor 设置条形边缘颜色
tick_label 设置刻度名称,可以是单个数/字符串或者对应x的列表
绘制横向的条形图
plt.barh
- hight 同width 0-1
绘制多个并列的条形图

注意将横坐标按上一个实例的排列加上条形的宽即可
绘制多个堆叠的条形图

一种形式为表现相对关系，此时注意将小的最后显示即可

另一种是两个实例的绝对值显示出来，这里用到了bottom属性

fig, axs = plt.subplots(2, 2)
axs[0, 0].bar(np.arange(10), np.random.randn(10), color='blue', width=0.4, edgecolor='r', tick_label=np.arange(10), align='center')
axs[0, 0].axhline(0, color='gray', linewidth=2)

axs[0, 1].barh(np.arange(10), np.random.randn(10), color='blue', height=0.3, edgecolor='r', tick_label=np.arange(10), align='edge')
axs[0, 1].axvline(0, color='gray', linewidth=2)


axs[1, 0].bar(np.arange(10), np.abs(np.random.randn(10)), color='blue', width=0.3, edgecolor='r', tick_label=np.arange(10))
axs[1, 0].bar(np.arange(10)+np.ones(10)*0.3, np.abs(np.random.randn(10)), color='green', width=0.3, edgecolor='y', tick_label=np.arange(10))
axs[1, 0].legend(['laebl1', 'label2'])


a = np.abs(np.random.randn(10))
axs[1, 1].bar(np.arange(10), a, color='blue', width=0.3, edgecolor='r', tick_label=np.arange(10))
axs[1, 1].bar(np.arange(10), np.abs(np.random.randn(10)), bottom=a, color='green', width=0.3, edgecolor='y', tick_label=np.arange(10))

plt.show()

在这里插入图片描述

绘制箱形图

箱线图是一种基于五位数摘要（“最小”，第一四分位数（Q1），中位数，第三四分位数（Q3）和“最大”）显示数据分布的标准化方法。

中位数（Q2 / 50th百分位数）：数据集的中间值；
第一个四分位数（Q1 / 25百分位数）：最小数（不是“最小值”）和数据集的中位数之间的中间数；
第三四分位数（Q3 / 75th Percentile）：数据集的中位数和最大值之间的中间值（不是“最大值”）；
四分位间距（IQR）：第25至第75个百分点的距离；
晶须
离群值/异常值
“最大”：Q3 + 1.5 * IQR
“最低”：Q1 -1.5 * IQR

================ ===============================================
参数说明
================ ===============================================
x 指定要绘制箱线图的数据；
vert 是否需要将箱线图垂直摆放
patch_artist 是否填充箱体的颜色；
boxprops 设置箱体的属性，如边框色，填充色等；boxprops：color箱体边框色，facecolor箱体填充色；
showmeans 是否显示均值
meanline 是否用线的形式表示均值
labels 为箱线图添加标签
widths 指定箱线图的宽度
positions 指定箱线图的位置
flierprops 设置异常值的属性
notch 是否是凹口的形式展现箱线图
showcaps 是否显示箱线图顶端和末端的两条线
showbox 是否显示箱线图的箱体
sym 指定异常点的形状
showfliers 是否显示异常值
whis 指定上下须与上下四分位的距离
medianprops 设置中位数的属性
meanprops 设置均值的属性
capprops 设置箱线图顶端和末端线条的属性
whiskerprops 设置须的属性
============================== ================================

data = [np.abs(np.random.random(20)), np.abs(np.random.random(20)), np.abs(np.random.random(20))]
fig, (ax1, ax2) = plt.subplots(2)
ax1.boxplot(data, labels=['aa1', 'aa2', 'aa3'])
ax2.boxplot(data, labels=['aa1', 'aa2', 'aa3'], showmeans=True, meanline=True, 
           patch_artist=True, widths=0.2,
           boxprops={'color':'r', 'facecolor':'g'},
           positions=[1,2,5],
           medianprops={'color':'w', 'linestyle':'--'},
           meanprops={'color':'black', 'linestyle':'-'},
           notch=True)
plt.show()

在这里插入图片描述

终端使用

matplot的后端分为交互式如qt5agg\ipymlpl\tkagg\webagg 和非交互式如agg\svg\pdf等

使用matplotlib.use设置时一定要在调用pyplot之前，也就是刚调用matplotlib之后
使用非交互式，最后可以通过保存画布进行图片保存

import matplotlib
matplotlib.use('Agg')
import matplotlib.pyplot as plt

plt.figure()
plt.plot([1,2,3], [1,2,3])
plt.show()
plt.savefig('test.jpg')

其余经常遇到的

显示灰度图

plt.imshow显示灰度图时默认变成伪彩色
设置cmap属性为’gray’

import torchvision
import torch
mnist_train = torchvision.datasets.MNIST(root='/Users/lee/DataSets/', train=True, download=False, transform=torchvision.transforms.ToTensor())
img = np.array(mnist_train[0][0].squeeze())
fig, (ax1, ax2) = plt.subplots(1, 2)
ax1.imshow(img)
ax2.imshow(img, cmap='gray')
plt.show()

在这里插入图片描述

显示颜色条

plt.colorbar 绘制颜色条

plt.figure()
plt.imshow(img)
plt.colorbar()
plt.show()

在这里插入图片描述

Tianlong Lee

关注

3
点赞
踩
12

收藏

觉得还不错? 一键收藏
0
评论
Matplotlib可视化常用操作集合

Matplotlib常用操作记录写代码过程中常遇到的关于绘图的问题以及基本功能，能够满足日常需求使用时其他细节可使用help，或查阅官方文档Matplotlib可视化常用操作集合Matplotlib常用操作普通绘制折线图线型与颜色设置标题设置图例设置坐标轴图的背景线绘制子图坐标线的颜色及位置设置标注控制子图的间距绘制其他图形绘制条形图绘制箱形图终端使用其余经常遇到的显示灰度图显示颜色条im...
复制链接

扫一扫

专栏目录