Matplotlib总结

最新推荐文章于 2023-05-18 17:56:00 发布
最新推荐文章于 2023-05-18 17:56:00 发布
阅读量328 收藏 2
点赞数
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/lynn_001/article/details/86519333
版权

文章目录

1、简单图形绘制

import numpy as np
import matplotlib.pyplot as plt


def func1():
    x = np.arange(1, 10, 0.1)
    y = np.sin(x)
    plt.plot(x, y, 'g', lw=1)  # 折线图，颜色是green

    x = np.arange(1, 10, 1)
    y = np.sin(x)
    plt.bar(x, y, 0.2, alpha=1, color='b')  # 柱状图，颜色是blue
    plt.show()


if __name__ == '__main__':
    func1()

在这里插入图片描述

2、figure的简单使用

figure 即打开一个图例窗口，常用参数如下：

paramdesc
num图例序号
figsize图例大小
def func2():
    x = np.linspace(-1, 10, 50)

    # figure 1
    y1 = np.sin(x)
    plt.figure(num=1)
    plt.plot(x, y1)

    # figure 0
    y2 = np.log10(x)
    plt.figure(num=0)
    plt.plot(x, y2)

    # figure 3 指定线的颜色, 宽度和类型
    plt.figure(num=3, figsize=(4, 4))
    plt.plot(x, y1)
    plt.plot(x, y2, color='red', linewidth=1.0, linestyle='--')
    plt.show()

在这里插入图片描述在这里插入图片描述在这里插入图片描述

3、坐标轴相关

3.1、设置坐标轴刻度
def func31():
	x = np.linspace(0, 10, 50)
    y = np.sin(x)

    plt.plot(x, y, color='red', linewidth=1.0, linestyle='--')

    # 设置坐标轴的取值范围
    plt.xlim((0, 10))
    plt.ylim((-1, 1))

    # 设置坐标轴的lable
    # 标签里面必须添加字体变量：fontproperties='SimHei',fontsize=20。不然可能会乱码
    plt.xlabel(u'x轴', fontproperties='SimHei', fontsize=20)
    plt.ylabel(u'y轴', fontproperties='SimHei', fontsize=20)

    plt.xticks(np.linspace(0, 10, 5))
    plt.show()

在这里插入图片描述

3.2、设置坐标轴位置

\qquad 一个图例有4个边框,分别为right，left，top，bottom

def func32():
    # 绘制普通图像
    x = np.linspace(0, 10, 50)
    y = np.sin(x)

    plt.plot(x, y, color='red', linewidth=1.0, linestyle='--')

    # 设置坐标轴的取值范围
    plt.xlim((0, 10))
    plt.ylim((-1, 1))

    # 设置坐标轴的lable
    # 标签里面必须添加字体变量：fontproperties='SimHei',fontsize=20。不然可能会乱码
    plt.xlabel(u'x轴', fontproperties='SimHei', fontsize=20)
    plt.ylabel(u'y轴', fontproperties='SimHei', fontsize=20)

    plt.xticks(np.linspace(0, 10, 5))

    # 获取当前的坐标轴, gca = get current axis
    ax = plt.gca()
    # 隐藏左边框和上边框
    ax.spines['top'].set_color('none')
    ax.spines['left'].set_color('none')
    # # 设置x坐标轴为下边框
    ax.xaxis.set_ticks_position('bottom')
    # # 设置y坐标轴为右边框
    ax.yaxis.set_ticks_position('right')
    # 设置x轴, y轴在(5, -1)的位置
    ax.spines['right'].set_position(('data', 5))
    ax.spines['bottom'].set_position(('data', -1))

    plt.show()

在这里插入图片描述

4、绘制点和注解

def func4():
    x = np.linspace(0, 10, 50)
    y = np.sin(x)

    plt.plot(x, y, color='b', linewidth=2, linestyle='--')

    # 定义(x0, y0)点
    x0 = np.pi / 2
    y0 = np.sin(x0)
    # 绘制(x0, y0)点
    plt.scatter(x0, y0, s=100, color='red')  # s 设置点大小

    # 绘制注解一
    plt.annotate(r'$sin(x) = %s$' % y0, xy=(x0, y0), xycoords='data', xytext=(+30, -30),
                 textcoords='offset points', fontsize=16,
                 arrowprops=dict(arrowstyle='->', connectionstyle='arc3, rad=.2'))

    # 绘制注解二
    plt.text(0, 0, r'$cos^2(x) + sin^2(x) = 1$', fontdict={'size': 16, 'color': 'red'})

    plt.show()

在这里插入图片描述

5、绘制散点图

def func5():
    # 数据个数
    n = 1024
    # 均值为0, 方差为1的随机数
    x = np.random.normal(0, 1, n)
    y = np.random.normal(0, 1, n)

    # 计算颜色值
    color = np.arctan2(y, x)
    # 绘制散点图
    plt.scatter(x, y, s=75, c=color, alpha=0.5)
    # 绘制散点图
    plt.scatter(x, y, c=color, s=75, alpha=0.5)
    plt.show()

在这里插入图片描述

6、绘制等高线图

from matplotlib.colors import ListedColormap

def func6():
    cmap = ListedColormap(
        ['#FFAAAA', '#AAFFAA', '#AAAAFF', '#FF0000', '#00FF00', '#0000FF'])

    # 定义等高线高度函数
    def f(x, y):
        return (1 - x / 2 + x ** 5 + y ** 3) * np.exp(- x ** 2 - y ** 2)

    # 数据数目
    n = 256
    # 定义x, y
    x = np.linspace(-3, 3, n)
    y = np.linspace(-3, 3, n)

    # 生成网格数据
    X, Y = np.meshgrid(x, y)  # X,Y 的shape为(256,256),经过函数f后值也是(256,256)

    # 填充等高线的颜色, 8是等高线分为几部分
    plt.contourf(X, Y, f(X, Y), 8, alpha=0.75, cmap=cmap)
    # 绘制等高线
    C = plt.contour(X, Y, f(X, Y), 8, colors='black', linewidth=0.5)
    # 绘制等高线数据
    plt.clabel(C, inline=True, fontsize=10)

    plt.show()

在这里插入图片描述

7、绘制Image

def func7():
    # 定义图像数据
    a = np.linspace(0, 1, 9).reshape(3, 3)
    # 显示图像数据
    plt.imshow(a, interpolation='nearest', cmap='bone', origin='lower')
    # 添加颜色条
    plt.colorbar()
    plt.show()

在这里插入图片描述

8、绘制多图

8.1、subplot多图
def func81():
    plt.figure()

    x = [0, 1, 2]
    y = [0, 1, 2]
    # 绘制第一个图
    plt.subplot(2, 1, 1)  # 2 * 1 图，选第一个
    plt.plot(x, y)
    # 绘制第二个图
    plt.subplot(2, 2, 3)  # 2 * 2 图，选第三个
    plt.plot(x, y)
    # 绘制第三个图
    plt.subplot(2, 2, 4)  # 2 * 2 图，选第四个
    plt.plot(x, y)

    plt.show()

在这里插入图片描述

8.2、figure多图
def func82():
    x = [0, 1, 2]
    y = [0, 1, 2]

    # 定义figure
    plt.figure()
    # figure分成2行2列, 取得第一个子图的句柄, 第一个子图跨度为1行2列, 起点是表格(0, 0)
    ax1 = plt.subplot2grid((2, 2), (0, 0), colspan=2, rowspan=1)
    ax1.plot(x, y)

    ax2 = plt.subplot2grid((2, 2), (1, 0), colspan=1, rowspan=1)
    ax2.plot(x, y)

    ax3 = plt.subplot2grid((2, 2), (1, 1), colspan=1, rowspan=1)
    ax3.plot(x, y)

    plt.show()

或者

def func83():
    x = [0, 1, 2]
    y = [0, 1, 2]
    # 定义figure
    plt.figure()
    # 分隔figure
    gs = gridspec.GridSpec(2, 3)
    ax1 = plt.subplot(gs[0, :])
    ax1.plot(x, y)

    ax2 = plt.subplot(gs[1, 0:2])
    ax2.plot(x, y)

    ax3 = plt.subplot(gs[1, 2])
    ax3.plot(x, y)

    plt.show()

在这里插入图片描述

8.3、figure图的嵌套
def func84():
    # 定义figure
    fig = plt.figure()

    # 定义数据
    x = np.linspace(0, np.pi * 2, 100)
    y = np.sin(x)

    # figure的百分比, 从figure 10%的位置开始绘制, 宽高是figure的80%
    left, bottom, width, height = 0.1, 0.1, 0.8, 0.8
    # 获得绘制的句柄
    ax1 = fig.add_axes([left, bottom, width, height])
    # 绘制点(x,y)
    ax1.plot(x, y, 'r')

    # 嵌套方法一
    # figure的百分比, 从figure 10%的位置开始绘制, 宽高是figure的80%
    left, bottom, width, height = 0.15, 0.15, 0.25, 0.25
    # 获得绘制的句柄
    ax2 = fig.add_axes([left, bottom, width, height])
    # 绘制点(x,y)
    ax2.plot(x, y, 'r')

    # 嵌套方法二
    left, bottom, width, height = 0.6, 0.6, 0.25, 0.25
    plt.axes([left, bottom, width, height])
    plt.plot(x, y, 'r')

    plt.show()

在这里插入图片描述

9、3D绘制

def func9():
    # 定义figure
    fig = plt.figure()
    # 将figure变为3d
    ax = Axes3D(fig)

    # 数据数目
    n = 400
    # 定义x, y
    x = np.arange(-4, 4, 0.2)
    y = np.arange(-4, 4, 0.2)

    # 生成网格数据
    X, Y = np.meshgrid(x, y)
    # 计算每个点对的长度
    R = np.sqrt(X ** 2 + Y ** 2)
    # 计算Z轴的高度
    Z = np.sin(R)
    # 绘制3D曲面
    ax.plot_surface(X, Y, Z, rstride=1, cstride=1, cmap=plt.get_cmap('rainbow'))
    # 绘制从3D曲面到底部的投影
    ax.contour(X, Y, Z, zdim='z', offset=-2, cmap='rainbow')
    # 设置z轴的维度
    ax.set_zlim(-2, 2)

    plt.show()

在这里插入图片描述

十、其他

1) scatter 和plot
paramdesc
plot把点按照列表顺序用线连接起来
scatter把点在图上标出来
def compare():
    x = [1, 2, 4, 5, 3]
    y = [3, 4, 3, 3, 4]

    plt.figure()
    plt.subplot(1, 2, 1)
    plt.plot(x, y, 'r-', lw=5)

    plt.subplot(1, 2, 2)
    plt.scatter(x, y)

    plt.show()

在这里插入图片描述

搏击俱乐部_
关注
  • 0
    点赞
  • 踩
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
matplotlib知识点总结
weixin_44896817的博客
01-23 1087
1、什么是matplotlib matplotlib是最流行的Python底层绘图库，主要做数据可视化图表，名字取于MATLAB,模仿MATLAB搭建。 2、matplotlib基本要点 1、设置图片大小 2、描述信息，比如x轴和y轴表示什么，这个图表示什么 3、调整x或y的刻度的间距 4、线条的样式（颜色、透明度） 3、matplotlib的折线图、散点图、直方图、柱状图 折线图：plt.plot() 散点图：plt.scatter() 直方图：plt.hist() 柱状图：plt.bar() 水平柱状图
python里的matplotlib画图总结
qq_52764364的博客
03-31 562
设置值说明b蓝色g绿色r红色c蓝绿色m洋红色y黄色k黑色w白色#ffffff白色(RGB表示方式也可以)
matplotlib 使用心得（持续更新）
nilgnaw的博客
05-18 326
handles返回了三个2D曲线的handle，曲线内容为空，通过这三条曲线，生成颜色说明的图例。需求：在一个ax上，绘制多个图例，如一个图例对曲线进行说明，一个图例对颜色进行说明。ax.twinx()创建共享x轴的轴群，在上面代码后面增加以下代码即可。使用add_artist新增图例，否则会覆盖原图例。需求：不同数据的数值范围不同，需要两个坐标轴分别表示。legend功能很多，有兴趣可去官网查询一下。1.在折线上，对不同值的点使用不同颜色。2. 一个图上绘制多个图例。
python之matplotlib知识点总结
ay140140的博客
02-04 1418
利用python中的matplotlib绘制图片的过程
matplotlib使用总结
qq_43526137的博客
07-13 365
matplotlib使用总结
matplotlib总结.docx
03-11
python可视化工具matplotlib开发总结。从基本的函数介绍到例子以及代码实现都有。内容如下：图形说明性元素设计；基本图形绘制；表格绘制；画布划分以及若干个性化设置说明
Matplotlib总结.mnd
11-08
Matplotlib总结.mnd
# Matplotlib绘图使用总结
01-17
# Matplotlib绘图使用总结 本notebook主要分为两部分， - 第一部分将绘图中经常用的属性做了汇总，包括轴刻度标题的添加、中文字体的显示等等。 - 第二部分将经常使用的图做了总结，包括散点图，折线图，柱形图，...
matplotlib cheatsheets
最新发布
05-20
下面是Matplotlib的详细知识点总结： 快速入门 * 导入Matplotlib：`import matplotlib as mpl`，`import matplotlib.pyplot as plt` * 创建图形：`fig, ax = plt.subplots()` * 绘制折线图：`ax.plot(X, Y, color=...
matplotlib 使用指南1
08-03
总结，`matplotlib`的配置管理和Artist体系为用户提供了极大的灵活性和控制力，无论是简单的数据可视化还是复杂的图表设计，都能通过调整配置和Artist属性实现。熟练掌握这些知识点，能帮助开发者更好地利用`...
matplotlib函数汇总
05-22
python关于matplotlib函数汇总及示例
Python matplotlib绘图可视化知识点整理(小结)
09-20
主要介绍了Python matplotlib绘图可视化知识点整理(小结),小编觉得挺不错的，现在分享给大家，也给大家做个参考。一起跟随小编过来看看吧
matplotlib.pyplot的使用总结大全（入门加进阶）
热门推荐
wswguilin的博客
07-29 1万+
matplotlib.pyplot的使用总结大全（入门加进阶）
Matplotlib库常用函数总结
qq_53226437的博客
03-07 5391
Matplotlib库常用函数总结 Matplotlib库由各种可视化类构成,内部结构复杂. matplotlib.pyplot是绘制各类可视化图形的命令字库,相当于快捷方式. pyplot的绘图区域 方法 说明 plt.subplot(nrows,ncols,plot_number) 在全局绘图区域中绘制一个分区体系,并定位到一个子绘图区域 绘图函数 plt.plot(x,y,format_string,**kwargs) x:X轴数据,列表或数组,可选 y:Y轴数据,列表或数组
matplotlib 总结
勿忘初心
07-02 350
plt.figure(figsize(20, 15))创建绘图对象并设置大小plt.plot(x,y)绘制折线图plt.scatter(x,y)绘制散点图
Matplotlib知识点总结
王冠hurt的博客
03-03 967
`Matplotlib是Python中最流行的绘图库，它模仿MATLAB中的绘图风格，提供了一整套与MATLAB相似的绘图API，通过API，我们可以轻松地绘制出高质量的图形。中国银行股票数据下载：链接:http://pan.baidu.com/s/1gfxRFbH 密码:d3id1、开场例子我们以中国银行股票收盘价曲线作为例子来作为开场。首先我们通过pandas导入数据，并提取出收盘价一列：Ch...
matplotlib总结
dss875914213的博客
09-21 496
1.图形样式 (1)数据展示（图表类型：线形图、柱状图、盒形图、散布图、等值线图等）     fig=plt.figure()#创建新的figure     plt.gcf()#得到当前的引用     ax1=fig.add_subplot(2,2,1)#创建一个或多个subplot     plt.plot([1.5,3.5,2,5])#在最后一个用过的subplot上进行绘制   ...
【matplotlib】总结
Good_77的博客
09-14 338
matplotlib学习笔记

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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
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