day05-Matplotlib创建图形对象

最新推荐文章于 2024-09-11 17:40:03 发布
最新推荐文章于 2024-09-11 17:40:03 发布
阅读量1.2k 收藏 12
点赞数 19
分类专栏： python-anaconda 文章标签： matplotlib
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/m0_57852920/article/details/140382668
版权

一、创建图形对象

在 Matplotlib 中，面向对象编程的核心思想是创建图形对象（figure object）。通过图形对象来调用其它的方法和属性，这样有助于我们更好地处理多个画布。在这个过程中，pyplot 负责生成图形对象，并通过该对象来添加一个或多个 axes 对象（即绘图区域）。

Matplotlib 提供了matplotlib.figure图形类模块，它包含了创建图形对象的方法。通过调用 pyplot 模块中 figure() 函数来实例化 figure 对象。

创建图形对象

figure方法如下：

plt.figure(    
num=None,------------------------------------> 图像编号或名称，数字为编号。字符串为名称 
figsize=None,--------------------------------> 指定figure的宽和高，单位为英寸；    dpi=None,------------------------------------> 定绘图对象的分辨率，即每英寸多少个像素，缺省值为72    
facecolor=None,------------------------------> 背景颜色    
edgecolor=None, -----------------------------> 边框颜色    
frameon=True, -------------------------------> 是否显示边框    
**kwargs, )

from matplotlib import pyplot as plt
# 创建图形对象,相当于我们创建一个画布
fig = plt.figure()  #默认大小为800*400

# 之前通过配置更改图形的分辨率和宽高. 如今可以再创建图像对象是创建
fig = plt.figure('f1',figsize=(3,2),dpi=100)  #画布大小：300*200
# plt.plot()
x = np.arange(0,50)
y = x ** 2
plt.plot(x,y)

在这里插入图片描述

fig = plt.figure('f1',figsize=(4,2),dpi=100)
plt.plot()

在这里插入图片描述

x = np.arange(0,50)
y = x ** 2
# 创建图形对象, 图形对象的分辨率为100,背景颜色为:灰色
fig = plt.figure('f1',figsize=(4,2), dpi=100,facecolor='gray')
# 获取轴
ax = plt.gca()
ax.plot(x,y)
plt.plot(x,y)

在这里插入图片描述

二. 绘制多子图

figure是绘制对象(可理解为一个空白的画布)，一个figure对象可以包含多个Axes子图，一个Axes是一个绘图区域，不加设置时，Axes为1，且每次绘图其实都是在figure上的Axes上绘图。

接下来将学习绘制子图的几种方式:

  • add_axes() : 添加区域
  • subplot() : 均等地划分画布,只是创建一个包含子图区域的画布,(返回区域对象)
  • subplots() : 既创建了一个包含子图区域的画布，又创建了一个 figure 图形对象.(返回图形对象和区域对象)

多子图可以让我们绘制出更加复杂的图形。

步骤：1、先添加区域 2、在区域上作画

fig = plt.figure(figsize=(4,2),facecolor='g')

# ax1从画布起始位置绘制,宽高和画布一致
ax1=fig.add_axes([0,0,1,1])

# ax2 从画布的左下为0 ，x轴10%，y轴60%处的位置开始绘制, 宽高是画布的 30%
ax2=fig.add_axes([0.1,0.6,0.3,0.3])

ax3=fig.add_axes([0.5,0.6,0.2,0.3])

#在不同区域作画
ax1.plot(x, y)
ax2.plot(x, y)
ax3.plot(x, y)

在这里插入图片描述

注意：每个元素的值是画布宽度和高度的分数。即将画布的宽、高作为 1 个单位。比如，[ 0.2, 0.2, 0.5, 0.5]，它代表着从画布 20% 的位置开始绘制, 宽高是画布的 50%

  • 使用plt.plot(x,y)作画时，寻找最近创建的画布作画，最好使用区域.plot(),不能使用图形对象作画，fig.plot()错误

区域中基本方法的使用

  • 区域图表名称: set_title
  • 区域中x轴和y轴名称:set_xlabel() set_ylabel()
  • 刻度设置: set_xticks()
  • 区域图表图例: legend()
# 创建绘图对象
fig = plt.figure(figsize=(4,2),facecolor='g')

# 创建x坐标
x = np.arange(0,50,2)
# 创建y坐标
y = x ** 2
# 创建区域1,和画布位置一致
ax1 = fig.add_axes([0.0,0.0,1,1])
# 设置图表名称
ax1.set_title("axes1")
# x轴名称 
ax1.set_xlabel('X axis')

# 设置ax1横轴刻度
ax1.set_xticks(np.arange(0,50,3))

# 区域绘制图形
ax1.plot(x,y,label="ax1")
# 图例
ax1.legend()
# 创建区域ax2 从画布 40% 的位置开始绘制, 宽高是画布的 50%
ax2=fig.add_axes([0.2,0.2,0.4,0.4])
ax2.set_title("axes2")

# 区域2中绘制图形
ax2.plot(x,y,label='ax2')
# 图例,
ax2.legend()

在这里插入图片描述

2.subplot() 函数，它可以均等地划分画布

参数格式如下：

ax = plt.subplot(nrows, ncols, index,*args, **kwargs)
  • nrows 行
  • ncols 列
  • index: 位置
  • kwargs: title/xlabel/ylabel 等…

也可以直接将几个值写到一起,如:subplot(233)

返回:区域对象

nrows 与 ncols 表示要划分几行几列的子区域（nrows*nclos表示子图数量），index 的初始值为1，用来选定具体的某个子区域。

例如： subplot(233)表示在当前画布的右上角创建一个两行三列的绘图区域（如下图所示），同时，选择在第 3 个位置绘制子图。

在这里插入图片描述

如果新建的子图与现有的子图重叠，那么重叠部分的子图将会被自动删除，因为它们不可以共享绘图区域。

plt.plot([1,2,3])
#现在创建一个子图，它表示一个有1行2列的网格的顶部图。
#因为这个子图将与第一个重叠，所以之前创建的图将被删除
plt.subplot(211)
# x可省略,默认[0,1..,N-1]递增
plt.plot(range(50,70))

plt.subplot(212)

plt.plot(np.arange(12)**2)

在这里插入图片描述

如果不想覆盖之前的图,需要先创建画布

plt.plot([1,2,3])

# 还可以先设置画布的大小,再通过画布创建区域
fig = plt.figure(figsize=(4,2))
#创建新的画布作画
fig.add_subplot(111)

plt.plot(range(20))

fig.add_subplot(221)

plt.plot(range(12))

在这里插入图片描述

设置多图的基本信息方式:

a. 在创建的时候直接设置:
  • 对于subplot关键词赋值参数的了解,可以将光标移动到subplot方法上,使用快捷键shift+tab查看具体内容
#现在创建一个子图，它表示一个有2行1列的网格的顶部图。
plt.subplot(211,title="pic1", xlabel="x axis")
# x可省略,默认[0,1..,N-1]递增
plt.plot(range(50,70))

plt.subplot(212, title="pic2", xlabel="x axis")

plt.plot(np.arange(12)**2)

在这里插入图片描述

发现子图标题重叠,在最后使用plt.tight_layout()

plt.tight_layout()

在这里插入图片描述

b.使用pyplot模块中的方法设置后再绘制
#现在创建一个子图，它表示一个有2行1列的网格的顶部图。

#--------------- 第一个区域---------------
plt.subplot(211)
# 使用图形对象:
plt.title("ax1")   #此时的plt会自动应用到211的区域
# x可省略,默认[0,1..,N-1]递增
plt.plot(range(50,70))

#--------------------第二区域-----------
plt.subplot(212)
plt.title("ax2")   #此时的plt会自动应用到212的区域

#...其他的自己设置

plt.plot(np.arange(12)**2)
# 紧凑的布局
plt.tight_layout()

c.使用返回的区域对象设置.

注意区域对象的方法很多都是set_开头

  • 使用区域对象将不存在 设置位置
#现在创建一个子图，它表示一个有2行1列的网格的顶部图。

#--------------- 第一个区域 ax1---------------
ax1 = plt.subplot(211)
# 使用区域对象:
ax1.set_title("ax1")
# x可省略,默认[0,1..,N-1]递增
ax1.plot(range(50,70))

#--------------------第二区域 ax2-----------
ax2 = plt.subplot(212)
ax2.set_title("ax2")

#...其他的自己设置

ax2.plot(np.arange(12)**2)
# 紧凑的布局
plt.tight_layout()

在这里插入图片描述

3.subplots()函数详解

matplotlib.pyplot模块提供了一个 subplots() 函数，它的使用方法和 subplot() 函数类似。其不同之处在于，subplots() 既创建了一个包含子图区域的画布，又创建了一个 figure 图形对象，而 subplot() 只是创建一个包含子图区域的画布。

subplots 的函数格式如下：

fig , ax = plt.subplots(nrows, ncols)
  • nrows 与 ncols 表示两个整数参数，它们指定子图所占的行数、列

函数的返回值是一个元组，包括一个图形对象和所有的 axes 对象。其中 axes 对象的数量等于 nrows * ncols，且每个 axes 对象均可通过索引值访问（从1开始）

# 引入模块
import matplotlib.pyplot as plt
import numpy as np

# 创建2行2列的子图,返回图形对象(画布),所有子图的坐标轴
fig, axes =  plt.subplots(2,2)

x = np.arange(1,5)
#绘制平方函数
axes[0][0].plot(x, x*x)
axes[0][0].set_title('square')
#绘制平方根图像
axes[0][1].plot(x, np.sqrt(x))
axes[0][1].set_title('square root')
#绘制指数函数
axes[1][0].plot(x, np.exp(x))
axes[1][0].set_title('exp')

#绘制对数函数
axes[1][1].plot(x,np.log10(x))
axes[1][1].set_title('log')

# 处理标题遮挡
plt.tight_layout()

plt.show()

在这里插入图片描述

作业：绘制以下图形

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

fig,axes =  plt.subplots(1,2)
# 设置画布的高和宽, 注意:只为英寸 ,默认分别率为72
fig.set_figheight(3) # 实际高度为 73*3 像素
fig.set_figwidth(8) # 实际宽度为 73*8 像素
# 设置背景:
fig.set_facecolor('gray')
# 分别定义x y
x = np.arange(-50,51)
y = x ** 2

#--------------------绘制图形1 -----------
axes[0].plot(x, y)

# ------------处理图形2的绘制----------------
# 不需要右侧和上侧线条,则可以设置他的颜色
axes[1].spines['right'].set_color("none")
axes[1].spines['top'].set_color("none")
# 移动下轴到指定位置
# 在这里，position位置参数有三种，data , outward(向外-可自行尝试) , axes
# axes:0.0 - 1.0之间的值，整个轴上的比例
axes[1].spines['left'].set_position(('axes',0.5))

# 移动下轴到指定位置
# 'data'表示按数值挪动，其后数字代表挪动到Y轴的刻度值
axes[1].spines['bottom'].set_position(('data',0.0))

axes[1].plot(x, y)

# 绘制1行2列子图中的第1个子图
plt.subplot(121,facecolor='r')

# 绘制2行2列子图中的第2个子图
plt.subplot(222,facecolor='g')

# 绘制2行2列子图中的第4个子图
plt.subplot(224,facecolor='b')

# 绘制3行2列子图中的第1个子图
plt.subplot(321,facecolor='r')
# 绘制3行2列子图中的第2个子图
plt.subplot(322,facecolor='r')
# 绘制3行2列子图中的第3个子图
plt.subplot(323,facecolor='r')
# 绘制3行2列子图中的第4个子图
plt.subplot(324,facecolor='r')
# # 绘制3行1列子图中的第3个子图
plt.subplot(313,facecolor='b')
python数据分析学习day07：图表样式和子图
weixin_44748589的博客
07-13 1051
显示网格 linestyle：线型 color：颜色 linewidth：宽度 axis：x，y，both，显示x/y/两者的格网 首先观察画布上面的坐标轴，如下图: ​​​​​​​ ​​​​​​​ ​​​​​​​ 上图中，用红色标识出的黑色边界框线在Matplotlib中被称为spines，中文翻译为脊柱......在我理解看来，意思是这些边界框线是坐标轴区域的“支柱”。那么，我们最终要挪动的其实
数据分析（numpy--matplotlib--pandas）基础笔记
longgecxl的博客
09-21 1937
第1章 python数据分析的概述 由于数据量比较大，已经远远超过了人力所能处理的范畴。那么管理和使用这些数据，就成为一个全新的研究课题 1.1 认识数据分析 数据分析技能，成为数据从业人员需要具备的技能之一。 明确数据分析概念、分析流程、和分析方法等相关知识，成为迈出数据分析的第1步 1.1.1 数据分析的概念 数据分析：就是用适当的方法，对收集来的数据进行分析，提取有用的信息和形成结论。以此帮助企业管理层做出决策 广义的数据分析：狭义数据分析...
python画子图
qq_26631621的博客
03-23 2021
        python画子图时会遇见如下进行迭代的情况，当画多个子图时，因为axes是二维数组，所以使用zip时要将其展平，此外为了让子图大小自适应，可在subplots中添加参数constrained_layout=True fig, axes = plt.subplots(4, 3, figsize=(15, 10),constrained_layout=True) #create 1,000 data points,
python多子图
qq_45862222的博客
11-25 619
# '斑块间欧氏距离平均值T import pandas as pd import matplotlib.pyplot as plt import os %matplotlib inline plt.rc('font',family='Times New Roman') os.chdir('F://熊欢//3.9图像') su=pd.read_excel('制图（熊欢）.xlsx',sheet_name=1) x=['mid-Holocene','Current','2070(RCP26)','
【Python数据可视化】matplotlib之设置子图：绘制子图、子图共享x轴坐标、调整子图间距、设置图片大小
森林的博客——在完成之前，似乎总是不可能的~
01-14 4333
这篇将分享数据可视化最重要也最常用的一个部分——子图，下面将会分享一些常用的方法：绘制子图、子图共享x轴坐标。
python 图表
ditiaoma7384的博客
09-19 207
#图表 import matplotlib.pyplot as plt fig,ax=plt.subplots(2,2)ax[0,1].plot(x,y,'r--*',label='sin')ax[0,1].legend(loc='upper right')ax[0,1].grid()fig.savefig('fig.png') import pandas as pd df...
python数据可视化分析-matplotlib
sinat_41901394的博客
10-06 568
引入 import matplotlib.pyplot as plt plt.plot([1,2,3],[3,2,1]) plt.show() 散点图 概念： *散点图显示两组数据的值，每个点的坐标位置由变量的值决定。 *由一组不连接的点完成的，用于观察两种变量的相关性。 *例如身高-体重、温度-纬度、等等 简单的例子： 身高-体重 import numpy as np import matplotlib.pyplot as plt height=[161,171,182,189,165] weight
Day two：matplotlib
JXRyjf的博客
12-19 222
matplotlib的原理或者说基础逻辑是，用Artist对象在画布(canvas)上绘制(Render)图形。 而Artist对象又分为两类：primitives和containers。 primitive是基本要素，它包含一些我们要在绘图区作图用到的标准图形对象，如曲线Line2D，文字text，矩形Rectangle，图像image等。 container是容器，即用来装基本要素的地方，包括图形figure、坐标系Axes和坐标轴Axis。 所以说matplotlib的使用流程先要创建..
day05-pandas进阶 课件代码
return_min的博客
01-10 224
01作业：多个箱线图绘制案例 import matplotlib.pyplot as plt import numpy as np # 构建数据 def build_data(): """ 构建数据 :return: 数据 """ # 加载数据 --返回对象 res = np.load("./国民经济核算季度数据.npz", allow_pi...
python中用于绘制各种图形、标注文本_python Matplotlib基础--如何添加文本和标注...
weixin_33365481的博客
01-29 2494
创建一个优秀的可视化图表的关键在于引导读者，让他们能理解图表所讲述的故事。在一些情况下，这个故事可以通过纯图像的方式表达，不需要额外添加文字，但是在另外一些情况中，图表需要文字的提示和标签才能将故事讲好。也许标注最基本的类型就是图表的标签和标题，但是其中的选项参数却有很多。让我们在本节中使用一些数据来创建可视化图表并标注这些图表来表达这些有趣的信息。首先还是需要将要用到的模块和包导入Pycharm...
python绘制多个子图的实例
09-19
今天小编就为大家分享一篇python绘制多个子图的实例，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
python 生成统计图表（雷达图、柱状图、曲线图等等）
05-03
python 生成各种统计图表，雷达图 柱状图 曲线图等图形报表
Python绘制子图
u011390757的博客
10-11 6178
【代码】Python绘制子图。
【Python】在同一图形中的绘制多个子图
sgzqc的专栏
06-10 1854
帖子很短，但里面的技巧非常有用。在实际应用中，经常不得不回来重新思考如何做到这一点，特此记录，方便下次查看。最后希望这篇文章帮助初学者轻松地在同一个图形中绘制多个子图。您学废了嘛？
数据可视化第五章子图的绘制和第六章坐标轴的定制
qq_55680071的博客
03-22 1669
5.1绘制单子图 5…2　绘制多子图 import numpy as np import matplotlib.pyplot as plt plt.rcParams[‘font.sans-serif’] = [“SimHei”] def autolabel(ax, rects): “”" 在每个矩形条的上方附加一个文本标签, 以显示其高度""" for rect in rects: width = rect.get_width() # 获取每个矩形条的高度 ax.text(width + 3
Python 数据可视化-2子图操作
人工智能学习生
03-30 3385
数据可视化--2创建子图：通过subplot()函数创建单个子图、通过add_subplot()方法添加和选中子图、通过subplots()函数创建多个子图
Python | 使用Matplotlib生成子图的示例
python收藏家的博客
06-19 933
Matplotlib的子图提供的灵活性允许在单个图中同时呈现多个图，增强了显示信息的清晰度和一致性。无论是组织折线图、条形图、饼图还是自定义图，理解子图网格、轴对象和“子图”功能的概念都是必不可少的。
Python绘图库之Matplotlib：图与子图（Figure subfigures）
最新发布
KRISNAT
09-11 1285
本篇博客详细介绍了如何使用Matplotlib v3.4及以上版本绘制包含多个子图区域的图文件，此处的子图与子绘图区域（axes）有所区别。本篇博客内容参考了官方文档：Figure subfigures，并在此基础上进行了进一步取舍和补充。仅供学习和参考！
python制图表_Python 绘制图表
weixin_35338559的博客
01-29 1154
Python 绘制图表import matplotlib.pyplot as pltimport numpy as npMatplotlib模块X=np.linspace(start = -np.pi, stop=np.pi, num=256, endpoint=True)C,S = np.cos(X), np.sin(X)plt.plot(X, C)plt.plot(X, S)plt.show(...
Python Matplotlib：深度解析文字与注释的运用
在Python的数据可视化领域，Matplotlib是一个广泛使用的库，它提供了丰富的功能来创建各种图形。在这个主题中，我们将关注Matplotlib中的文字和注释使用方法，这对于理解复杂图表和传达数据分析结果至关重要。 首先...
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
>