python中的matplotlib库

已于 2022-09-27 19:02:46 修改
阅读量2.2k 收藏 25
点赞数 7
文章标签： matplotlib python 开发语言
于 2022-07-02 15:53:06 首次发布
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_63131662/article/details/125571649
版权

文章目录

一、基本用法

1. 基础例子

import numpy as np
import matplotlib.pyplot as plt
x = np.linspace(-1,1,50)  #-1到1均分的50个点
y = x**2
plt.plot(x,y) #绘制线
plt.show()

在这里插入图片描述

2. 一次生成两个figure，两个函数

import numpy as np
import matplotlib.pyplot as plt
x = np.linspace(-1,1,50)
y1 = x**2
y2 = x**3
plt.figure()  #生成第一个figure
plt.plot(x,y1) #绘制抛物线

plt.figure() #生成第二个figure
plt.plot(x,y2) #绘制三次方程线
plt.show()

figure1
在这里插入图片描述

figure2
在这里插入图片描述

3. 设置figure和函数的参数

一个图中两个函数

import numpy as np
import matplotlib.pyplot as plt
x = np.linspace(-1,1,50)
y1 = x**2
y2 = x
#num为figure的序号，figsize为figure的长和宽（元组类型）
plt.figure(num=3,figsize=(5,5))
plt.plot(x,y1)
#线的颜色，线的宽度，线型
plt.plot(x,y2,color='red',linewidth=1.0,linestyle='--')
plt.show()

在这里插入图片描述

二、设置坐标轴

  1. 利用plt的函数设置x和y轴
import numpy as np
import matplotlib.pyplot as plt
x = np.linspace(-1, 1, 50) #在x轴上，图像只显示在x为[-1,1]的范围中
y1 = 2*x+1
y2 = x**2
plt.figure()
plt.plot(x, y1,'r--')
plt.plot(x, y2,'b-')
#1.设置x轴的范围
plt.xlim((-1, 2))
    #在x轴范围的基础上，进一步划分x轴上显示几个点
new_x_lim = np.linspace(-1, 2, 5)
plt.xticks(new_x_lim)
#2.设置y轴的范围
plt.ylim((-2, 3))
    #在y轴的范围的基础上，给每个对应的点，设置参数。
    #（\为转义字符，前后加$是为了使得字体美观。）
plt.yticks([-2, 0, 1.5, 3], [r'$very\ bad$', r'$bad$', r'$medium$', r'$good$'])

plt.xlabel('xxxx') #3.设置x轴的名字
plt.ylabel('yyyy') #4.设置y轴的名字
plt.show()

在这里插入图片描述

  1. 利用plt.gca()类中的函数来设置figure（中的坐标轴参数）
import numpy as np
import matplotlib.pyplot as plt
ax = plt.gca() #准备对坐标轴进行修改
#1.显示框figure 有4条线（left，top，right，bottom）
ax.spines['right'].set_color('none') #使得right的线颜色消失。
ax.spines['top'].set_color('none')   #使得top线颜色消失。
#2.tick刻度
ax.xaxis.set_ticks_position('bottom')  #将x轴设定为bottom那条线
ax.yaxis.set_ticks_position('left')    #将y轴2设定为left那条线
#3.对齐
ax.spines['bottom'].set_position(('data',-1)) #将bottom那条线与另外一条线的-1对齐(将x轴与y的-1对齐)
ax.spines['left'].set_position(('data',-1))   #将left那条线与另外一条线的-1对齐(将y轴与x的-1对齐)
plt.show()

在这里插入图片描述

三、legend图例

import numpy as np
import matplotlib.pyplot as plt
x = np.linspace(-1,1)
y1 = x
y2 = x**2
l1, = plt.plot(x,y1,'r-')  #直线
l2, = plt.plot(x,y2,'b--')  #抛物线
plt.legend(handles=[l2,l1],labels=['aaa','bbb'],loc='best')

handles表示 需要传入所画线条的实例对象（列表形式），它和labels一一对应：
labels设置两个函数图像的名字
loc=‘best’ 表示图例会自动放在最合适的位置上

上例表示 l2直线 对应名字 ‘aaa’ , l1抛物线 对应名字 ’bbb’
在这里插入图片描述

四、Annotation标注

import numpy as np
import matplotlib.pyplot as plt
x = np.linspace(-3,3,50) #50个点
y = 2*x+1
plt.figure()  #spines
plt.plot(x,y)  #line
ax = plt.gca()
ax.spines['top'].set_color('none')
ax.spines['right'].set_color('none')
ax.xaxis.set_ticks_position('bottom')
ax.yaxis.set_ticks_position('left')
ax.spines['bottom'].set_position(('data',0))
ax.spines['left'].set_position(('data',0))
#1.设置标注点
x0 = 1
y0 = 2*x0+1

plt.scatter(x0,y0,s=50,color='blue') #x0,y0,标点的大小,标点的颜色  （绘制一个散点）
#2.画虚线（（x0，y0）和（x0，0）两点连成的虚线）
plt.plot([x0,x0],[0，y0],'b--',linewidth=2.5) #直接以列表的形式传入x的范围和y的范围 （绘制线）
#3.标注右
plt.annotate('2x+1=%s'%y0,xy=(x0,y0),xycoords='data',xytext=(+30,-30),textcoords='offset points',fontsize=16,arrowprops=dict(arrowstyle='->',connectionstyle='arc3,rad=.2'))
#4.标注左
plt.text(-3.7,3,r'$this\ is\ text!\ \sigma_i,\alpha_j$',fontdict={'size':16,'color':'red'})

plt.show()
  1. 标注右

第一个参数为标注内容
xy为被注释的坐标点，xycoords=‘data’是为默认情况，即指向注释点

xytext为注释文字的坐标位置(“xytext=(+30,-30),textcoords=‘offset points’,” 可换成“xytext=(2,2), ”)
offset points 表示：从xy值偏移，以点（np.linespace()设置的点）为单位

fontsize为注释大小
arrowprops为箭头参数，参数类型为字典dict
(arrowstyle为箭头类型，connectionstyle为箭头弯曲角度)

  1. 标注左

第一个和第二个参数为注释文本的 起始坐标位置x和y
第三个参数为文本内容
fontdict参数类型为字典类型，size为文本大小，color为文本颜色
在这里插入图片描述
注：aa = {'a':1,'b':2} 和 bb = dict(a = 2,b = 3) 输出结果相同

五、tick能见度

import numpy as np
import matplotlib.pyplot as plt
x = np.linspace(-3,3,50)
y = 0.1*x
plt.figure()  #spines
plt.plot(x,y,linewidth=10,zorder=1)  #line
plt.ylim(-2,2)
ax = plt.gca()
ax.spines['top'].set_color('none')
ax.spines['right'].set_color('none')
ax.xaxis.set_ticks_position('bottom')
ax.yaxis.set_ticks_position('left')
ax.spines['bottom'].set_position(('data',0))
ax.spines['left'].set_position(('data',0))
#1.设置坐标轴上的点的大小
for label in ax.get_xticklabels() + ax.get_yticklabels():
    label.set_fontsize(12)
#2.设置坐标轴上的点的背景参数
    label.set_bbox(dict(facecolor='w',edgecolor='None',alpha=0.9))
plt.show()

facecolor为坐标轴上的点的背景颜色
edgecolor为边框颜色，alpha为背景框的不透明度
在这里插入图片描述

六、scatter散点图

import numpy as np
import matplotlib.pyplot as plt
#1.设置基本参数
n = 1024
x = np.random.normal(0,1,n) #平均值为1，方差为0，有n个x点
y = np.random.normal(0,1,n) #平均值为1，方差为0，有n个x点
t = np.arctan2(y,x) #颜色参数（好看）
#2.散点参数
# s表示散点的大小，c表示散点颜色，alpha为散点的不透明度
plt.scatter(x,y,s=20,c=t,alpha=0.5)
plt.xticks(()) #x刻度设为没有
plt.yticks(()) #y刻度设为没有
plt.show()

在这里插入图片描述

  1. 常用用法
import numpy as np
import matplotlib.pyplot as plt
#参数应该为两个序列或列表
#x为0，1，2，3，4  y为0，1，2，3，4的散点
plt.scatter(np.arange(5),np.arange(5))
plt.show()

在这里插入图片描述

七、Bar柱状图

import numpy as np
import matplotlib.pyplot as plt
#1.设置基本参数
n = 12
x = np.arange(n)
y = (1-x/float(n))*np.random.uniform(0.5,1.0,n)#均匀分布随机数
#2.bar柱状图描绘
# +y1表示向上的柱状图,facecolor为柱体颜色,edgecolor为柱框颜色
plt.bar(x,+y,facecolor='green',edgecolor='purple')
#3.设置柱状图参数
#前两个参数为标注点的坐标位置(表示相对于默认位置偏移0.01)
#第三个参数为标注内容是y的值且保留两位小数
#ha为左右方向center对齐，va为垂直方向bottom对齐
for i,j in zip(x,y):
    plt.text(i+0.01,j+0.01,'%.2f'%j,ha='center',va='bottom')
plt.xlim(-1,n)
plt.ylim(0,1)
plt.show()

在这里插入图片描述

八、Contours等高线图

import numpy as np
import matplotlib.pyplot as plt
#1.设置基本参数
def f(x,y):#计算高度的公式
    return (1-x/2+x**5+y**3) * np.exp(-x**2-y**2)
n=256
x=np.linspace(-3,3,n)
y=np.linspace(-3,3,n)
#2.x,y组合
X,Y = np.meshgrid(x,y)
#3.Contours图填充颜色
#前三个参数x,y和高度，8表示分为8+2部分不同颜色,alpha为不透明度
#cmap对应的颜色为f(x，y)的值所对应的颜色，hot为偏热的颜色。
plt.contourf(X,Y,f(X,Y),8,alpha=0.75,cmap=plt.cm.hot)
#4.Contours图设置线条
# 8表示分为8+2条线,colors为线条的颜色
C = plt.contour(X,Y,f(X,Y),8,colors='black')
#5.设置线上f(x,y)的参数
plt.clabel(C,inline='True',fontsize=10)
plt.show()

X,Y = np.meshgrid(x,y):
将x中每一个数据和y中每一个数据组合生成很多坐标点，然后将这些坐标点的x坐标放到大X中，y坐标放在大Y中，相应位置是对应的。
在这里插入图片描述

九、image图片

import numpy as np
import matplotlib.pyplot as plt
a = np.random.randn(2,3) #图像分为6块
#1.interpolation为图像格式种类，可网上搜索,origin表示是正还是反plot (lower)
# cmap对应的颜色为矩阵a数字所代表的颜色,bone表示一种颜色类型
plt.imshow(a,interpolation='nearest',cmap=plt.cm.bone,origin='upper')
#2.右面的柱状的颜色，shrink表示相对于figure显示70%的大小
plt.colorbar(shrink=0.7)
plt.show()

在这里插入图片描述

十、3D数据

import numpy as np
import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D
x = np.arange(-4,4,0.25) #-4到4步长为0.25的序列
y = np.arange(-4,4,0.25)
X,Y = np.meshgrid(x,y)#x和y组合
#1.设置z轴的值
Z = np.sin(np.sqrt(X**2,Y**2))
#2.把显示框放入 Axes3D()函数中
ax = Axes3D(plt.figure())
#3.画3D图.
#前三个参数为xyz，rstride和cstride表示跨度（经过多少切换成下一个颜色，越小精细度越好）
#cmap为z的值对应的颜色盘上的颜色，rainbow为一种颜色类型
ax.plot_surface(X,Y,Z,rstride=1,cstride=1,cmap='rainbow')
#4.设置对应平面的颜色
#zdir='x'，表示将3D图压到x=offset的平面上
ax.contourf(X,Y,Z,zdir='x',offset=-4,cmap='rainbow')
plt.show()

在这里插入图片描述

十一、subplot

import matplotlib.pyplot as plt
plt.figure()
plt.subplot(2,2,1)  #figure当作两行两列，设置第1个
plt.plot([0,1],[0,1]) #x范围和y的范围
plt.subplot(2,2,2)  #figure当作两行两列，设置第2个
plt.plot([0,2],[0,2]) #x范围和y的范围
plt.subplot(2,2,3)  #figure当作两行两列，设置第3个
plt.plot([0,3],[0,3]) #x范围和y的范围
plt.subplot(2,2,4)  #figure当作两行两列，设置第4个
plt.plot([0,4],[0,4]) #x范围和y的范围
plt.show()

在这里插入图片描述

import matplotlib.pyplot as plt
plt.figure()
plt.subplot(2,1,1)
plt.plot([0,1],[0,1])
plt.subplot(2,3,4)
plt.plot([0,2],[0,2])
plt.subplot(2,3,5)
plt.plot([0,3],[0,3])
plt.subplot(2,3,6)
plt.plot([0,4],[0,4])
plt.show()

在这里插入图片描述

十二、图中图

import matplotlib.pyplot as plt
#1.设置基本参数
x=[1,2,3,4,5,6,7]
y=[1,2,5,3,9,8,4]
x_percent,y_percent,width,height = 0.1,0.1,0.8,0.8
#2.设置图一在显示框中x和y的占比（从最左开始计算）、宽度和高度
plt.axes([x_percent,y_percent,width,height])#默认下面语句设置图一
plt.plot(x,y,'r-')
plt.xlabel('x')
plt.ylabel('y')
plt.title('line 1')
#3.设置图二在显示框中x和y的占比（从最左开始计算）、宽度和高度
plt.axes([0.2,0.6,0.25,0.25])#默认下面语句设置图二
plt.plot(x,y,'b-')
plt.xlabel('xx')
plt.ylabel('yy')
plt.title('line 2')
plt.show()

在这里插入图片描述

十三、共享轴

import numpy as np
import matplotlib.pyplot as plt
#1.设置基本参数
x = np.arange(0,10,0.1) #范围[0,10),步长为0.1
y1 = 0.05*x**2
y2 = -1*y1
#2.共享x轴
fig,ax1 = plt.subplots()
ax2 = ax1.twinx()
#3.加以区分
#ax1表示y1,ax2表示y2
ax1.plot(x,y1,'g-') #绿色实线
ax1.plot(x,y2,'b--') #绿色虚线
ax1.set_xlabel('x data')
ax1.set_ylabel('y1',color='g')
ax2.set_ylabel('y2',color='b')
plt.show()

在这里插入图片描述

十四、Animation动画

import numpy as np
import matplotlib.pyplot as plt
from matplotlib import animation
fig,ax = plt.subplots()

x = np.arange(0,2*np.pi,0.01)
y = np.sin(x)
line, = ax.plot(x,y)#line为一个列表,加逗号表示列表首个元素

def animate(i):
    line.set_ydata(np.sin(x+i/10))
    return line,
def init():
    line.set_ydata(np.sin(x))
#frames表示帧数,interval表示频率
ani = animation.FuncAnimation(fig=fig,func=animate,frames=100,init_func=init,interval=20,blit=False)
plt.show()

结果为动图：
在这里插入图片描述

Cherry_xinda
关注
  • 7
    点赞
  • 踩
  • 25
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
python安装matplotlib库
05-08
matplotlib
【机器学习基础 2】matplotlib库
yewanyuan的博客
03-13 5364
matplotlib是一个用于绘制各种类型图表的Python绘图库，它以各种硬拷贝格式和跨平台的交互式环境生成出版质量级别的图形。它支持各种不同的图表类型，包括线图、散点图、条形图、饼图等。
Python数据处理利器：Matplotlib库详解
m0_62153576的博客
10-11 1849
数据# 绘图# 添加标签和标题# 添加图例# 显示图形plt.show()# 数据# 绘图# 自定义坐标轴和刻度# 添加标签和标题# 添加图例# 显示图形plt.show()Matplotlib是Python中最流行的绘图库之一，为数据科学家和工程师提供了强大的绘图工具。通过这篇博客，你已经了解了Matplotlib库的基本绘图、图表样式、子图、以及3D绘图等方面的知识。希望这些实例能够帮助你更好地利用Matplotlib进行数据处理和可视化。
【Python三方库】Python之Matplotlib库的简介、安装、使用方法、示例代码、注意事项等详细攻略
最新发布
科技改变人类，技术成就未来
06-08 866
Python之Matplotlib库的简介、安装、使用方法、示例代码、注意事项等详细攻略
数据可视化库 matplotlib 入门 1——安装与配置、常用套路与绘图组件
看流星划过天外的博客
11-27 3935
本文介绍了 matplotlib 库基本信息，库的安装与配置，常用套路和绘图组件等。
Matplotlib库的介绍及使用
qq_53763141的博客
12-24 1万+
Matplotlib库由各种可视化类构成，内部结构复杂，受Matlab启发，本文章主要介绍其子库pyplot的基本使用和基础图标的绘制。
绘图: matplotlib核心剖析
weixin_34293902的博客
01-30 1558
作者：Vamei 出处：http://www.cnblogs.com/vamei 欢迎转载，也请保留这段声明。谢谢！   matplotlib是基于Python语言的开源项目，旨在为Python提供一个数据绘图包。我将在这篇文章中介绍matplotlib API的核心对象，并介绍如何使用这些对象来实现绘图。实际上，matplotlib的对象体系严谨而有趣，为使用者提供了巨大的发挥空间。用户在熟...
python3.12 环境（matplotlib库）
01-28
在这个环境中，我们特别关注的是数据可视化库——Matplotlib。Matplotlib 是 Python 数据可视化的核心库，适用于创建高质量的静态、动态、交互式的图像。在Python 3.12中，Matplotlib 可以与 PyCharm 社区版这样的...
Python Matplotlib库入门指南
09-22
Python Matplotlib库是数据可视化的重要工具，尤其适合于科学计算中的2D图形绘制。这个库的设计灵感来源于Matlab，但它是完全独立的，并且能够与Python的其他科学计算库（如NumPy和Pandas）无缝集成。Matplotlib的...
解决python中matplotlib库无法写中文问题_微软雅黑ttf.rar
04-19
1、找到pythonX\lib\site-packages\matplotlib\mpl-data\fonts\ttf文件夹 2、matplotlib默认调用的为DejaVuSans.ttf字体文件，下载微软雅黑.ttf 3、将微软雅黑文件名改为DejaVuSans.ttf粘贴到ttf文件夹下即可。
python中matplotlib教程
04-28
Matplotlib是一个广泛使用的Python 2D绘图库，它旨在为用户提供在各种平台上生成具有出版品质的图形的能力。这个库特别适用于创建图表、直方图、功率谱、条形图、错误图、散点图等多种图形。Matplotlib的设计灵感...
Python--matplotlib（持续更新）
abc31431415926的博客
11-18 8938
Matplotlib，全称“Matlab plotting library”，是Python中的一个库，它是数字的-NumPy库的数学扩展，是Python中绘制二维和三维图表的数据可视化工具pyplot，面向当前图；axes，面向对象；Pylab，沿用 matlab 风格。Matplotlib中的所有内容都按层次结构组织，层次结构的顶部是由matplotlib提供的matplotlb“状态机环境”——pyplot模块，仅用于图形创建等少数功能，用户显式创建并跟踪图形和轴对象。
python --Matplotlib详解
weixin_44634704的博客
08-10 1万+
如果输入的是两个列表，一个表示 x 轴的值，一个表示 y 轴的值，那么就可以在直角坐标系中划出很多个点，然后将这些点用指定的线段连接起来就得到了散点图。我们需要指定线型，如“-”表示实线、“–”表示虚线、“-.”表示带点的虚线、“:”表示完全用点来组成的虚线。柱状图和散点图类似，也是需要两个参数 x 和 y，但画出来的效果差别很大，而且需要使用 bar() 函数而不是 plot() 函数。可以使用 plt.plot(x, y, 风格) 来达到目的，其中的风格有很多种，如点状、小叉、圆圈、不同颜色等。...
matplotlib库—数据可视化
m0_66039322的博客
10-30 2468
Matplotlib库
Python库matplotlib的使用总结
2301_76737200的博客
06-14 1187
matplotlib库在Python中用于二维图表的绘制，一般用于基于程序的数据分析方向。
Matplotlib库
qq_46458188的博客
01-14 1853
Matplotlib库的介绍 python优秀的数据可视化第三方库，Matplotlib库的效果：http://matplotlib.org/gallery.html Matplotlib库由各种可视化类构成，内部结构复杂，受Matlab启发。 Matplotlib提供了一个子库——matplotlib.pyplot是绘制各类可视化图像的命令子库，相当于matplotlib的快捷方式。 matplotlib库的使用 import ...
【Python】matplotlib库的安装和简单使用
热门推荐
huanqing2010的专栏
03-29 24万+
本文主要介绍matplotlib库的安装和简单使用。针对新手，首先从升级pip工具开始，然后使用pip工具从国内镜像快速下载安装matplotlib库，同时附带简单完整的python代码，用于演示绘制正弦曲线图形。
Matplotlib库详解
qq_43908049的博客
01-28 413
matplotlib库的重要函数使用范例
python----Matplotlib库初识
ChinaYouxin的博客
03-17 1046
在Windows系统下按住"Win+R"，输入“cmd”后，回车，即可打开Windows命令行程序，然后输入 pip install matplotlib,然后回车，就会开始安装Matplotlib库，Numpy库的安装方法相同。注意：每条subplot命令只会创建一个子图。:用来设置绘制线条或标记的样式和颜色。:用来设置绘制线条或标记轴的变量。
python中matplotlib库
04-04
Matplotlib可用于Python脚本、Python和IPython Shell、Jupyter Notebooks、Web应用程序服务器和其他各种GUI工具包等环境中。 Matplotlib是一个用于创建静态、动态和交互式可视化的库。它支持几乎所有类型的图表，...

“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