Matplotlib基本操作

最新推荐文章于 2024-08-19 16:56:25 发布
最新推荐文章于 2024-08-19 16:56:25 发布
阅读量382 收藏 1
点赞数
分类专栏： python 文章标签： matplotlib 数据分析
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/matafeiyanll/article/details/104102980
版权

Matplotlib知识总结

基础知识

matplotlib概览

Matplotlib是一个Python 2D绘图库，它以多种硬拷贝格式和跨平台的交互式环境生成出版物质量的图形。 Matplotlib可用于Python脚本，Python和IPython Shell、Jupyter笔记本，Web应用程序服务器和四个图形用户界面工具包。

screenshots

Matplotlib 尝试使容易的事情变得更容易，使困难的事情变得可能。 您只需几行代码就可以生成图表、直方图、功率谱、条形图、误差图、散点图等。 更多的示例，请参见基础绘图例子和示例陈列馆。

为了简单绘图，该 pyplot 模块提供了类似于MATLAB的界面，尤其是与IPython结合使用时。 对于高级用户，您可以通过面向对象的界面或MATLAB用户熟悉的一组功能来完全控制线型，字体属性，轴属性等。

matplotlib基本操作

import matplotlib.pyplot as plt
import numpy as np
x=np.linspace(-1,1,100)  #从1到-1生成100个点
y=2*x+1
plt.plot(x,y)
plt.show()

在这里插入图片描述
matplotlib figure图像

不同的图像显示在同一个或多个figure中的方法：

import matplotlib.pyplot as plt
import numpy as np
x=np.linspace(-1,1,100)  #从1到-1生成100个点
y1=2*x+1
y2=x**2

plt.figure()
plt.plot(x,y1)
plt.figure(figsize=(2,2))
plt.plot(x,y2)

plt.plot(x,y1,color='red',linewidth=1.0,linestyle='--')
plt.plot(x,y2,color='blue',linewidth=5.0,linestyle='-')
plt.show()

在这里插入图片描述在这里插入图片描述

matplotlib 设置坐标轴

import matplotlib.pyplot as plt
import numpy as np

x=np.linspace(-3,3,100)  #从1到-1生成100个点
y1=2*x+1
y2=x**2

#xy范围
plt.xlim((-1,2))
plt.ylim((-2,3))

#xy描述
plt.xlabel('A AM X')
plt.ylabel('A AM Y')


plt.plot(x,y1,color='red',linewidth=1.0,linestyle='--')
plt.plot(x,y2,color='blue',linewidth=5.0,linestyle='-')
plt.show()

在这里插入图片描述

x=np.linspace(-3,3,100)  #从1到-1生成100个点
y1=2*x+1
y2=x**2

#xy范围
plt.xlim((-1,2))
plt.ylim((-2,3))

#xy描述
plt.xlabel('A AM X')
plt.ylabel('A AM Y')


plt.plot(x,y1,color='red',linewidth=1.0,linestyle='--')
plt.plot(x,y2,color='blue',linewidth=5.0,linestyle='-')
new_ticks=np.linspace(-2,2,11)
print(new_ticks)


#更改坐标显示
plt.xticks(new_ticks)
plt.yticks([-1,0,1,2,3],['level1','level2','level3','level4','level5'])
plt.show()

在这里插入图片描述

x=np.linspace(-3,3,100)  #从1到-1生成100个点
y1=2*x+1
y2=x**2

#xy范围
plt.xlim((-1,2))
plt.ylim((-2,3))

#xy描述
plt.xlabel('A AM X')
plt.ylabel('A AM Y')


plt.plot(x,y1,color='red',linewidth=1.0,linestyle='--')
plt.plot(x,y2,color='blue',linewidth=5.0,linestyle='-')
new_ticks=np.linspace(-2,2,11)
print(new_ticks)

plt.xticks(new_ticks)
plt.yticks([-1,0,1,2,3],['level1','level2','level3','level4','level5'])

#gca 获取当前坐标轴
ax=plt.gca()
#设置边框
ax.spines['right'].set_color('none')
ax.spines['top'].set_color('none')
#把x轴的刻度设置为'bottom'
#把y轴的刻度设置为'left'
ax.xaxis.set_ticks_position('bottom')
ax.yaxis.set_ticks_position('left')
#设置bottom对应到0点
#设置left对应到0点
ax.spines['bottom'].set_position(('data',0))
ax.spines['left'].set_position(('data',0))

plt.show()

在这里插入图片描述
matplotlib图例和标注

import matplotlib.pyplot as plt
import numpy as np

x=np.linspace(-3,3,100)  #从1到-1生成100个点
y1=2*x+1
y2=x**2

#xy范围
plt.xlim((-1,2))
plt.ylim((-2,3))

#xy描述
plt.xlabel('A AM X')
plt.ylabel('A AM Y')

#图例
l1,=plt.plot(x,y1,color='red',linewidth=1.0,linestyle='--')
l2,=plt.plot(x,y2,color='blue',linewidth=5.0,linestyle='-')
plt.legend(handles=[l1,l2],labels=['test1','test2'],loc='best')


new_ticks=np.linspace(-2,2,11)
print(new_ticks)

plt.xticks(new_ticks)
plt.yticks([-1,0,1,2,3],['level1','level2','level3','level4','level5'])
plt.show()

在这里插入图片描述

import matplotlib.pyplot as plt
import numpy as np

x=np.linspace(-1,1,100)  #从1到-1生成100个点
y1=2*x+1

plt.plot(x,y1,color='red',linewidth=1.0,linestyle='-')

#gca 获取当前坐标轴
ax=plt.gca()
#设置边框
ax.spines['right'].set_color('none')
ax.spines['top'].set_color('none')
#把x轴的刻度设置为'bottom'
#把y轴的刻度设置为'left'
ax.xaxis.set_ticks_position('bottom')
ax.yaxis.set_ticks_position('left')
#设置bottom对应到0点
#设置left对应到0点
ax.spines['bottom'].set_position(('data',0))
ax.spines['left'].set_position(('data',0))

x0=0.5
y0=2*x0+1
#画点
plt.scatter(x0,y0,s=50,color='b')
#画虚线
plt.plot([x0,x0],[y0,0],linestyle='--',color='black')


#图像标注
plt.annotate(r'$2x+1=%s$' % y0,xy=(x0,y0),xytext=(+30,-30),textcoords='offset points',fontsize=16,
             arrowprops=dict(arrowstyle='->',connectionstyle='arc3,rad=.2'))
plt.text(-1,2,r'$this\ is\ the\ text$',fontdict={'size':'16','color':'r'})

plt.show()

在这里插入图片描述

matplotlib scatter散点图

import matplotlib.pyplot as plt
import numpy as np

plt.scatter(np.arange(5),np.arange(5))
plt.show()

在这里插入图片描述

x=np.random.normal(0,1,500)
y=np.random.normal(0,1,500)
plt.scatter(x,y,s=50,c='b',alpha=0.5)

plt.xlim((-2,2))
plt.ylim((-2,2))

plt.show()

在这里插入图片描述
matplotlib bar直方图

import matplotlib.pyplot as plt
import numpy as np

x=np.arange(10)
y=2**x+10
plt.bar(x,y)
plt.show()

在这里插入图片描述

x=np.arange(10)
y=2**x+10
plt.bar(x,-y)
plt.show()

在这里插入图片描述

x=np.arange(10)
y=2**x+10
plt.bar(x,y,facecolor='#9999ff',edgecolor='white')
for x,y in zip(x,y):  #把x,y结合成一个整体，循环中可以同时读取x,y
    plt.text(x,y,'%.2f'% y , ha='center',va='bottom')   #x,y代表显示的位置 
plt.show()

在这里插入图片描述

matplotlib contours等高线图

import matplotlib.pyplot as plt
import numpy as np

def f(x,y):
    return (1-x/2+x**5+y**3)*np.exp(-x**2-y**2)

x=np.linspace(-3,3,100)
y=np.linspace(-3,3,100)

X,Y=np.meshgrid(x,y)
plt.contourf(X,Y,f(X,Y),8,alpha=0.75,cmap=plt.cm.hot)   #生成8+1个等高线

C=plt.contour(X,Y,f(X,Y),8,colors='black',linewidth=0.5)
plt.clabel(C,inline=True,fontsize=10)    #inline等于True说明在字体等高线里面

plt.xticks(())
plt.yticks(())
plt.show()

在这里插入图片描述
matplotlib 3D图

import matplotlib.pyplot as plt
import numpy as np
from mpl_toolkits.mplot3d import Axes3D

fig=plt.figure()
ax=Axes3D(fig)

x=np.arange(-4,4,0.25)
y=np.arange(-4,4,0.25)
X,Y=np.meshgrid(x,y)   #把x,y传入网格中
R=np.sqrt(X**2+Y**2)
Z=np.sin(R)

ax.plot_surface(X,Y,Z,rstride=1,cstride=1,cmap=plt.get_cmap('rainbow'))  #camp用来表示颜色     rstride,cstride用于改变色块大小
ax.contourf(X,Y,Z,zdir='z',offset=-2,cmap='rainbow')
ax.set_zlim(-2,2)

plt.show()

在这里插入图片描述
matplotlib subplot

import matplotlib.pyplot as plt
import numpy as np

plt.figure()
plt.subplot(2,2,1)
plt.plot([0,1],[0,1])
plt.subplot(2,2,2)
plt.plot([0,1],[0,1])
plt.subplot(2,2,3)
plt.plot([0,1],[0,1])
plt.subplot(2,2,4)
plt.plot([0,1],[0,1])

plt.show()

在这里插入图片描述

plt.figure()
plt.subplot(2,1,1)
plt.plot([0,1],[0,1])

plt.subplot(2,3,4)
plt.plot([0,1],[0,1])

plt.subplot(2,3,5)
plt.plot([0,1],[0,1])

plt.subplot(2,3,6)
plt.plot([0,1],[0,1])

plt.show()

在这里插入图片描述
matplotlib 动态图

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

fig,ax = plt.subplots()

x = np.arange(0,2*np.pi,0.01)
line, = ax.plot(x,np.sin(x))

def animate(i):
    line.set_ydata(np.sin(x+i/10))
    return line,

def init():
    line.set_ydata(np.sin(x))
    return line,

ani = animation.FuncAnimation(fig=fig,func=animate,init_func=init,interval=20)
plt.show()
pythonmatplotlib绘图图框位置,matplotlib画图
weixin_36399495的博客
03-25 2326
1.基础工作导入必备的包，通常需要pandas、numpy和matplotlibimport numpy as npimport pandas as pdimport matplotlib.pyplot as plt设置坐标轴格式，从matplotlib.ticker中引入相应的包进行坐标轴的设置，当然这一步不是必须的，matplotlib会根据数据自动设置坐标轴的大小，大家也可以根据需要自己进行...
Matplotlib库的基本操作
Feynman1999的博客
05-10 403
基本思想 在pyplot中 一个Figure是一个空白的画板 画板上有轴的集合（axes），包含基本的两个axis 你所有的操作是去改变这个画板 而子图Subplot实际上是axes的特例 很显然多搞几个axis，再缩小，就是sub了 Most of you are probably familiar with the Subplot, which is just a spe...
python之matplotlib （3 坐标轴设置）
最新发布
这是C.L 的博客，欢迎大家学习浏览！！
08-19 1449
在说明坐标轴设置之前，我有必要和大家说清楚图像设置的一些方法，避免陷入困扰模糊的地步。前面我们说过，画图的三种方法（python之matplotlib （1 介绍及基本用法）-CSDN博客y=x**2plt.title('图')ax=plt.gca()#没有参数plt.show()大家观察上面的一些设置方法，无非是通过两个途径：plt.***或者ax.***,而ax.***往往前面会有'set_'字样。
数据可视化库-Matplotlib基本操作
weixin_30695195的博客
09-12 157
python-3.7 pycharm　　matplotlib 2.2.3 """ 数据可视化库-Matplotlib 时间：2018\9\12 0012 """ import numpy as np import pandas as pd import matplotlib as mpl import matplotlib.pyplot as p...
python之matplotlib库的基本操作
魏小魏
02-07 875
matplotlib库丰富的绘图功能，具体如下： #绘图 import matplotlib.pyplot as plt #导入图像库 plt.rcParams['font.sans-serif'] = ['SimHei'] #设置中文标签 plt.rcParams['axes.unicode_minus'] = False #设置负号正常显示 plt.figure(figsize = (7,
Matplotlib基础操作（机器学习入门）
zjjaibc的博客
07-07 2763
Matplotlib基础操作（机器学习入门）
matplotlib基础操作与实例应用
09-23
matplotlib基础操作与实例应用
Python第三方库matplotlib基础操作
03-11
以下是对matplotlib库基础操作的详细说明： 首先，导入所需的库，通常我们会使用`import matplotlib.pyplot as plt`来简化后续的代码，同时可能还需要numpy库来处理数值计算，如`import numpy as np`。 基础用法：...
Numpy Pandas Matplotlib Seaborn基本操作
06-23
Numpy Pandas Matplotlib Seaborn都是进行机器学习数据分析的基本库。 NumPy（Numerical Python）是Python的一种开源的数值计算扩展。这种工具可用来存储和处理大型矩阵，比Python自身的嵌套列表（nested list ...
Python matplotlib基础操作
给时光以生命
02-20 1059
matplotlib基础操作
matplotlib常用操作
断点_C的博客
03-01 1292
matplotlib基本使用，比官方文档简单，当小字典工具使用
Matplotlib库的使用—初相识
m0_63596031的博客
07-12 575
Matplotlib是一个Python2D绘图库，能够以多种硬拷贝格式和跨平台的交互式环境生成出版物质量的图形，用来绘制各种静态、动态、交互式的图表可用于Python脚本，Python和IPython Shell、Jupyter notebook，Web应用程序服务器和各种图形用户界面工具包等。Matplotlib的图像是画在figure（如Windows、jupyter窗体）上的，每一个figure又包含了一个或多个axes（一个可以指定坐标系的子区域）。...
python画图库哪个好_机器学习基础5--python画图库matplotlib(上）
weixin_39633090的博客
11-24 79
图像是我们最直观的数据表达方式，python的matplotlib库可以用来画图。下面来简单总结下matplotlib的使用方法。上篇讲matplot画图中用到的基础对象，包括图像Figure，平面曲线Line2D，坐标轴Axes，图例Legend, 注解Annotation, 注释Text理解这些对象，有利于我们更好的用matplot画图。matplotlib 导入1import matplot...
matplotlib图表常用设置(四)
m0_62064241的博客
09-04 563
matplot图表常用设置
matplotlib设置图片边缘距离（left=0.1, right=0.9, top=0.9, bottom=0.1）
热门推荐
泉声洗心的专栏
04-11 3万+
import matplotlib.pyplot as plt plt.plot(whatever) plt.subplots_adjust(left=0.1, right=0.9, top=0.9, bottom=0.1)
Matplotlib基础使用（含实例）
weixin_60174400的博客
01-15 712
Matplotlib是Python中最常用的可视化工具之一，可以非常方便地创建海量类型地2D图表和一些基本的3D图表，可根据数据集（DataFrame，Series）自行定义x,y轴，绘制图形（线形图，柱状图，直方图，密度图，散布图等等），能够解决大部分的需要。
python之matplotlib为所欲为控制Y轴位置及边框线设置
Eli_change的博客
04-18 2802
前言：上次参加的OCALE全国电商大赛已经结束啦，感谢队友，获得了省三等奖，接下去准备参加ebay全国跨境电商大赛，希望取得好成绩。
【Python】matplotlib 设置图片的边框
weixin_44211968的博客
05-13 1万+
文章目录一、获取坐标轴1. 一个图的情况2. 获取子图的坐标轴二、边框线的设置参考链接 一、获取坐标轴 1. 一个图的情况 在matplotlib的图中，总共有四个轴：top、bottom、left和right。 可以通过ax = plt.gca()方法获取这四个轴，gca是 ‘get current axes’ 的缩写，获取图像的轴。 也可以通过 ax = plt.axes() 来获取。 2. 获取子图的坐标轴 在对子图进行操作时，也可以使用： fig=plt.figure() ax=fig
"构建机器学习基础：Python第三方库matplotlib的基本操作
在使用matplotlib进行基本操作时，可以通过导入matplotlib.pyplot模块来使用其基础用法，通过导入numpy模块，可以使用其生成数据的函数来进行数据的生成和处理。比如可以使用np.linspace函数来生成一个从-1到1的100...
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