Python实践：Pyplot绘图超简洁核心总结

来知晓

已于 2023-12-20 14:24:43 修改

阅读量2.4k

点赞数 1

分类专栏： Python世界文章标签： python 绘图

于 2022-04-25 20:15:39 首次发布

本文链接：https://blog.csdn.net/qq_17256689/article/details/124413300

版权

Python世界专栏收录该内容

15 篇文章 4 订阅

订阅专栏

Python绘图超简洁核心总结

兄弟们，Python啥也不会，如何画出一张最基本的图？相较其他文章，本文特色是体系化，搞清楚画图的来龙去脉，一文掌握画图的核心三板斧及高频操作。

入门阶段

天才第一步，首先应该问下：绘图的基本骨架是什么？

我认为，核心主要有：图幅、横纵坐标、曲线类型（曲线、散点、柱状）。

好开干，先导入对应的工具包：matplotlib

import matplotlib.pyplot as plt  	 # 绘图用
import numpy as np   				# 数据处理用

其次，准备好相关的横纵坐标数据x, y。

图源：ref1

那么如何用Python代码去实现对应功能呢？

基本流程：

横纵坐标数据
绘制图形
图片显示

对应函数：

plt.figure(num)
- 创建画板num，若无入参，则默认为1
- 返回对应画板句柄
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
- format_string:控制曲线的格式字符串，可选
- **kwargs:第二组或更多，(x,y,format_string)
- 注：当绘制多条曲线时，各条曲线的x不能省略
plt.show()
- 无入参，将plot绘制的曲线显示出来

示例：

import matplotlib.pyplot as plt
import numpy as np

x = list(range(32))  # x = [0, 31]
x = np.array(x)      # list转为numpy数组
y = x**2             # y = x^2

plt.figure(1)        # 新建一个画板
plt.plot(x, y)       # 格式控制等可以省略
plt.show()           # 结果显示

花式阶段

更进一步，过了雪中送炭阶段，来点锦上添花的东西。

花式操作：

曲线控制：颜色、粗细、实虚
图例、标题、横纵轴标签
网格线、坐标轴刻度范围
图片保存、关闭

对应函数：

xlabel(‘xx’)，横轴标签名
ylabel(‘yy’)，纵轴标签名
title(‘title’)，图标题
legend(‘曲线说明’)，添加图例说明不同曲线
axis([xmin, xmax, ymin, ymax]) ，同时控制xy轴的范围
- xlim([xmin, xmax])，单独控制x轴的范围
- ylim([ymin, ymax])，单独控制y轴的范围
grid()，显示网格线
savefig(‘path with filename’)，保存当前figure画板中的图
close(fig1)，关闭画板，通过figure()函数返回的句柄

实战DEMO

import matplotlib.pyplot as plt      # 绘图用
import numpy as np                   # 数据处理用
import math as mt                    # 数学运算


def data_generation(max_val, band_num):
    freq = range(max_val)
    max_val_lg = mt.log10(max_val)
    band_interval = max_val_lg / band_num
    bands = []
    for i in range(band_num):
        tmp = mt.pow(10, i * band_interval) - 1
        val = int(tmp)
        if val < i:
            val = i
        bands.append(val)
    return bands


def plot_basic(x, y):
    plt.figure(1)
    plt.plot(x, y)
    plt.show()


def plot_advance(x, y0, y1):
    fig2 = plt.figure(2)
    # color: 'r/b/y/k/g'，红、蓝、黄、黑、绿
    # marker: 'o/.'，大圆点、小点，表征显示描点，一般默认即可
    # linestyle: 'solid/--, dashed/-, dotted, -.'，实线，虚线，点虚线，点划线
    l1 = plt.plot(x, y0, color='r',marker='o', linestyle='dashed', label='Me')   # 返回结果为对线操作的句柄
    l2 = plt.plot(x, y1, color='k',marker='.', linestyle='--', label='You')        # 黑色，linestye: -, --实线, 

    
    plt.xlabel('time/day')                   # 显示横轴说明
    plt.ylabel('salary/dollar')              # 显示纵轴说明
    plt.title('The change of salary')
    plt.legend()                             # 显示图例，即每条线对应 label 中的内容
#     plt.axis([-1, 33, -1, 480])            # [xmin, xmax, ymin, ymax]
    plt.xlim(-1, 33)                         # 或单独设置
    plt.ylim(-1, 280)
#     plt.grid()                             # 显示网格背景
    plt.grid(linestyle='--')
    plt.show()
#    plt.savefig('./salary.jpg')
    fig2.savefig('./salary.jpg')
    # plt.close(fig2)
    
    
if __name__ == "__main__":
    y0 = range(30)                           # 刻画下理想中30天日薪增长情况
    y1 = data_generation(480, 30)
    x  = range(30)
    
    print('start processing...')
    plot_basic(x, y1)
    plot_advance(x, y0, y1)
    print('done!')