Matplotlib基本操作

1.什么是Matplotlib

  matplotlib 是一个广泛使用的 Python 图形库，用于生成静态、动态和交互式的可视化图表。它最初由 John D. Hunter 创建，并首次发布于2003年。matplotlib 提供了一个面向对象的 API，允许用户创建多种类型的图表，包括线图、散点图、直方图、功率谱、条形图、误差图、饼图等。

  matplotlib 的核心特性包括：

  灵活性：用户可以控制线条样式、字体属性、布局调整等细节。
  输出格式：支持多种图形输出格式，如 PNG、PDF、SVG、EPS 和 PGF。 3 交互性：可以嵌入到 GUI 应用程序中，如 Tkinter、wxPython、Qt 等。
  兼容性：可以在多种操作系统上运行，包括 Windows、Mac OS 和 Linux。
  扩展性：可以通过各种插件和第三方库进行扩展，以实现更高级的功能。

  matplotlib 的主要组成部分包括：
  pyplot：这是一个类似于 MATLAB 的模块，提供了许多用于快速生成图表的函数。
  Artist API：这是一种更强大的面向对象接口，允许用户精确控制图表的每个细节。

Matplotlib is a comprehensive library for creating static, animated, and interactive visualizations in Python. Matplotlib makes easy things easy and hard things possible. --官方描述
https://matplotlib.org/stable/ --官网

2.Matplotlib安装

pip install matplotlib

3.作图

3.1.曲线图

import matplotlib.pyplot as plt
import numpy as np

# 创建数据
x = np.linspace(0, 10, 100)  # 生成从0到10的100个点
y = np.sin(x)  # 计算每个点的正弦值

# 绘制曲线图
plt.plot(x, y, label='sin(x)')

# 添加标题和轴标签
plt.title('Sine Wave')
plt.xlabel('X Axis')
plt.ylabel('Y Axis')

# 添加图例
plt.legend()

# 显示网格
plt.grid(True)

# 显示图表
plt.show()

3.2.折线图

import matplotlib.pyplot as plt

# 数据
months = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12]
sales = [1200, 1500, 1600, 1400, 1700, 1800, 2000, 2200, 2100, 1900, 2300, 2400]

# 创建折线图
plt.figure(figsize=(10, 5))
plt.plot(months, sales, marker='o', linestyle='-', color='b')

# 设置图表标题和坐标轴标签
plt.title('Monthly Sales Data')
plt.xlabel('Month')
plt.ylabel('Sales')

# 设置 x 轴刻度标签
plt.xticks(months)

# 显示网格
plt.grid(True)

# 显示图表
plt.show()

3.3.柱状图

import matplotlib.pyplot as plt

# 数据
months = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12]
sales = [1200, 1500, 1600, 1400, 1700, 1800, 2000, 2200, 2100, 1900, 2300, 2400]

# 创建柱状图
plt.figure(figsize=(10, 5))
plt.bar(months, sales, color='blue')

# 设置图表标题和坐标轴标签
plt.title('Monthly Sales Data')
plt.xlabel('Month')
plt.ylabel('Sales')

# 设置 x 轴刻度标签
plt.xticks(months)

# 显示网格
plt.grid(axis='y')

# 显示图表
plt.show()

3.4.热力图

import numpy as np
import seaborn as sns
import matplotlib.pyplot as plt

# 设置随机种子以确保每次运行的结果相同
np.random.seed(0)

# 创建一个5x5的随机矩阵
data = np.random.rand(5, 5)

# 使用seaborn库绘制热力图
plt.figure(figsize=(8, 6))
sns.heatmap(data, annot=True, fmt=".2f", cmap='coolwarm', cbar=True)
plt.title('Heatmap of Random Data')
plt.show()

3.5.箱线图

import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns

# 设置随机种子以确保每次运行的结果相同
np.random.seed(0)

# 创建两组随机数据
data_group1 = np.random.normal(loc=0.0, scale=1.0, size=100)
data_group2 = np.random.normal(loc=1.0, scale=1.0, size=100)

# 将数据合并到一个字典中，方便绘图
data_dict = {'Group 1': data_group1, 'Group 2': data_group2}

# 使用seaborn库绘制箱线图
plt.figure(figsize=(8, 6))
sns.boxplot(data=data_dict)
plt.title('Box Plot of Two Data Groups')
plt.ylabel('Value')
plt.xlabel('Groups')
plt.show()

3.6.3d图表

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

# 创建一个3D图形
fig = plt.figure(figsize=(10, 7))
ax = fig.add_subplot(111, projection='3d')

# 生成数据
u = np.linspace(0, 2 * np.pi, 100)
v = np.linspace(0, np.pi, 100)
u, v = np.meshgrid(u, v)
x = 10 * np.cos(u) * np.sin(v)
y = 10 * np.sin(u) * np.sin(v)
z = 10 * np.cos(v)

# 绘制3D表面图
surf = ax.plot_surface(x, y, z, cmap='viridis')

# 添加颜色条
fig.colorbar(surf, shrink=0.5, aspect=5)

# 设置坐标轴标签
ax.set_xlabel('X axis')
ax.set_ylabel('Y axis')
ax.set_zlabel('Z axis')

# 显示图形
plt.show()

3.7.动态图

import itertools

import matplotlib.pyplot as plt
import numpy as np

import matplotlib.animation as animation


def data_gen():
    for cnt in itertools.count():
        t = cnt / 10
        yield t, np.sin(2*np.pi*t) * np.exp(-t/10.)


def init():
    ax.set_ylim(-1.1, 1.1)
    ax.set_xlim(0, 1)
    del xdata[:]
    del ydata[:]
    line.set_data(xdata, ydata)
    return line,

fig, ax = plt.subplots()
line, = ax.plot([], [], lw=2)
ax.grid()
xdata, ydata = [], []


def run(data):
    # update the data
    t, y = data
    xdata.append(t)
    ydata.append(y)
    xmin, xmax = ax.get_xlim()

    if t >= xmax:
        ax.set_xlim(xmin, 2*xmax)
        ax.figure.canvas.draw()
    line.set_data(xdata, ydata)

    return line,

# Only save last 100 frames, but run forever
ani = animation.FuncAnimation(fig, run, data_gen, interval=100, init_func=init,
                              save_count=100)
plt.show()

4.保存图片

import matplotlib.pyplot as plt
import numpy as np

# 创建数据
x = np.linspace(0, 10, 100)
y = np.sin(x)

# 创建一个新的图形窗口
fig, ax = plt.subplots()

# 绘制折线图
ax.plot(x, y)

# 设置标题和坐标轴标签
ax.set_title('Sine Wave')
ax.set_xlabel('X-axis')
ax.set_ylabel('Y-axis')

# 保存图像
plt.savefig('sine_wave_plot.png')

# 显示图形
plt.show()

5.结语

  matplotlib是一个可视化python库，可以方便快捷的做出相对应的数据图表，不过可能风格偏科研，如果追求图表的炫酷美观，可以尝试Echarts等web图表。