Matplotlib数据可视化（4）— 折线图与散点图

最新推荐文章于 2024-04-10 22:46:05 发布

金戈鐡馬

最新推荐文章于 2024-04-10 22:46:05 发布

阅读量1.1k

点赞数

分类专栏： Python 文章标签：信息可视化 matplotlib python 数据可视化数据分析 Powered by 金山文档

本文链接：https://blog.csdn.net/qq_39312146/article/details/129773095

版权

Python 专栏收录该内容

47 篇文章 17 订阅

订阅专栏

前言

对于折线图的绘制，在之前博客的示例中都有使用，在面向对象绘图方法中，一般是创建axes实例后调用plot()方法实现折线图绘制，并通过传递各种参数实现对图像的设置。散点图的绘制通过axes实例的scatter()方法来实现。scatter()方法的参数和参数取值与绘制折线图的plot()方法基本一致，所以本文将两种图放在一起进行介绍。

from matplotlib import pyplot as plt
import numpy as np
import matplotlib as mpl
mpl.rcParams['font.sans-serif'] = ['SimHei']  # 中文字体支持

1、多图像绘制

在一个axes中，可以绘制多条折线图，秩序多次调用plot()或者scatter()方法即可。

x1 = np.linspace(0.0, 5.0, 10)
y1 = np.cos(2 * np.pi * x1) * np.exp(-x1)
fig, axes = plt.subplots(1, 2, figsize=(10, 3), tight_layout=True)

# 折线图
axes[0].set_title('图1 折 线 图')
axes[0].plot(x1, y1)
axes[0].plot(x1, y1+0.5)

# 散点图
axes[1].set_title('图2 散 点 图')
axes[1].scatter(x1, y1)
axes[1].scatter(x1, y1+0.5)
plt.show()

2、颜色

颜色通过color参数来设置，color参数的值可以使颜色的英文全称，例如'green'、'red'，也可以是简写，例如'g'表示'green'、'r表示'red'，一些常见颜色全称和简写如下所示。

'b' , blue

'g' , green

'r' , red

'c' , cyan

'm' , magenta

'y' , yellow

'k' , black

'w' , white

如果觉得这些常见的颜色不够用，设置可以用16进制字符来表示颜色。

x1 = np.linspace(0.0, 5.0, 10)
y1 = np.cos(2 * np.pi * x1) * np.exp(-x1)
fig, axes = plt.subplots(1, 2, figsize=(10, 3), tight_layout=True)

# 折线图
axes[0].set_title('图1 折 线 图')
axes[0].plot(x1, y1, color='red')  # 红色
axes[0].plot(x1, y1+0.5, color='g')  # 绿色
axes[0].plot(x1, y1+1, color='#008000')  # 也是绿色

# 散点图
axes[1].set_title('图2 散 点 图')
axes[1].scatter(x1, y1, color='red')  # 红色
axes[1].scatter(x1, y1+0.5, color='g')  # 绿色
axes[1].scatter(x1, y1+1, color='#008000')  # 也是绿色
plt.show()

3、图例

axes实例中提供了legend()方法用于添加图例，legend()方法会将元素的label字符串设置为图例，如下面的示例所示，有两种参数传递方式来设置label。除了label外，还可以传递loc参数来设置图例的位置，loc参数值可以使代表位置的字符串，也可以是对应的整数，其对应关系如下所示：

    ===============   =============
    Location String   Location Code
    ===============   =============
    'best'            0
    'upper right'     1
    'upper left'      2
    'lower left'      3
    'lower right'     4
    'right'           5
    'center left'     6
    'center right'    7
    'lower center'    8
    'upper center'    9
    'center'          10
    ===============   =============

x1 = np.linspace(0.0, 5.0, 10)
y1 = np.cos(2 * np.pi * x1) * np.exp(-x1)
fig, axes = plt.subplots(3, 2, figsize=(10, 8), tight_layout=True)

axes[0, 0].plot(x1, y1, label='线1')  # 传递label参数
axes[0, 0].plot(x1, y1+0.5, label='线2')  # 传递label参数
axes[0, 0].legend(loc='best')  # 默认就是best

axes[1, 0].plot(x1, y1, label='线1')  # 传递label参数
axes[1, 0].plot(x1, y1+0.5, label='线2')  # 传递label参数
axes[1, 0].legend(loc='lower right')

line1, = axes[2, 0].plot(x1, y1)  # 注意，等号前面有逗号
line2, = axes[2, 0].plot(x1, y1+0.5)
axes[2, 0].legend(handles=(line1, line2), labels=('线1', '线2'), loc='upper center')


axes[0, 1].scatter(x1, y1, label='第一组')  # 传递label参数
axes[0, 1].scatter(x1, y1+0.5, label='第二组')  # 传递label参数
axes[0, 1].legend(loc='best')  # 默认就是best

axes[1, 1].scatter(x1, y1, label='第一组')  # 传递label参数
axes[1, 1].scatter(x1, y1+0.5, label='第二组')  # 传递label参数
axes[1, 1].legend(loc='lower right')


group1 = axes[2, 1].scatter(x1, y1)   # 注意，等号前面没有逗号，这是与plot()方法不同的
group2 = axes[2, 1].scatter(x1, y1+0.5) 

axes[2, 1].legend(handles=(group1, group2), labels=('第一组', '第二组'), loc='upper center')

plt.show()

4、线型

通过传递linestyle或ls参数可以设置线型，参数包含一下几种取值：

   =============    ===============================
    character        description
    =============    ===============================
    '-'              实线（默认）
    '--'             长虚线
    '-.'             点划线
    ':'              虚线
    =============    ===============================

x1 = np.linspace(0.0, 5.0, 10)
y1 = np.cos(2 * np.pi * x1) * np.exp(-x1)
fig = plt.figure()
axes = fig.add_subplot(1, 1, 1)
axes.plot(x1, y1, color='black', label='-', ls='-')  # 默认线性就是'-'
axes.plot(x1, y1+0.5, color='green', label='--',ls='--')
axes.plot(x1, y1+1, color='blue',  label='-.', linestyle='-.')
axes.plot(x1, y1+1.5, color='red', label=':', ls=':')
axes.legend()
plt.show()

5标记(形状）

参数marker可以在图形中添加标记，标记参数值和对应的标记类型如下所示：

  =============    ===============================
    character        description
    =============    ===============================
    '.'              点
    ','              像素点
    'o'              圆
    'v'              向下三角形
    '^'              向上三角形
    '<'              向左三角形
    '>'              向右三角形
    '1'              向下T形
    '2'              向上T形
    '3'              向左T形
    '4'              向右T形
    's'              正方形
    'p'              五边形
    '*'              星型
    'h'              六边形1
    'H'              六边形2
    '+'              十字形
    'x'              x 形
    'D'              大菱形
    'd'              小菱形
    '|'              竖线
    '_'              横线
    =============    ===============================

x1 = np.linspace(0.0, 5.0, 10)
y1 = np.cos(2 * np.pi * x1) * np.exp(-x1)
fig, axes = plt.subplots(1, 2, figsize=(10, 3), tight_layout=True)

axes[0].plot(x1, y1, color='black', label='.', marker='.') 
axes[0].plot(x1, y1+0.5, color='green', label=',', marker=',')
axes[0].plot(x1, y1+1, color='blue',  label='o', marker='|')
axes[0].plot(x1, y1+1.5, color='red', label='v', marker='_')
axes[0].legend()

axes[1].scatter(x1, y1, color='black', label='.', marker='.') 
axes[1].scatter(x1, y1+0.5, color='green', label=',', marker=',')
axes[1].scatter(x1, y1+1, color='blue',  label='o', marker='|')
axes[1].scatter(x1, y1+1.5, color='red', label='v', marker='_')
axes[1].legend()
plt.show()

绘制折线图时，在传递了marker参数后，也可以通过以下参数进一步设置标记的样式：

markeredgecolor 或 mec : 边框颜色

markeredgewidth 或 mew ：边框粗细

markerfacecolor 或 mfc ：填充色

markersize 或 ms ：大小

x1 = np.linspace(0.0, 5.0, 10)
y1 = np.cos(2 * np.pi * x1) * np.exp(-x1)
fig = plt.figure()
axes = fig.add_subplot(1, 1, 1)
axes.plot(x1, y1, color='blue', label='线1', marker='*',markersize=15, markerfacecolor='green',markeredgecolor='red', markeredgewidth=3) # 线1
axes.plot(x1, y1+0.5, color='blue', label='线2', marker='*',markersize=15, markerfacecolor='green',markeredgecolor='red')   # 线2
axes.plot(x1, y1+1, color='blue', label='线3', marker='*',markersize=5, markerfacecolor='red')   # 线3
axes.plot(x1, y1+1.5, color='blue', label='线4',marker='*',markersize=10, markerfacecolor='red')   # 线4
axes.legend()
plt.show()

散点图修改点的样式时，参数与折线图有些许不同：

s : 大小

color 或 c : 填充色

alpha：透明度

linewidths：边框粗细

edgecolors：边框颜色

x1 = np.linspace(0.0, 5.0, 10)
y1 = np.cos(2 * np.pi * x1) * np.exp(-x1)
fig = plt.figure()
axes = fig.add_subplot(1, 1, 1)
axes.scatter(x1, y1, color='green', label='第一组', marker='*',s=105,edgecolors='red', linewidths=5)
axes.scatter(x1, y1+0.5, color='green', label='第二组', marker='*',s=15)
axes.scatter(x1, y1+1, color='blue', label='第三组', marker='*',s=5)
axes.scatter(x1, y1+1.5, color='blue', label='第四组',marker='*',s=10)
axes.legend()
plt.show()

6 显示坐标

显示坐标可以用添加text的方法实现：

x1 = [i*0.1 for i in range(0, 50, 5)]
y1 = [i*i for i in x1]
fig, axes = plt.subplots(1, 2, figsize=(10, 3), tight_layout=True)

axes[0].plot(x1, y1, color='red', label='.', marker='.')  # 默认线性就是'-'
axes[1].scatter(x1, y1, color='blue', label='.', marker='*')  # 默认线性就是'-'
for a, b in zip(x1, y1):  
    axes[0].text(a, b, (a,b),ha='left', va='top', fontsize=10) 
    axes[1].text(a, b, (a,b),ha='left', va='top', fontsize=10)
plt.show()

系列文章

Matplotlib数据可视化（1）— 入门介绍

Matplotlib数据可视化（2）— 三大容器对象与常用设置

Matplotlib数据可视化（3）— 文本与轴

Matplotlib数据可视化（4）— 折线图与散点图

Matplotlib数据可视化（5）— 柱状图与直方图

Matplotlib数据可视化（6）— 饼图与箱线图

Matplotlib数据可视化（7）— 图片展示与保存

金戈鐡馬

关注

0
点赞
踩
5

收藏

觉得还不错? 一键收藏
打赏
0
评论
Matplotlib数据可视化（4）— 折线图与散点图

对于折线图的绘制，在之前博客的示例中都有使用，在面向对象绘图方法中，一般是创建axes实例后调用plot()方法实现折线图绘制，并通过传递各种参数实现对图像的设置。散点图的绘制通过axes实例的scatter()方法来实现。scatter()方法的参数和参数取值与绘制折线图的plot()方法基本一致，所以本文将两种图放在一起进行介绍。mpl.rcParams['font.sans-serif'] = ['SimHei'] # 中文字体支持1、多图像绘制。
复制链接

扫一扫