mofanpy-Matplotlib画图教程（一）：基本使用

最新推荐文章于 2024-09-01 23:12:17 发布
最新推荐文章于 2024-09-01 23:12:17 发布
阅读量314 收藏 1
点赞数
分类专栏： mofanpy-莫烦python学习笔记 文章标签： python matplotlib
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/qq_39330170/article/details/112545394
版权

Matplotlib官网：https://matplotlib.org/

Matplotlib基本使用

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(-1, 1, 50)
y = 2*x + 1
# y = x**2
plt.plot(x, y)
plt.show()

在这里插入图片描述

  • np.linspace：定义x的范围是(-1, 1)，个数为50。
  • 作图三部曲：
    • plt.figure(): 定义一个图像窗口
    • plt.plot(x,y): 画图
    • plt.show(): 显示

1. figure图像

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(-3, 3, 50)
y1 = 2*x + 1
y2 = x**2

plt.figure(num=3, figsize=(8, 5),)
plt.plot(x, y2)
plt.plot(x, y1, color='red', linewidth=1.0, linestyle='--')
plt.show()

在这里插入图片描述

  • plt.figure(num, figsize, dpi, facecolor, edgecolor, frameon, FigureClass, clear, …)：
    • num：编号；
    • figsize：窗口大小，(float, float)
    • dpi:分辨率
    • facecolor：背景颜色，default值是’white’
    • edgecolor：边框颜色，default值是’white’
    • frameon：bool型，是否绘制边框，default值是’True’
    • FigureClass：选择自定义的图实例
    • clear：bool型，是否清除图，default值是’False’
  • plt.plot(x, y1, color=‘red’, linewidth=1.0, linestyle=’–’)：
    • x,y1是两个数列，如果是直线还可以写成[x0,y0],[x1,y1]直线的两个坐标
    • color:颜色；
    • linewidth：线宽，float型；
    • linestyle：线的类型，’–'为虚线. '-‘为实线，’-.‘为虚点线，’:'为点线

tips : 关于颜色:
(1)可以使用全称：‘green’、‘white’…
(2)可以用颜色值：#008000
(3)可以用单个字母简写：
在这里插入图片描述

2. 设置坐标

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(-3, 3, 50)
y1 = 2*x + 1
y2 = x**2

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

# set x limits
plt.xlim((-1, 2))
plt.ylim((-2, 3))
plt.xlabel('I am x')
plt.ylabel('I am y')

在这里插入图片描述

  • 设置坐标的方法：
    plt.xlim((-1, 2))、plt.ylim((-2, 3))：设置x，y坐标的范围
    plt.xlabel(‘I am x’)、 plt.ylabel(‘I am y’)：设置坐标名称
# set new ticks
new_ticks = np.linspace(-1, 2, 5)
plt.xticks(new_ticks)
# set tick labels
plt.yticks([-2, -1.8, -1, 1.22, 3],
           ['$really\ bad$', '$bad$', '$normal$', '$good$', '$really\ good$'])
# to use '$ $' for math text and nice looking, e.g. '$\pi$'

在这里插入图片描述

  • 设置轴刻度
    方法一，均分数值刻度：plt.xticks( np.linspace(-1, 2, 5))
    方法二，非均分名字刻度：plt.yticks([-2, -1.8, -1, 1.22, 3], [r’$ 名称 $ ‘, r’ $ 名称 $ ‘, r’ $ normal $ ‘, r’ $ 名称 $ ‘, r’ $ 名称 $ '])
# gca = 'get current axis'
ax = plt.gca()
ax.spines['right'].set_color('green')
ax.spines['top'].set_color('blue')

在这里插入图片描述

  • 调整边框颜色：
    plt.gca:获取当前坐标轴信息；
    plt.gca.spines[ ]:设置边框：所有位置：right，left，top，bottom，both，default，none）；
    plt.gca.spines[ ].set_color:设置边框颜色：默认白色； 使用.spines设置边框。
ax.xaxis.set_ticks_position('bottom')
ax.spines['bottom'].set_position(('data', 0))
ax.yaxis.set_ticks_position('left')
ax.spines['left'].set_position(('data',0))
plt.show()

在这里插入图片描述

  • 调整坐标轴
    .xaxis.set_ticks_position：设置x坐标刻度数字或名称的位置：op，bottom，both，default，none.
    .spines.set_position：设置边框位置：y=0的位置；（位置所有属性：outward，axes，data）
    • axes: percentage of y axis
    • data: depend on y data

3. Legend图例

matplotlib 中的 legend 图例就是为了帮我们展示出每个数据对应的图像名称. 更好的让读者认识到你的数据结构.（右上角显示哪条线对应的是哪个数据）

  • 自动添加图例：plt.legend(loc=‘upper right’)
import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(-3, 3, 50)
y1 = 2*x + 1
y2 = x**2

plt.figure()
plt.xlim((-1, 2))
plt.ylim((-2, 3))

# set new sticks
new_sticks = np.linspace(-1, 2, 5)
plt.xticks(new_sticks)
# set tick labels
plt.yticks([-2, -1.8, -1, 1.22, 3],
           [r'$really\ bad$', r'$bad$', r'$normal$', r'$good$', r'$really\ good$'])
#---------------------------以下是新内容-----------------------------------#
# set line syles
l1, = plt.plot(x, y1, label='linear line')
l2, = plt.plot(x, y2, color='red', linewidth=1.0, linestyle='--', label='square line')
# 自动添加图例
plt.legend(loc='upper right')
plt.show()

在这里插入图片描述

tips：需要注意的是 l1, l2,要以逗号结尾, 因为plt.plot() 返回的是一个列表.

  • 手动添加图例：plt.legend(handles=[l1, l2], labels=[‘up’, ‘down’], loc=‘best’)
# 手动添加图例（可修改属性值）
plt.legend(handles=[l1, l2], labels=['up', 'down'],  loc='best')
# the "," is very important in here l1, = plt... and l2, = plt... for this step

在这里插入图片描述

tips：
（1）如果以上面这种形式添加 legend, 我们需要确保, 在上面的代码 plt.plot(x, y2, label=‘linear line’) 和 plt.plot(x, y1, label=‘square line’) 中有用变量 l1 和 l2 分别存储起来.
（2） loc参数有如下:
best：表示自动分配最佳位置，除此之外还有upper right 、upper left 、lower left 、 lower right、right、center left、center right、lower center 、upper center、 center

4. Annotation标注

当图线中某些特殊地方需要标注时，我们可以使用 annotation. matplotlib 中的 annotation 有两种方法， 一种是用 plt 里面的 annotate，一种是直接用 plt 里面的 text 来写标注.

import matplotlib.pyplot as plt
import numpy as np

# 绘制一根直线
x = np.linspace(-3, 3, 50)
y = 2*x + 1
plt.figure(num=1, figsize=(8, 5),)
plt.plot(x, y,)

# 移动坐标
ax = plt.gca()
ax.spines['right'].set_color('none')
ax.spines['top'].set_color('none')
ax.spines['top'].set_color('none')
ax.xaxis.set_ticks_position('bottom')
ax.spines['bottom'].set_position(('data', 0))
ax.yaxis.set_ticks_position('left')
ax.spines['left'].set_position(('data', 0))

#--------------------------以下是新内容：添加标注-----------------------#
#用常规方法画出辅助线
x0 = 1
y0 = 2*x0 + 1
plt.plot([x0, x0,], [0, y0,], 'k--', linewidth=2.5)
# set dot styles
plt.scatter([x0, ], [y0, ], s=50, color='b')

# 对这个点添加注释
plt.annotate(r'$2x+1=%s$' % y0, xy=(x0, y0), xycoords='data', xytext=(+30, -30),
             textcoords='offset points', fontsize=16,
             arrowprops=dict(arrowstyle='->', connectionstyle="arc3,rad=.2"))

# 添加注释text
plt.text(-3.7, 3, r'$This\ is\ the\ some\ text. \mu\ \sigma_i\ \alpha_t$',
         fontdict={'size': 16, 'color': 'r'})

在这里插入图片描述

  • 画点的方法plt.scatter()
    .scatter(x, y, s, c, marker,alpha, linewidths, edgecolors,…)
    • x,y 数据的位置
    • s 点的大小，默认为2
    • c 点的颜色
    • marker 标记样式，默认为0
  • 添加注释

    • 方法一：plt.annotate()
      .annotate(text, xy, *args, …)

      • text 注释文本
      • xy 要注释的点 例如（x0，y0）
      • xytext 放置文本的位置
      • xycoords 坐标系统，默认是data，是说基于数据的值来选位置
      • textcoords 位置的偏移值
      • arrowprops 用于在 xy 和 xytext 之间绘制 FancyArrowPatch 箭头的属性。dict, optional Dict 可选，其中arrowstyle（箭头属性）有这样几种：
        [外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-EeMOYFWw-1610451213740)(attachment:image.png)]
      • annotation_clip bool值，当注记点 xy 位于轴线区域外时是否裁剪绘制注记。

    • 方法二：plt.text()
      .text(x, y, s, fontdict, …)

      • xy 注释的位置
      • s 注释的文本
      • fontdict 文本属性
  • r’$$'格式
    • r’$ 2x+1=%s$’%y0 y0替代了中间的%s
    • r’$ This\ is\ the\ some\ text. \mu\ \sigma_i\ \alpha_t$’
      空格需要用到转字符\，注意带角标的罗马字母要如何写

5. tick 能见度

当图片中的内容较多，相互遮盖时，我们可以通过设置相关内容的透明度来使图片更易于观察。

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(-3, 3, 50)
y = 0.1*x

plt.figure()
plt.plot(x, y, linewidth=10, zorder=1)      # set zorder for ordering the plot in plt 2.0.2 or higher
plt.ylim(-2, 2)
ax = plt.gca()
ax.spines['right'].set_color('none')
ax.spines['top'].set_color('none')
ax.spines['top'].set_color('none')
ax.xaxis.set_ticks_position('bottom')
ax.spines['bottom'].set_position(('data', 0))
ax.yaxis.set_ticks_position('left')
ax.spines['left'].set_position(('data', 0))

#------------------------------------以下是新内容----------------------------------#
#对被遮挡的图像调节相关透明度
for label in ax.get_xticklabels() + ax.get_yticklabels():
    label.set_fontsize(12)
    label.set_bbox(dict(facecolor='white', edgecolor='none', alpha=0.8, zorder=2))
plt.show()

在这里插入图片描述

其中label.set_fontsize(12)重新调节字体大小，bbox设置目的内容的透明度相关参，facecolor调节 box 前景色，edgecolor 设置边框， 本处设置边框为无，alpha设置透明度。

知之之之
关注
专栏目录
mofanpy-Pytorch神经网络学习笔记（一）：基础知识
知之之之的博客
01-13 541
Pytorch官网：https://pytorch.org/ 莫烦python的pytorch教程的个人学习笔记，教程官网https://mofanpy.com/tutorials/machine-learning/torch/ Pytorch神经网络基础 1 用 Numpy 还是 Torch Torch 自称为神经网络界的 Numpy, 因为他能将 torch 产生的 tensor 放在 GPU 中加速运算 (前提是你有合适的 GPU), 就像 Numpy 会把 array 放在 CPU 中加速运..
关于plt.scatter()的使用
meini32的博客
08-24 1万+
【代码】关于plt.scatter()的使用。
python画散点图|scatter()函数小试牛刀（入门级教程）
最新发布
weixin_44855046的博客
09-01 864
python用scatter()函数画散点图，在matplotlib模块上，通过plt/pyplot和ax/axes模块调用scatter()子模块均成功输出散点图，两种散点图没有区别。
plt.scatter()详解
weixin_45048521的博客
08-02 6154
plt.scatter() 一般在代码中会以下列方式导入库：import matplotlib.pyplot as plt 函数的原型： matplotlib.pyplot.scatter(x, y, s=None, c=None, marker=None, cmap=None, norm=None, vmin=None, vmax=None, alpha=None, linewidths=None, verts=None, edgecolors=None, *, data=None, **kwargs)
PYthon——plt.scatter各参数详解
热门推荐
yuanCruise
03-29 40万+
  最近开始学习Python编程，遇到scatter函数，感觉里面的参数不知道什么意思于是查资料,最后总结如下： 1、scatter函数原型 2、其中散点的形状参数marker如下： 3、其中颜色参数c如下: 4、基本的使用方法如下： [python] view plain copy #导入必要的模块   import numpy as np   import mat...
Python画图之散点图（plt.scatter）
深度学习领域优质创作者，CSDN博客专家
09-15 3万+
散点图是可视化的一种常见形式
十二、python-Matplotlib画图详解
09-28
Python-Matplotlib画图详解 Matplotlib是一款功能强大的Python数据可视化库，它提供了一整套API，十分适合绘制图表，或修改图表的一些属性，如字体、标签、范围等。Matplotlib是一个Python的2D绘图库，它交互式环境...
matlab画图橙色代码-dsc-more-practice-with-matplotlib:dsc与matplotlib的更多实践
05-26
matlab画图橙色代码使用Matplotlib自定义可视化 介绍 在先前的课程中，我们对使用matplotlib进行绘图进行了快速介绍。 本课涵盖了使用更结构化的方法使用Python和matplotlib进行绘图。 在本节中，我们将研究用于创建...
matlab画图橙色代码-dsc-more-practice-with-matplotlib-sfo01-dtsc-ft-082420:使用M
05-26
matlab画图橙色代码使用Matplotlib自定义可视化 介绍 在先前的课程中，我们对使用matplotlib进行绘图进行了快速介绍。 本课涵盖了使用更结构化的方法使用Python和matplotlib进行绘图。 在本节中，我们将研究用于创建...
matlab画图橙色代码-dsc-more-practice-with-matplotlib-onl01-dtsc-sp-exp:使用Matp
05-26
matlab画图橙色代码使用Matplotlib自定义可视化 介绍 在先前的课程中，我们对使用matplotlib进行绘图进行了快速介绍。 本课涵盖了使用更结构化的方法使用Python和matplotlib进行绘图。 在本节中，我们将研究用于创建...
如何用代码对处理数据matlab-Introduction-to-matplotlib:matplotlib简介
05-22
基本上第一学期安装过Python的同学都含有Matplotlib和numpy这两个包，所以可以直接略过。 如果没有的，在去学习如何安装，也推荐使用pip安装管理python的其他包 II. Introduction 对于matplotlib来说，它的功能远远...
Python学习：plt.scatter()绘制随机颜色，随机大小标记点
weixin_43660403的博客
11-01 1380
虽然每次运行后的颜色随机变化，但不知为何生成的标记点颜色总是同色系，且配色不佳，貌似并非完全随机。学习“随机漫步”程序时将标记点试着进行颜色、大小随机设定，效果比较好。
机器学习:plt.scatter()函数
weixin_43597208的博客
05-22 1550
调用方法：plt.scatter(x, y, s, c, marker, cmap, norm, alpha, linewidths, edgecolorsl)cmap: 指定特定颜色图，该参数一般不用，有默认值。‘pentagram’ 或 ‘p’ 五角星（五角形）‘hexagram’ 或 ‘h’ 六角星（六角形）edgecolors: 设置散点边框的颜色。linewidths: 散点边框的宽度。‘diamond’ 或 ‘d’ 菱形。‘square’ 或 ‘s’ 方形。alpha: 散点的透明度。
matplotlib.pyplot.xlim()、ylim()、axis()结构及用法||参数详解
漫步量化
05-07 8万+
matplotlib.pyplot.xlim() 官方文档 matplotlib.pyplot.xlim(*args, **kwargs) 获取或者是设定x座标轴的范围，当前axes上的座标轴。 有两种参数输入方式 plt.xlim(num1, num2) plt.xlim(xmin=num1,xmax=num2) matplotlib.pyplot.ylim...
plt.scatter()函数的常见用法
Wwwwwww527的博客
11-20 1万+
plt.scatter（）函数用法一.scatter（）函数的定义二.scatter（）函数的用法 最近小阿奇码代码的时候遇见了plt.scatter（）函数，觉得挺有用，就总结下来和小伙伴一起分享 参考了原博主：链接: link. 一.scatter（）函数的定义 matplotlib.pyplot.scatter(x, y, s=None, c=None, marker=None, cmap=None, norm=None, vmin=None, vmax=None, alpha=None, linew
Python可视化——matplotlib.pyplot绘图的基本参数详解
qq_60471758的博客
01-30 4万+
python可视化基础matplotlib库的使用，主要讲解图像组成参数，有你意想不到
绘制散点图plt.scatter()
我是一只小嵩鼠
10-30 2249
绘制散点图
plt.scatter()函数使用
小C的博客
01-13 9055
【时间】2020.01.13 【题目】plt.scatter()函数使用 具体见：plt.scatter() matplotlib.pyplot.scatter(x, y, s=None, c=None, marker=None, cmap=None, norm=None, vmin=None, vmax=None, alpha=None, linewidths=None, verts=N...
Python数据可视化基础讲解
Python案例分享，B站视频教程：https://space.bilibili.com/523606542
07-21 1587
前言 本文的文字及图片来源于网络,仅供学习、交流使用,不具有任何商业用途,版权归原作者所有,如有问题请及时联系我们以作处理。 作者：爱数据学习社 首先，要知道我们用哪些库来画图? matplotlib python中最基本的作图库就是matplotlib，是一个最基础的Python可视化库，一般都是从matplotlib上手Python数据可视化，然后开始做纵向与横向拓展。 Seaborn 是一个基于matplotlib的高级可视化效果库，针对的点主要是数据挖掘和机器学习中的变量特征.
Python matplotlib 画图教程：实例代码详解
"这篇文章主要分享了使用Python的matplotlib库进行数据可视化的一些实例代码，包括绘制基本图形、多张图以及直方图的方法。适合初学者参考学习，以便掌握Python的数据绘图技能。" 在Python中，matplotlib是一个强大...
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