Matplotlib绘制各类图像（折线图，曲线图...）-画图的神

Matplotlib简介

Matplotlib是一个Python工具箱，用于科学计算的数据可视化。借助它，Python可以绘制如Matlab和Octave多种多样的数据图形。最初是模仿了Matlab图形命令, 但是与Matlab是相互独立的,通过Matplotlib中简单的接口可以快速的绘制2D图表

初试Matplotlib

Matplotlib中的pyplot子库提供了和matlab类似的绘图API.

import matplotlib.pyplot as plt   #导入pyplot子库
plt.figure(figsize=(8, 4))  #创建一个绘图对象, 并设置对象的宽度和高度, 如果不创建直接调用plot, Matplotlib会直接创建一个绘图对象
plt.plot([1, 2, 3, 4])  #此处设置y的坐标为[1, 2, 3, 4], 则x的坐标默认为[0, 1, 2, 3]在绘图对象中进行绘图, 可以设置label, color和linewidth关键字参数
plt.ylabel('some numbers')  #给y轴添加标签, 给x轴加标签用xlable
plt.title("hello");  #给2D图加标题
plt.show()  #显示2D图

 

基础绘图

绘制折线图

与所选点的坐标有关

# -*- coding: utf-8 -*-
#!/usr/bin/env python
import numpy as np
import matplotlib.pyplot as plt
x = [0, 1, 2, 4, 5, 6]
y = [1, 2, 3, 2, 4, 1]
plt.plot(x, y, '-*r')  # 虚线, 星点, 红色
plt.xlabel("x-axis")
plt.ylabel("y-axis")
plt.show()

多线图
只需要在plot函数中传入多对x-y坐标对就能画出多条线

 

# -*- coding: utf-8 -*-
#!/usr/bin/env python
import numpy as np
import matplotlib.pyplot as plt
x = [0, 1, 2, 4, 5, 6]
y = [1, 2, 3, 2, 4, 1]
z = [1, 2, 3, 4, 5, 6]
plt.plot(x, y, '--*r', x, z, '-.+g')
plt.xlabel("x-axis")
plt.ylabel("y-axis")
plt.title("hello world")
plt.show()

 

柱状图

# -*- coding: utf-8 -*-
#!/usr/bin/env python
import numpy as np
import matplotlib.pyplot as plt
x = [0, 1, 2, 4, 5, 6]
y = [1, 2, 3, 2, 4, 1]
z = [1, 2, 3, 4, 5, 6]
plt.bar(x, y)
plt.xlabel("x-axis")
plt.ylabel("y-axis")
plt.show()

 

子图

subplot()函数指明numrows行数, numcols列数, fignum图个数. 图的个数不能超过行数和列数之积

 

# -*- coding: utf-8 -*-
#!/usr/bin/env python
import numpy as np
import matplotlib.pyplot as plt
x = [0, 1, 2, 4, 5, 6]
y = [1, 2, 3, 2, 4, 1]
z = [1, 2, 3, 4, 5, 6]
plt.figure(1)
plt.subplot(211)
plt.plot(x, y, '-+b')
plt.subplot(212)
plt.plot(x, z, '-.*r')
plt.show()

 

文本添加

当需要在图片上调价文本时需要使用text()函数, 还有xlabel(), ylabel(), title()函数

text()函数返回matplotlib.text.Text, 函数详细解释

 

# -*- coding: utf-8 -*-
#!/usr/bin/env python
import numpy as np
import matplotlib.pyplot as plt
x = [0, 1, 2, 4, 5, 6]
y = [1, 2, 3, 2, 4, 1]
plt.plot(x, y, '-.*r')
plt.text(1, 2, "I'm a text")  //前两个参数表示文本坐标, 第三个参数为要添加的文本
plt.show()

 

图例简介
legend()函数实现了图例功能, 他有两个参数, 第一个为样式对象, 第二个为描述字符

 

# -*- coding: utf-8 -*-
#!/usr/bin/env python
import numpy as np
import matplotlib.pyplot as plt
line_up, = plt.plot([1,2,3], label='Line 2')
line_down, = plt.plot([3,2,1], label='Line 1')
plt.legend(handles=[line_up, line_down])
plt.show()

或者调用set_label()添加图例

 

# -*- coding: utf-8 -*-
#!/usr/bin/env python
import numpy as np
import matplotlib.pyplot as plt
line, = plt.plot([1, 2, 3])
line.set_label("Label via method")
plt.legend()
plt.show()

 

同时对多条先添加图例

 

# -*- coding: utf-8 -*-
#!/usr/bin/env python
import numpy as np
import matplotlib.pyplot as plt
line1, = plt.plot([1, 2, 3])
line2, = plt.plot([3, 2, 1], '--b')
plt.legend((line1, line2), ('line1', 'line2'))
plt.show()

散点图和折线图是数据分析中最常用的两种图形。其中，折线图用于分析自变量和因变量之间的趋势关系，最适合用于显示随着时间而变化的连续数据，同时还可以看出数量的差异，增长情况。

Matplotlib 中绘制散点图的函数为 plot() ，使用语法如下：matplotlib.pyplot.plot(*args, scalex=True, scaley=True, data=None, **kwargs)

常用参数及说明：

 

参数	接收值	说明	默认值
x，y	array	表示 x 轴与 y 轴对应的数据；	无
color	string	表示折线的颜色；	None
marker	string	表示折线上数据点处的类型；	None
linestyle	string	表示折线的类型；	-
linewidth	数值	线条粗细：linewidth=1.=5.=0.3	1
alpha	0~1之间的小数	表示点的透明度；	None
label	string	数据图例内容：label=‘实际数据'	None

 

其他参数请参考文档：https://matplotlib.org/api/_as_gen/matplotlib.pyplot.plot.html

基本用法

import pandas as pd

import matplotlib.pyplot as plt

  

#读取数据

datafile = u'D:\\pythondata\\learn\\matplotlib.xlsx'

data = pd.read_excel(datafile)

  

plt.figure(figsize=(10,5))#设置画布的尺寸

plt.title('Examples of line chart',fontsize=20)#标题，并设定字号大小

plt.xlabel(u'x-year',fontsize=14)#设置x轴，并设定字号大小

plt.ylabel(u'y-income',fontsize=14)#设置y轴，并设定字号大小

  

#color：颜色，linewidth：线宽，linestyle：线条类型，label：图例，marker：数据点的类型

plt.plot(data['时间'],data['收入_Jay'],color="deeppink",linewidth=2,linestyle=':',label='Jay income', marker='o')

plt.plot(data['时间'],data['收入_JJ'],color="darkblue",linewidth=1,linestyle='--',label='JJ income', marker='+')

plt.plot(data['时间'],data['收入_Jolin'],color="goldenrod",linewidth=1.5,linestyle='-',label='Jolon income', marker='*')

  

plt.legend(loc=2)#图例展示位置，数字代表第几象限

plt.show()#显示图像

在交互环境中查看帮助文档：

1 2	import matplotlib.pyplot as plt help(plt.plot)

以下是对帮助文档重要部分的翻译：

plot函数的一般的调用形式：

1 2 3 4

#单条线： plot([x], y, [fmt], data=None, **kwargs) #多条线一起画 plot([x], y, [fmt], [x2], y2, [fmt2], ..., **kwargs)

可选参数[fmt] 是一个字符串来定义图的基本属性如：颜色（color），点型（marker），线型（linestyle），

具体形式  fmt = '[color][marker][line]'

fmt接收的是每个属性的单个字母缩写，例如：

1	plot(x, y, 'bo-') # 蓝色圆点实线

若属性用的是全名则不能用*fmt*参数来组合赋值，应该用关键字参数对单个属性赋值如：

1 2 3

plot(x,y2,color='green', marker='o', linestyle='dashed', linewidth=1, markersize=6)   plot(x,y3,color='#900302',marker='+',linestyle='-')

常见的颜色参数：**Colors**

也可以对关键字参数color赋十六进制的RGB字符串如 color='#900302'

1 2 3 4 5 6 7 8 9 10 11 12

============= =============================== character  color ============= =============================== ``'b'``   blue 蓝 ``'g'``   green 绿 ``'r'``   red 红 ``'c'``   cyan 蓝绿 ``'m'``   magenta 洋红 ``'y'``   yellow 黄 ``'k'``   black 黑 ``'w'``   white 白 ============= ===============================

点型参数**Markers**,如：marker='+' 这个只有简写，英文描述不被识别

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26

============= ===============================  character  description  ============= ===============================  ``'.'``   point marker  ``','``   pixel marker  ``'o'``   circle marker  ``'v'``   triangle_down marker  ``'^'``   triangle_up marker  ``'<'``   triangle_left marker  ``'>'``   triangle_right marker  ``'1'``   tri_down marker  ``'2'``   tri_up marker  ``'3'``   tri_left marker  ``'4'``   tri_right marker  ``'s'``   square marker  ``'p'``   pentagon marker  ``'*'``   star marker  ``'h'``   hexagon1 marker  ``'H'``   hexagon2 marker  ``'+'``   plus marker  ``'x'``   x marker  ``'D'``   diamond marker  ``'d'``   thin_diamond marker  ``'|'``   vline marker  ``'_'``   hline marker  ============= ===============================

线型参数**Line Styles**，linestyle='-'

1 2 3 4 5 6 7 8

============= =============================== character  description ============= =============================== ``'-'``   solid line style 实线 ``'--'``   dashed line style 虚线 ``'-.'``   dash-dot line style 点画线 ``':'``   dotted line style 点线 ============= ===============================

以下三个样例转载于https://blog.csdn.net/sinat_36219858/article/details/79800460

样例1

函数原型：matplotlib.pyplot.plot(*args, scalex=True, scaley=True, data=None, **kwargs)

1	>>> plot('xlabel', 'ylabel', data=obj)

解释：All indexable objects are supported. This could e.g. be a dict, a pandas.DataFame or a structured numpy array.

data 参数接受一个对象数据类型，所有可被索引的对象都支持，如 dict 等

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34

import matplotlib.pyplot as plt import numpy as np '''read file fin=open("para.txt") a=[] for i in fin:  a.append(float(i.strip())) a=np.array(a) a=a.reshape(9,3) ''' a=np.random.random((9,3))*2 #随机生成y    y1=a[0:,0] y2=a[0:,1] y3=a[0:,2]    x=np.arange(1,10)    ax = plt.subplot(111) width=10 hight=3 ax.arrow(0,0,0,hight,width=0.01,head_width=0.1, head_length=0.3,length_includes_head=True,fc='k',ec='k') ax.arrow(0,0,width,0,width=0.01,head_width=0.1, head_length=0.3,length_includes_head=True,fc='k',ec='k')    ax.axes.set_xlim(-0.5,width+0.2) ax.axes.set_ylim(-0.5,hight+0.2)    plotdict = { 'dx': x, 'dy': y1 } ax.plot('dx','dy','bD-',data=plotdict)    ax.plot(x,y2,'r^-') ax.plot(x,y3,color='#900302',marker='*',linestyle='-')    plt.show()

样例2，

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19

import matplotlib.pyplot as plt import numpy as np    x = np.arange(0, 2*np.pi, 0.02) y = np.sin(x) y1 = np.sin(2*x) y2 = np.sin(3*x) ym1 = np.ma.masked_where(y1 > 0.5, y1) ym2 = np.ma.masked_where(y2 < -0.5, y2)    lines = plt.plot(x, y, x, ym1, x, ym2, 'o') #设置线的属性 plt.setp(lines[0], linewidth=1) plt.setp(lines[1], linewidth=2) plt.setp(lines[2], linestyle='-',marker='^',markersize=4) #线的标签 plt.legend(('No mask', 'Masked if > 0.5', 'Masked if < -0.5'), loc='upper right') plt.title('Masked line demo') plt.show()

例3 ：圆

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23

import numpy as np import matplotlib.pyplot as plt    theta = np.arange(0, 2*np.pi, 0.01) xx = [1,2,3,10,15,8] yy = [1,-1,0,0,7,0] rr = [7,7,3,6,9,9]    fig = plt.figure() axes = flg.add_subplot(111)    i = 0 while i < len(xx):  x = xx[i] + rr[i] *np.cos(theta)  x = xx[i] + rr[i] *np.cos(theta)  axes.plot(x,y)  axes.plot(xx[i], yy[i], color='#900302', marker='*')   i = i+1 width = 20 hight = 20 axes.arrow(0,0,0,hight,width=0.01,head_width=0.1,head_length=0.3,fc='k',ec='k') axes.arrow(0,0,width,0,width=0.01,head_width=0.1,head_length=0.3,fc='k',ec='k') plt.show()