matplotlib基本绘图

最新推荐文章于 2022-10-02 14:41:03 发布
最新推荐文章于 2022-10-02 14:41:03 发布
阅读量363 收藏 1
点赞数
分类专栏： 数据可视化 文章标签： matplotlib基本属性 LaTex排版语法字符串 十字坐标系
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_42517220/article/details/103280087
版权

1. 水平、垂直线

from matplotlib import pyplot as plt

# 绘制垂直线
# vval:x轴坐标值, 可以给数组, 绘制多条
# ymin:垂直线最小值, 可以给数组
# ymax:垂直线最大值, 可以给数组
plt.vlines(vval, ymin, ymax)

# 绘制水平线
plt.hlines(xval, xmin, xmax)

2. 设置线型、线宽、颜色

# linestyle:线型 【"-", "--", ":", ".-"】
# linewidth:线宽 
# color:颜色:英文颜色单词、常见颜色英文单词首字母、#495434、或(255, 201, 204)、或(1, 1, 1, 1)最后的1代表透明度
# alpha:线条透明度:浮点值
plt.plot(xs, ys, linestyle='', linewidth=1, color='', alpha=0.5)

3. 设置坐标轴范围

  • 可以控制显示图形的某一部分
# x_limit_min:		<float>  x轴范围最小值
# x_limit_max:		<float>  x轴范围最大值
plt.xlim(x_limit_min, x_limit_max)

# y_limit_min:		<float>  y轴范围最小值
# y_limit_max:		<float>  y轴范围最大值
plt.ylim(y_limit_min, y_limit_max)

4. 设置坐标刻度及文本

# x_val_list: x轴刻度值序列
# x_test_list: x轴刻度标签文本序列【可选】
plt.xticks(x_val_list, x_test_list)

# y_val_list: y轴刻度值序列
# y_test_list: y轴刻度标签文本序列【可选】
plt.yticks(y_val_list, y_test_list)

5. 坐标刻度及文本特殊用法

  • laTex排版语法字符串
  • laTex标志 r原生字符关闭转义, $符开始, $符结束
r'$x^n+y^n=z^n$', r'$\int\frac{1}{x} dx = \ In |x| + C$', r'$-\frac{\pi}{2}$'

x n + y n = z n x^n+y^n=z^n xn+yn=zn

∫ 1 x d x =   I n ∣ x ∣ + C \int\frac{1}{x} dx = \ In |x| + C ∫x1​dx= In∣x∣+C

− π 2 -\frac{\pi}{2} −2π​
在这里插入图片描述
在这里插入图片描述

6. 设置坐标轴

  • 坐标轴名：left / right / bottom / top
# 获取当前坐标轴字典, {"left": 左轴, "right": 右轴, "bottom": 下轴, "top": 上轴}

ax = plt.gca()
# 获取其中某个坐标轴
axis = ax.spinex['坐标轴名']
# 设置坐标轴位置, 该方法需要传入2个元素作为参数
# type: <str> 移动坐标轴的参照类型  一般为 "data" (以数据的值作为移动参照物)
# val: 参照值
axis.set_position(('data', val))
# color: <str> 颜色字符串 'none' 透明
axis.set_color(color)
  • 案例：设置坐标轴至中心
import numpy as np
from matplotlib import pyplot as plt


# 绘制一条正弦曲线
# 从-Π到Π取1000个点
x = np.linspace(-np.pi, np.pi, 1000)
print(x.shape)

# 矢量化的sin方法将返回每个x对应的y
sinx = np.sin(x)
# 绘制一条余弦曲线
cosx = np.cos(x) / 2

# 绘制刻度
# plt.xticks([-np.pi, -np.pi / 2, 0, np.pi / 2, np.pi],
#            ['-Π', '-Π/2', '0', 'Π/2', 'Π'])
# 使用latex印刷排版处理数学公式，使其显示更加美观
plt.xticks([-np.pi, -np.pi / 2, 0, np.pi / 2, np.pi],
           [r'$-\pi$', r'$-\frac{\pi}{2}$', '0', r'$\frac{\pi}{2}$', r'$\pi$'])

plt.yticks([-1.0, -0.5, 0, 0.5, 1])

# 设置坐标轴
ax = plt.gca()
ax.spines['top'].set_color('none')
ax.spines['right'].set_color('none')
ax.spines['bottom'].set_position(('data', 0))
ax.spines['left'].set_position(('data', 0))

plt.plot(x, sinx)
plt.plot(x, cosx)
plt.show()

在这里插入图片描述

7. 图例

# label: <关键字参数 str> 支持LaTex排版语法字符串
plt.plot(xarray, yarray, ...., label="", ....)
# loc: 设置图例位置
"""
'best'			0		最合适
'upper right'   1		右上
'upper left'    2		左上
'lower left'	3		左下
'lower right'	4		右下
'right'			5		右
'center left'	6		左中
'center right'	7		右中
'lower center'	8		中下
'upper center'	9		中上
'center'		10		中
"""
plt.legend(loc='')
  • 构建十字坐标系
# -*- coding: utf-8 -*-
from __future__ import unicode_literals
from matplotlib import pyplot as plt


ax = plt.gca()
ax.spines['top'].set_color('none')
ax.spines['right'].set_color('none')

# 根据自己定义的坐标刻度来移动横纵坐标交汇点
# plt.xticks([-1.0, -0.5, 0, 0.5, 1])
# plt.yticks([-1.0, -0.5, 0, 0.5, 1])
# 使x轴交汇点为0
# ax.spines['bottom'].set_position(('data', 0))
# 使y轴交汇点为0
# ax.spines['left'].set_position(('data', 0))

# 根据系统生成的坐标轴将交汇点至于坐标平面中心
ax.spines['bottom'].set_position('center')
ax.spines['left'].set_position('center')

plt.show()

在这里插入图片描述

8. 特殊点

# xarray:<序列> 所有需要标注点的水平坐标组成的序列
# yarray:<序列> 所有需要标注点的垂直坐标组成的序列
plt.scatter(xarray, yarray,
			marker='',	# 点型 ~matplotlib.markers
			s='',		# 大小
			edgecolor='',	# 边缘色
			facecolor='',	# 填充色
			zorder=3,		# 绘制图层编号（编号越大，图层越靠上, 即点在线上方）
			label='',		# 如果有图例，会和图例显示在一起，可选
			)
  • 绘制当 x = 3π / 4 时两条曲线上的特殊点
import numpy as np
from matplotlib import pyplot as plt


# 绘制一条正弦曲线
# 从-Π到Π取1000个点
x = np.linspace(-np.pi, np.pi, 1000)
print(x.shape)

# 矢量化的sin方法将返回每个x对应的y
sinx = np.sin(x)
# 绘制一条余弦曲线
cosx = np.cos(x) / 2

# 绘制刻度
# plt.xticks([-np.pi, -np.pi / 2, 0, np.pi / 2, np.pi],
#            ['-Π', '-Π/2', '0', 'Π/2', 'Π'])
# 使用latex印刷排版处理数学公式，使其显示更加美观
plt.xticks([-np.pi, -np.pi / 2, 0, np.pi / 2, np.pi],
           [r'$-\pi$', r'$-\frac{\pi}{2}$', '0', r'$\frac{\pi}{2}$', r'$\pi$'])

plt.yticks([-1.0, -0.5, 0, 0.5, 1])

# 设置坐标轴
ax = plt.gca()
ax.spines['top'].set_color('none')
ax.spines['right'].set_color('none')
ax.spines['bottom'].set_position(('data', 0))
ax.spines['left'].set_position(('data', 0))

# 绘制特殊点
px = [3 / 4 * np.pi, 3 / 4 * np.pi]
py = [np.sin(px[0]), np.cos(px[0]) / 2]
plt.scatter(px, py, marker='o', s=70, edgecolor='red',
            facecolor='orange', zorder=3, label='Points')

plt.plot(x, sinx)
plt.plot(x, cosx)
plt.show()

在这里插入图片描述

  • marker可选项
    在这里插入图片描述

9. 备注

# 在图表中为某个点添加备注，包含备注文本，备注箭头等图像的设置
plt.annotate(
	r'$\frac{\pi}{2}$',		# 备注文本内容
	xycoords='data',		# 备注目标点所使用的坐标系（data表示数据坐标系）
	xy=(x, y),				# 备注目标坐标点
	textcoords='offset points', 	# 备注文本所使用的坐标系（offset points表示参照点的偏移坐标系）
	xytext=(x, y),			# 备注文本的坐标，参照为备注点坐标
	fontsize=14,			# 备注文本的字体大小
	arrowprops=dict()		# 使用字典定义文本指向目标带你的箭头样式 
)
  • arrowprops参数使用字典定义指向目标点的箭头样式
# arrowprops字典参数的常用key
arrowprops = dict(
	arrowstyle='',			# 定义箭头样式
	connectionstyle=''		# 定义连接线的样式
)
  • 箭头样式 (arrowstyle) 字符串如下
'-'		None
'->'	head_length=0.4, head_width=0.2
'-['	widthB=1.0, lengthB=0.2, angleB=None
'|-|'	widthA=1.0, widthB=1.0
'-|>'	head_length=0.4, head_width=0.2
'<-'	head_length=0.4, head_width=0.2
'<->'	head_length=0.4, head_width=0.2
'<|-'	head_length=0.4, head_width=0.2
'<|-|>'	head_length=0.4, head_width=0.2
'fancy'	head_length=0.4, head_width=0.4, tail_width=0.4
'simple'	head_length=0.5, head_width=0.5, tail_width=0.2
  • 连接线样式 (connectionstyle) 字符串样式
'angle'		angleA=90, angleB=0, rad=0.0
'angle3'	angleA=90, angleB=0
'arc'		angleA=0, angleB=0, armA=None, armB=None, rad=0.0
'arc3'		rad=0.0
'bar'		armA=0.0, armB=0.0, fraction=0.3, angle=None
  • 为特殊点添加备注
import numpy as np
from matplotlib import pyplot as plt


# 绘制一条正弦曲线
# 从-Π到Π取1000个点
x = np.linspace(-np.pi, np.pi, 1000)
print(x.shape)

# 矢量化的sin方法将返回每个x对应的y
sinx = np.sin(x)
# 绘制一条余弦曲线
cosx = np.cos(x) / 2

# 绘制刻度
# plt.xticks([-np.pi, -np.pi / 2, 0, np.pi / 2, np.pi],
#            ['-Π', '-Π/2', '0', 'Π/2', 'Π'])
# 使用latex印刷排版处理数学公式，使其显示更加美观
plt.xticks([-np.pi, -np.pi / 2, 0, np.pi / 2, np.pi],
           [r'$-\pi$', r'$-\frac{\pi}{2}$', '0', r'$\frac{\pi}{2}$', r'$\pi$'])

plt.yticks([-1.0, -0.5, 0, 0.5, 1])

# 设置坐标轴
ax = plt.gca()
ax.spines['top'].set_color('none')
ax.spines['right'].set_color('none')
ax.spines['bottom'].set_position(('data', 0))
ax.spines['left'].set_position(('data', 0))

# 绘制特殊点
px = [3 / 4 * np.pi, 3 / 4 * np.pi]
py = [np.sin(px[0]), np.cos(px[0]) / 2]
plt.scatter(px, py, marker='o', s=70, edgecolor='red',
            facecolor='orange', zorder=3, label='Points')

# 为特殊点添加备注
plt.annotate(r'$[\frac{3\pi}{4}, \frac{cos(\frac{3\pi}{4})}{2}]$',
             xycoords='data', xy=(3 / 4 * np.pi, np.cos(px[0]) / 2),
             textcoords='offset points', xytext=(-100, -60),
             fontsize=14,
             arrowprops=dict(
                arrowstyle='-|>',
                connectionstyle='arc3'
             ))

plt.plot(x, sinx)
plt.plot(x, cosx)
plt.show()

在这里插入图片描述

FatPuffer
关注
  • 0
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
利用numpy+matplotlib绘图的基本操作教程
09-21
主要给大家介绍了利用numpy+matplotlib绘图的基本操作，文中介绍的非常详细，对大家学习matplotlib绘图具有一定的参考学习价值，需要的朋友们下面来一起学习学习吧。
Python绘图
weixin_33991727的博客
08-21 685
各位工程师累了吗? 推荐一篇可以让你技术能力达到出神入化的网站"持久男" 1.二维绘图 a. 一维数据集 用 Numpy ndarray 作为数据传入 ply 1. import numpy as np import matplotlib as mpl import matplotlib.pyplot as plt np.random.seed(1000) y = np.random.stand...
matplotlib设置x轴和y轴 设置
Vertira的博客
10-02 1万+
matplotlib设置x轴和y轴 设置
Matplotlib（3、直方图） - plt.hist()参数解释&应用实例
热门推荐
weixin_45520028的博客
02-21 10万+
matplotlib画直方图 - plt.hist() 一、plt.hist()参数详解 简介： plt.hist()：直方图，一种特殊的柱状图。 将统计值的范围分段，即将整个值的范围分成一系列间隔，然后计算每个间隔中有多少值。 直方图也可以被归一化以显示“相对”频率。 然后，它显示了属于几个类别中的每个类别的占比，其高度总和等于1。 import matplotlib as mpl import matplotlib.pyplot as plt from matplotlib.pyplot import
matplotlib画图时调整子图的间距
qq_41422774的博客
09-20 1万+
利用的是 subplots_adjust(left=None, bottom=None, right=None, top=None,wspace=None, hspace=None) # 参数说明： top、bottom、left、right：整个图距离上下左右边框的距离 wspace、hspace：这个才是调整各个子图之间的间距 wspace：调整子图之间的横向间距 hspace：调整子图之间纵...
Matplotlab基本绘图操作
HPUZJH
06-06 944
import matplotlib.pyplot as plt import numpy as np plt.figure(1) plt.plot([1, 2, 3, 4], [1, 4, 9, 16]) plt.plot([1,2,3,4]) plt.ylabel('some numbers') plt.plot([1,2,3,4], [1,4,9,16], 'ro')#绘制散点图 plt.s...
matplotlib基本绘图函数
CSTGYinZong的博客
05-23 1990
matplotlib基本绘图函数折线图plot多坐标系（折线图为例）数学函数图像散点图 scatter柱状图 bar直方图 histogram直方图 histogram 折线图plot # 温度变化折线图 %matplotlib inline #在 Jupyter notebook 里面内嵌画图的 import matplotlib.pyplot as plt import random # 1、准备数据 x = range(60) y_shanghai = [random.uniform(15,18)
【 Matplotlib绘图】
m0_61796189的博客
09-24 4555
Matplotlib是Python中最常用的可视化工具之一，可以非常方便地创建海量类型的2D图表和一些基本的3D图表，可根据数据集（DataFrame，Series）自行定义x,y轴，绘制图形（线形图，柱状图，直方图，密度图，散布图等等），能够满足大部分需要。Matplotlib最早是为了可视化癫痫病人的脑皮层电图相关的信号而研发，因为在函数的设计上参考了MATLAB，所以叫做Matplotlib。官方文档：Matplotlib中最基础的模块是pyplot。
Matplotlib数据绘图作业.zip
04-24
1.Matplotlib中的基本图表包括的元素 x轴和y轴 水平和垂直的轴线 x轴和y轴刻度 刻度标示坐标轴的分隔，包括最小刻度和最大刻度 x轴和y轴刻度标签 表示特定坐标轴的值 绘图区域 实际绘图的区域 2.hold属性 hold属性...
matplotlib绘图基础汇总
12-24
matplotlib，matplotlib绘图基础汇总，matplotlib 是Python最著名的绘图库，它提供了一整套和matlab相似的命令API，十分适合交互式地进行制图。而且也可以方便地将它作为绘图控件，嵌入GUI应用程序中。它的文档相当...
Python数据分析实践：matplotlib绘图基本new.pdf
06-14
3.1.1 matplotlib基本绘图流程 Matplotlib是Python的流行绘图库，基于 NumPy和 tkinter(一个图形框架)二次开发，通过几行代码，就能绘制出折线图、散点图、直方图、饼状图 等各类专业图表，在科学计算结果可视化领域...
数据展现绘图模块（Matplotlib数据绘图）.zip
04-24
1.Matplotlib中的基本图表包括的元素 x轴和y轴 水平和垂直的轴线 x轴和y轴刻度 刻度标示坐标轴的分隔，包括最小刻度和最大刻度 x轴和y轴刻度标签 表示特定坐标轴的值 绘图区域 实际绘图的区域 2.hold属性 hold属性...
matplotlib.pyplot绘制多个折线图，并标注最大值和最小值
qq_38524083的博客
09-06 2万+
matplotlib.pyplot绘图实例编码目标一、选择图形类型二、编码实现1.引入库2.设置数据3.绘图4.问题扩展：如何在图上标出最大值和最小值点5. 说明 编码目标 假设通过爬虫你获取到了北京2016年3,10月份每天白天的最高气温(分别位于列表a,b),那么此时如何寻找出气温和随时间(天)变化的某种规律? a = [11,17,16,11,12,11,12,6,6,7,8,9,12,15,14,17,18,21,16,17,20,14,15,15,15,19,21,22,22,22,23] b
二级理论题（选择83+判断96）.xlsx
05-07
二级理论题（选择83+判断96）.xlsx
2024年中国超声非侵入式腐蚀检测传感器行业研究报告.docx
05-07
2024年中国超声非侵入式腐蚀检测传感器行业研究报告
设备OEE实践与教学知识
最新发布
05-07
设备自动化综合利用率实践，详细描述了OEE各方面的参数与应用，让设备自动化工厂利用此工具可以快速提高生产
tensorflow-gpu-2.2.3-cp37-cp37m-win-amd64.whl
05-07
python
server-jre-8u411-windows-x64.tar.gz
05-07
server-jre-8u411-windows-x64.tar.gz
node-v7.8.0-sunos-x64.tar.xz
05-07
Node.js，简称Node，是一个开源且跨平台的JavaScript运行时环境，它允许在浏览器外运行JavaScript代码。Node.js于2009年由Ryan Dahl创立，旨在创建高性能的Web服务器和网络应用程序。它基于Google Chrome的V8 JavaScript引擎，可以在Windows、Linux、Unix、Mac OS X等操作系统上运行。 Node.js的特点之一是事件驱动和非阻塞I/O模型，这使得它非常适合处理大量并发连接，从而在构建实时应用程序如在线游戏、聊天应用以及实时通讯服务时表现卓越。此外，Node.js使用了模块化的架构，通过npm（Node package manager，Node包管理器）,社区成员可以共享和复用代码，极大地促进了Node.js生态系统的发展和扩张。 Node.js不仅用于服务器端开发。随着技术的发展，它也被用于构建工具链、开发桌面应用程序、物联网设备等。Node.js能够处理文件系统、操作数据库、处理网络请求等，因此，开发者可以用JavaScript编写全栈应用程序，这一点大大提高了开发效率和便捷性。 在实践中，许多大型企业和组织已经采用Node.js作为其Web应用程序的开发平台，如Netflix、PayPal和Walmart等。它们利用Node.js提高了应用性能，简化了开发流程，并且能更快地响应市场需求。
matplotlib库基本绘图流程
05-18
matplotlib是Python中常用的绘图库，它提供了一系列绘图函数，可以绘制2D和3D图形。matplotlib库的基本绘图流程如下： 1. 导入库：导入matplotlib库，一般使用别名plt。 2. 准备数据：准备要绘制的数据，通常以列表或数组的形式提供。 3. 创建画布：使用plt.figure()函数创建一个画布，可以设置画布的大小、背景色等。 4. 添加子图：使用add_subplot()函数添加子图，可以设置子图的位置和大小。 5. 绘制图形：调用子图对象的绘图函数，如plot()、scatter()、bar()等，进行绘图。 6. 添加标签：添加标题、坐标轴标签、图例等。 7. 显示图形：使用plt.show()函数显示绘制的图形。 以下是一个简单的例子： ```python import matplotlib.pyplot as plt # 准备数据 x = [1, 2, 3, 4, 5] y = [1, 4, 9, 16, 25] # 创建画布 plt.figure(figsize=(6, 4), dpi=80) # 添加子图 ax = plt.subplot(111) # 绘制图形 ax.plot(x, y, '-o', label='y=x^2') # 添加标签 ax.set_title('y=x^2') ax.set_xlabel('x') ax.set_ylabel('y') ax.legend(loc='upper left') # 显示图形 plt.show() ``` 输出的结果是一条折线，表示y=x^2的函数图像。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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