一网打尽Matplotlib Pyplot画图(pycharm版)

qq_57867224

已于 2024-08-25 10:20:42 修改

阅读量1k

点赞数 14

文章标签： matplotlib pycharm

于 2024-08-25 02:13:08 首次发布

本文链接：https://blog.csdn.net/qq_57867224/article/details/141505334

版权

pyplot是Matplotlib的子库，提供了和Matlib类似的接口,能很方便用户绘制2D图表。

Pyplot 包含一系列绘图的相关函数，每个函数根据数据绘画出对应图像，也可以对当前的图像进行一些修改，例如：给图像加上标记，生新的图像，在图像中产生新的绘图区域等等。

首先使用import 导入pyplot库，并给出一个方便引用的别名plt.

import matplotlib.pyplot as plt

常用的绘图函数包括：

plot()：用于绘制线图和散点图
scatter()：用于绘制散点图
bar()：用于绘制垂直条形图和水平条形图
hist()：用于绘制直方图
pie()：用于绘制饼图

除了这些基本的函数，pyplot 还提供了很多其他的函数，例如用于设置图表属性的函数、用于添加文本和注释的函数、用于保存图表到文件的函数等等。

在画图过程中报错,如AttributeError: module 'backend_interagg' has no attribute 'FigureCanvas'

导入

import matplotlib
matplotlib.use('TkAgg')  # 必须在导入 matplotlib.pyplot 之前设置
import matplotlib.pyplot as plt

画图可能出现中文乱码

plt.rcParams['font.sans-serif']=['SimHei']
plt.rcParams['axes.unicode_minus']=False
plt.rcParams.update({'font.size': 20})

`1.直线，折线，曲线，散点图`

import matplotlib.pyplot as plt
import numpy as np

xpoints = np.array([0, 7])
ypoints = np.array([0, 60])

plt.plot(xpoints, ypoints)
plt.show()

如果只想绘制两个坐标点，可以使用 o 参数，表示一个实心圈的标记。

即用plt.plot(xpoints, ypoints, 'o')替换plt.plot(xpoints, ypoints)

如果绘制一条不规则线，坐标为 (1, 6) 、 (2, 3) 、(4, 7) 、(5, 0)，对应的两个数组为：[1, 2, 3, 4] 与 [6, 3, 7, 0]。

x = np.array([1, 2, 3, 4])
y = np.array( [6, 3, 7, 0])
plt.plot(x, y,linestyle='--',marker='o')#‘--’表示虚线   绘图标记 marker='o'
plt.show()

标记	符号	描述
"."		点
","		像素点
"o"		实心圆
"v"		下三角
"^"		上三角
"<"		左三角
">"		右三角
"1"		下三叉
"2"		上三叉
"3"		左三叉
"4"		右三叉
"8"		八角形
"s"		正方形
"p"		五边形
"P"		加号（填充）
"*"		星号
"h"		六边形 1
"H"		六边形 2
"+"		加号
"x"		乘号 x
"X"		乘号 x (填充)
"D"		菱形
"d"		瘦菱形
"\|"		竖线
"_"		横线
0 (TICKLEFT)		左横线
1 (TICKRIGHT)		右横线
2 (TICKUP)		上竖线
3 (TICKDOWN)		下竖线
4 (CARETLEFT)		左箭头
5 (CARETRIGHT)		右箭头
6 (CARETUP)		上箭头
7 (CARETDOWN)		下箭头
8 (CARETLEFTBASE)		左箭头 (中间点为基准)
9 (CARETRIGHTBASE)		右箭头 (中间点为基准)
10 (CARETUPBASE)		上箭头 (中间点为基准)
11 (CARETDOWNBASE)		下箭头 (中间点为基准)
"None", " " or ""		没有任何标记
'$...$'		渲染指定的字符。例如 "$f$" 以字母 f 为标记。

绘制一个正弦和余弦图，在 plt.plot() 参数中包含两对 x,y 值，第一对是 x,y，这对应于正弦函数，第二对是 x,z，这对应于余弦函数。

x1 = np.linspace(0, 15, 100)
y1 = np.sin(x1)
y2 = np.cos(x1)

plt.plot(x1, y1, color="blue", linewidth=2,linestyle='--')
plt.plot(x1, y2, color="red", linewidth=2,linestyle='-.')

linestyle的类型： '-', '--', '-.', ':', 'None', ' ', '', 'solid', 'dashed', 'dashdot', 'dotted'

网格线

x = np.array([1, 2, 3, 4])
y = np.array( [6, 3, 7, 0])
plt.title("X-Y")#标题
plt.xlabel('x轴')
plt.ylabel('y轴')
plt.plot(x, y,linestyle='--',marker='o',color='green')#‘--’表示虚线
plt.grid(color = 'r', linestyle = '-.', linewidth = 0.5)
plt.show()

Matplotlib 绘制多图
subplot(nrows, ncols, index, **kwargs) 图的个数=nrows* ncols 当前为index图。

import matplotlib
matplotlib.use('TkAgg')  # 必须在导入 matplotlib.pyplot 之前设置
import matplotlib.pyplot as plt
import numpy as np
plt.rcParams['font.sans-serif']=['SimHei']
plt.rcParams['axes.unicode_minus']=False
plt.rcParams.update({'font.size': 10})


#plot 1:
x = np.array([1, 2, 3, 4])
y = np.array( [6, 3, 7, 0])

plt.subplot(1, 2, 1)
plt.title("X-Y")
plt.xlabel('x轴')
plt.ylabel('y轴')
plt.plot(x, y,linestyle='--',marker='o',color='green')#‘--’表示虚线
plt.grid(color = 'r', linestyle = '-.', linewidth = 0.5)
plt.title("plot 1")

#plot 2:
x1 = np.linspace(0, 15, 100)
y1 = np.sin(x1)
y2 = np.cos(x1)

plt.subplot(1, 2, 2)
plt.xlabel('x轴')
plt.ylabel('y轴')
plt.plot(x1, y1, color="blue", linewidth=2,linestyle='--')
plt.plot(x1, y2, color="red", linewidth=2,linestyle='dashdot')
plt.title("plot 2")

plt.suptitle("RUNOOB subplot Test")
plt.show()

散点图

plt.scatter(x, y, s=None, c=None, marker=None, cmap=None, norm=None, vmin=None, vmax=None, alpha=None, linewidths=None, *, edgecolors=None, plotnonfinite=False, data=None, **kwargs)

x,y为输入数据，

s为散点的大小，

c颜色，

marker同上讲解，

norm数据颜色亮度（0，1）

, vmin=None, vmax=None数据亮度设置，norm存在时，忽略

alpha：：透明度设置，0-1 之间，默认 None，即不透明。

linewidths：标记点的长度。

edgecolors：：颜色或颜色序列，默认为 'face'，可选值有 'face', 'none', None。

plotnonfinite：：布尔值，设置是否使用非限定的 c ( inf, -inf 或 nan) 绘制点。

import matplotlib
matplotlib.use('TkAgg')  # 必须在导入 matplotlib.pyplot 之前设置
import matplotlib.pyplot as plt
import numpy as np
plt.rcParams['font.sans-serif']=['SimHei']
plt.rcParams['axes.unicode_minus']=False
plt.rcParams.update({'font.size': 10})

x = np.array([1, 2, 3, 4,  5, 6,  7,  8, 9, 10, 9, 8, 7, 6, 5, 4, 3, 2, 1])
y = np.array([1, 4, 9, 16, 7, 11, 23, 18,12,23,14,15,1, 23, 21,11,6, 13,3])
sizes = np.array([20,50,100,200,500,1000,60,90,20,50,100,200,500,1000,60,90,100,200,500])
colors = np.array(["red","green","black","orange","purple","beige","cyan","magenta","red","green","black","orange"
                      ,"purple","beige","cyan","magenta","purple","beige","cyan"])
plt.title("RUNOOB Scatter Test")
plt.scatter(x, y,s=sizes,c=colors,alpha=0.4)
plt.show()
除了手动设置颜色，还可以通过颜色带设置，设置颜色条需要使用 cmap 参数，默认值为 'viridis'，之后颜色值设置为 0 到 100 的数组。

import matplotlib
matplotlib.use('TkAgg')  # 必须在导入 matplotlib.pyplot 之前设置
import matplotlib.pyplot as plt
import numpy as np
plt.rcParams['font.sans-serif']=['SimHei']
plt.rcParams['axes.unicode_minus']=False
plt.rcParams.update({'font.size': 10})
import matplotlib.pyplot as plt
import numpy as np

x = np.array([1, 2, 3, 4,  5, 6,  7,  8, 9, 10, 9, 8, 7, 6, 5, 4, 3, 2, 1])
y = np.array([1, 4, 9, 16, 7, 11, 23, 18,12,23,14,15,1, 23, 21,11,6, 13,3])
sizes = np.array([20,50,100,200,500,1000,60,90,20,50,100,200,500,1000,60,90,100,200,500])
colors = np.array([0,5,10,15,20,25,30,35,40,45,50,55,60,60,70,75,80,90,100])

plt.scatter(x, y, c=colors, cmap='afmhot_r',s=sizes,alpha=0.6)
plt.colorbar()#显示颜色条
plt.show()

其他的颜色带自查，举个栗子：

Blues

Blues_r

Greens

Greens_r

Reds

Reds_r

2.柱状图

plt.bar(x, height, width=0.8, bottom=None, *, align='center', data=None, **kwargs)

x：浮点型数组，柱形图的 x 轴数据。

height：浮点型数组，柱形图的高度。

width：浮点型数组，柱形图的宽度。

bottom：浮点型数组，底座的 y 坐标，默认 0。

align：柱形图与 x 坐标的对齐方式，'center' 以 x 位置为中心，默认值。 'edge'：将柱形图的左边缘与 x 位置对齐。要对齐右边缘的条形，可以传递负数的宽度值及 align='edge'。

**kwargs：：其他参数。

import matplotlib
matplotlib.use('TkAgg')  # 必须在导入 matplotlib.pyplot 之前设置
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif']=['SimHei']
plt.rcParams['axes.unicode_minus']=False
plt.rcParams.update({'font.size': 10})

import matplotlib.pyplot as plt
import numpy as np

x = np.array(["bar-1", "bar-2", "bar-3", "bar-4"])
y = np.array([12, 22, 6, 18])

plt.bar(x, y,  width=0.5,color = ["#4C5050","red","pink","#688B2F"],align='edge')
plt.show()

只要将plt.bar()改成plt.barh(),width改成height即可。

3.饼图

plt.pie(x, explode=None, labels=None, colors=None, autopct=None, pctdistance=0.6, shadow=False, labeldistance=1.1, startangle=0, radius=1, counterclock=True, wedgeprops=None, textprops=None, center=0, 0, frame=False, rotatelabels=False, *, normalize=None, data=None)[source]

x：浮点型数组或列表，用来绘制饼图的数据，表示每个扇形的面积。
explode：数组，表示各个扇形之间的间隔，默认值为0。
labels：列表，各个扇形的标签，默认值为 None。
colors：数组，表示各个扇形的颜色，默认值为 None。
autopct：设置饼图内各个扇形百分比显示格式，%d%% 整数百分比，%0.1f 一位小数， %0.1f%% 一位小数百分比， %0.2f%% 两位小数百分比。
labeldistance：标签标记的绘制位置，相对于半径的比例，默认值为 1.1，如 <1则绘制在饼图内侧。
pctdistance：：类似于 labeldistance，指定 autopct 的位置刻度，默认值为 0.6。
shadow：：布尔值 True 或 False，设置饼图的阴影，默认为 False，不设置阴影。
radius：：设置饼图的半径，默认为 1。
startangle：：用于指定饼图的起始角度，默认为从 x 轴正方向逆时针画起，如设定 =90 则从 y 轴正方向画起。
counterclock：布尔值，用于指定是否逆时针绘制扇形
默认为 True，即逆时针绘制，False 为顺时针。
wedgeprops ：字典类型，默认值 None。用于指定扇形的属性，比如边框线颜色、边框线宽度等。例如：wedgeprops={'linewidth':5} 设置 wedge 线宽为5。
textprops ：字典类型，用于指定文本标签的属性，比如字体大小、字体颜色等，默认值为 None。
center ：浮点类型的列表，用于指定饼图的中心位置，默认值：(0,0)。
frame ：布尔类型，用于指定是否绘制饼图的边框，默认值：False。如果是 True，绘制带有表的轴框架。
rotatelabels ：布尔类型，用于指定是否旋转文本标签，默认为 False。如果为 True，旋转每个 label 到指定的角度。
data：用于指定数据。如果设置了 data 参数，则可以直接使用数据框中的列作为 x、labels 等参数的值，无需再次传递。

import matplotlib
matplotlib.use('TkAgg')  # 必须在导入 matplotlib.pyplot 之前设置
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif']=['SimHei']
plt.rcParams['axes.unicode_minus']=False
plt.rcParams.update({'font.size': 10})

y = np.array([35, 25, 25, 15])

plt.pie(y,
        labels=['A','B','C','D'], # 设置饼图标签
        colors=["#d5695d", "#5d8ca8", "#65a479", "#a564c9"], # 设置饼图颜色
        explode=(0, 0.2, 0, 0), # 第二部分突出显示，值越大，距离中心越远
        autopct='%.2f%%', # 格式化输出百分比
        shadow=True, #阴影
        startangle=90
       )
plt.title("Pie Test")
plt.show()

4.直方图

plt.hist(x, bins=None, range=None, density=False, weights=None, cumulative=False, bottom=None, histtype='bar', align='mid', orientation='vertical', rwidth=None, log=False, color=None, label=None, stacked=False, **kwargs)

x：绘制直方图的数据，一个一维数组或列表。
bins：可选参数，表示直方图的箱数。默认为10。
range：表示直方图的值域范围，可以是一个二元组或列表。默认为None，即使用数据中的最小值和最大值。
density：表示是否将直方图归一化。默认为False，即直方图的高度为每个箱子内的样本数，而不是频率或概率密度。
weights：表示每个数据点的权重。默认为None。
cumulative：表示是否绘制累积分布图。默认为False。
bottom：表示直方图的起始高度。默认为None。
histtype：表示直方图的类型，可以是'bar'、'barstacked'、'step'、'stepfilled'等。默认为'bar'。
align：表示直方图箱子的对齐方式，可以是'left'、'mid'、'right'。默认为'mid'。
orientation：表示直方图的方向，可以是'vertical'、'horizontal'。默认为'vertical'。
rwidth：表示每个箱子的宽度。默认为None。
log：表示是否在y轴上使用对数刻度。默认为False。
color：表示直方图的颜色。
label：表示直方图的标签。
stacked：表示是否堆叠不同的直方图。默认为False。
**kwargs：可选参数，表示其他绘图参数

import matplotlib
matplotlib.use('TkAgg')  # 必须在导入 matplotlib.pyplot 之前设置
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif']=['SimHei']
plt.rcParams['axes.unicode_minus']=False
plt.rcParams.update({'font.size': 10})
import matplotlib.pyplot as plt
import numpy as np

# 生成一组随机数据
data = np.random.randn(100)
# 绘制直方图
plt.hist(data, bins=10, width=0.5,color='blue', alpha=0.8)
# 设置图表属性
plt.title('hist() Test')
plt.xlabel('Value')
plt.ylabel('Frequency')
# 显示图表
plt.show()

qq_57867224

关注

14
点赞
踩
28

收藏

觉得还不错? 一键收藏
0
评论
一网打尽Matplotlib Pyplot画图(pycharm版)

pyplot是Matplotlib的子库，提供了和Matlib类似的接口,能很方便用户绘制2D图表。Pyplot 包含一系列绘图的相关函数，每个函数根据数据绘画出对应图像，也可以对当前的图像进行一些修改，例如：给图像加上标记，生新的图像，在图像中产生新的绘图区域等等。首先使用import 导入pyplot库，并给出一个方便引用的别名plt.plot()scatter()bar()hist()pie()
复制链接

扫一扫