python作图

python常用的还是数据分析，算法方面。作图用的很少，或者说在作图方面的优势不大，比如excel，matlab，origin就可以把图做得很好。

python中绘图要调用matplotlib包，使用比较灵活，在论文中也见过不少用的。

1.绘制常见的散点图，折线图，柱状图，以及常用的格式，区别只在于作图那一行的代码。

如：

import matplotlib.pyplot as plt
import matplotlib as mpl
import numpy as np

mpl.rcParams['font.sans-serif'] = ['SimHei']  # 指定默认字体
mpl.rcParams['axes.unicode_minus'] = False  # 解决保存图像是负号'-'显示为方块的问题

# 绘制散点图
x = np.random.randint(low=2, high=10, size=10)
y = np.random.randint(low=2, high=10, size=10)

#===============除了数据，区别就在于下一行代码==================
plt.scatter(x, y)  # 绘制散点图


# 绘制折线图，以sin函数为例
x = np.linspace(start=0, stop=30, num=300)
y = np.sin(x)
plt.plot(x, y)

# 绘制柱状图
plt.bar(x, y, width=0.5)


# 直方图
x = np.random.normal(loc=0, scale=1, size=1000)
plt.hist(x=x, bins=50)


plt.title("这是散点图")
plt.xlabel("x轴标签")
plt.ylabel("y轴标签")
plt.show()

2.形状，线型，颜色，透明度等属性可以对应调节，同样，只需要改一行代码中的部分字句即可。

plt.plot(x, y, color='r', marker='d', linestyle='--', linewidth=2, alpha=0.8)
plt.title('颜色：红，标记：棱形，线性：虚线，线宽：2，透明度：0.8')

颜色属性 r：红色 b：蓝色 g：绿色 y：黄色

数据标记属性 o：圆圈 .：圆点 d：菱形 

线型属性 --（两横线）：虚线 -（一横线）：实线

3.组合图、子图和动态图和常见图的区别在于设置句柄。一张图中有很多句柄，不同句柄对应不同的子图。

组合图是一张图上显示多幅图形，前后覆盖。思路：先画第一图，再画第二图......

import matplotlib.pyplot as plt
import matplotlib as mpl
import numpy as np

mpl.rcParams['font.sans-serif'] = ['SimHei']
mpl.rcParams['axes.unicode_minus'] = False

# 绘制正弦曲线，并修改图形属性
x1 = np.linspace(start=0, stop=30, num=300)
y1 = np.sin(x1)
x2 = np.random.randint(low=0, high=10, size=10)
y2 = np.random.randint(low=0, high=10, size=10) / 10

# 先绘制折线图，用蓝色
plt.plot(x1, y1, color='b', label='line plot')
# 再绘制散点图，用红色
plt.scatter(x2, y2, color='r', label='scatter plot')

plt.title("组合图")
plt.legend(loc='best')  # 显示图例
plt.show()

子图是把画板分为几部分，每一部分展示不同的子图。画图时用axi.plot()函数。axi是子图的句柄。

import matplotlib.pyplot as plt
import matplotlib as mpl
import numpy as np

mpl.rcParams['font.sans-serif'] = ['SimHei']
mpl.rcParams['axes.unicode_minus'] = False

fig = plt.figure(figsize=(10, 10))  # 指定画布大小

ax1 = fig.add_subplot(2, 2, 1)  # 添加一个子图，返回子图句柄
ax2 = fig.add_subplot(2, 2, 2)
ax3 = fig.add_subplot(2, 2, 3)
ax4 = fig.add_subplot(2, 2, 4)

# 子图1绘制sin图形
x = np.linspace(start=0, stop=30, num=300)
y = np.sin(x)
ax1.plot(x, y)
ax1.set_title('子图1')

# 子图2绘制散点图
x = np.random.randint(low=2, high=10, size=10)
y = np.random.randint(low=2, high=10, size=10)
ax2.scatter(x, y)  # 绘制散点图
ax2.set_title('子图2')

# 子图3绘制直方图
x = np.random.normal(loc=0, scale=1, size=1000)
ax3.hist(x=x, bins=50)
ax3.set_title('子图3')

# 子图4绘制组合图
x1 = np.linspace(start=0, stop=30, num=300)
y1 = np.sin(x1)
x2 = np.random.randint(low=0, high=10, size=10)
y2 = np.random.randint(low=0, high=10, size=10) / 10

# 绘制组合图
ax4.plot(x1, y1, color='b', label='line plot')
ax4.scatter(x2, y2, color='r', label='scatter plot')
ax4.set_title('子图4')

# 最后显示图形
plt.show()

三维图需要调用3D包（与上述调用的matplotlib包不同），同时需要指定3D图形，作图时指定的函数一样的。

# 3D曲线图
from mpl_toolkits.mplot3d import Axes3D
import numpy as np
import matplotlib.pyplot as plt

# 生成画布
fig = plt.figure()
ax = fig.gca(projection='3d')  # 指定为3D图形

# 生成(x,y,z)数据
theta = np.linspace(-4 * np.pi, 4 * np.pi, 100)
z = np.linspace(-2, 2, 100)
r = z ** 2 + 1
x = r * np.sin(theta)
y = r * np.cos(theta)

# 绘制图形
ax.plot(x, y, z)  # 曲线图和2D一样使用plot函数
plt.show()