python画图的模块_python强大的绘图模块matplotlib示例讲解

Matplotlib 是 Python 的绘图库。作为程序员，经常需要进行绘图，在我自己的工作中，如果需要绘图，一般都是将数据导入到excel中，然后通过excel生成图表，这样操作起来还是比较繁琐的，所以最近学习了一下Matplotlib模块，将该模块的常用的绘图手段和大家分享一下，提高大家在工作中的效率；

在示例中，我们主要用到Matplotlib和Numpy这两个模块来为大家演示Python强大的绘图功能，相信大家通过我下面的10个示例，基本上可以满足大家日常工作的需求，再次强调一下，只是简单的用法，大家千万不要想通过这篇博客获取到太高深的用法。

下面进入正题

1、绘制一条直线

代码如下，下面的代码大家应该都可以看懂吧

# 导入常用的包

import numpy as np

import matplotlib.pyplot as plt

# 生成-1到1的数据，一共生成100个，也可以生成1到-1的数据，这些数据是平均分布的

# 定义x轴的数据

x = np.linspace(-1,1,100)

# 定义y轴的数据

y = x * 2 + 100

plt.plot(x,y)

# 显示图像

plt.show()

效果如下

2、创建一个画布，同时设置该画布的大小

代码如下

import numpy as np

import matplotlib.pyplot as plt

x = np.linspace(-1,1,100)

y1 = x * 2 + 100

y2 = x ** 2

# 创建一个画布

# figsize：设置画布的大小

plt.figure(figsize=(2,2))

plt.plot(x,y1)

# 创建第二个画布

plt.figure()

plt.plot(x,y2)

plt.show()

效果如下，会同时显示两张画布

3、在一张画布中画两条线，同时可以设置线的颜色，宽度，和风格

代码如下

import numpy as np

import matplotlib.pyplot as plt

x = np.linspace(-1,1,100)

y1 = x * 2 + 0.5

y2 = x ** 2

# color:表示设置线的颜色

# linewidth:表示设置线的宽度

# linestyle:表示设置线的风格

plt.figure(figsize=(2,2))

plt.plot(x,y1,color='r',linewidth=1.0,linestyle='--')

plt.plot(x,y2,color='b',linewidth=5.0,linestyle='-')

plt.show()

# 上面的效果就是2条曲线被放到一个画布中

效果如下

4、限制x轴，y轴的显示范围，为x轴和y轴添加描述，替换x轴和y轴的显示信息

代码如下

import numpy as np

import matplotlib.pyplot as plt

# 设置坐标轴

x = np.linspace(-3,3,100)

y1 = x * 2 + 0.5

y2 = x ** 2

plt.figure(figsize=(6,6))

plt.plot(x,y1,color='r',linewidth=1.0,linestyle='--')

plt.plot(x,y2,color='b',linewidth=5.0,linestyle='-')

# 限制x轴的显示范围

plt.xlim((-1,2))

# 限制y轴的显示范围

plt.ylim((-1,5))

# 给x轴加描述

plt.xlabel("xxxxxx")

# 给y轴加描述

plt.ylabel("yyyyyy")

# 替换一下横坐标的显示

temp = np.linspace(-2,2,11)

plt.xticks(temp)

# 替换纵坐标的标签，用level0代替之前的-1

plt.yticks([-1,0,1,2,3,4,5],["level0","level1","level2","level3","level4","level5","level6"])

plt.show()

效果如下

5、对边框进行设置，调整x轴和y轴的位置

代码如下

import numpy as np

import matplotlib.pyplot as plt

# 设置坐标轴

x = np.linspace(-3,3,100)

y1 = x * 2 + 0.5

y2 = x ** 2

plt.figure(figsize=(6,6))

plt.plot(x,y1,color='r',linewidth=1.0,linestyle='--')

plt.plot(x,y2,color='b',linewidth=5.0,linestyle='-')

# 限制x轴的显示范围

plt.xlim((-1,2))

# 限制y轴的显示范围

plt.ylim((-1,5))

# 给x轴加描述

plt.xlabel("xxxxxx")

# 给y轴加描述

plt.ylabel("yyyyyy")

# 替换一下横坐标的显示

temp = np.linspace(-2,2,11)

plt.xticks(temp)

# 替换纵坐标的标签，用level0代替之前的-1

# plt.yticks([-1,0,1,2,3,4,5],["level0","level1","level2","level3","level4","level5","level6"])

# 获取边框

ax = plt.gca()

# 设置右边框的颜色为红色

ax.spines["right"].set_color("r")

# 去掉上边框

ax.spines["top"].set_color(None)

# 把x轴的刻度设置为bottom

ax.xaxis.set_ticks_position("bottom")

# 把y轴的客户设置为left

ax.yaxis.set_ticks_position("left")

# 设置x和y交汇的点，x轴是0，y是也是0，也就是x轴和y轴的都是0点交汇

ax.spines["bottom"].set_position(("data",0))

ax.spines["left"].set_position(("data",0))

plt.show()

效果如下

6、为画布添加图例

代码如下

#Auther Bob

#--*--conding:utf-8 --*--

import numpy as np

import matplotlib.pyplot as plt

# 设置图例

x = np.linspace(-3, 3, 100)

y1 = x * 2 + 0.5

y2 = x ** 2

plt.figure(figsize=(6, 6))

# 首先要为两条线分别取名，这里的逗号必须要有

l1, = plt.plot(x, y1, color='r', linewidth=1.0, linestyle='--')

l2, = plt.plot(x, y2, color='b', linewidth=5.0, linestyle='-')

# handles控制图例中要说明的线

# labels为两条线分别取一个label

# loc控制图例的显示位置，一般用best，由代码为我们选择最优的位置即可

plt.legend(handles=[l1, l2], labels=["test1", "test2"], loc='best')

# 限制x轴的显示范围

plt.xlim((-1, 2))

# 限制y轴的显示范围

plt.ylim((-1, 5))

# 给x轴加描述

plt.xlabel("xxxxxx")

# 给y轴加描述

plt.ylabel("yyyyyy")

# 替换一下横坐标的显示

temp = np.linspace(-2, 2, 11)

plt.xticks(temp)

# 替换纵坐标的标签，用level0代替之前的-1

plt.yticks([-1, 0, 1, 2, 3, 4, 5], ["level0", "level1", "level2", "level3", "level4", "level5", "level6"])

# 为图像加一个图例，用来对图像做说明

plt.show()

效果如下

7、为图像添加描述

代码如下

import numpy as np

import matplotlib.pyplot as plt

# 为图像做标注

x = np.linspace(-3,3,100)

y1 = x * 2

# y2 = x ** 2

plt.figure(figsize=(6,6))

plt.plot(x,y1,color='r',linewidth=1.0,linestyle='-')

# 给x轴加描述

plt.xlabel("xxxxxx")

# 给y轴加描述

plt.ylabel("yyyyyy")

# ======================================================

# 在x轴为x0，y轴为x0 * 2上画一个点，这个点的颜色是红色，大小为50，这个大小就是这个点显示的大小

x0 = 0.5

y0 = x0 * 2

# scatter是画点的方法

plt.scatter(x0,y0,color='g',s=50)

# 画线

# 这条线是第一个点的坐标为[x0,y0],第二个点的坐标为[x0,-6]，后面就是设置线的风格，线的颜色，线的宽度

plt.plot([x0,x0],[y0,-6],color='k',linestyle='--',linewidth=1.0)

# 画箭头和描述

# xy代表我们的点

# xytext代码我们描述的位置，基于当前的点，在x轴+30，在y轴-30

# r'$2*x={n}$是我们要显示的文字信息，格式必须要这样

# textcoords表示作为起点

# fontsize表示设置字体大小

# arrowprops设置箭头

# arrowstyle设置箭头的样式

# connectionstyle设置风格.2表示弧度

plt.annotate(r'$2*0.5={n}$'.format(n = y0),xy=(x0,y0),xytext=(+30,-30),textcoords='offset points',fontsize=10,arrowprops=dict(arrowstyle='->',connectionstyle='arc3,rad=.2'))

# 显示文字描述，从x轴为-1，y轴为2开始显示，$$中就是要显示的字符，这里如果要显示空格，则需要转义

# fontdict设置字体

plt.text(-1,2,r'$1\ 2\ 3\ 4$',fontdict={"size":16,"color":"r"})

# =========================================================

# 为图像加一个图例，用来对图像做说明

plt.show()

效果如下

8、绘制散点图

代码如下

import numpy as np

import matplotlib.pyplot as plt

# 绘制散点图

# plt.scatter(np.arange(1,10,1),np.arange(10,19,1))

# plt.scatter(np.linspace(-3,3,10),np.linspace(-3,3,10))

x = np.random.normal(1,10,500)

y = np.random.normal(1,10,500)

print(x)

# s设置点的大小

# c是颜色

# alpha是透明度

plt.scatter(x,y,s=50,c='b',alpha=0.5)

plt.show()

效果如下

9、绘制直方图

代码如下

import numpy as np

import matplotlib.pyplot as plt

# 绘制直方图

x = np.arange(10)

y = x ** 2 + 10

# facecolor设置柱体的颜色

# edgecolor设置边框的颜色

plt.bar(x,y,facecolor='g',edgecolor='r')

# 绘制翻转过来的直方图

# plt.bar(x,-y)

#显示文字

for x,y in zip(x,y):

plt.text(x,y,"{f}".format(f=y),ha="center",va='bottom')

plt.show()

效果如下

10、一张画布显示多张图像

代码如下

#Auther Bob

#--*--conding:utf-8 --*--

import numpy as np

import matplotlib.pyplot as plt

# plt.figure()

# 有一个两行两列的单元格，这个位于第一个单元格

# plt.subplot(2,2,1)

# 画一条【0,0】-----》【1,1】的直线

# plt.plot([0,1],[0,1])

# 有一个两行两列的单元格，这个位于第一个单元格

# plt.subplot(2,2,2)

# 画一条【0,0】-----》【1,1】的直线

# plt.plot([0,1],[0,1])

# 有一个两行两列的单元格，这个位于第一个单元格

# plt.subplot(2,2,3)

# 画一条【0,0】-----》【1,1】的直线

# plt.plot([1,0],[0,1])

# plt.show()

# 上面的例子，每张图他显示的大小是一样的，我们想显示不同的大小该怎么办？

plt.figure()

# 有一个两行三列的单元格，这个位于第一个单元格

plt.subplot(2,1,1)

# 画一条【0,0】-----》【1,1】的直线

plt.plot([0,1],[0,1])

# 有一个两行三列的单元格，这个位于第四个单元格，因为第一个单元格占了3个位子，所以这里就是第四个

plt.subplot(2,3,4)

# 画一条【0,0】-----》【1,1】的直线

plt.plot([0,1],[0,1])

# 有一个两行三列的单元格，这个位于第五个单元格

plt.subplot(2,3,5)

# 画一条【0,0】-----》【1,1】的直线

plt.plot([1,0],[0,1])

plt.show()

效果如下

11、matplotlib模块中的颜色和线条风格，取自菜鸟教程

作为线性图的替代，可以通过向 plot() 函数添加格式字符串来显示离散值。 可以使用以下格式化字符。

字符描述

'-'

实线样式

'--'

短横线样式

'-.'

点划线样式

':'

虚线样式

'.'

点标记

','

像素标记

'o'

圆标记

'v'

倒三角标记

'^'

正三角标记

'<'

左三角标记

'>'

右三角标记

'1'

下箭头标记

'2'

上箭头标记

'3'

左箭头标记

'4'

右箭头标记

's'

正方形标记

'p'

五边形标记

'*'

星形标记

'h'

六边形标记 1

'H'

六边形标记 2

'+'

加号标记

'x'

X 标记

'D'

菱形标记

'd'

窄菱形标记

'|'

竖直线标记

'_'

水平线标记

以下是颜色的缩写：

字符颜色

'b'

蓝色

'g'

绿色

'r'

红色

'c'

青色

'm'

品红色

'y'

黄色

'k'

黑色

'w'

白色