python模块matplotlib.pyplot用法_python模块之matplotlib

Apple iPhone 11 (A2223) 128GB 黑色 移动联通电信4G手机 双卡双待

4999元包邮

去购买 >

官方网址:http://matplotlib.org/tutorials/introductory/lifecycle.html#sphx-glr-tutorials-introductory-lifecycle-py

根据官网描述，matplotlib有两个接口：一个是(object-oriented interfacet)面向对象的接口，用于控制Figure和Axes，它控制一个或多个图形的显示；另一个是pyplot，它是MATLAB的封装，每个Axes是一个依赖于pyplot的独立子图。

一、基本图形的简单用法

1、散点图：最大的作用是查看两个或多个数据的分布情况，可以查看数据的相关性(正相关，负相关)，残差分析等。

N = 1000x=np.random.randn(N)

y= np.random.randn(N) * 0.5 +x

plt.scatter(y, x)

plt.show()

N = 1000x= np.random.rand(N);y = np.random.rand(N);colors =np.random.rand(N)

area= np.pi * (15*np.random.rand(N)) ** 2plt.scatter(x, y, s=area, c=colors, alpha=0.5)

plt.show()

2、折线图：用来描述数据随时间的变化趋势

数据文件https://files.cnblogs.com/files/kuaizifeng/test1data.zip

importtime

date, open_price, close_price= np.loadtxt('test1data.csv', delimiter=',', skiprows=1,

usecols=(0, 1, 4),

converters={0: lambda s:time.mktime(time.strptime(str(s, 'utf8'), '%Y/%m/%d'))},

unpack=True)

plt.figure(figsize=(20 ,10))

plt.plot(date, open_price, color='green', marker='<')

plt.plot(date, close_price, color='red', marker='>')#plt.xticks = [time.strftime('%Y/%m/%d', time.localtime(i)) for i in date]

plt.show()

3、条形图：用于不同分类数据的比较

N = 5y= [20, 10, 30, 25, 15]

index=np.arange(N)#plt.bar(left=index, height=y, color='red', width=0.5)#竖直方向

plt.bar(left=0, bottom=index, width=y, color='red', height=0.5, orientation='horizontal')#

#left的是每个数组的左侧坐标点，height是每个条形图的数值#快速记忆：left,bottom;width,height是一一对应的关系

plt.show()

#快速绘制

plt.barh(left=0, bottom=index, width=y)

plt.show()

#多个条形图

index = np.arange(4)

sales_BJ= [52, 55, 63, 53]

sales_SH= [44, 66, 55, 41]

bar_width= 0.3plt.bar(left=index, height=sales_BJ, width=bar_width, color='b')

plt.bar(left=index+bar_width, height=sales_SH, width=bar_width, color='r')

plt.show()

#堆积条形图

index = np.arange(4)

sales_BJ= [52, 55, 63, 53]

sales_SH= [44, 66, 55, 41]

bar_width= 0.3plt.bar(left=index, height=sales_BJ, width=bar_width, color='b')

plt.bar(left=index, bottom=sales_BJ, height=sales_SH, width=bar_width, color='r')

plt.show()

#横向堆积条形图

index = np.arange(4)

sales_BJ= [52, 55, 63, 53]

sales_SH= [44, 66, 55, 41]

bar_width= 0.3plt.barh(left=0, bottom=index, height=bar_width, width=sales_BJ, color='b')#当然用orientation='horizontal'也是可以的

plt.barh(left=sales_BJ, bottom=index, height=bar_width, width=sales_SH, color='r')

plt.show()

4、直方图：有一系列高度不等的条形图组成，用来表示连续型数据分布情况

#正态分布直方图

mean = 100#mean of distribution

sigma = 20#standard of distribution

x = mean + sigma*np.random.randn(10000)

plt.hist(x, bins=50, color='green', normed=True)#bins:在直方图里设置多少个条块;normed：是否标准化;没有标准化时纵坐标是‘个数’，标准化后纵坐标是‘频率’

plt.show()

#双变量直方图:用来探索双变量的联合分布情况

x = np.random.randn(1000) + 2y= np.random.randn(1000) + 3plt.hist2d(x, y, bins=40)

plt.show()

5、饼状图：用来显示一系列数据内各组数据的占比大小

labels = 'a', 'b', 'c', 'd'fracs= [15,30, 45, 10]#plt.axes(aspect=1)# 控制饼状图的比例:1表示正圆

plt.pie(x=fracs, labels=labels, autopct='%0.0f%%', explode=[0.1, 0., 0., 0.], shadow=True)#autopct：显示比例;explode：每个饼块里圆心的距离;添加阴影效果

plt.show()

6、箱线图：用于显示数据的集中和离散情况，以及检测异常值

np.random.seed(100)

data= np.random.normal(size=1000, loc=0, scale=1)

plt.boxplot(data, sym='o', whis=1.5)#sym:用来调整异常值的形状；whis:异常值的界限，默认是1.5倍四分位距

plt.show()

#绘制多个箱线图

np.random.seed(100)

data= np.random.normal(size=(1000, 4), loc=0, scale=1)

labels=['a', 'b', 'c', 'd']

plt.boxplot(data, labels=labels, sym='o', whis=1.5)

plt.show()

二、元素样式

#八中内建颜色：blue、green、red、cyan、magenta、yellow、black、white；默认按这个顺序画多个图形#其它颜色表示方法：灰色阴影、html十六进制、RGB元组#点的形状23种

potstyle = ['.', ',', 'o', 'v', '^', '<', '>', '1', '2', '3', '4', '8', 's', 'p', '*','h', 'H', '+', 'X', 'D', 'd', '|', '-']#四种线型

linestyle = ['-', '--', '-.', ':']#样式字符串就是三种样式的简写方式，对应颜色、点、线型

#示例

y = np.arange(1, 5) + 1marker= ['b', 'g', 'r', 'c', 'm', 'y', 'b', 'w']for i in range(8):

plt.plot(y+i, marker[i])

plt.show()

y = np.arange(1, 5)

plt.plot(y, color='g')#内置颜色

plt.plot(y+1, color='0.5')#回影颜色

plt.plot(y+2, color='#FF00FF')#十六进制表示法

plt.plot(y+3, color=(0.1, 0.2, 0.3))#RGB元组表示

plt.show()

y = np.arange(1, 5)

plt.plot(y, marker='o')#指定marker时划线

plt.plot(y+1, 'D')#不指定marker时划点

plt.plot(y+2, '^')

plt.plot(y+3, marker='p')

plt.show()

#样式

y = np.arange(1, 5)

plt.plot(y,'cx--')

plt.plot(y+1, 'kp:')

plt.plot(y+2, 'mo-.')

plt.show()

三、面向对象绘图

三种绘图方式：

1.pyplot：经典高层封装；

2.pylab：将matplotlib和Numpy合并的模块，模拟matplab的编程环境；不推荐使用，作者也不推荐使用；

3.面向对象的方式：matplotlib的精髓，更基础和底层的方式.

1、画布与子图

figure对象是画布，Axes对象是画布里的子图

#绘制多个图

fig1 =plt.figure()

ax1= fig1.add_subplot(111)

ax1.plot([1, 2, 3], [3, 2, 1])

fig2=plt.figure()

ax2= fig2.add_subplot(111)

ax2.plot([1, 2, 3], [1, 2, 3])

plt.show()

#一张图里放多个子图

x = np.arange(1, 100)

fig=plt.figure()

ax1= fig.add_subplot(221);ax1.plot(x, x)#plt.subplot(221)

ax2 = fig.add_subplot(222);ax2.plot(x, -x)

ax3= fig.add_subplot(223);ax3.plot(-x, x)

ax4= fig.add_subplot(224);ax4.plot(-x, -x)

plt.show()

2、网格线

y = np.arange(1, 10)

plt.plot(y, y**2)

plt.grid(color='r', linewidth='0.5', linestyle=':')#网格

plt.show()

3、图例

x = np.arange(1, 11, 1)

plt.plot(x, x**2, label='Normal')#在图形中写上线的标签

plt.plot(x, x**3, label='Fast')

plt.plot(x, x**4, label='Fastest')

plt.legend(loc=1, ncol=3)#1,2,3,4表示右上、左上、左下、右下.0表示自动.ncol表示几列.

plt.show()

x = np.arange(1, 11, 1)

plt.plot(x, x**2, label='Normal')#在图形中写上线的标签

plt.plot(x, x**3, label='Fast')

plt.plot(x, x**4, label='Fastest')

plt.legend(['Normal', 'Fast', 'Fastest'], loc='upper right')#1,2,3,4表示右上、左上、左下、右下.0表示自动.ncol表示几列.

plt.show()

x = np.arange(1, 11, 1)

fig= plt.figure();ax = fig.add_subplot(111);

l,= plt.plot(x, x**2);l.set_label('Normal set')#设置label

ax.legend(loc=1)#注意这里的ax

plt.show()

4、坐标轴

#设置坐标轴范围

x = np.arange(-10, 11, 1)

fig= plt.figure();ax = fig.add_subplot(111);

ax.plot(x, x*x)print(ax.axis())#[-11, 11, -5, 105]表示的是x的最小和最大值、y的最小和最大值

ax.axis([-5, 5, 0, 25])#设置坐标轴范围方式

plt.show()

#设置坐标轴范围

x = np.arange(-10, 11, 1)

fig= plt.figure();ax = fig.add_subplot(111);

ax.plot(x, x*x)

ax.set_xlim([-5, 5])#以列表的方式些参数

ax.set_ylim(ymin=-5, ymax=50)#以关键字参数的方式写参数

plt.show()

#添加坐标轴

x = np.arange(2, 20, 1)

y1= x*x;y2 =np.log(x)

plt.plot(x, y1)

plt.twinx()#添加x坐标轴，默认是0到1

plt.plot(x, y2, 'r')#第二条线就直接画在twinx上了？

plt.show()

#添加坐标轴

x = np.arange(2, 20, 1)

y1= x*x;y2 =np.log(x)

fig= plt.figure(); ax1 = fig.add_subplot(111)

ax1.plot(x, y1);ax1.set_ylabel('Y1')

ax2= ax1.twinx(); #实例化一个子图ax1，添加坐标轴是这个子图的一个方法

ax2.plot(x, y2, 'r');ax2.set_ylabel('Y2')

ax1.set_xlabel('Compare Y1 and Y2')

plt.show()#当然，有twinx()，就有twiny()

5、注释

#添加注释：为了给某个数据添加强调效果

x = np.arange(-10, 11, 1)

plt.plot(x, x*x)

plt.annotate('this is the bottom', xy=(0,1), xytext=(0,20),

arrowprops=dict(facecolor='c', width=50, headlength=10, headwidth=30))#文本内容;箭头坐标;文本内容坐标;箭头设置：

plt.show()

#纯文字标注

x = np.arange(-10, 11, 1)

plt.plot(x, x*x)

plt.text(-4.5, 40, 'function:y=x*x', family='serif', size=20, color='r')

plt.text(-4, 20, 'function:y=x*x', family='fantasy', size=20, color='g')

plt.text(-4, 60, 'fuction:y=x*x', size=20, style='italic', weight=1000,

bbox=dict(facecolor='g'), rotation=30)#style：italic和oblique都是斜体;weight是粗细0-1000，或者写名称#bbox给text加上边缘效果设置，还有其它的参数；text还有水平线、竖直线等等;arrowprops也还有其它的效果参数

plt.show()

6、数学公式

matplotlib自带mathtext引擎，遵循Latex排版规范。$作为开头和结束符，如"$ y=x**2 $";特殊表达式和字符前面要加"\";公式里的参数设置，要以{}括起来。

fig = plt.figure();ax = fig.add_subplot(111);

ax.set_xlim([1, 7])

ax.set_ylim([1, 5])

ax.text(2, 4, r'$ \alpha_i \beta \pi \lambda \omega $', size=20)#下标用_i

ax.text(4, 4, r'$ \sin(x) = \cos(\frac{\pi}{2}) $', size=20)#\frac{}{}，分式：分子/分母

ax.text(2, 2, r'$ \lim_{x \rightarrow y} (\frac{1}{x^3}) $', size=20)

ax.text(4, 2, r'$ \sqrt[4]{4x}{4x} = \sqrt{y} $', size=20)#sqrt开方的参数是[]

plt.show()

四、区域填充

1、fill和fill_between

x = np.linspace(0, 5*np.pi, 1000);y1 = np.sin(x); y2 = np.sin(2*x)#plt.plot(x, y1); plt.plot(x, y2)#不写plot，是因为它画了线

plt.fill(x, y1, 'b', alpha=0.3);plt.fill(x, y2, 'r', alpha=0.3)#填充的是图形与x轴之间的区域

plt.show()

x = np.linspace(0, 5*np.pi, 1000);y1 = np.sin(x); y2 = np.sin(2*x)

fig= plt.figure();ax = fig.add_subplot(111)

ax.plot(x, y1,'r', x, y2, 'b')

ax.fill_between(x, y1, y2, facecolor='yellow', interpolate=True)

ax.fill_between(x, y1, y2, where=y1>y2, facecolor='green', interpolate=True)#放大时会出现空白，interpolate是把空白填上

plt.show()

2、patches：补丁

importmatplotlib.patches as mpatches

fig, ax=plt.subplots()#圆形

xy1 = np.array([0.2, 0.2])

circle= mpatches.Circle(xy1, 0.05)#第一个参数是xy1圆心，第二个参数是半径

ax.add_patch(circle)#长方形

xy2 = np.array([0.2, 0.8])

rect= mpatches.Rectangle(xy2, 0.2, 0.1, color='r')#第一个参数是矩形右下角，第二个和第三个参数是宽和高

ax.add_patch(rect)#多边形

xy3 = np.array([0.8, 0.2])

polygon= mpatches.RegularPolygon(xy3, 6, 0.1, color='g')#多边形中心、边数、半径

ax.add_patch(polygon)#椭圆

xy4 = np.array([0.8, 0.8])

ellipse= mpatches.Ellipse(xy4, 0.4, 0.2, color='y')

ax.add_patch(ellipse)

plt.axis('equal')#调整x,y的显示比例

plt.grid()

plt.show()#还有其它的图形，参考matplotlib官网的patches模块说明

五、绘图样式

defplot(style):

fig, axes= plt.subplots(ncols=2, nrows=2)

ax1, ax2, ax3, ax4=axes.ravel()#选择绘图样式

plt.style.use(style)#第一张图

x, y = np.random.normal(size=(2, 100))

ax1.plot(x, y,'o')#第二张图

x = np.arange(0, 10);y = np.arange(0, 10)

ncolors= len(plt.rcParams['axes.prop_cycle'])#plt.rcParams['axes.prop_cycle'] #默认是七种颜色

shift = np.linspace(0, 10, ncolors)for s inshift:

ax2.plot(x, y+s, '-')#第三张图

x = np.arange(5)

y1, y2, y3= np.random.randint(1, 25, size=(3,5))

width=0.25ax3.bar(x, y1, width);

ax3.bar(x+width, y2, width, color=list(plt.rcParams['axes.prop_cycle'])[1]['color'])

ax3.bar(x+2*width, y3, width, color=list(plt.rcParams['axes.prop_cycle'])[2]['color'])#第四张图

for i in list(plt.rcParams['axes.prop_cycle']):

xy= np.random.normal(size=2)

ax4.add_patch(plt.Circle(xy, radius=0.3, color=i['color']))

ax4.axis('equal')

plt.show()#注：plt.rcParams['axes.prop_cycle']是一个七种颜色的迭代器#list之后是[{'color':'#ff7f0e', ... },...],再根据位置和键'color'取值

#print(plt.style.available)# 23种样式可供选择

plot(style='dark_background')

plot(style='ggplot')

plot(style='fivethirtyeight')

六、极坐标绘制

r = np.arange(1, 6, 1)

theta= [0, np.pi/2, np.pi, np.pi*3/2, 2*np.pi]

ax= plt.subplot(111, projection='polar')#投影到极坐标

ax.plot(theta, r, color='r', linewidth=3)

plt.show()

r = np.empty(5)

r.fill(5)

theta= [0, np.pi/2, np.pi, np.pi*3/2, 2*np.pi]

ax= plt.subplot(111, projection='polar')

ax.plot(theta, r, color='r', linewidth=3)

plt.show()

r = [10.0, 8.0, 6.0, 8.0, 9.0, 5.0, 9.0]

theta= [(np.pi*2/6)*i for i in range(7)]

ax= plt.subplot(111, projection='polar')

bars= ax.bar(theta, r, linewidth=2)for color, bar in zip(list(plt.rcParams['axes.prop_cycle']), bars):

bar.set_facecolor(color['color'])

bar.set_alpha(0.7)

ax.set_theta_direction(1)#方向，1表示顺时针，2表示逆时针

ax.set_theta_zero_location('N')#极坐标0位置，默认是横坐标，可设置八个方向N,NW,W,SW,S,SE,E,NE

ax.set_thetagrids(np.arange(0.0, 360.0, 30.0))#外圈网格线刻度

ax.set_rgrids(np.arange(1.0, 10.0, 1.0))#内网格线虚线数

ax.set_rlabel_position('0')#内网格线坐标标签的位置，相对于0坐标轴

plt.show()

七、综合练习

1、积分图形

deffunc(x):return -(x-2)*(x-8) + 40x= np.linspace(0, 10)

y=func(x)

fig, ax=plt.subplots()

plt.style.use('ggplot')

plt.plot(x, y,'r', linewidth=1)#添加a, b

a, b =2, 9ax.set_xticks([a, b])

ax.set_yticks([])

ax.set_xticklabels([r'$a$', r'$b$'])#添加坐标标签

plt.figtext(0.9, 0.02, r'$x$')

plt.figtext(0.05, 0.9, r'$y$')#设置N*2的array，用Polygon包起来

ix = np.linspace(a, b);iy = func(ix);ixy =zip(ix, iy)

verts=[(a, 0)] + list(ixy) +[(b, 0)]from matplotlib.patches importPolygon

poly= Polygon(verts, facecolor='0.9', edgecolor='0.1')#'0.9'表示默认是灰色的，调整灰色程度

ax.add_patch(poly)

x_math=(a+b)*0.5;y_math=35plt.text(x_math, y_math, r'$ \int_a^b (-(x-2)*(x-8) + 40) dx $', fontsize=20,

horizontalalignment='center')

ax.set_ylim([25, 50])

plt.show()

2、散点和条形图

x = np.random.randn(200);y = x+np.random.randn(200)*1.0

#left, bottom, width, height

ax1 = plt.axes([0.1, 0.1, 0.6, 0.6])

ax2= plt.axes([0.1, 0.1+0.6+0.02, 0.6, 0.2])

ax3= plt.axes([0.1+0.6+0.02, 0.1, 0.2, 0.6])

ax2.set_xticks([])

ax3.set_yticks([])

xymax=np.max([np.max(np.fabs(x)), np.max(np.fabs(y))])

ax1.scatter(x, y)

bin_width= 0.25lim= np.ceil(xymax/bin_width) *bin_width

bins= np.arange(-lim, lim, bin_width)

ax2.hist(x, bins=bins)

ax3.hist(y, bins=bins, orientation='horizontal')

ax2.set_xlim(ax2.get_xlim())

ax3.set_ylim(ax3.get_ylim())

plt.show()

3、雷达图

from matplotlib.font_manager importFontProperties

font= FontProperties(fname=r'c:/Windows/Fonts/simsun.ttc', size=18)

plt.style.use('ggplot')

ax1= plt.subplot(221, projection='polar')

ax2= plt.subplot(222, projection='polar')

ax3= plt.subplot(223, projection='polar')

ax4= plt.subplot(224, projection='polar')

ability= ['进攻', '防守', '盘带', '速度', '体力', '射术']

playerName= ['M', 'H', 'P', "Q"]

playerData={}for i in range(4):

data= list(np.random.randint(size=6, low=60, high=99))

l= [j for j indata];l.append(data[0])

playerData[playerName[i]]=l

theta= [(2*np.pi/6)*i for i in range(7)]

ax1.plot(theta, playerData['M'], 'r')

ax1.fill(theta, playerData['M'], 'r', alpha=0.2)

ax1.set_xticks(theta)

ax1.set_xticklabels(ability, FontProperties=font, y=0.3)

ax1.set_title('梅西', position=(0.5, 0.4), FontProperties=font)

ax1.set_yticks([60, 80, 100])

ax2.plot(theta, playerData['H'], 'g')

ax2.fill(theta, playerData['H'], 'g', alpha=0.2)

ax2.set_xticks(theta)

ax2.set_xticklabels(ability, FontProperties=font, y=0.3)

ax2.set_title('哈维', position=(0.5, 0.4), FontProperties=font)

ax3.plot(theta, playerData['P'], 'b')

ax3.fill(theta, playerData['P'], 'b', alpha=0.2)

ax3.set_xticks(theta)

ax3.set_xticklabels(ability, FontProperties=font, y=0.3)

ax3.set_title('皮克', position=(0.5, 0.4), FontProperties=font)

ax4.plot(theta, playerData['Q'], 'y')

ax4.fill(theta, playerData['Q'], 'y', alpha=0.2)

ax4.set_xticks(theta)

ax4.set_xticklabels(ability, FontProperties=font, y=0.3)

ax4.set_title('切赫', position=(0.5, 0.4), FontProperties=font)

plt.show()

4、函数曲线

Figure的几个参数：

num 图形

figsize 尺寸

dpi 每英寸点数分辨率

facecolor 绘画背景颜色

edgecolor 绘制背景周围的边缘颜色

frameon 是否绘制图形框

importnumpy as npimportmatplotlib.pyplot as plt

plt.figure(figsize=(10,6),dpi=80)

X= np.linspace(-np.pi,np.pi,256,endpoint=True)

C,S=np.cos(X),np.sin(X)#设置数据线

plt.plot(X,C,color='blue',lw=2.5,ls='-',label='cosine')#设置数据线

plt.plot(X,S,color='red',lw=2.5,ls='-',label='sine')#plt.xlim(X.min()*1.1,X.max()*1.1)#这里一直报错，不知道为什么#plt.ylim(C.min()*1.1,X.max()*1.1)

#设置坐标刻度和刻度标签#plt.xticks([-np.pi,-np.pi/2,0,np.pi/2,np.pi]) #设置x,y坐标#plt.yticks([-1,0,+1])

plt.xticks([-np.pi,-np.pi/2,0,np.pi/2,np.pi],[r'$-\pi$',r'$-\pi/2$',r'$0$',r'$+\pi/2$',r'$+\pi$'])

plt.yticks([-1,0,+1],[r'$-1$',r'$0$',r'$+1$'])#设置坐标轴

ax = plt.gca() #gca是用来回去当前axes(坐标图)和修改权限：get current axes(handle)

ax.spines['top'].set_color('none') #设置上、右脊骨(数据框)

ax.spines['right'].set_color('None')

ax.spines['left'].set_position(('data',0)) #左、下数据轴，(data’,0)表示以原坐标轴为轴，以0为中心点

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

ax.yaxis.set_ticks_position('left') #这两个才是设置坐标轴，但是在这里删掉都可以

ax.xaxis.set_ticks_position('bottom')#设置图例

plt.legend(loc='upper left',frameon=False)#需在plt.plot中设置label

#设置注释

t = 2*np.pi/3

#t1 = np.sin(t)

plt.scatter([t,],[np.sin(t),],50,color='red') #设置注释点位置、颜色

plt.plot([t,t],[0,np.sin(t)],color="red",linewidth=1.5,linestyle="--") #设置两条虚线

plt.plot([0,t],[np.sin(t),np.sin(t)],color="red",linewidth=1.5,linestyle="--")

plt.annotate(r'$\sin(\frac{2\pi}{3})=\frac{\sqrt{3}}{2}$',

xy=(t,np.sin(t)),xycoords='data',xytext=(+10,+50),

textcoords='offset points',fontsize=16,

arrowprops=dict(arrowstyle='->',connectionstyle='arc3,rad=.2