matplotlib是python第三方库吗_Python第三方库matplotlib(2D绘图库)入门与进阶

文章目录@[toc]

Matplotlib一 简介:二 相关文档:三 入门与进阶案例1- 简单图形绘制2- figure的简单使用3- 设置坐标轴4- 设置legend图例5- 添加注解和绘制点以及在图形上绘制线或点6- 绘制散点图7- 绘制柱状图8- 绘制登高线图9- 绘制Image10- 绘制3D图形11- subplot绘制多图12- figure绘制多图13- figure图的嵌套14- 主次坐标轴15- 创建动画

Matplotlib

一 简介:

Matplotlib是一个Python 2D绘图库,它可以在各种平台上以各种硬拷贝格式和交互式环境生成出具有出版品质的图形。 Matplotlib可用于Python脚本,Python和IPython shell,Jupyter笔记本,Web应用程序服务器和四个图形用户界面工具包

Matplotlib试图让简单的事情变得更简单,让无法实现的事情变得可能实现。 只需几行代码即可生成绘图,直方图,功率谱,条形图,错误图,散点图等。 有关示例,请参阅示例图和缩略图库。

为了简单绘图,pyplot模块提供了类似于MATLAB的界面,特别是与IPython结合使用时。 对于高级用户,您可以通过面向对象的界面或MATLAB用户熟悉的一组函数完全控制线条样式,字体属性,轴属性等。

二 相关文档:

官网教程文档:https://matplotlib.org/users/index.html

各个平台的安装教程:https://matplotlib.org/users/installing.html

三 入门与进阶案例

1- 简单图形绘制

根据坐标点绘制:

import numpy as np

import matplotlib.pyplot as plt

x = np.array([1,2,3,4,5,6,7,8])

y = np.array([3,5,7,6,2,6,10,15])

plt.plot(x,y,'r')# 折线 1 x 2 y 3 color

plt.plot(x,y,'g',lw=10)# 4 line w

# 折线 饼状 柱状

x = np.array([1,2,3,4,5,6,7,8])

y = np.array([13,25,17,36,21,16,10,15])

plt.bar(x,y,0.2,alpha=1,color='b')# 5 color 4 透明度 3 0.9

plt.show()

d5b16bf571daeab72c17657901d02157.png

传入参数是numpy数组时的效果:

import numpy as np

import matplotlib.pyplot as plt

for i in range(0,15):

# 1 柱状图

dateOne = np.zeros([2])

dateOne[0] = i;

dateOne[1] = i;

y = np.zeros([2])

y[0] = 10

y[1] = 20

plt.plot(dateOne,y,'r',lw=8)

plt.show()

cf0189a6f2c0de2e***20f5d818fb7d6a.jpg

根据函数图像绘制:

# -*- coding: utf-8 -*-

"""

简单图形绘制

"""

import matplotlib.pyplot as plt

import numpy as np

#从-1-----1之间等间隔采66个数.也就是说所画出来的图形是66个点连接得来的

#注意:如果点数过小的话会导致画出来二次函数图像不平滑

x = np.linspace(-1, 1,66)

# 绘制y=2x+1函数的图像

y = 2 * x + 1

plt.plot(x, y)

plt.show()

# 绘制x^2函数的图像

y = x**2

plt.plot(x, y)

plt.show()

ad5ab268b0ddd3b52b9f22dff8128237.png

2- figure的简单使用

# -*- coding: utf-8 -*-

"""

figure的使用

"""

import matplotlib.pyplot as plt

import numpy as np

#

x = np.linspace(-1, 1, 50)

# figure 1

y1 = 2 * x + 1

plt.figure()

plt.plot(x, y1)

# figure 2

y2 = x**2

plt.figure()

plt.plot(x, y2)

# figure 3,指定figure的编号并指定figure的大小, 指定线的颜色, 宽度和类型

#一个坐标轴上画了两个图形

y2 = x**2

plt.figure(num = 5, figsize = (4, 4))

plt.plot(x, y1)

plt.plot(x, y2, color = 'red', linewidth = 1.0, linestyle = '--')

plt.show()

一共会画出三张图,前两张和上面的简单案例画出来的两张一样。第三张:

006rNwoDgy1fpceezpaoyj308p07c74b.jpg

3- 设置坐标轴

# -*- coding: utf-8 -*-

"""

设置坐标轴

"""

import matplotlib.pyplot as plt

import numpy as np

# 绘制普通图像

x = np.linspace(-1, 1, 50)

y1 = 2 * x + 1

y2 = x**2

plt.figure()

plt.plot(x, y1)

plt.plot(x, y2, color = 'red', linewidth = 1.0, linestyle = '--')

# 设置坐标轴的取值范围

plt.xlim((-1, 1))

plt.ylim((0, 3))

# 设置坐标轴的lable

#标签里面必须添加字体变量:fontproperties='SimHei',fontsize=14。不然可能会乱码

plt.xlabel(u'这是x轴',fontproperties='SimHei',fontsize=14)

plt.ylabel(u'这是y轴',fontproperties='SimHei',fontsize=14)

# 设置x坐标轴刻度, 之前为0.25, 修改后为0.5

#也就是在坐标轴上取5个点,x轴的范围为-1到1所以取5个点之后刻度就变为0.5了

plt.xticks(np.linspace(-1, 1, 5))

plt.show()

a6c0f24bea4623425c01e6d27c657a59.png

上面代码的基础上加上下面代码(直接加载最后一句代码前面即可):

# 获取当前的坐标轴, gca = get current axis

ax = plt.gca()

# 设置右边框和上边框

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

ax.spines['top'].set_color('none')

# 设置x坐标轴为下边框

ax.xaxis.set_ticks_position('bottom')

# 设置y坐标轴为左边框

ax.yaxis.set_ticks_position('left')

# 设置x轴, y周在(0, 0)的位置

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

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

adb0dc58f0a29a48fc3728147c4e76c5.png

如果在上面代码的最后一句之前加上下面的代码:

# 设置坐标轴label的大小,背景色等信息

for label in ax.get_xticklabels() + ax.get_yticklabels():

label.set_fontsize(12)

label.set_bbox(dict(facecolor = 'green', edgecolor = 'None', alpha = 0.7))

f68d8e3b1fe674e86956cddf60676080.png

4- 设置legend图例

# -*- coding: utf-8 -*-

"""

设置坐标轴

"""

import matplotlib.pyplot as plt

import numpy as np

# 绘制普通图像

x = np.linspace(-1, 1, 50)

y1 = 2 * x + 1

y2 = x**2

plt.figure()

plt.plot(x, y1)

plt.plot(x, y2, color = 'red', linewidth = 1.0, linestyle = '--')

# 设置坐标轴的取值范围

plt.xlim((-1, 1))

plt.ylim((0, 3))

# 设置坐标轴的lable

#标签里面必须添加字体变量:fontproperties='SimHei',fontsize=14。不然可能会乱码

plt.xlabel(u'这是x轴',fontproperties='SimHei',fontsize=14)

plt.ylabel(u'这是y轴',fontproperties='SimHei',fontsize=14)

# 设置x坐标轴刻度, 之前为0.25, 修改后为0.5

#也就是在坐标轴上取5个点,x轴的范围为-1到1所以取5个点之后刻度就变为0.5了

plt.xticks(np.linspace(-1, 1, 5))

# 获取当前的坐标轴, gca = get current axis

ax = plt.gca()

# 设置右边框和上边框

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

ax.spines['top'].set_color('none')

# 设置x坐标轴为下边框

ax.xaxis.set_ticks_position('bottom')

# 设置y坐标轴为左边框

ax.yaxis.set_ticks_position('left')

# 设置x轴, y周在(0, 0)的位置

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

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

plt.show()

ff985c79a4d45820109549350a3fd034.png

5- 添加注解和绘制点以及在图形上绘制线或点

# -*- coding: utf-8 -*-

"""

添加注解和绘制点以及在图形上绘制线或点

"""

import matplotlib.pyplot as plt

import numpy as np

# 绘制普通图像

x = np.linspace(-3, 3, 50)

y = 2 * x + 1

plt.figure()

plt.plot(x, y)

# 将上、右边框去掉

ax = plt.gca()

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

ax.spines['top'].set_color('none')

# 设置x轴的位置及数据在坐标轴上的位置

ax.xaxis.set_ticks_position('bottom')

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

# 设置y轴的位置及数据在坐标轴上的位置

ax.yaxis.set_ticks_position('left')

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

# 定义(x0, y0)点

x0 = 1

y0 = 2 * x0 + 1

# 绘制(x0, y0)点

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

# 绘制虚线

plt.plot([x0, x0], [y0, 0], 'k--', lw = 2.5)

# 绘制注解一

plt.annotate(r'$2 * x + 1 = %s$' % y0, xy = (x0, y0), xycoords = 'data', xytext = (+30, -30), \

textcoords = 'offset points', fontsize = 16, arrowprops = dict(arrowstyle = '->', connectionstyle = 'arc3, rad = .2'))

# 绘制注解二

plt.text(-3, 3, r'$Test\ text. \mu \sigma_i, \alpha_i$', fontdict = {'size': 16, 'color': 'red'})

plt.show()

3661ffd9b678a6cef5fdf5f2b5b8de8b.png

6- 绘制散点图

# -*- coding: utf-8 -*-

"""

绘制散点图

"""

import numpy as np

import matplotlib.pyplot as plt

# 数据个数

n = 1024

# 均值为0, 方差为1的随机数

x = np.random.normal(0, 1, n)

y = np.random.normal(0, 1, n)

# 计算颜色值

color = np.arctan2(y, x)

# 绘制散点图

plt.scatter(x, y, s = 75, c = color, alpha = 0.5)

# 设置坐标轴范围

plt.xlim((-1.5, 1.5))

plt.ylim((-1.5, 1.5))

# 不显示坐标轴的值

plt.xticks(())

plt.yticks(())

plt.show()

5d0ed7fdd078b28593595aabc3d50c51.png

7- 绘制柱状图

# -*- coding: utf-8 -*-

"""

绘制柱状图

"""

import matplotlib.pyplot as plt

import numpy as np

# 数据数目

n = 10

x = np.arange(n)

# 生成数据, 均匀分布(0.5, 1.0)之间

y1 = (1 - x / float(n)) * np.random.uniform(0.5, 1.0, n)

y2 = (1 - x / float(n)) * np.random.uniform(0.5, 1.0, n)

# 绘制柱状图, 向上

plt.bar(x, y1, facecolor = 'blue', edgecolor = 'white')

# 绘制柱状图, 向下

plt.bar(x, -y2, facecolor = 'green', edgecolor = 'white')

temp = zip(x, y2)

# 在柱状图上显示具体数值, ha水平对齐, va垂直对齐

for x, y in zip(x, y1):

plt.text(x + 0.05, y + 0.1, '%.2f' % y, ha = 'center', va = 'bottom')

for x, y in temp:

plt.text(x + 0.05, -y - 0.1, '%.2f' % y, ha = 'center', va = 'bottom')

# 设置坐标轴范围

plt.xlim(-1, n)

plt.ylim(-1.5, 1.5)

# 去除坐标轴

plt.xticks(())

plt.yticks(())

plt.show()

432a4d96d4a3f2cef54ac97f91221785.png

8- 绘制登高线图

# -*- coding: utf-8 -*-

"""

绘制登高线图

"""

import matplotlib.pyplot as plt

import numpy as np

# 定义等高线高度函数

def f(x, y):

return (1 - x / 2 + x ** 5 + y ** 3) * np.exp(- x ** 2 - y ** 2)

# 数据数目

n = 256

# 定义x, y

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

y = np.linspace(-3, 3, n)

# 生成网格数据

X, Y = np.meshgrid(x, y)

# 填充等高线的颜色, 8是等高线分为几部分

plt.contourf(X, Y, f(X, Y), 8, alpha = 0.75, cmap = plt.cm.hot)

# 绘制等高线

C = plt.contour(X, Y, f(X, Y), 8, colors = 'black', linewidth = 0.5)

# 绘制等高线数据

plt.clabel(C, inline = True, fontsize = 10)

# 去除坐标轴

plt.xticks(())

plt.yticks(())

plt.show()

6abdbcddf2618db20863c202949ed910.png

9- 绘制Image

# -*- coding: utf-8 -*-

"""

绘制Image

"""

import matplotlib.pyplot as plt

import numpy as np

# 定义图像数据

a = np.linspace(0, 1, 9).reshape(3, 3)

# 显示图像数据

plt.imshow(a, interpolation = 'nearest', cmap = 'bone', origin = 'lower')

# 添加颜色条

plt.colorbar()

# 去掉坐标轴

plt.xticks(())

plt.yticks(())

plt.show()

21d0365d70aac99f00e51db173ff39e0.png

10- 绘制3D图形

# -*- coding: utf-8 -*-

"""

绘制3d图形

"""

import matplotlib.pyplot as plt

import numpy as np

from mpl_toolkits.mplot3d import Axes3D

# 定义figure

fig = plt.figure()

# 将figure变为3d

ax = Axes3D(fig)

# 数据数目

n = 256

# 定义x, y

x = np.arange(-4, 4, 0.25)

y = np.arange(-4, 4, 0.25)

# 生成网格数据

X, Y = np.meshgrid(x, y)

# 计算每个点对的长度

R = np.sqrt(X ** 2 + Y ** 2)

# 计算Z轴的高度

Z = np.sin(R)

# 绘制3D曲面

ax.plot_surface(X, Y, Z, rstride = 1, cstride = 1, cmap = plt.get_cmap('rainbow'))

# 绘制从3D曲面到底部的投影

ax.contour(X, Y, Z, zdim = 'z', offset = -2, cmap = 'rainbow')

# 设置z轴的维度

ax.set_zlim(-2, 2)

plt.show()

006rNwoDgy1fpcha98xjoj30cr092gnj.jpg

11- subplot绘制多图

# -*- coding: utf-8 -*-

"""

subplot绘制多图

"""

import matplotlib.pyplot as plt

plt.figure()

# 绘制第一个图

plt.subplot(2, 2, 1)

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

# 绘制第二个图

plt.subplot(2, 2, 2)

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

# 绘制第三个图

plt.subplot(2, 2, 3)

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

# 绘制第四个图

plt.subplot(2, 2, 4)

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

plt.show()

dc0a4102d65442428ed0fec8c4522539.png

# -*- coding: utf-8 -*-

"""

subplot绘制多图

"""

import matplotlib.pyplot as plt

plt.figure()

# 绘制第一个图

plt.subplot(2, 1, 1)

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

# 绘制第二个图

plt.subplot(2, 3, 4)

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

# 绘制第三个图

plt.subplot(2, 3, 5)

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

# 绘制第四个图

plt.subplot(2, 3, 6)

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

plt.show()

006rNwoDgy1fpci48u1soj30b3079mx6.jpg

12- figure绘制多图

#

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“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

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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