数据可视化之matplotlib绘图基础一

最新推荐文章于 2023-01-20 15:45:23 发布

流年里不舍的执着

最新推荐文章于 2023-01-20 15:45:23 发布

阅读量561

点赞数

本文链接：https://blog.csdn.net/weixin_43868107/article/details/102853412

版权

这篇博客介绍了如何使用matplotlib进行数据可视化，包括解决绘图中的乱码问题，讲解了figure和subplot的使用，以及如何添加标题、刻度、标签。文章详细阐述了add_axes和add_subplot创建子图的方法，以及plt.subplots的功能。此外，还提到了颜色、标记、线型、刻度、图例、坐标轴名称和范围的设置，以及注解和图表保存的方法。

摘要由CSDN通过智能技术生成

解决绘图中乱码问题

plt.rcParams['font.sans-serif']=['Simhei']   # 解决中文乱码问题
plt.rcParams['axes.unicode_minus']=False   # 解决坐标轴刻度负号乱码

Matplotlib三种不同的绘图方式

matplotlib是python最著名的绘图库，它提供了一整套和MATLAB相似的命令API，十分适合交互式地进行制图。而且也可以方便地将它作为绘图控件，嵌入GUI应用程序中。

绘图方式	特点	优劣
pyplot	提供了一套和MATLAB类似的绘图API，将众多绘图对象所构成的复杂结构隐藏在这套API内部，推荐使用	简单易用，方便快捷，交互使用方便，可以根据命令实时作图，但底层定制能力不足
pylab	包括了许多Numpy和pyplot模块中常用的函数，方便用户快速进行计算和绘图，十分适合在IPython交互式环境中使用	完全封装，环境最接近MATLAB，方便用户快速进行计算和绘图，十分适合在IPython交互式环境中
面向对象	Matplotlib的精髓，更基础和底层的方式	接近Matplotlib基础和底层，难度稍大，但定制能力强

import matplotlib.pyplot as plt
import numpy as np

Matplotlib绘图要点：

在这里插入图片描述

matplotlib 绘图要点–figure, subplot

图：figure，用于创建一个新的绘图对象

fig = plt.figure(figsize = (8,5),dpi = 100)
# 参数
figsize :指定绘图对象的宽度和高度，单位为英寸
dpi:指定绘图对象的`分辨率`，即每英寸多少个像素，缺省值为80

子图的两种绘制方式：add_axes和add_subplot

面向对象的方式画图

添加坐标轴：ax = fig.add_axes([0.1,0.1,0.8,0.8])

x = np.linspace(0, 5, 10)
y = x ** 2

fig = plt.figure()
axes = fig.add_axes([0.1, 0.1, 0.8, 0.8])    # 添加坐标轴 left, bottom, width, height (range 0 to 1)
axes.plot(x, y, 'r')
axes.set_xlabel('x')
axes.set_ylabel('y')
axes.set_title('面向对象的方式绘图-add_axes')

axes2 = fig.add_axes([0.2, 0.5, 0.4, 0.3])
axes2.plot(y, x, 'g')
axes2.set_xlabel('y')
axes2.set_ylabel('x')
axes2.set_title('标题2')

plt.show()

在这里插入图片描述

添加子图：ax = fig.add_subplot(111)

x = np.linspace(0,5,10)
y = x**2

# 通过figure对象的.add_subplot方法添加子图
fig = plt.figure()
ax = fig.add_subplot(349)   ## 参数349的意思是：将画布分割成3行4列，图像画在从左到右从上到下的第9块，如下图：
ax.plot(x,y)
ax.set_title("绘图——add_subplot")
plt.show()