此篇博文是学习了莫烦PYTHON的课程后写下的。
课程连接：https://morvanzhou.github.io/tutorials/data-manipulation/plt/
一、基本使用
1.基本用法
问题描述：
做出y = 2*x + 1的图像，x的范围为[-1,1]。
实现代码：
import matplotlib.pyplot as plt
import numpy as np
x = np.linspace(-1, 1, 50) # 表示在[-1,1]这个区间中等间隔取50个点。
y = x**2 + 1
plt.figure() # 定义一个图像窗口
plt.plot(x, y) # 使用plt.plot画(x ,y)曲线。
plt.show() # 使用plt.show()显示图像
程序运行结果：
2.figure图像
问题描述：
函数y1=x+1，函数y2=x2+1，x的范围为[-2,2]
作图要求：
1.第一张图的序号为Figure3,第二张为Figure4
2.第一张图中，做出函数y1的图像，其他参数不做要求。
3.第二张图中，将函数y1与函数y2画在一张图中。
直线y1的颜色为红色，线宽为2，线条格式为’:’
曲线y2的颜色为色，线宽为4，线条格式为’–’
实现代码：
import matplotlib.pyplot as plt
import numpy as np
x = np.linspace(-2,2,100)
y1 = x + 1
y2 = x**2 -1
# 第一张图
plt.figure(num = 3,figsize=(8,5)) # num=3表示图片序号为Figure3，figsize表示图片大小
plt.plot(x,y1)
# 第二张图
plt.figure(num = 4,figsize=(7,4))
plt.plot(x,y1,color = 'red',linewidth = 2,linestyle = ':') # color表示线条颜色，linewidth表示线条粗细，linestyle表示线条格式
plt.plot(x,y2,color = 'yellow',linewidth=4,linestyle='--')
plt.show()
程序运行结果：
Figure3
Figure4
3.设置坐标轴1
问题描述：
要求：
a.画出函数图像y1 = x + 1，y2 = x**2 -1，x的取值范围为[-3,3]。
b.两个函数曲线画在一张图上。
c.设置横轴名称为’x’,纵轴名称为’y’。
d.设置横轴范围为(-1,2),纵轴范围为(-2,3)。
e.横坐标均匀显示5个点
f.在纵坐标上具体的5个点处标为文字
实现代码：
import matplotlib.pyplot as plt
import numpy as np
x = np.linspace(-3,3,100)
y1 = x + 1
y2 = x**2 -1
plt.figure(num = 1,figsize=(8,5))
plt.plot(x,y1,color = 'red',linewidth = 2,linestyle = ':') # color表示线条颜色，linewidth表示线条粗细，linestyle表示线条格式
plt.plot(x,y2,color = 'yellow',linewidth=4,linestyle='--')
plt.xlim((-1,2)) # 设置横轴范围
plt.ylim((-2,3)) # 设置纵轴范围
plt.xlabel('x') # 设置横轴名称
plt.ylabel('y') # 设置纵轴名称
new_ticks = np.linspace(-1,2,5) # [-1. -0.25 0.5 1.25 2. ]
plt.xticks(new_ticks) # 横坐标只标注[-1. -0.25 0.5 1.25 2. ]这几个点
plt.yticks([-1.8,-1.2,0.3,1.3,2.5],
['really bad','bad','normal','good','really good'])
# 将y轴坐标修改为文字，此处将-1.8处修改为'really bad',依次类推。
# 当然x轴也可以按照y轴这样修改成文字。
# 为了将字体修改得好看一点，可作如下一点点改动
# plt.yticks([-1.8,-1.2,0.3,1.3,2.5],
# [r'$really\ bad$','$bad$','$normal$','$good$','$really\ good$'])
# 从下面一条语句中可以将一些字符进行转义出来，比如下面的alpha字母就被转义出来了(百度解锁更多字符的转义)
# plt.yticks([-1.8,-1.2,0.3,1.3,2.5],
# [r'$really\ bad$','$bad$','$normal$','$good\ \\alpha$','$really\ good$'])
plt.show()
程序运行结果：
4.设置坐标轴2
问题描述：
要求：
在【3.设置坐标轴1】上添加如下功能：
a.去掉图片的上边框和右边框
b.将横轴平移到y=-1处，纵轴平移到x=0处。
其中，下面的那个轴为横轴，左边的轴为纵轴。
实现代码：
import matplotlib.pyplot as plt
import numpy as np
x = np.linspace(-3,3,100)
y1 = x + 1
y2 = x**2 -1
plt.figure(num = 1,figsize=(8,5))
plt.plot(x,y1,color = 'red',linewidth = 2,linestyle = ':') # color表示线条颜色，linewidth表示线条粗细，linestyle表示线条格式
plt.plot(x,y2,color = 'yellow',linewidth=4,linestyle='--')
plt.xlim((-1,2)) # 设置横轴范围
plt.ylim((-2,3)) # 设置纵轴范围
plt.xlabel('x') # 设置横轴名称
plt.ylabel('y') # 设置纵轴名称
new_ticks = np.linspace(-1,2,5) # [-1. -0.25 0.5 1.25 2. ]
plt.xticks(new_ticks) # 横坐标只标注[-1. -0.25 0.5 1.25 2. ]这几个点
plt.yticks([-1.8,-1.5,2,0.3,1.3,2.5],
[r'$really\ bad$','$bad$','$normal$','$good\ \\alpha$','$really\ good$'])
# gca = 'get current axis'
ax = plt.gca() # 获取整张图的轴
ax.spines['right'].set_color('none') # 去掉图片右边框,去掉左边框用'left'
ax.spines['top'].set_color('none') # 去掉图片上边框，去掉下边框用'bottom'
ax.xaxis.set_ticks_position('bottom') # 将下边这个轴作为x轴
ax.yaxis.set_ticks_position('left') # 将左边这个轴作为y轴
ax.spines['bottom'].set_position(('data',-1)) # 横轴平移到y=-1处
ax.spines['left'].set_position(('data',0)) # 纵轴平移到x=0处
plt.show()
程序运行结果：
5.Legend图例
问题描述：
要求：
a.在之前的程序的基础上，给图片加上图例，函数y1的图例名称为up,函数y2的图例名称为down。
b.换一种方法，重新实现a,函数y1的图例名称为a,函数y2的图例名称为b。
c.使用要求a中的方法，只显示函数y1的图例；使用要求b中的方法，只显示函数y2的图例。
实现代码：
import matplotlib.pyplot as plt
import numpy as np
x = np.linspace(-3,3,100)
y1 = x + 1
y2 = x**2 -1
plt.figure(num = 1,figsize=(8,5))
plt.xlim((-1,2)) # 设置横轴范围
plt.ylim((-2,3)) # 设置纵轴范围
plt.xlabel('x') # 设置横轴名称
plt.ylabel('y') # 设置纵轴名称
new_ticks = np.linspace(-1,2,5) # [-1. -0.25 0.5 1.25 2. ]
plt.xticks(new_ticks) # 横坐标只标注[-1. -0.25 0.5 1.25 2. ]这几个点
plt.yticks([-1.8,-1.5,2,0.3,1.3,2.5],
[r'$really\ bad$','$bad$','$normal$','$good\ \\alpha$','$really\ good$'])
# # 加图例的方法1：
# plt.plot(x,y1,color = 'red',linewidth = 2,linestyle = ':',label='up') # label表示给线条添加图例
# plt.plot(x,y2,color = 'yellow',linewidth=4,linestyle='--',label='down')
# plt.legend(loc='best') # 要加上这条语句才能显示图例,loc是表示位置的参数，默认为best
# # loc参数中可选的有：best、upper right、upper left、lower left、
# # lower right、right、center left、center right、lower center、
# # upper center、center
# # 加图例的方法2：
# l1, = plt.plot(x,y1,color = 'red',linewidth = 2,linestyle = ':') # label表示给线条添加图例
# l2, = plt.plot(x,y2,color = 'yellow',linewidth=4,linestyle='--')
# plt.legend(handles=[l1,l2,],labels=['a','b'])
# # 两种方法都可以选择性的显示图例
# # 第一种：（只显示第一条曲线的图例）
# plt.plot(x,y1,color = 'red',linewidth = 2,linestyle = ':',label='up')
# plt.plot(x,y2,color = 'yellow',linewidth=4,linestyle='--')
# plt.legend()
# # 第二种：（只显示第二条曲线的图例）
# l1, = plt.plot(x,y1,color = 'red',linewidth = 2,linestyle = ':')
# l2, = plt.plot(x,y2,color = 'yellow',linewidth=4,linestyle='--')
# plt.legend(handles=[l1,],labels=['b'])
plt.show()
程序运行结果：
注释：此处只给出了要求a的代码运行结果，要求b,c的运行结果感兴趣的朋友可以自己试着运行一下。（相关代码在注释部分，直接取消掉注释就可以了）
6.Annotation标注
问题描述：
做出一下图片的功能：
实现代码：
import matplotlib.pyplot as plt
import numpy as np
x = np.linspace(-3, 3, 50)
y = 2*x + 1
plt.figure(num=1, figsize=(8, 5),)
plt.plot(x, y,)
# 挪动坐标轴的位置
ax = plt.gca()
ax.spines['right'].set_color('none')
ax.spines['top'].set_color('none')
ax.spines['top'].set_color('none')
ax.xaxis.set_ticks_position('bottom')
ax.spines['bottom'].set_position(('data', 0))
ax.yaxis.set_ticks_position('left')
ax.spines['left'].set_position(('data', 0))
x0 = 1
y0 = 2*x0 + 1
plt.scatter(x0,y0,s=50,color='b') # 做出点(x0,y0),参数s表示点的大小，参数color表示点的颜色
plt.plot([x0,x0],[y0,0],'k--',lw=2.5) # 'k--':k表示线条颜色，--表示线条格式，参数lw表示线宽
plt.annotate(r'$2x+1=%s$' % y0, xy=(x0+0.1, y0), xycoords='data', xytext=(+30, -30),textcoords='offset points',# xycoords表示箭头指向的，xytext表示标注文字的位置
fontsize=16, # 标注字体的大小
arrowprops=dict(arrowstyle='->', connectionstyle="arc3,rad=0.3")) # 箭头符号，以及箭头的弧度。
plt.text(-3.7, 3, r'$This\ is\ the\ some\ text. \mu\ \sigma_i\ \alpha_t$',
fontdict={'size': 16, 'color': 'r'}) # -3.7,3表示文本位置，\sigma_i表示字符sigma，_i表示字符sigma的下标是i。
plt.show()
程序运行结果：
7.tick能见度
问题描述：
有时候曲线遮挡住了坐标刻度，不方便观察。为此，我们要求修改曲线的透明度。
实现代码：
import matplotlib.pyplot as plt
import numpy as np
x = np.linspace(-3, 3, 50)
y = 0.1*x
plt.figure()
# 在 plt 2.0.2 或更高的版本中, 设置 zorder 给 plot 在 z 轴方向排序
plt.plot(x, y, linewidth=10, zorder=1)
plt.ylim(-2, 2)
ax = plt.gca()
ax.spines['right'].set_color('none')
ax.spines['top'].set_color('none')
ax.spines['top'].set_color('none')
ax.xaxis.set_ticks_position('bottom')
ax.spines['bottom'].set_position(('data', 0))
ax.yaxis.set_ticks_position('left')
ax.spines['left'].set_position(('data', 0))
for label in ax.get_xticklabels() + ax.get_yticklabels():
label.set_fontsize(12) # 改变横轴纵轴刻度字体的大小
label.set_bbox(dict(facecolor='white', edgecolor='None', alpha=0.7, zorder=2))
# 参数facecolor调节前景颜色，edgecolor设置边框，alpha设置透明度
plt.show()
程序运行结果：
二、画图种类
1.Scatter散点图
问题描述：
要求：
a.产生1024个点，每个点服从标准正态分布。
b.做出这1024个点的散点图。横轴与纵轴的范围都限制在[-1.5,1.5]。
c.隐藏横轴和纵轴的坐标
实现代码：
import matplotlib.pyplot as plt
import numpy as np
n = 1024
X = np.random.normal(0,1,n)
Y = np.random.normal(0,1,n)
T = np.arctan2(Y,X) # 只是为了颜色好看
plt.scatter(X,Y,s=75,c=T,alpha=0.5)
plt.xlim(-1.5,1.5) # 限制横轴的范围
plt.ylim(-1.5,1.5) # 限制纵轴的范围
plt.xticks(()) # 隐藏横坐标
plt.yticks(()) # 隐藏纵坐标
plt.show()
程序运行结果：
注释：由于每次运行程序的时候，点都是随机产生的，所以每次画出来的图片会有所不同。
2.Bar柱状图
问题描述：
要求：
a.产生朝上与朝下的柱状图，朝上与朝下的柱状图的值都服从区间为[0.5,1]的均匀分布。
b.调整朝上朝下的柱状图的颜色及边框颜色。
c.在每个柱体上都标上相应的数值。
实现代码：
import matplotlib.pyplot as plt
import numpy as np
n = 12
X = np.arange(n)
Y1 = np.random.uniform(0.5, 1.0, n)
Y2 = np.random.uniform(0.5, 1.0, n)
plt.bar(X, +Y1, facecolor='#9999ff', edgecolor='black') # 产生朝上的柱状图
plt.bar(X, -Y2,facecolor='#ff9999', edgecolor='white') # 产生朝下的柱状图
# 参数facecolor表示柱状图的颜色，参数edgecolor表示条形图的边框颜色
# 在柱体上方（下方）加上数值
for x, y in zip(X, Y1): # 使用zip来同时得到X,Y1的一个值。
# ha: horizontal alignment 水平对齐
# va: vertical alignment 垂直对齐
plt.text(x + 0, y + 0.05, '%.2f' % y, ha='center', va='bottom')
for x, y in zip(X, Y2):
plt.text(x + 0, -y - 0.05, '-%.2f' % y, ha='center', va='top')
plt.xlim(-.5, n)
plt.xticks(())
plt.ylim(-1.25, 1.25)
plt.yticks(())
plt.show()
程序运行结果：
3.Contours等高线图
问题描述：
在二维图像上画出函数：
(1 - x / 2 + x^5 + y^3) * exp(-x^2 - y^2)的等高线;
x和y的取值范围都为[-3,3]。
实现代码：
import matplotlib.pyplot as plt
import numpy as np
def f(x,y):
# the height function
return (1 - x / 2 + x**5 + y**3) * np.exp(-x**2 -y**2)
n = 256
x = np.linspace(-3, 3, n)
y = np.linspace(-3, 3, n)
X,Y = np.meshgrid(x, y) # 用meshgrid在二维平面中将每一个x和每一个y分别对应起来，编织成栅格
plt.contourf(X, Y, f(X, Y), 8, alpha=.75, cmap=plt.cm.cool) # 数字8表示等高线的密集程度，该数字越大，等高线越密集
# 将cool换成hot就把图片颜色换为暖色调了。
# 使用函数plt.contourf把颜色加进去，位置参数分别为：X, Y, f(X,Y)。透明度0.75，并将 f(X,Y) 的值对应到color map的冷色组中寻找对应颜色。
C = plt.contour(X, Y, f(X, Y), 8, colors='black', linewidth=.5) # 使用plt.contour函数划线
plt.clabel(C, inline=True, fontsize=10) # 添加等高线的值，inline控制这个值是否画在线内，fontsize控制字体大小
plt.xticks(())
plt.yticks(())
plt.show()
程序运行结果：
4.Image图片
问题描述：
给出9个数据，将这9个数据看成像素点，画出图像。
实现代码：
import matplotlib.pyplot as plt
import numpy as np
a = np.array([0.313660827978, 0.365348418405, 0.423733120134,
0.365348418405, 0.439599930621, 0.525083754405,
0.423733120134, 0.525083754405, 0.651536351379]).reshape(3,3)
plt.imshow(a, interpolation='nearest', cmap='bone', origin='lower')
# 参数interpolation控制内插的方法，参数cmap控制图片颜色,origin控制图片显示的方向。
plt.colorbar(shrink=.92) # 颜色柱，shrink表示该颜色柱的高度为图片高度的百分之多少。
plt.xticks(())
plt.yticks(())
plt.show()
程序运行结果：
注释：内插方法有许多，如下图所示：
5.3D数据
问题描述：
a.画出函数Z = sin( ( X^2 + Y^2 ) ^(1/2) )的3D图,X,Y的范围都是[-4,4]。
b.将a中画出的图进行投影，投影面为Z=-2。
实现代码：
import numpy as np
import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D
fig = plt.figure() # 定义图像窗口
ax = Axes3D(fig) # 获取3维图像坐标
X = np.arange(-4, 4, 0.25)
Y = np.arange(-4, 4, 0.25)
X, Y = np.meshgrid(X, Y) # x-y 平面的网格
R = np.sqrt(X ** 2 + Y ** 2)
Z = np.sin(R)
ax.plot_surface(X, Y, Z, rstride=1, cstride=1, cmap=plt.get_cmap('rainbow'))
# 画出3D图像，X,Y,Z表示位置信息，rstride,cstride表示行跨和列跨，cmap表示颜色。
ax.contourf(X,Y,Z,zdir='z',offset=2,cmap='rainbow')
# 画出3D图像的投影，zdir表示投影的坐标轴方向，offset表示投影面的位置。
ax.set_zlim(-2,2) # 将z轴的范围限制在（-2,2）
plt.show()
程序运行结果：
三、多图合并显示
1.Subplot多合一显示
问题描述：
简单实现在一个画图窗口中画出多张小图。
实现代码：
均匀图中图：
import matplotlib.pyplot as plt
## 均匀图中图
plt.figure()
plt.subplot(2,2,1) # 将图像窗口分为2行2列，选择第一个窗口作图
plt.plot([0,1],[0,1])
plt.subplot(2,2,2)
plt.plot([0,1],[0,2])
plt.subplot(223)
plt.plot([0,1],[0,3])
plt.subplot(224)
plt.plot([0,1],[0,4])
plt.show()
不均匀图中图：
import matplotlib.pyplot as plt
## 不均匀图中图
plt.subplot(2,1,1) # 将图像窗口分成两行一列，选择第行窗口作图
plt.plot([0,1],[0,1])
plt.subplot(2,3,4) # 将第二行窗口分成一行3列，在第4个窗口作图。
# 注意，整个图像的第一行算3个窗口，只是第一个图像占了前3个窗口，所以后面是从第4个窗口开始作图的
plt.plot([0,1],[0,2])
plt.subplot(235)
plt.plot([0,1],[0,3])
plt.subplot(236)
plt.plot([0,1],[0,4])
plt.show()
程序运行结果：
均匀图中图的结果：
不均匀图中图的结果：
2.Subplot分格显示
问题描述：
使用3种方法进行分格显示
实现代码：
method1 使用subplot2grid
import matplotlib.pyplot as plt
## method1 使用subplot2grid
plt.figure()
ax1 = plt.subplot2grid((3, 3), (0, 0), colspan=3,rowspan=1)
# (3,3)表示将整个图像窗口分为3行3列
# (0,0)表示从第0行第0列开始画图，
# colspan=3,rowspan=1，表示这个子图占3列1行，这两个参数的默认值为1
ax1.plot([1, 2], [1, 2]) # 画小图
ax1.set_title('ax1_title') # 设置小图的标题
# 设置坐标名称、标题等与plt的方式类似
# 例如：plt.xlim((-1,2))等价现在的ax1.set_xlim(-1,2)
ax2 = plt.subplot2grid((3, 3), (1, 0), colspan=2)
ax3 = plt.subplot2grid((3, 3), (1, 2), rowspan=2)
ax4 = plt.subplot2grid((3, 3), (2, 0))
ax5 = plt.subplot2grid((3, 3), (2, 1))
ax4.scatter([1, 2], [2, 2])
ax4.set_xlabel('ax4_x')
ax4.set_ylabel('ax4_y')
plt.show()
method2 使用gridspec
import matplotlib.pyplot as plt
import matplotlib.gridspec as gridspec
## method2 使用gridspec
plt.figure()
gs = gridspec.GridSpec(3, 3) # 表示将整个图像窗口分为3行3列。
ax1 = plt.subplot(gs[0, :]) # 表示该子图占据整个第0行。
# 设置坐标名称、标题等与method1一样的。
ax1.set_title('ax1')
ax2 = plt.subplot(gs[1, :2]) # 表示占据第1行的前两列。
ax2.set_title('ax2')
ax3 = plt.subplot(gs[1:, 2]) # 表示占据后两行的第二列。
ax3.set_title('ax3')
ax4 = plt.subplot(gs[-1, 0]) # 表示占据最后一行的第1列。
ax4.set_title('ax4')
ax5 = plt.subplot(gs[-1, -2]) # 表示占据最后一行的倒数第1列(这里最后一列是倒数第0列)。
ax5.set_title('ax5')
plt.show()
method3 使用subplots
import matplotlib.pyplot as plt
## method3 使用subplots
f, ((ax11, ax12), (ax13, ax14)) = plt.subplots(2, 2, sharex=True, sharey=True)
# 2,2 表示将整个图像窗口分为2行2列。
# sharex,sharey表示是否共享x,y轴
#ax11,ax12,ax13,ax14依次占据4个小图像窗口的一个窗口。
ax11.scatter([1,2], [1,2])
ax11.set_title('ax11')
# 设置坐标名称、标题等与method1或method2一样的。
plt.tight_layout() # 表示紧凑显示图像
plt.show()
程序运行结果：
method1 使用subplot2grid的结果：
method2 使用gridspec的结果：
method3 使用subplots的结果：
3.图中图
问题描述：
实现在一张大图中，再放置几个小图的功能
实现代码：
import matplotlib.pyplot as plt
fig = plt.figure()
x = [1, 2, 3, 4, 5, 6, 7]
y = [1, 3, 4, 2, 5, 8, 6]
left, bottom, width, height = 0.1, 0.1, 0.8, 0.8
# 0.1,0.1表示该图的位置，整个窗口的左边10%，底边10%
# 0.8,0.8表示占该图的大小，占整个窗口的宽80%,高80%
ax1 = fig.add_axes([left, bottom, width, height])
ax1.plot(x, y, 'r')
ax1.set_xlabel('x')
ax1.set_ylabel('y')
ax1.set_title('title')
# 画小图的第一种方法
left, bottom, width, height = 0.2, 0.6, 0.25, 0.25
ax2 = fig.add_axes([left, bottom, width, height])
ax2.plot(x, y, 'b')
ax2.set_xlabel('x')
ax2.set_ylabel('y')
ax2.set_title('title inside 1')
# 画小图的第二种方法
left, bottom, width, height = 0.6, 0.2, 0.25, 0.25
plt.axes([left, bottom, width, height])
plt.plot(x, y, 'g') # 注意对y进行了逆序处理
plt.xlabel('x')
plt.ylabel('y')
plt.title('title inside 2')
plt.show()
程序运行结果：
4.次坐标轴
问题描述：
实现次坐标的功能。
实现代码：
import matplotlib.pyplot as plt
import numpy as np
x = np.arange(0, 10, 0.1)
y1 = 0.05 * x**3
y2 = - 0.05 * x ** 3
fig, ax1 = plt.subplots()
ax2 = ax1.twinx() # 对ax1调用twinx()方法，生成如同镜面效果后的ax2
ax1.plot(x, y1, 'r-')
ax1.set_xlabel('X data')
ax1.set_ylabel('Y1 data', color='r')
ax2.plot(x, y2, 'b--')
ax2.set_ylabel('Y2 data', color='b')
ax1.set_xlim(3,11)
plt.show()
程序运行结果：
四、动画
1.Animation动画
问题描述：
实现曲线动起来的功能。并将该动画曲线保存为.gif格式。
实现代码：
from matplotlib import pyplot as plt
from matplotlib import animation
import numpy as np
f, ax = plt.subplots()
x = np.arange(0, 2*np.pi, 0.01)
# x = np.linspace(0,2*np.pi,1000)
line, = ax.plot(x, np.sin(x))
def animate(i): # 此处i的值为下面语句中animation.FuncAnimation的frames，表示第i帧
line.set_ydata(np.sin(x + (2*np.pi)*i/100.0)) # 更新y轴的数据
# plt.xlim(-2,10) # 显示x轴的范围为（-2,10）
return line,
def init():
line.set_ydata(np.sin(x))
return line,
ani = animation.FuncAnimation(fig=f, # 该参数表示进行动画绘制的figure。
func=animate, # 自定义动画函数。
frames=100, # 动画长度，一次循环包含的帧数。
init_func=init, # 自定义开始帧。
interval=20, # 表示间隔20毫秒更新一次。
blit=False) # True表示更新整张图片的点，False表示更新变化了的点
ani.save('test_animation.gif') # 在当前目录下保存为.gif动图，‘test_animation.gif’是它的文件名
plt.show()
程序运行结果：
3841
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
