MatPlotlib 最全 使用技巧与操作指南

🤵 Author ：Horizon John

✨ 编程技巧篇：各种操作小结

🎇 机器视觉篇：会变魔术 OpenCV

💥 深度学习篇：简单入门 PyTorch

🏆 神经网络篇：经典网络模型

💻 算法篇：再忙也别忘了 LeetCode

简单绘图

首先从创建 图形 和 维度 开始：

import matplotlib.pyplot as plt

fig = plt.figure()
ax = plt.axes()

plt.show()

图形（类plt.Figure的一个实例）：包括了所有维度、图像、文本和标签对象等 ；
维度（类plt.Axes的一个实例）：就是上面的图，一个有边界的格子包括刻度和标签，以及上面的图表元素 ；

定制画布风格

plt.style.use('seaborn-whitegrid')    # 画布风格

一共有以下这么多的画布风格：

['bmh', 'classic', 'dark_background', 'fast', 
'fivethirtyeight', 'ggplot', 'grayscale', 'seaborn-bright', 
'seaborn-colorblind', 'seaborn-dark-palette', 'seaborn-dark', 'seaborn-darkgrid',
 'seaborn-deep', 'seaborn-muted', 'seaborn-notebook', 'seaborn-paper', 
'seaborn-pastel', 'seaborn-poster', 'seaborn-talk', 'seaborn-ticks',
 'seaborn-white', 'seaborn-whitegrid', 'seaborn', 'Solarize_Light2', 
'tableau-colorblind10', '_classic_test']

绘制简单函数

x = np.linspace(0, 10, 1000)
ax.plot(x, np.sin(x))

也可以直接使用 plt 函数进行会绘制；
绘制多根线条，多次调用 plt 函数即可：

plt.plot(x, np.sin(x))
plt.plot(x, np.cos(x))

设置坐标轴

坐标轴范围

xlim()
ylim()

plt.plot(x, np.sin(x))
plt.xlim(0, 10)
plt.ylim(-1.5, 1.5)

坐标轴反向：将参数数据颠倒即可

plt.plot(x, np.sin(x))
plt.xlim(10, 0)
plt.ylim(1.5, -1.5)

也可以直接使用 plt.axis() 设置 x轴 和 y轴 的参数：

x = np.linspace(0, 10, 1000)
plt.plot(x, np.sin(x))
plt.axis([0, 10, -1.5, 1.5])

坐标轴标签

title()
xlabel()
ylabel()

plt.title("Line")
plt.xlabel("x")
plt.ylabel("sin(x)")

图例

legend()

plt.plot(x, np.sin(x), '-g', label='sin(x)')
plt.plot(x, np.cos(x), ':b', label='cos(x)')
plt.axis('equal')
plt.legend()

loc=0：图列位置 = ’best ’
0 ---- best自己分配最佳位置
1 ---- upper right
2 ---- upper left
3 ---- lower left
4 ---- lower right
5 ---- right
6 ---- center left
7 ---- center right
8 ---- lower center
9 ---- upper center
10 ---- center
frameon=False：边框是否显示
ncol=2：图例分栏
fontsize=8：字体大小
framealpha=0.5：图例透明度

plt.plot(x, np.sin(x), '-b', label='sin(x)')
plt.axis('equal')
plt.legend(loc=0, frameon=True, ncol=1, fontsize=8, framealpha=0.5)

线条颜色及风格

线条颜色

color

r : 红色 m : 洋红色
g : 绿色 y : 黄色
b : 蓝色 k : 黑色
w : 白色 c : 青绿色

RGB颜色参考：RGB颜色对照表

plt.plot(x, x)                              # 无
plt.plot(x, x + 1, color='blue')            # 颜色名称
plt.plot(x, x + 2, color='g')               # 颜色简写 (r g b w m y k c)
plt.plot(x, x + 3, color='0.75')            # 0-1之间的灰阶值
plt.plot(x, x + 4, color='#FFDD44')         # 16进制的值
plt.plot(x, x + 5, color=(1.0, 0.2, 0.3))   # RGB元组的颜色值，每个值介于0-1
plt.plot(x, x + 6, color='chartreuse')      # HTML颜色

线条风格

linestyle

plt.plot(x, x, linestyle='')           # 无
plt.plot(x, x + 1, linestyle='-')      # 实线
plt.plot(x, x + 2, linestyle='--')     # 破折线
plt.plot(x, x + 3, linestyle='-.')     # 点划线
plt.plot(x, x + 4, linestyle=':')      # 虚线

颜色 + 风格

plt.plot(x, x + 0, '-g')      # 绿色实线
plt.plot(x, x + 1, '--c')     # 青色破折线
plt.plot(x, x + 2, '-.k')     # 黑色点划线
plt.plot(x, x + 3, ':r')      # 红色虚线

多个子图

表格插图

距离 x轴 和 y轴 60% 的位置 ;
以插图的形式放置一个 宽度 和 高度 都是 20% 子图表 ;

fig = plt.figure()
ax1 = plt.axes()                           # 标准图表
ax2 = plt.axes([0.6, 0.6, 0.2, 0.2])       # 子图表

堆叠子图表

fig.add_axes() 两个垂直堆叠的子图表 ：

fig = plt.figure()                             # 创建figure对象
ax1 = fig.add_axes([0.1, 0.5, 0.8, 0.4],
                   ylim=(-1.5, 1.5))           # x轴10%, y轴50%, 宽度80%. 高度40%
ax2 = fig.add_axes([0.1, 0.1, 0.8, 0.4],
                   ylim=(-1.5, 1.5))           # x轴10%, y轴10%, 宽度80%. 高度40%

x = np.linspace(0, 10)
ax1.plot(np.sin(x))
ax2.plot(np.cos(x))

网格子图表

plt.subplot()

for i in range(1, 7):
    plt.subplot(2, 3, i)
    plt.text(0.5, 0.5, str((2, 3, i)),
             fontsize=18, ha='center')

网格行数，网格列数，该网格子图表的序号（从左上角向右下角递增）

plt.subplots_adjust() 调整子表图之间的距离

沿着 高度 和 宽度 方向子图表之间的距离，以 40% 为例 ：

fig = plt.figure()
fig.subplots_adjust(hspace=0.4, wspace=0.4)

for i in range(1, 7):
    plt.subplot(2, 3, i)
    plt.text(0.5, 0.5, str((2, 3, i)),
             fontsize=18, ha='center')

sharex 和 sharey 用于关联不同子表格之间的参数

fig, ax = plt.subplots(2, 3, sharex='col', sharey='row')

不规则子图表

plt.GridSpec() 指定子图表的 位置 和 占据的 网格 ；

grid = plt.GridSpec(2, 3, wspace=0.4, hspace=0.3)

plt.subplot(grid[0, 0])
plt.subplot(grid[0, 1:])
plt.subplot(grid[1, :2])
plt.subplot(grid[1, 2])