matplotlib从绘图到排版

绘图

线与填充

import matplotlib.pyplot as plt
import numpy as np
x = np.linspace(0, 10, 200)
data_obj = {'x': x,
            'y1': 2 * x + 1,
            'y2': 3 * x + 1.2
            ,'mean': 0.5 * x * np.cos(2*x) + 2.5 * x + 1.1
            }
fig, ax = plt.subplots()
#填充两条线之间的颜色
ax.fill_between('x', 'y1', 'y2', color='yellow', data=data_obj)

# Plot the "centerline" with `plot`
ax.plot('x', 'mean', color='black', data=data_obj)
plt.show()

散点图

常用参数

x，y：表示的是shape大小为(n,)的数组，也就是我们即将绘制散点图的数据点，输入数据。

s：表示的是大小，是一个标量或者是一个shape大小为(n,)的数组，可选，默认20。

c：表示的是色彩或颜色序列，可选，默认蓝色’b’。但是c不应该是一个单一的RGB数字，也不应该是一个RGBA的序列，因为不便区分。c可以是一个RGB或RGBA二维行数组。

marker：MarkerStyle，表示的是标记的样式，可选，默认’o’。

cmap：Colormap，标量或者是一个colormap的名字，cmap仅仅当c是一个浮点数数组的时候才使用。如果没有申明就是image.cmap，可选，默认None。

norm：Normalize，数据亮度在0-1之间，也是只有c是一个浮点数的数组的时候才使用。如果没有申明，就是默认None。

vmin，vmax：标量，当norm存在的时候忽略。用来进行亮度数据的归一化，可选，默认None。

alpha：标量，0-1之间，可选，默认None。

linewidths：也就是标记点的长度，默认None。

marker

$1.$常用颜色：
'b' blue 蓝
'g' green 绿
'r' red 红
'c' cyan 蓝绿
'm' magenta 洋红
'y' yellow 黄
'k' black 黑
'w' white 白

$2.$

$3.linestyle$
'-' solid line style 实线
'--' dashed line style 虚线
'-.' dash-dot line style 点画线
':' dotted line style 点线

import matplotlib.pyplot as plt
import numpy as np
x=np.arange(10)
y=np.random.randn(10)*10
plt.scatter(x,y,color="red",marker="+")
plt.show()

频度分布图

hist官网
函数：matplotlib.pyplot.hist(x,bins=None,range=None, density=None, bottom=None, histtype=‘bar’, align=‘mid’, log=False, color=None, label=None, stacked=False, normed=None)
常用参数：

x: 数据集，最终的直方图将对数据集进行统计
bins: 统计的区间分布

range: tuple, 显示的区间，range在没有给出bins时生效

**density**: bool，默认为false，显示的是频数统计结果，
为True	则显示频率统计结果，这里需要注意，
频率统计结果=区间数目/(总数	*区间宽度)，
和normed效果一致，官方推荐使用density

facecolor:例如'g',颜色

alpha:透明度

histtype: 可选{'bar', 'barstacked', 'step', 'stepfilled'}之一，默认为	bar，推荐使用默认配置，step使用的是梯状，stepfilled则会对梯状	内部进行填充，效果与bar类似

align: 可选{'left', 'mid', 'right'}之一，默认为'mid'，
控制柱状图的水平分布，left或者right，会有部分空白区域，
推荐使用默认

log: bool，默认False,即y坐标轴是否选择指数刻度

stacked: bool，默认为False，是否为堆积状图

点线图

plot官网

常用参数

plot(x, y, color=‘green’, marker=‘o’, linestyle=‘dashed’,
linewidth=2, markersize=12)

实例

import matplotlib.pyplot as plt
import numpy as np
t = np.arange(0., 5., 0.2)
# red dashes, blue squares and green triangles
plt.plot(t, t, 'r--', t, t**2, 'bs', t, t**3, 'g^')
plt.show()

柱状图

常用参数

x,包含所有柱子的下标的列表，也就是每个柱子的标签
left        每个柱x轴左边界
bottom      每个柱y轴下边界
height, 包含所有柱子的高度值的列表
width, 每个柱子的宽度。 可以指定一个固定值， 
     那么所有的柱子都是一样的宽。 或者设置一个列表， 
     这样可以分别对每个柱子设定不同的宽度
align， 柱子对齐方式，有两个可选值：center 和 edge
color， 柱子的颜色，可传入一个固定值或一个列表
edgecolor， 柱子的边框颜色，可传入一个固定值或一个列表
linewidth, 每根柱子的边框宽度。 如果没有设置，默认没有边框
tick_label, 每根柱子上显示的标签， 默认是没有
xerr        x方向error bar
yerr        y方向error bar
ecolor      error bar颜色
capsize     error bar横线宽度(default 3)

实例

import matplotlib.pyplot as plt
import numpy as np
plt.subplot(221)
#频度分布图
mu,sigma=100,15
x=mu+sigma*np.random.randn(10000)
# the histogram of the data
n, bins, patches=plt.hist(x, 50, density=1, facecolor='g', alpha=0.75)  #要统计的数组，多少块，显示频率1或频数0，颜色，透明度
plt.xlabel('Smarts')
plt.ylabel('Probability')
plt.title('频度分布图',fontproperties="KaiTi",size=22)
plt.text(60, .025, r'$\mu=100,\ \sigma=15$')
plt.axis([40, 160, 0, 0.03])
plt.grid(True)
plt.subplot(222)
data = {'a': np.arange(50),
        'c': np.random.randint(0, 50, 50),
        'd': np.random.randn(50)}
data['b'] = data['a'] + 10 * np.random.randn(50)
data['d'] = np.abs(data['d']) * 100
plt.title('散点气泡图',fontproperties="KaiTi",size=22)
plt.scatter('a', 'b', c='c', s='d', data=data)  #c参数是颜色，s参数是大小
plt.xlabel('entry a')
plt.ylabel('entry b')
plt.subplot(223)
def f(t):
    return np.exp(-t) * np.cos(2*np.pi*t)
t1 = np.arange(0.0, 5.0, 0.1)
t2 = np.arange(0.0, 5.0, 0.02)
t = np.arange(0., 5., 0.2)
plt.plot(t1, f(t1), 'bo', t2, f(t2), 'k')
plt.title('点线图',fontproperties="KaiTi",size=22)
plt.subplot(224)
plt.title('柱状图',fontproperties="KaiTi",size=22)
N = 5
menMeans = (20, 35, 30, 35, 27)
womenMeans = (25, 32, 34, 20, 25)
menStd = (2, 3, 4, 1, 2)
womenStd = (3, 5, 2, 3, 3)
ind = np.arange(N)    # the x locations for the groups
width = 0.35       # the width of the bars: can also be len(x) sequence

p1 = plt.bar(ind, menMeans, width, yerr=menStd)
p2 = plt.bar(ind, womenMeans, width,
             bottom=menMeans, yerr=womenStd)
plt.ylabel('Scores')
plt.xticks(ind, ('G1', 'G2', 'G3', 'G4', 'G5'))
plt.yticks(np.arange(0, 81, 10))
plt.legend((p1[0], p2[0]), ('Men', 'Women'),bbox_to_anchor=(1.04,0.3))
plt.tight_layout()    #使得图与图之间不重叠
plt.show()

排版

图例

legend官网
常用参数

'loc:图例位置，可取(‘best’, ‘upper right’, ‘upper left’, ‘lower left’, ‘lower right’, ‘right’, ‘center left’, ‘center , right’, ‘lower center’, ‘upper center’, ‘center’) ；若是使用了bbox_to_anchor，则这项就无效了

fontsize： int或float或{‘xx-small’, ‘x-small’, ‘small’, ‘medium’, ‘large’, ‘x-large’, ‘xx-large’}，字体大小；

frameon： 是否显示图例边框，

ncol： 图例的列的数量，默认为1,

title: 为图例添加标题

shadow: 是否为图例边框添加阴影,

markerfirst: True表示图例标签在句柄右侧，false反之，

markerscale： 图例标记为原图标记中的多少倍大小，

numpoints: 表示图例中的句柄上的标记点的个数，一般设为1,

fancybox: 是否将图例框的边角设为圆形

framealpha: 控制图例框的透明度

borderpad: 图例框内边距

labelspacing: 图例中条目之间的距离

handlelength: 图例句柄的长度

bbox_to_anchor

实例
里面也介绍了如何使得保存的图像分辨率提高

import matplotlib.pyplot as plt
import matplotlib
import numpy as np
plt.figure()
t = np.arange(0., 5., 0.2)
matplotlib.rcParams["font.family"]="KaiTi"
# red dashes, blue squares and green triangles
p=plt.plot(t, t, 'r--', t, t**2, 'bs', t, t**3, 'g^')
plt.xlabel("X轴",size=12)
plt.ylabel("Y轴",size=12)
plt.legend((p[0],p[1],p[2]),(r"$t$",r"$t^2$",r"$t^3$")
           ,loc='center'
           ,bbox_to_anchor=(1.2,0.2)
           , fontsize=12
           , frameon=1
           , fancybox=True
           , framealpha=0.2
           , borderpad=0.3
           , ncol=1
           , markerfirst=True
           , markerscale=1
           , numpoints=1
           , handlelength=3.5
           ,title="图例"
     )
# plt.rcParams['savefig.dpi'] = 300 #图片像素
# plt.rcParams['figure.dpi'] = 300 #分辨率
plt.tight_layout()
plt.savefig("lig.png",dpi=300)
plt.show()

或者

plt.subplot(211)
plt.plot([1, 2, 3], label="test1")
plt.plot([3, 2, 1], label="test2")
plt.tight_layout()
# Place a legend above this subplot, expanding itself to
# fully use the given bounding box.
plt.legend(bbox_to_anchor=(0., 1.02, 1., .102), loc='lower left',
           ncol=2, mode="expand", borderaxespad=0.)

使用matplotlib.pyplot实现画折线图的一个实用示例

添加中文

import matplotlib.pyplot as plt
plt.xlabel("x轴",fontproperties="KaiTi",size=14)
plt.ylabel("y轴", fontproperties="SimSun",size=14) # 步骤一    （宋体）
plt.title("标题", fontproperties="SimHei",size=36) #          （黑体）
plt.show()

一些中文字体的英文名

宋体 SimSun
黑体 SimHei
微软雅黑 Microsoft YaHei
微软正黑体 Microsoft JhengHei
新宋体 NSimSun
新细明体 PMingLiU
细明体 MingLiU
标楷体 DFKai-SB
仿宋 FangSong
楷体 KaiTi
隶书：LiSu
幼圆：YouYuan
华文细黑：STXihei
华文楷体：STKaiti
华文宋体：STSong
华文中宋：STZhongsong
华文仿宋：STFangsong
方正舒体：FZShuTi
方正姚体：FZYaoti
华文彩云：STCaiyun
华文琥珀：STHupo
华文隶书：STLiti
华文行楷：STXingkai
华文新魏：STXinwei

Axes 列表

import matplotlib.pyplot as plt
fig, axes = plt.subplots(nrows=2, ncols=2)
axes[0,0].set(title='Upper Left')
axes[0,1].set(title='Upper Right')
axes[1,0].set(title='Lower Left')
axes[1,1].set(title='Lower Right',xlim=[0.5, 4.5], ylim=[-2, 8],
       ylabel='Y-Axis', xlabel='X-Axis')
plt.show()

实例

import matplotlib.pyplot as plt
import numpy as np
x = np.linspace(0, np.pi)
y_sin = np.sin(x)
y_cos = np.cos(x)
fig,axes=plt.subplots(nrows=2, ncols=2)
axes[0,0].plot(x, y_sin)
axes[0,1].plot(x, y_sin, 'go--', linewidth=2, markersize=12)
axes[1,0].plot(x, y_cos, color='red', marker='+', linestyle='dashed')
#ax2的第三个参数是 MATLAB风格的绘图，对应ax3上的颜色，marker，线型。
plt.show()

添加箭头

Python学习笔记（4）——Matplotlib中的annotate（注解）的用法

import matplotlib.pyplot as plt
import numpy as np

plt.subplot()
t = np.arange(0.0, 5.0, 0.01)
s = np.cos(2*np.pi*t)
line, = plt.plot(t, s, lw=2,c="g")
plt.annotate('局部最大值',fontproperties="KaiTi"
             ,xy=(2, 1)
             , xytext=(3, 1.5)
             ,arrowprops=dict(facecolor='black'
                              , shrink=0.02  #箭头两端收缩的百分比（占总长）
                              ,width=0.1     #尾部宽度
                              ,headwidth=5   #箭头宽度
                              )
             )
plt.ylim(-2, 2)
plt.show()