Matplotlib | 一文搞定Matplotlib从入门到实战演练！

已于 2024-08-07 23:01:19 修改
阅读量2.9k 收藏 64
点赞数 20
分类专栏： # 数据可视化 文章标签： matplotlib 数据分析 numpy 数据挖掘
于 2024-08-07 22:58:53 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_46264660/article/details/140914998
版权

文章目录

1 什么是Matplotlib

\qquad Matplotlib 是一个 Python 的 2D绘图库。通过 Matplotlib，开发者可以仅需要几行代码，便可以生成绘图，直方图，功率谱，条形图，错误图，散点图等。官网https://matplotlib.org/

\qquad 学习Matplotlib 可让数据可视化，更直观的真实给用户。使数据更加客观、更具有说服力。Matplotlib是Python的库，又是开发中常用的库

1.1 Matplotlib的安装

pip install matplotlib

1.2 Matplotlib的基本使用

\qquad 在使用Matplotlib绘制图形时，其中有两个最为常用的场景。一个是画点，一个是画线。pyplot基本方法的使用如下表。

在这里插入图片描述

2 绘制直线

import matplotlib.pyplot as plt

# 将(0,1)点和(2,4)连起来
plt.plot([0, 2], [1, 4])
plt.show()

在这里插入图片描述

3 绘制折线

import matplotlib.pyplot as plt

x = [1, 2, 3, 4, 5]
squares = [1, 14, 39, 16, 25]
plt.plot(x, squares)
plt.show()

在这里插入图片描述

设置标签文字和线条粗细

import matplotlib.pyplot as plt

datas = [1, 2, 3, 4, 5]
squares = [1, 14, 39, 16, 25]
plt.plot(datas,squares,linewidth=5) #设置线条宽度 
#设置图标标题，并在坐标轴上添加标签
plt.title('Numbers',fontsize=24)
plt.xlabel('datas',fontsize=14)
plt.ylabel('squares',fontsize=14)
plt.show()

在这里插入图片描述

设置中文标题

Matplotlib 默认情况不支持中文，我们可以使用以下简单的方法来解决：

import matplotlib.pyplot as plt

# 准备数据
datas = [1, 2, 3, 4, 5]
squares = [1, 14, 39, 16, 25]
# 注意x和squares列表中元素个数要相同
plt.plot(datas, squares, linewidth=5)  # 设置线条宽度
plt.rcParams['font.sans-serif'] = ['SimHei']  # 用来正常显示中文标签
# 添加标题
plt.title('设置标题', fontsize=24)
# x轴添加标签
plt.xlabel('X轴', fontsize=14)
# y轴添加标签
plt.ylabel('Y轴', fontsize=14)
# 显示图形
plt.show()

在这里插入图片描述

风格的设置

import matplotlib.pyplot as plt

# 查看matplotlib中有哪些风格
# print(plt.style.available)

# 设置风格
plt.style.use('ggplot')
plt.plot([1, 2], [1, 4])
plt.show()

在这里插入图片描述

某周最高温度和最低温度变化

import matplotlib.pyplot as plt

# 构造数据
max_temperature = [26, 30, 31, 32, 33]
min_temperature = [12, 16, 16, 17, 18]
x = range(5)
plt.rcParams['font.family'] = ['SimHei']
x_ticks = ['星期{}'.format(i) for i in
           range(1, 6)]
plt.title('某年某周第N周的温度')
plt.xlabel('周')
plt.ylabel('温度：单位(℃)')
# 设置x轴标签
plt.xticks(x, x_ticks)
# 填充数据
plt.plot(x, max_temperature, label='最高温')
plt.plot(x, min_temperature, label='最低温')
# 显示图例
plt.legend(loc=2)
plt.show()

在这里插入图片描述

4 绘制曲线

绘制曲线y=x^2

Matplotlib有很多函数用于绘制各种图形，其中plot函数用于曲线， 需要将200个点的x坐标和Y坐标分别以序列的形式传入plot函数，然后调用show函数显示绘制的图形。

【示例】一元二次方程的曲线

import matplotlib.pyplot as plt

# 准备数据 x是200个点
x = range(-100, 100)
# y = x**2
y = [i ** 2 for i in x]
# 设置风格
plt.style.use('ggplot')
# 调用plot
plt.plot(x, y)
# 保存图片
plt.savefig('y=x的平方.jpg')
plt.show()

在这里插入图片描述

绘制正弦曲线和余弦曲线

使用plt函数绘制任何曲线的第一步都是生成若干个坐标点（x，y）， 理论上坐标点是越多越好。本例取0到10之间100个等差数作为x的坐标，然后将这100个x坐标值一起传入Numpy的sin和cos函数，就会得到100个y坐标值，最后就可以使用plot函数绘制正弦曲线和余弦曲线。

import matplotlib.pyplot as plt
import numpy as np

# 生成x的坐标(0-10的100个等差数列)
x = np.linspace(0, 10, 100)
y = np.sin(x)

# 绘制正弦曲线
plt.plot(x, y, label="sin")
# 绘制余弦曲线
plt.plot(x, np.cos(x), label="cos")
# 给图像加图例
plt.legend()
plt.show()

在这里插入图片描述

画布分区

【示例】subplot分区

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(0, 10, 100)
# plt.plot(x, np.sin(x))
# plt.plot(x, np.cos(x))

# 将画布分为区域，将图画到画布的指定区域 subplot()画布分区
# 将画布分为2行2列在第三个区域绘制图形
# 两种传递参数都可以
plt.subplot(2, 2, 1)
plt.plot(x, np.sin(x))
plt.subplot(222)
plt.plot(x, np.cos(x))
plt.subplot(2, 2, 3)
plt.plot(x, np.cos(x))
plt.subplot(224)
plt.plot(x, np.sin(x))

plt.show()

在这里插入图片描述

【示例】subplot分区

#将画布分为2行2列，将图画到画布的1区域
plt.subplot(221)

【示例】subplots分区

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(0, 10, 100)
# plt.plot(x, np.sin(x))
# plt.plot(x, np.cos(x))

# 将画布分为区域，将图画到画布的指定区域 subplot()画布分区
# 将画布分为2行2列在第三个区域绘制图形
# 两种传递参数都可以
plt.subplot(2, 2, 1)
plt.plot(x, np.sin(x))
plt.subplot(222)
plt.plot(x, np.cos(x))
plt.subplot(2, 2, 3)
plt.plot(x, np.cos(x))
plt.subplot(224)
plt.plot(x, np.sin(x))
# 使用subplots()进行画布分区
fig, ax = plt.subplots(nrows=2, ncols=3)
ax[0][0].plot(x, np.sin(x))
ax[1][2].plot(x, np.cos(x))
# ax[行索引, 列索引]
ax[0, 2].plot(x, np.sin(x))
ax[1, 0].plot(x, np.cos(x))
plt.show()

在这里插入图片描述

5 绘制散点图

用两组数据构成多个坐标点，考察坐标点的分布，判断两变量之间是否存在某种关联。
【示例】绘制散点图

import matplotlib.pyplot as plt
import numpy as np

# 画散点图
x = np.linspace(0, 10, 100)  # 生成0到10中100个等差数
# plt.scatter(x, np.sin(x))
plt.plot(x, np.sin(x), 'o')
plt.show()

在这里插入图片描述

【示例】使用scatter绘制不同大小不同颜色的散点图

import matplotlib.pyplot as plt
import numpy as np

# 绘制不同大小不同颜色的散点图
np.random.seed(0)
x = np.random.rand(100)
y = np.random.rand(100)
colors = np.random.rand(100)
size = np.random.rand(100) * 1000
plt.scatter(x, y, c=colors, s=size, alpha=0.7)
plt.show()

在这里插入图片描述

绘制不同种类不同颜色的线

作为线性图的替代，可以通过向 plot() 函数添加格式字符串来显示离散值。

可以使用以下格式化字符。

在这里插入图片描述

以下是颜色的缩写：

在这里插入图片描述

【示例】不同种类不同颜色的线

#不同种类不同颜色的线
x=np.linspace(0,10,100)
plt.plot(x,x+0,'-g') #实线 绿色
plt.plot(x,x+1,'--c') #虚线 浅蓝色
plt.plot(x,x+2,'-.k') #点划线 黑色
plt.plot(x,x+3,'-r') #实线 红色
plt.plot(x,x+4,'o') #点 默认是蓝色
plt.plot(x,x+5,'x') #叉叉 默认是蓝色
plt.plot(x,x+6,'d') #砖石 红色

【示例】不同种类不同颜色的线并添加图例

# 不同种类不同颜色的线并添加图例
x = np.linspace(0, 10, 100)
plt.plot(x, x + 0, '-g', label='-g')  # 实线 绿色
plt.plot(x, x + 1, '--c', label='--c')  # 虚线 浅蓝色
plt.plot(x, x + 2, '-.k', label='-.k')  # 点划线黑色
plt.plot(x, x + 3, '-r', label='-r')  # 实线 红色
plt.plot(x, x + 4, 'o', label='o')  # 点 默认是蓝色
plt.plot(x, x + 5, 'x', label='x')  # 叉叉 默认是蓝色
plt.plot(x, x + 6, 'dr', label='dr')  # 砖石 红色 
# 添加图例右下角lower right 左上角upper left 边框 透明度 阴影 边框宽度
plt.legend(loc='lower right', fancybox=True, framealpha=1, shadow=True, borderpad=1)

import matplotlib.pyplot as plt
import numpy as np

# 准备数据
x = np.linspace(0, 10, 50)
plt.plot(x, x + 0, '--', label='--')
plt.plot(x, x + 1, ':g', label=':g')
plt.plot(x, x + 2, 'vb', label='vb')
plt.plot(x, x + 3, 'sy', label='sy')
plt.plot(x, x + 4, 'hr', label='hr')
# 添加图例
# plt.legend(loc='lower right')

plt.legend(loc=4, fancybox=True, framealpha=1, shadow=True, borderpad=1)  # 要配合label去使用
plt.show()

在这里插入图片描述

6 绘制条形图（柱状）

条形图是用宽度相同的条形的高度或长短来表示数据多少的图形。 条形图可以横置或纵置，纵置时也称为柱形图。

使用bar函数可以绘制条形图。条形图主要用来纵向对比和横向对比的
bar(x,y,color,width) 函数来生成纵向条形图
barh(x,y,color,height) 函数来生成条形图

  • x 条装显示位置
  • y 显示的值
  • color 显示的颜色

【示例】使用bar绘制柱状图，并设置柱的宽度

import matplotlib.pyplot as plt

plt.rcParams['font.sans-serif'] = ['SimHei']  # 用来正常显示中文标签

# 准备数据
x = [2020, 2025, 2030, 2035]
y = [12000, 30000, 10000, 50000]
# 调用bar绘制条形图
plt.bar(x, y, width=2)

# 设置xlabel， ylabel
plt.xlabel("年份")
plt.ylabel("销量")
# 添加标题
plt.title("4年的销售量")
# 调用xticks()
x_ticks = [f'{i}年' for i in x]
plt.xticks(x, x_ticks)
plt.show()

在这里插入图片描述

注意事项：bar函数的宽度并不是像素宽度。bar函数会根据二维坐标系的尺寸，以及x坐标值的多少，自动确定每一个柱的宽度，而 width指定的宽度就是这个标准柱宽度的倍数。该参数值可以是浮点数，如0。5，表示柱的宽度是标准宽度的0。5倍。

【示例】barh的使用

import matplotlib.pyplot as plt

plt.rcParams['font.sans-serif'] = ['SimHei']  # 用来正常显示中文标签

# 准备数据
x = [2020, 2025, 2030, 2035]
y = [12000, 30000, 10000, 50000]

# 设置条的高度
plt.barh(x, y, height=2)
# xlabel ylabe1
plt.xlabel('销量')
plt.ylabel('年份')
plt.title('4年销量')

y_ticks = [f'{i}年' for i in x]
plt.yticks(x, y_ticks)
plt.show()

在这里插入图片描述

【示例】对部分条形图，使用颜色区分

import matplotlib.pyplot as plt

x = range(5)
y = [10, -13, 14, -20, 43]

v_bar = plt.bar(x, y, color='lightblue')
for bar, height in zip(v_bar, y):
    if height < 0:
        bar.set(color='lightgreen', linewidth='3')

在这里插入图片描述

绘制带方差的条形图

【示例】带方差的条形图

import matplotlib.pyplot as plt

# 准备数据
x = range(3)
x_label = ['bar1', 'bar2', 'bar3']
y = [1, 2, 3]
# 波动
variance = [0.2, 0.4, 0.5]
# 绘制柱形图
plt.bar(x, y, width=0.5, yerr=variance)
plt.xticks(x, x_label)
# 设置y轴坐标的范围 扩大范围
m = max(zip(y, variance))
maxy = (m[0] + m[1]) * 1.2
plt.ylim([0, maxy])
plt.show()

在这里插入图片描述

【示例】fill_between的使用

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(0, 10, 200)
y1 = 2 * x + 1
y2 = 3 * x + 1.5
plt.fill_between(x, y1, y2, color='red')
plt.show()

在这里插入图片描述

7 绘制饼状图

pie函数可以绘制饼状图，饼图主要是用来呈现比例的。只要传入比 例数据即可。
【示例】绘制饼状图

import matplotlib.pyplot as plt

plt.rcParams['font.sans-serif'] = ['SimHei']  # 用来正常显示中文标签
woman = 68187
man = 101351

# 计算男生女生所占的比
man_perc = man / (man + woman)
woman_perc = woman / (man + woman)
labels = ['女', '男']
color = ['blue', 'red']
# 调用pie绘制饼图 传入一个列表，列表中是比例数据
paches, texts, autotexts = plt.pie([woman_perc, man_perc], autopct="%0.1f%%", labels=labels, explode=(0, 0.05))
# explode裂开
# 设置字体大小和颜色
for text in autotexts:
    text.set_color("white")
    text.set_fontsize(20)
for t in texts:
    t.set_color("red")
    t.set_fontsize(20)
plt.show()

在这里插入图片描述

7 绘制直方图

由一系列高度不等的纵向条纹或线段表示数据分布的情况，一般用横轴表示数据范围，纵轴表示分布情况。 特点：绘制连续性的数据，展示一组或多组数据的分布状况并统计

概念： 组距：每组数据的分割区域，例如1-5一组5-10一组。我们可以称数据的组距为5
组数：(最大数据-最小数据)/组距一般会100条数据可分5-12组

hist(data,bins,normed)

  • data 所有的数据
  • bins 分几组
  • normed y轴是否显示成百分比
import matplotlib.pyplot as plt
import numpy as np

# 获取正太分布数据
x = np.random.randn(1000)
# 绘制直方图  hist
# plt.hist(x)
plt.hist(x, bins=100)
# 获取数据
data = [45, 49, 42, 42, 36, 37, 31, 38, 35, 39, 43, 33, 34, 36, 35, 36, 34, 32, 36, 32, 37, 33, 32, 38, 35]
max(data)
min(data)
# 设置组距
bin_width = 2
# 计算组数
bin_count = int((max(data) - min(data)) / bin_width)
bin_count
# 设置xticks
x_ticks = range(min(data), max(data) + 1, bin_width)
plt.xticks(x_ticks)
plt.hist(data, bin_count)
plt.show()

在这里插入图片描述

8 绘制盒图

在这里插入图片描述
盒图尽管与直方图形态上有很大差异，但含义类似，都是用于表示分布状态，不过盒图还有一个功能，就是能体现数据的中位数Q2、 四分之一位Q1、四分之三位Q3和离群点IQR = Q3 Q1如果Q11.5IQR或者Q3+1.5IQR就是离群点。

import matplotlib.pyplot as plt
import numpy as np

# 准备数据 方差越大越分散 3就是很分散不集中 圈就是离群点
data = [np.random.normal(0, i, 100) for i in range(1, 4)]
# 调用boxplot()
# vert:是竖着画还是横着
# notch:切口 更好找到中位数
plt.boxplot(data, vert=True, notch=True)  # 默认是True
plt.title("boxplot")
plt.xticks([1, 2, 3], ["box1", "box2", "box3"])
plt.show()

在这里插入图片描述

9 绘制三维图

【示例】绘制三维图

import matplotlib.pyplot as plt
import numpy as np
from mpl_toolkits.mplot3d import Axes3D

# 准备数据
x = np.linspace(-10, 10, 100)
y = np.linspace(-10, 10, 100)
# 计算x y 的相交点
X, Y = np.meshgrid(x, y)
# 计算Z
Z = np.sqrt(X ** 2 + Y ** 2)
# 绘制三维图
# plt.contour(X,Y,Z)
plt.contourf(X, Y, Z)
# 三维画布绘制三维图
figure = plt.figure()
ax3d = Axes3D(figure)
ax3d.plot_surface(X, Y, Z)
plt.show()

在这里插入图片描述

练习

1. 用matplotlib绘制余切曲线并保存成图片。

2. 用matplotlib绘制生成3行2列的子画布，第1行第1列绘制余弦曲线和第3行第3列绘制正弦曲线。

3. 用matplotlib绘制一个饼状图（数据可以自定指定）。

4. 用matplotlib绘制一个柱状图分析3部电影3天的票房。

import matplotlib.pyplot as plt

plt.rcParams['font.sans-serif'] = ['SimHei']  # 用来正常显示中文标签
# 准备
real_names = ["人在囧途", "阿甘正传", "熊出没"]
real_num1 = [5453, 7548, 6543]
real_num2 = [1840, 4013, 3421]
real_num3 = [1080, 1673, 2342]
# 设置画布大小figure(figsize=(w,h))

plt.figure(figsize=(8, 6), dpi=80)  # 640 * 480
# 调用bar绘制
x = range(len(real_names))
width = 0.3
plt.bar(x, real_num1, width=width, color='g', label=real_names[0])
plt.bar([i + width for i in x], real_num2, width=width, color='b', label=real_names[1])
plt.bar([i + width * 2 for i in x], real_num3, width=width, color='r', label=real_names[2])

# 设置xlabel ylabel
# plt.xlabel("天")
plt.ylabel("票房")
plt.title('3天3部电影票房')

x_ticks = [f"第{i + 1}天" for i in x]
plt.xticks([i + width for i in x], x_ticks)

# 添加图例
plt.legend()
plt.show()

在这里插入图片描述

import matplotlib.pyplot as plt

data = range(200, 225, 5)
bar_labels = ['a', 'b', 'c', 'd', 'e']
x = range(len(bar_labels))

# 设置画布
plt.figure(figsize=(8, 6))
bars = plt.barh(x, data, height=0.6)
# 设置yticks
plt.yticks(x, bar_labels, fontsize=24)
# 在指定坐标位置设置内容text
text_data = 1000000
for bar, d in zip(bars, data):
    x = bar.get_width() + bar.get_width() * 0.05
    y = bar.get_y() + bar.get_height() / 2
    text_data = d
    plt.text(x, y, text_data, fontsize=20)

在这里插入图片描述

猫天意
关注
  • 20
    点赞
  • 踩
  • 64
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
matplotlib入门全教程(参考手册+实战教程) PDF合集
04-06
这是一套包含Matplotlib简易教程、Matplotlib 快速参考手册和matplotlib入门实战的教程合集，主要介绍了Python Matplotlib入门知识，通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值。 Matplotlib 是一个 Python 的 2D绘图库，它以各种硬拷贝格式和跨平台的交互式环境生成出版质量级别的图形。Matplotlib的设计理念是能够用轻松简单的方式生成强大的可视化效果，是Python学习过程中核心库之一。
matplotlib使用手册
04-26
官方的matplotlib使用手册，这是一种基于python的绘图工具，语法很像matlab。个人感觉比gnuplot好用。
matplotlib入门实战全教程
02-24
Matplotlib的设计理念是能够用轻松简单的方式生成强大的可视化效果，是Python学习过程中核心库之一。用在python中绘制数组的2D图形库matplotlib代码在概念上分为3个部分：1.pylab接口是由matplotlib.pylab提供的函数集，允许用户使用非常类似于MATLAB图生成代码的代码创建绘图2.matplotlib前端或API是一组重要的类，可创建和管理图形，文本，线条，图表等（艺术家教程），是一个对输出无所了解的抽象接口3.后端是设备相关的绘图设备，也称为渲染器，将前端表示转换为打印件或显示设备；后端示例：PS创建PostScript打印件，SVG创建可缩放矢量图
Matplotlib学习(一)基础样式属性
huotong
06-06 418
Matplotlib基础样式属性1.Matplotlib简介1.1直接生成图表2.图表的基本元素2.1图名，图例，轴标签，轴边界，轴刻度，轴刻度标签等2.2 网格，刻度，坐标轴2.3图表线条，marker，颜色color，样式style2.4 刻度，注解，图表输出3.子图（重要）3.1 子图的概念3.2 子图的创建方式 1.Matplotlib简介 Matplotlib → 一个python版的...
Matplotlib 入门教程 中文版
07-04
Matplotlib 入门教程， Introduction to Matplotlib and basic line 英文地址https://pythonprogramming.net/matplotlib-intro-tutorial/
python——matplotlib的用法详解
longhaierwd的博客
07-25 2万+
Matplotlib是Python生态系统的一个重要组成部分，是用于可视化的绘图库，它提供了一整套和matlab相似的命令API和可视化界面，可以生成出版质量级别的精美图形，Matplotlib使绘图变得非常简单，在易用性和性能间取得了优异的平衡。安装成功后，即可以在Python中像使用其它库一样导入和使用Matplotlib，而无需更多文件的配置，通常我们将其导入后使用别名mplMatplotlib的配置更多的用于修改绘制图形的默认样式，Matplotlib。
matplotlib安装与使用方法
JFS1024的博客
12-06 2万+
学习Matplotlib是探索数据可视化领域的重要一步。Matplotlib是一个功能强大、灵活且广泛使用的Python绘图库，它能够帮助你将数据以清晰、美观的方式呈现。在这次学习中，你将了解如何使用Matplotlib创建各种类型的图表，从简单的线图到复杂的三维图表。数据统计得再好都不如一张图表清晰、直观。本章用大量的举例详细地介绍了 Matplotlib 图表，其根本任丁能够使读者全面透彻地了解和掌握最基础的图表，并应用到实际数据统计分析工作甲，同时也为以后学习其他绘图库奠定坚实的基础。
零基础学Python：Matplotlib用法
Hello大家好，我是Dream，如果帮得到你，那我深感荣幸！交流学习、商务合作：https://bbs.csdn.net/topics/614347534
09-10 3719
零基础学Python：Matplotlib用法
python使用matplotlib绘图
weixin_41558411的博客
04-26 5万+
matplotlib是python中用于绘制各种图像的模块，功能十分强大，通常与pandas模块搭配使用，可以生成各种样视的图片，用于数据的分析和展示。 绘图风格 plt.style.use('fivethirtyeight') #设置图像风格样式 https://blog.csdn.net/qq_42505705/article/details/84962815 设置图例的位置 plt.legend(l......
Matplotlib库的介绍及使用
qq_53763141的博客
12-24 1万+
Matplotlib库由各种可视化类构成，内部结构复杂，受Matlab启发，本文章主要介绍其子库pyplot的基本使用和基础图标的绘制。
50题matplotlib从入门到精通.ipynb
08-05
50题matplotlib从入门到精通.ipynb
Matplotlib教程
08-20
Matplotlib可能是python 2D-绘图领域使用最广泛的套件。它能让使用者很轻松的将数据图形化，并且提供多样化的输出格式。
Matplotlib基础操作（机器学习入门）
zjjaibc的博客
07-07 2540
Matplotlib基础操作（机器学习入门）
Python学习笔记之Matplotlib模块入门(直线图、折线图、曲线图、散点图、柱状图、饼状图、直方图、等高线图和三维图的绘制)
最新发布
书山有路勤为径，学海无涯苦作舟。
01-30 3865
Matplotlib 是一个Python的 2D绘图库。通过 Matplotlib，开发者可以仅需要几行代码，便可以生成绘图，直方图，功率谱，条形图，错误图，散点图等。通过学习Matplotlib，可让数据可视化，更直观的真实给用户。使数据更加客观、更具有说服力。Matplotlib是Python的库，又是开发中常用的库。
matplotlib绘图基础
热门推荐
皮皮blog
07-13 8万+
matplotlib 是python最著名的绘图库，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。Matplotlib：Matlab的语法、python语言、latex的画图质量。面向对象方式绘图：matplotlib实际上是一套面向对象的绘图库，它所绘制的图表中的每个绘图元素，例如线条Line2D、文字Text、刻度等在内存中都有一个对象与之对应。pyplot模块虽然用法简单，但不适合在较大的应用程序中使用。
Matplotlib（数据可视化库）---讲解
beyond谚语的博客
05-04 4108
本内容来自《跟着迪哥学Python数据分析与机器学习实战》，该篇博客将其内容进行了整理，加上了自己的理解，所做小笔记。若有侵权，联系立删。 迪哥说以下的许多函数方法都不用死记硬背，多查API多看文档，确实，跟着迪哥混就完事了~~~ Matplotlib菜鸟教程 Matplotlib官网API 以下代码段均在Jupyter Notebook下进行运行操作 每天过一遍，腾讯阿里明天见~ 一、常规绘图方法 导入工具包，一般用plt来当作Matplotlib的别名 import matplotlib.pyplot
matplotlib安装及使用
weixin_36670529的博客
12-12 3万+
目录 1、Matplotlib简介 2、Matplotlib安装 3、Matplotlib导入 4、Matplotlib基本应用 5、画图种类 5.1、Scatter散点图 5.2、条形图 5.3、等高线图 5.4、Image图片 5.5、3D图像 6、多图合并显示 6.1、Subplot多合一显示 6.2、SubPlot分格显示 6.3、图中图 6.4、次坐标轴 ...
python——matplotlib绘图详解大全
longhaierwd的博客
07-25 2万+
Matplotlib中有多种定义颜色的方法，常见的方法包括：三元组 (Triplets)：颜色可以描述为一个实数三元组，即颜色的红、蓝、绿分量，其中每个分量在[0,1]区间内。因此，表示纯红色，而则表示粉色。四元组 ()：它们前三个元素与三元组定义相同，第四个元素定义透明度值。此值也在[0,1]区间内。将图形渲染到图片文件中时，使用透明颜色可以使绘制图形与背景进行混合。Matplotlib将标准HTML颜色名称解释为实际颜色。例如，字符串red即可表示为红色。
Matplotlib
05-27
好的，Matplotlib是一个基于Python的数据可视化库，可以用于生成各种类型的图表，包括折线图、柱状图、散点图、饼图等。 下面是一个简单的Matplotlib折线图的代码示例： ```python import matplotlib.pyplot as plt import numpy as np x = np.linspace(0, 10, 100) y = np.sin(x) plt.plot(x, y) plt.show() ``` 这个代码会生成一个简单的正弦曲线的折线图。 Matplotlib的主要组成部分包括： 1. Figure：整个图形，包括所有的子图、图表、文字和标签等。 2. Axes：一个子图，包括坐标轴、数据、标签、图例等。 3. Axis：坐标轴，包括刻度、标签、网格等。 4. Artist：图形中的所有元素，包括Line2D、Text、Rectangle等。 Matplotlib的基本用法包括： 1. 导入Matplotlib库：`import matplotlib.pyplot as plt` 2. 创建Figure：`fig = plt.figure()` 3. 创建Axes：`ax = fig.add_subplot(111)` 4. 绘制图表：`ax.plot(x, y)` 5. 显示图表：`plt.show()` 除了折线图之外，Matplotlib还支持多种类型的图表，可以根据具体需求选择不同的绘图函数和参数。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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