Python——Matplotlib绘图库

Matplotlib介绍与安装

Matplotlib 是 Python 的一个绘图库，它提供了一个类似于 MATLAB 的绘图系统。Matplotlib 是 Python 数据可视化领域的核心库之一，通过它，用户可以创建出版质量级别的图形图表。

• Matplotlib 的主要功能

  • 二维图形的绘制：支持绘制线图、散点图、柱状图、饼图、箱型图、误差线图、热力图、等高线图等几乎所有常见的二维图形。
  • 三维图形的绘制：通过 Matplotlib 的子库 mpl_toolkits.mplot3d，用户可以绘制三维图形，如三维曲面图、三维散点图等。
  • 图形的定制：提供丰富的API，允许用户对图形的各种元素（如线条、标记、字体、图例、坐标轴等）进行精细定制。
  • 交互式图形：通过结合 IPython、Jupyter Notebook 或其他交互式环境，用户可以实时查看并修改图形的参数。
  • 图形的保存：支持将图形保存为多种格式的文件，如 PNG、PDF、SVG 等。

• 安装matplotlib

  pip install matplotlib
  

• 导入

  import matplotlib.pyplot as plt
  

Matplotlib 的默认配置都允许用户自定义。你可以调整大多数的默认配置：图片大小和分辨率（dpi）、线宽、颜色、风格、坐标轴、坐标轴以及网格的属性、文字与字体属性等。不过，matplotlib 的默认配置在大多数情况下已经做得足够好，你可能只在很少的情况下才会想更改这些默认配置。

• 图表的构成
  

基本绘图流程

• 1.创建画布与创建子图

第一部分主要作用是构建出一张空白的画布，并可以选择是否将整个画布划分为多个部分，方便在同一幅图上绘制多个图形的情况。最简单的绘图可以省 略第一部分，而后直接在默认的画布上进行图形绘制。

函数名称	函数作用
plt.figure	创建一个空白画布，可以指定画布大小，像素。
figure.add_subplot	创建并选中子图，可以指定子图的行数，列数，与选中图片编号。

• plt.figure方法绘图

  import numpy as np
  import matplotlib.pyplot as plt
  # 创建画布
  figure = plt.figure()
  # 设置图表大小
  plt.rcParams['figure.figsize'] = (8,6)
  # 创建子图
  plt.subplot()
  # 绘制第1张子图：折线图
  ax1 = plt.subplot(221)
  plt.plot([1,2,3],[2,4,6])
  # 绘制第2张子图：柱状图
  ax2 = plt.subplot(222)
  plt.bar([1,2,3],[2,4,6])
  # 绘制第3张子图：散点图
  ax3 = plt.subplot(223)
  plt.scatter([1,3,5],[2,4,6])
  # 绘制第4张子图：直方图
  ax4 = plt.subplot(224)
  plt.hist([2,2,2,3,4])
  # 显示绘图
  plt.show()
  

  

• figure.add_subplot方法绘图

  # 创建子图
  fig, axes = plt.subplots(nrows=2,ncols=2,figsize=(10,8))
  ax1,ax2,ax3,ax4 = axes.flatten()
  # nrows表示行数，ncols表示列数,可以简写为 plt.subplots（2,2）,figsize参数设置图表尺寸为1000×800像素。
  ax1.plot([1,2,3],[2,4,6]) # 绘制第一张子图
  ax2.bar([1,2,3],[2,4,6]) # 绘制第二张子图
  ax3.scatter([1,3,5],[2,4,6]) # 绘制第三张子图
  ax4.hist([2,2,2,3,4]) # 绘制第四张子图
  # 显示绘图
  plt.show()
  

  

• 2.添加画布内容

第二部分是绘图的主体部分。其中添加标题，坐标轴名称，绘制图形等步骤是并列的，没有先后顺序，可以先绘制图形，也可以先添加各类标签。但是添加图例一定要在绘制图形之后。

函数名称	函数作用
plt.title	在当前图形中添加标题，可以指定标题的名称、位置、颜色、字体 大小等参数。
plt.xlabel	在当前图形中添加x轴名称，可以指定位置、颜色、字体大小等参数。
plt.ylabel	在当前图形中添加y轴名称，可以指定位置、颜色、字体大小等参数。
plt.xlim	指定当前图形x轴的范围，只能确定一个数值区间，而无法使用字符 串标识。
plt.ylim	指定当前图形y轴的范围，只能确定一个数值区间，而无法使用字符 串标识。
plt.xticks	指定x轴刻度的数目与取值。
plt.yticks	指定y轴刻度的数目与取值。
plt.legend	指定当前图形的图例，可以指定图例的大小、位置、标签。

• 3.保存与展示图形

函数名称	函数作用
plt.savefig	保存绘制的图片，可以指定图片的分辨率、边缘的颜色等参数。支持：eps, jpeg, jpg, pdf,pgf, png, ps, raw, rgba, svg, svgz, tif, tiff格式的图片，需要修改保存格式使用plt.rcParams[“savefig.format”]设置。
plt.show	在本机显示图形。

• 4.设置pyplot的动态rc参数

  • pyplot模块使用rc配置文件来自定义图形的各种默认属性，称为rc配置或rc参数。通过修改rc参数可以修改默认的属性，包括窗体大小、每英寸的点数、线条宽度、颜色、样式、坐标轴、坐标和网络属性、文本、字体等。

  • matplotlib将默认参数配置保存在matplotlibrc文件中，通过修改配置文件，可修改图标的的缺省样式。

    • 1.线条常用的rc参数

    rc参数名称	解释	取值
    lines.linewidth	线条宽度	取0-10之间的数值，默认为1.5。
    lines.linestyle	线条样式	可取“-”“–”“-.”“ ： ”四种。 默认为“-” 。
    lines.marker	线条上点的形状	可取“o”“D”“h”“.”“ , ” “S”等20种，默认为None
    lines.markersize	点的大小	取0-10之间的数值，默认为1。

    # 修改rc参数
    plt.rcParams['lines.linestyle'] = '-.'
    plt.rcParams['lines.linewidth'] = 3
    

    • 2.坐标轴常用的rc参数

    rc参数名称	解释	取值
    axes.facecolor	背景颜色	接收颜色简写字符。默认为“W”
    axes.edgecolor	边线颜色	接收颜色简写字符。默认为“k”
    axes.linewidth	轴线宽度	接收0～1的float。默认为0.8
    axes.grid	添加网格	接收bool。默认为False
    axes.titlesize	标题大小	接收‘small’,‘medium’,‘large’。默认为‘large’
    axes.labelsize	轴标大小	接收‘small’,‘medium’,‘large’。默认为‘medium’
    axes.lablelcolor	轴标颜色	接收颜色简写字符。默认为“k”
    axes.spines.{left,botton,top,tight}	添加坐标轴	接收bool。默认为True
    axes.{x,y}margin	轴余留	接收float。默认为0.05

    • 3.字体常用的rc参数

    rc参数名称	解释	取值
    font.family	字体族，每一族对应多种字体	接收serif、sans-serif、cursive、fantasy、monospace五种。
    font.style	字体风格	接收normal(roman)、italic、oblique三种，默认为normal
    font.variant	字体变化	接收normal或small-caps。默认为normal
    font.widget	字体重量	接收normal、bold、bolder、lighter四种及100、200、…、900.默认为nomal
    font.stretch	字体延伸
    font.size	字体大小	接收float。默认为10

    • 注意 !!!
      由于默认的pyplot字体并不支持中文字符的显示，因此需要通过设置 font.sans-serif 参数改变绘图时的字体，使得
      图形可以正常显示中文。同时，由于更改字体后，会导致 坐标轴中的部分字符无法显示，因此需要同时更改
      axes.unicode_minus参数。

      import matplotlib.pyplot as plt
      # 用来正常显示中文标签，SimHei是黑体的英文名称
      plt.rcParams['font.sans-serif'] = ['SimHei']
      # 解决符号显示为方块的问题
      plt.rcParams['axes.unicode_minus'] = False
      

基本绘图

• 1.绘图核心API

# 绘制简单直线
import numpy as np
import matplotlib.pyplot as plt
# 绘制简单直线
x = np.array([1, 2, 3, 4, 5])
y = np.array([3, 6, 9, 12, 15])
# 绘制水平线、垂线
plt.axhline(y=6, ls=":", c="blue") # 添加水平直线
plt.axvline(x=4, ls="-", c="red") # 添加垂直直线
# 绘制多段垂线
plt.vlines([2, 3, 3.5], # 垂线的x坐标值
[10, 20, 30], # 每条垂线起始y坐标
[25, 35, 45]) # 每条垂线结束y坐标
plt.figure()
plt.plot(x, y)
plt.savefig('./test2.jpg') # 保存图片
plt.show() # 显示图片，阻塞方法

• 2.设置线型、线宽

  linestyle: 设置线型，常见取值有实线（‘-’）、虚线（‘–’）、点虚线（‘-.’）、点线（‘:’）
  linewidth：线宽
  color：颜色（red, blue, green）
  alpha: 设置透明度（0~1之间）

  • 格式化字符

  字符	描述
  ‘-’	实线样式
  ‘–’	短横线样式
  ‘-.’	点划线样式
  ‘:’	虚线样式
  ‘.’	点标记
  ‘,’	像素标记
  ‘o’	圆标记
  ‘v’	倒三角标记
  ‘^’	正三角标记
  ‘<’	左三角标记
  ‘>’	右三角标记
  ‘1’	下箭头标记
  ‘2’	上箭头标记
  ‘3’	左箭头标记
  ‘4’	右箭头标记
  ‘s’	正方形标记
  ‘p’	五边形标记
  ‘*’	星形标记
  ‘h’	六边形标记 1
  ‘H’	六边形标记 2
  ‘+’	加号标记
  ‘x’	X 标记
  ‘D’	菱形标记
  ‘d’	窄菱形标记
  ’	’
  ‘_’	水平线标记

  • 颜色的缩写

  字符	颜色
  ‘b’	蓝色
  ‘g’	绿色
  ‘r’	红色
  ‘c’	青色
  ‘m’	品红色
  ‘y’	黄色
  ‘k’	黑色
  ‘w’	白色

  • 示例：绘制正弦、余弦曲线，并设置线型、线宽、颜色、透明度

    # 绘制正弦曲线
    import numpy as np
    import matplotlib.pyplot as plt
    import math
    # 以0.1为单位，生成0~6的数据
    # np.pi 是NumPy库中定义的π（圆周率）的值，大约为3.141592653589793
    x = np.arange(0, 2 * np.pi, 0.1) # 以0.1为单位，生成0~6的数据
    print(x)
    y1 = np.sin(x)
    y2 = np.cos(x)
    # 绘制图形
    plt.plot(x, y1, label="sin", linewidth=2) # 实线，线宽2像素
    plt.plot(x, y2, label="cos", linestyle="--", linewidth=4) # 虚线，线宽4像素
    plt.xlabel("x") # x轴文字
    plt.ylabel("y") # y轴文字
    # 设置坐标轴范围
    plt.xlim(0, 2 * math.pi)
    plt.ylim(-1, 2)
    plt.title("sin & cos") # 图标题
    plt.legend() # 图例
    plt.show()
    

    

• 3.设置坐标轴范围

  #x_limt_min: <float> x轴范围最小值
  #x_limit_max: <float> x轴范围最大值
  plt.xlim(x_limt_min, x_limit_max)
  #y_limt_min: <float> y轴范围最小值
  #y_limit_max: <float> y轴范围最大值
  plt.ylim(y_limt_min, y_limit_max)
  

• 4.设置坐标刻度

  #x_val_list: x轴刻度值序列
  #x_text_list: x轴刻度标签文本序列 [可选]
  plt.xticks(x_val_list , x_text_list)
  #y_val_list: y轴刻度值序列
  #y_text_list: y轴刻度标签文本序列 [可选]
  plt.yticks(y_val_list , y_text_list)
  

• 5.特殊点

  # xarray: <序列> 所有需要标注点的水平坐标组成的序列
  # yarray: <序列> 所有需要标注点的垂直坐标组成的序列
  plt.scatter(xarray, yarray,
  marker='', #点型 ~ matplotlib.markers
  s= , #大小
  edgecolor='', #边缘色
  facecolor='', #填充色
  zorder=3 #绘制图层编号 （编号越大，图层越靠上）
  )
  

• 示例：绘制二次函数曲线，并在二次函数图像中添加特殊点

  # 绘制二次函数曲线
  import numpy as np
  import matplotlib.pyplot as plt
  import math
  
  x = np.arange(-5, 5, 0.1)  # 以0.1为单位，生成-5~5的数据
  print(x)
  y = x ** 2
  # 绘制图形
  plt.plot(x, y, label="$y = x ^ 2$",
           linewidth=2,  # 线宽2像素
           color="red",  # 颜色
           alpha=0.5)  # 透明度
  plt.xlabel("x")  # x轴文字
  plt.ylabel("y")  # y轴文字
  # 设置坐标轴范围
  plt.xlim(-10, 10)
  plt.ylim(-1, 30)
  # 设置刻度
  x_tck = np.arange(-10, 10, 2)
  x_txt = x_tck.astype("U")
  plt.xticks(x_tck, x_txt)
  y_tck = np.arange(-1, 30, 5)
  y_txt = y_tck.astype("U")
  plt.yticks(y_tck, y_txt)
  # 绘制特殊点
  plt.scatter(x_tck,  # x坐标数组
              x_tck ** 2,  # y坐标数组
              marker="s",  # 点形状 s:square
              s=40,  # 大小
              facecolor="blue",  # 填充色
              zorder=3)  # 图层编号
  plt.title("square")  # 图标题
  plt.legend(loc="upper right")  # 图例 upper right, center
  plt.show()
  

  

• 6.设置坐标轴
  坐标轴名：left / right / bottom / top

  # 获取当前坐标轴字典，{'left':左轴,'right':右轴,'bottom':下轴,'top':上轴 }
  ax = plt.gca()
  # 获取其中某个坐标轴
  axis = ax.spines['坐标轴名']
  # 设置坐标轴的位置。 该方法需要传入2个元素的元组作为参数
  # type: <str> 移动坐标轴的参照类型 一般为'data' (以数据的值作为移动参照值)
  # val: 参照值
  axis.set_position(('data', val))
  # 设置坐标轴的颜色
  # color: <str> 颜色值字符串
  axis.set_color(color)
  

  # 设置坐标轴格式
  import matplotlib.pyplot as plt
  ax = plt.gca()
  axis_b = ax.spines['bottom'] # 获取下轴
  axis_b.set_position(('data', 0)) # 设置下轴位置, 以数据作为参照值
  axis_l = ax.spines['left'] # 获取左轴
  axis_l.set_position(('data', 0)) # 设置左轴位置, 以数据作为参照值
  ax.spines['top'].set_color('none') # 设置顶部轴无色
  ax.spines['right'].set_color('none') # 设置右部轴无色
  plt.show()
  

  

• 7.图例

  # 显示两条曲线的图例，并测试loc属性
  # 再绘制曲线时定义曲线的label
  # label: <关键字参数 str> 支持LaTex排版语法字符串
  plt.plot(xarray, yarray ... label='', ...)
  # 设置图例的位置
  # loc: <关键字参数> 制定图例的显示位置 (若不设置loc，则显示默认位置)
  # =============== =============
  # Location String Location Code
  # =============== =============
  # 'best'           0
  # 'upper right'    1
  # 'upper left'     2
  # 'lower left'     3
  # 'lower right'    4
  # 'right'          5
  # 'center left'    6
  # 'center right'   7
  # 'lower center'   8
  # 'upper center'   9
  # 'center'         10
  # =============== =============
  plt.legend(loc='')
  

• 8.备注

  # 在图表中为某个点添加备注。包含备注文本，备注箭头等图像的设置。
  plt.annotate(
  r'$\frac{\pi}{2}$', #备注中显示的文本内容
  xycoords='data', #备注目标点所使用的坐标系（data表示数据坐标系）
  xy=(x, y), #备注目标点的坐标
  textcoords='offset points', #备注文本所使用的坐标系（offset points表示参照点的偏移坐标系）
  xytext=(x, y), #备注文本的坐标
  fontsize=14, #备注文本的字体大小
  arrowprops=dict() #使用字典定义文本指向目标点的箭头样式
  )
  

  arrowprops参数使用字典定义指向目标点的箭头样式

  #arrowprops字典参数的常用key
  arrowprops=dict(
  arrowstyle='', #定义箭头样式
  connectionstyle='' #定义连接线的样式
  )
  

  箭头样式（arrowstyle）字符串如下

  ============ =============================================
  Name 			Attrs
  ============ =============================================
  '-' 			None
  '->' 			head_length=0.4,head_width=0.2
  '-[' 			widthB=1.0,lengthB=0.2,angleB=None
  '|-|' 			widthA=1.0,widthB=1.0
  '-|>' 			head_length=0.4,head_width=0.2
  '<-' 			head_length=0.4,head_width=0.2
  '<->' 			head_length=0.4,head_width=0.2
  '<|-' 			head_length=0.4,head_width=0.2
  '<|-|>' 		head_length=0.4,head_width=0.2
  'fancy' 		head_length=0.4,head_width=0.4,tail_width=0.4
  'simple' 		head_length=0.5,head_width=0.5,tail_width=0.2
  'wedge' 		tail_width=0.3,shrink_factor=0.5
  ============ =============================================
  

  连接线样式（connectionstyle）字符串如下

  ============ =============================================
  Name 			Attrs
  ============ =============================================
  'angle' 		angleA=90,angleB=0,rad=0.0
  'angle3' 		angleA=90,angleB=0`
  'arc' 			angleA=0,angleB=0,armA=None,armB=None,rad=0.0
  'arc3' 			rad=0.0
  'bar' 			armA=0.0,armB=0.0,fraction=0.3,angle=None
  ============ =============================================
  

  示例：在二次函数图像中添加备注

  # 将代码放到上面的二次函数中
  # 设置备注
  plt.annotate(
  r'$y = x ^ 2$', #备注中显示的文本内容
  xycoords='data', #备注目标点所使用的坐标系（data表示数据坐标系）
  xy=(4, 16), #备注目标点的坐标 (4,16)
  textcoords='offset points', #备注文本所使用的坐标系（offset points表示参照点的偏移坐标系）
  xytext=(20, 30), #备注文本的坐标
  fontsize=14, #备注文本的字体大小
  arrowprops=dict(
  arrowstyle="->", connectionstyle="angle3"
  ) #使用字典定义文本指向目标点的箭头样式
  )