【matplotlib】19.基本用法

最新推荐文章于 2024-10-02 10:53:34 发布
最新推荐文章于 2024-10-02 10:53:34 发布
阅读量465 收藏
点赞数
分类专栏： python3、数据处理3件套 文章标签： matplotlib python numpy
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/wistonty11/article/details/128735567
版权

#【matplotlib】19.基本用法

2021.1.19 画figure图基本方法。参考：
https://m.runoob.com/matplotlib/matplotlib-pyplot.html
https://mofanpy.com/tutorials/data-manipulation/plt/figure

matplotlib 是python的画图包

19.1 基础使用

plot图，就是以点组成的图

  1. 知道x和方程
import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(-3,3,50)
y1 = 2*x + 1

#定义个窗口
plt.figure()
plt.plot(x,y)
plt.show()

在这里插入图片描述

  1. 知道两个点

(-3,-5),(3,7)两点的x存到xpoint

plt.figure()
xpoint = np.array([-3,3])
ypoint = np.array([-5, 7])
plt.plot(xpoint,ypoint)
plt.show()

在这里插入图片描述

# 例2
xpoints = np.array([1, 2, 6, 8])
ypoints = np.array([3, 8, 1, 10])

plt.plot(xpoints, ypoints)
plt.show()

在这里插入图片描述

  1. 画多条图像，并且设着一些参数
  • num= :就是图像的编号
  • figsize 窗口尺寸
  • linewidth 线宽
  • linestyle:‘‐’ 实线，‘‐‐’ 破折线，‘‐.’ 点划线，‘:’ 虚线。
  • color:‘b’ 蓝色，‘m’ 洋红色，‘g’ 绿色，‘y’ 黄色，‘r’ 红色，‘k’ 黑色，‘w’ 白色，‘c’ 青绿色，‘#008000’ RGB 颜色符串。多条曲线不指定颜色时，会自动选择不同颜色。
# 方法1 单独设着
y2 = x**2 + 1

#num=3 尺寸
plt.figure(num= 3,figsize=(8,5))

plt.plot(x,y1)
plt.plot(x, y2, color = "red", linestyle = "--", linewidth = 1.0)
plt.show()

在这里插入图片描述

# 方法2

plt.figure()

plt.plot(x,y1,x,y2)
plt.show()

在这里插入图片描述

  • 描绘坐标点
xpoints = np.array([1, 8])
ypoints = np.array([3, 10])

plt.plot(xpoints, ypoints, 'o')
plt.show()

在这里插入图片描述

19.2 设置坐标轴

  1. xlim(),ylim(),xlabel(),ylabel()
  • xlim(),ylim(): x,y范围
  • xlabel(),ylabel():x,ylabal
plt.figure(num= 4,figsize=(8,5))

plt.xlim((-1,2))
plt.ylim((-2,3))

plt.xlabel("I am X")
plt.ylabel("I am Y")


plt.plot(x,y1)
plt.plot(x, y2, color = "red", linestyle = "--", linewidth = 1.0)

plt.show()

在这里插入图片描述

  1. 设置刻度 plt.xticks
  • plt.xticks
  • plt.xticks
plt.figure(num= 4,figsize=(8,5))
![在这里插入图片描述](https://img-blog.csdnimg.cn/9ad560bb8adf4ed9913dc083693042a7.png#pic_center)

plt.xlim((-1,2))
plt.ylim((-2,3))

plt.xlabel("I am X")
plt.ylabel("I am Y")

plt.plot(x,y1)
plt.plot(x, y2, color = "red", linestyle = "--", linewidth = 1.0)

new_ticks = np.linspace(-1, 2, 5)
plt.xticks(new_ticks)
plt.yticks([-2, -1.8, -1, 1.22, 3],['$really\ bad$', r'$bad$', r'$normal$', r'$good$', r'$really\ good$'])
plt.show()
  1. 设置值边框用.spines[]
  • ① 获取坐标轴信息plt.gca()
  • ② .spines[‘XXX’]设置边框，有“right”“left”“bottom”“top”
#数据准备
x = np.linspace(-3, 3, 50)
y1 = 2*x + 1
y2 = x**2

# 获得坐标信息
plt.figure()
plt.plot(x, y2)
plt.plot(x, y1, color='red', linewidth=1.0, linestyle='--')
plt.xlim((-1, 2))
plt.ylim((-2, 3))

#轴信息准备
new_ticks = np.linspace(-1, 2, 5)
plt.xticks(new_ticks)
plt.yticks([-2, -1.8, -1, 1.22, 3],['$really\ bad$', '$bad$', '$normal$', '$good$', '$really\ good$'])


#隐藏右侧和上次坐标轴
ax = plt.gca()
ax.spines['right'].set_color('none')
ax.spines['top'].set_color('none')
plt.show()

在这里插入图片描述

  1. 调整坐标轴
  • .xaxis.set_ticks_position设置x坐标刻度数字或名称的位置：bottom.（所有位置：top，bottom，both，default，none)
  • .set_position设置边框位置：y=0的位置；（位置所有属性：outward，axes，data）
#数据准备
x = np.linspace(-3, 3, 50)
y1 = 2*x + 1
y2 = x**2

# 获得坐标信息
plt.figure(num= 5,figsize=(8,5))
plt.plot(x, y2)
plt.plot(x, y1, color='red', linewidth=1.0, linestyle='--')
plt.xlim((-1, 2))
plt.ylim((-2, 3))

#轴信息准备
new_ticks = np.linspace(-1, 2, 5)
plt.xticks(new_ticks)
plt.yticks([-2, -1.8, -1, 1.22, 3],['$really\ bad$', '$bad$', '$normal$', '$good$', '$really\ good$'])


#隐藏右侧和上次坐标轴
ax = plt.gca()
ax.spines['right'].set_color('none')
ax.spines['top'].set_color('none')


# x坐标轴调整
ax.xaxis.set_ticks_position('top')
ax.spines['bottom'].set_position(('data', 0))


#y坐标轴调整
ax.yaxis.set_ticks_position('left')
ax.spines['left'].set_position(('data',0))
plt.show()

在这里插入图片描述

  • ax.xaxis.set_ticks_position('top'):x坐标轴刻度在哪里显示,我这里放到上面了

  • ax.spines['bottom'].set_position(('data', 0)):就是下坐标轴，放到了数据的0位置；axes应该是按比例，0.1就是10%的位置

19.3 Legend 图例

图例就是这个图 什么颜色的什么线段代表什么的注释

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(-3, 3, 50)
y1 = 2*x + 1
y2 = x**2

plt.figure()
#set x limits
plt.xlim((-1, 2))
plt.ylim((-2, 3))

# set new sticks
new_sticks = np.linspace(-1, 2, 5)
plt.xticks(new_sticks)
# set tick labels
plt.yticks([-2, -1.8, -1, 1.22, 3],
           [r'$really\ bad$', r'$bad$', r'$normal$', r'$good$', r'$really\ good$'])


# set line syles
l1, = plt.plot(x, y1, label='linear line')
l2, = plt.plot(x, y2, color='red', linewidth=1.0, linestyle='--', label='square line')


plt.legend(handles=[l1, l2], labels=['up', 'down'],  loc='best')

<matplotlib.legend.Legend at 0x20f0711b1c0>

在这里插入图片描述

  • 我们以前有label,用了legend 可以将以前的覆盖到给与新的意义
  • 如果想用legend,那么在返回值明明的时候 要加, 如l1,l2,，并在handles中引用
  • loc='best':表示显示的位置是最佳位置，也就是随着窗口变化，这个图示会自己调整位置，出现在数据最少的地方。其他还有

‘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,

19.4 标注

19.4.1 Annotation

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,)

ax = plt.gca()
ax.spines['right'].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))


# 画辅助线
x0 = 1
y0 = 2*x0 + 1
plt.plot([x0, x0,], [0, y0,], 'k--', linewidth=2.5)
# set dot styles
plt.scatter([x0, ], [y0, ], s=50, color='b')


# 添加注释
plt.annotate(r'$2x+1=%s$' % y0, xy=(x0, y0), xycoords='data', xytext=(+30, -30),
             textcoords='offset points', fontsize=16,
             arrowprops=dict(arrowstyle='->', connectionstyle="arc3,rad=.2"))

Text(30, -30, '$2x+1=3$')

在这里插入图片描述

plt.plot([x0, x0,], [0, y0,], 'k--', linewidth=2.5)：

  • 我们确定了两点（x0,y0）和（0，y0）.
  • 两点间画了个虚线，k是黑色black

添加注释 annotate

  • r'$2x+1=%s$' % y0:就是显示的信息2x+1=y0

  • xy=就是此时的具体的值（x0,y0）

  • xycoords='data' 是说基于数据的值来选位置,

  • xytext=(+30, -30) 和 对于标注位置的描述 一正一负就是线的右下角，30就是大概距离

  • textcoords='offset points' ： xy 偏差值,

  • arrowprops是对图中箭头类型的一些设置.

19.4.2 tick

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))

在这里插入图片描述

数据会遮住坐标轴或刻度

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)
    # 在 plt 2.0.2 或更高的版本中, 设置 zorder 给 plot 在 z 轴方向排序
    label.set_bbox(dict(facecolor='white', edgecolor='None', alpha=0.7, zorder=0.001))
plt.show()

在这里插入图片描述

  • label in ax.get_xticklabels() + ax.get_yticklabels():所有坐标艾格处理
  • label.set_bbox(dict(facecolor='white', edgecolor='None', alpha=0.7, zorder=2))：坐标轴背景白色 不要边框 透明度；
  • zorder指定绘图的各个组件相互叠加的顺序：https://cloud.tencent.com/developer/ask/sof/467726
羊老羊
关注
专栏目录
mofanpy-Matplotlib画图教程（一）：基本使用
知之之之的博客
01-12 310
Matplotlib官网：https://matplotlib.org/ Matplotlib基本使用 import matplotlib.pyplot as plt import numpy as np x = np.linspace(-1, 1, 50) y = 2*x + 1 # y = x**2 plt.plot(x, y) plt.show() np.linspace：定义x的范围是(-1, 1)，个数为50。 作图三部曲： plt.figure(): 定义一个图像窗口 plt.pl.
matplotlib绘图基本知识总结1
weixin_64513357的博客
06-21 241
首先引入matplotlib图形库pycharm操作如下首先点击设置 找到项目里面的Python解释器然后点击+然后输入matplotlib安装即可 np.linspace(-1, 1, 10)    前两个数字代表范围，后面数字代表在范围内产生的结点数(均分) plt.plot(x, y, color=, linewidth=, linestyle=,label=,'ob-') 表示y与x的函数图像，c
numpy和tenserflow 和networkx 版本兼容问题 ，以及import matplotlib.pyplot as plt报错
caiMAMBA001的博客
06-09 1230
tensorflow 和 numpy 兼容，numpy的版本必须小于 (1.19.2) pip install numpy==1.19.2 但是networkx 和numpy 的兼容关系是 numpy必须要更新到最新的版本 import matplotlib.pyplot as plt 报错 python -version 3.8.5 numpy 1.20.2 import matplotlib.pyplot as plt 报错ImportError: DLL（dyn
Numpy入门[2]——Matplotlib 基础
weixin_47692652的博客
12-02 447
Numpy入门[2]——Matplotlib 基础
NumPy与Matplotlib库
好学者的博客
12-23 3365
NumPy 1.1 导入NumPy库 import numpy as np Python中使用import导入库，这里的意思是将numpy作为np导入。通过这样的形式，之后NumPy相关的方法均可通过np调用。 1.2 生成NumPy数组 import numpy as np x = np.array([1.0, 2.0, 3.0]) print(x) print(type(x)) 输出结果： [1. 2. 3.] <class 'numpy.ndarray'> 使用np.array()方
python中matplotlib.pyplot使用简介
热门推荐
feng98ren的专栏
02-27 10万+
pyplot介绍matplotlib.pyplot是一个有命令风格的函数集合，它看起来和MATLAB很相似。每一个pyplot函数都使一副图像做出些许改变，例如创建一幅图，在图中创建一个绘图区域，在绘图区域中添加一条线等等。在matplotlib.pyplot中，各种状态通过函数调用保存起来，以便于可以随时跟踪像当前图像和绘图区域这样的东西。绘图函数是直接作用于当前axes（matplotlib中...
matplotlib库中plt.cm.Set()用法
Hanson的博客
10-07 542
plt.cm.set用法
matplotlib.pyplot超详细入门总结
qq_40692109的博客
03-10 1万+
目录 pyplot简介 格式化绘图样式 图片大小设置与保存 刻度设置 用关键字字符串绘图 用分类变量绘图 使用文本&绘制直方图 注释文字 绘制散点图 绘制条形图 对数轴和其他非线性轴 pyplot简介 matplotlib.pyplot是使matplotlib像MATLAB一样工作的命令样式函数的集合。每个pyplot功能都会对图形进行一些更改：例如，创建图形，...
matplotlib基本使用方法示例
JerryWisdom的博客
12-02 3161
这里是用jupyter notebook写的matplotlib的基本用法，使用的环境是python3+windows，代码上传到csdn资源啦：ABC of matplotlib 关于matplotlib学习还是强烈建议常去官方http://matplotlib.org/contents.html里查一查各种用法和toturial等。  下面是jupyter notebook代码导出
【python数据可视化笔记】——matplotlib.pyplot()
孙悟充的博客
05-23 1万+
目 录 1  %matplotlib inline2  matplotlib图例中文乱码以及坐标负号显示2.1  快速解决办法2.2  永久解决办法2.2.1  找到自己想要的中文字体2.2.2  把字体复制到matplotlib的字体文件中2.2.3  重...
python数据分析工具3：matplotlib
weixin_42662126的博客
08-08 1621
3.1 Matplotlib简介及图表窗口 Matplotlib → 一个python版的matlab绘图接口，以2D为主，支持python、numpy、pandas基本数据结构，运营高效且有较丰富的图表库 import numpy as np import pandas as pd import matplotlib.pyplot as plt # 图表窗口1 → plt.show() p...
PYTHON matplotlib和numpy的基本使用
weixin_52346212的博客
01-05 1723
1.绘图基本流程： 1）导入matplotlib模块； 2）写入x和y轴上的数据； 3）通过plot对x和y上的数据进行绘制图形； 4）展示图形； 课堂代码： ''' import matplotlib.pyplot as plt #导入绘图第三方库 plt.plot([4,1,5,3,2],[1,4,-2,3,0],[2,3,4,1,-2]) #给图形拐点坐标赋值，并绘制2D图形 plt.savefig('test1',dpi=600) #存储图形文件 pl...
python xticks_Python Matplotlib.pyplot.yticks()用法及代码示例
weixin_39571749的博客
12-03 6235
Matplotlib是Python中的一个库，它是数字的-NumPy库的数学扩展。 Pyplot是Matplotlib模块的基于状态的接口，该模块提供了MATLAB-like接口。Matplotlib.pyplot.yticks()函数matplotlib库的pyplot模块中的annotate()函数用于获取和设置y轴的当前刻度位置和标签。用法： matplotlib.pyplot.yticks...
[Python从零到壹] 十七.可视化分析之Matplotlib、Pandas、Echarts入门万字详解
杨秀璋的专栏
08-24 3万+
前一篇文章讲述了数据预处理、Jieba分词和文本聚类知识，这篇文章主要介绍Matplotlib和Pandas扩展包绘图的基础用法，同时引入Echarts技术，该技术主要应用于网站可视化展示中。本文内容以实例为主，给读者最直观的图形感受。两万字基础文章，希望对您有所帮助。
（笔记）第三期书生·浦语大模型实战营（十一卷王场）--书生入门岛通关第2关Python 基础知识
最新发布
haidizym的博客
10-02 454
学员闯关手册：https://aicarrier.feishu.cn/wiki/ZcgkwqteZi9s4ZkYr0Gcayg1n1g?课程视频：https://www.bilibili.com/video/BV1mS421X7h4/课程文档：https://github.com/InternLM/Tutorial/tree/camp3/docs/L0/Python。
遥感影像-实例分割数据集：iSAID 从切图到YOLO格式数据集制作详细介绍
GIS潮流
09-30 1135
开源数据集isaid标注包含实例分割，但是原始影像太大，很吃显存，一般显卡无法用原始影像直接训练，所以需要对影像进行裁剪，并生成对应的标签，因为想用yolo系列跑模型，所以将标签需要转为txt格式。
酷炫音乐盒: 使用Python和Tkinter配合Pygame打造自己的音乐播放器
宇宙第一小趴菜的博客
09-29 1220
Tkinter是一个功能强大且简单易用的库，适合构建轻量级的GUI应用程序。它在不同的操作系统上具有相同的外观和行为，因此可以实现跨平台的应用程序。当然，Tkinter还有更多的功能和细节，通过阅读官方文档和教程，你可以更深入地了解和学习如何运用Tkinter来创建各种GUI应用程序。
Python | Leetcode Python题解之第448题找到所有数组中消失的数字
Mopes__的博客
10-01 398
Python | Leetcode Python题解之第448题找到所有数组中消失的数字
from matplotlib import pyplot as plt出现Traceback (most recent call last): File "D:\Python\pythonProject\pythonProject1\second_work.py", line 3, in <module> from matplotlib import pyplot as plt File "D:\Python\pythonProject\pythonProject1\lib\site-packages\matplotlib\pyplot.py", line 52, in <module> import matplotlib.colorbar File "D:\Python\pythonProject\pythonProject1\lib\site-packages\matplotlib\colorbar.py", line 19, in <module> from matplotlib import _api, cbook, collections, cm, colors, contour, ticker File "D:\Python\pythonProject\pythonProject1\lib\site-packages\matplotlib\contour.py", line 13, in <module> from matplotlib.backend_bases import MouseButton File "D:\Python\pythonProject\pythonProject1\lib\site-packages\matplotlib\backend_bases.py", line 45, in <module> from matplotlib import ( File "D:\Python\pythonProject\pythonProject1\lib\site-packages\matplotlib\text.py", line 18, in <module> from .textpath import TextPath, TextToPath # noqa # Logically located here File "D:\Python\pythonProject\pythonProject1\lib\site-packages\matplotlib\textpath.py", line 12, in <module> from matplotlib.mathtext import MathTextParser File "D:\Python\pythonProject\pythonProject1\lib\site-packages\matplotlib\mathtext.py", line 25, in <module> from matplotlib import _api, _mathtext File "D:\Python\pythonProject\pythonProject1\lib\site-packages\matplotlib\_mathtext.py", line 13, in <module> import unicodedata ModuleNotFoundError: No module named 'unicodedata'报错
05-30
这个错误提示是说找不到名为 "unicodedata" 的模块，这个模块是 Python 内置的模块，用于对 Unicode 字符数据进行访问和操作。...如果这些方法都无法解决问题，那么您可能需要考虑使用其他的可视化库。
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

打赏作者

羊老羊

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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