Matplotlib pyploy.plot()基础

鱼跃龙门Smile

已于 2024-01-18 15:54:45 修改

阅读量1.4k

点赞数 22

文章标签： matplotlib python

于 2024-01-18 15:42:44 首次发布

本文链接：https://blog.csdn.net/zj88189748/article/details/135651271

版权

6.color、marker、linestyle放一个字符串参数中使用

7.使用data参数

7.1使用DataFrame传入data

7.2使用字典传入data

7.3使用DataFrame传入data绘制多条线

8.x轴、y轴标签及刻度

8.1xy轴标签

8.2xy轴刻度及刻度标签

9.标签图例：label和legend()

10.画布和多个子图

10.1画布plt.figure()

10.2多个子图plt.subplot()

10.3画布子图示例

10.4plt.subplot()和 plt.subplots()区别

11.设置全局字体显示中文

12.综合示例1

13.综合示例2

画图的逻辑：
1.设置画布的大小
2.画几个图
3.画什么图：折线图、柱状图、饼图、散点图、条形图
4.参数调整

1.plt.plot()绘图参数

plot()官方解释

"""
import matplotlib.pyplot as plt

plot([x], y, [fmt], *, data=None, **kwargs)
plot([x], y, [fmt], [x2], y2, [fmt2], ..., **kwargs)
其中，x和y是两个数组或列表，分别表示数据的x轴和y轴坐标。format_string是一个可选参数，
用于指定线条的样式和颜色。它由一个或多个字符组成，每个字符对应一个属性，
可以是颜色、线型、标记等。例如，'r--'表示红色虚线。
data参数支持所有可索引对象。例如，可以是 dict、 panda.DataFrame 或结构化 numpy 数组

plot()函数还支持一些常用的可选参数，通过**kwargs传递。常用的可选参数包括：

color or c：设置线条的颜色。
linewidth or lw：设置线条的宽度。
linestyle or ls：设置线条的样式。
alpha：设置线条或数据点的透明度。
label：设置线条的标签，用于生成图例。
marker：设置数据点的标记类型,及折点的形状
markersize or ms：设置数据点标记的大小，及折点的大小
markerfacecolor or mfc：折点的颜色
markeredgecolor or mec：折点边框的颜色
markeredgewidth or mew：折点边框宽度
"""

绘图的一些属性

2.简单示例

import matplotlib.pyplot as plt

# x轴坐标
x = range(0,11)
# y轴坐标
y = range(0,11)
# 绘制图形
plt.plot(x,y)
#显示图形
plt.show()

运行结果：

3.点的形状：marker

3.1marker的值

marker的值	说明
'.'	point marker（点标识）
','	pixel marker（像素标识）
'o'	circle marker（圆标识）
'v'	triangle_down marker（倒三角形标识）
'^'	triangle_up marker（正三角形标识）
'<'	triangle_left marker（左三角形标识）
'>'	triangle_right marker（右三角形标识）
'1'	tri_down marker（向下Y形状）
'2'	tri_up marker（向上Y形状）
'3'	tri_left marker（向左Y形状）
'4'	tri_right marker（向右Y形状）
'8'	octagon marker（八边形形状）
's'	square marker（正方形标识）
'p'	pentagon marker（五边形标识）
'P'	plus (filled) marker（填充的五边形）
*''**	star marker（星型标识）
'h'	hexagon1 marker（六角形标识）
'H'	hexagon2 marker（六角形标识）
'+'	plus marker（加号形状）
'x'	x marker（x形状）
'X'	x (filled) marker（填充的X形状）
'D'	diamond marker（钻石形状.....其实就是菱形标识）
'd'	thin_diamond marker（薄一点钻石形状）
'\|'	vline marker（\|形状）
'_'	hline marker（_形状）

和marker配套的参数

markeredgecolor or mec	color（点边框的颜色）
markeredgewidth or mew	float （点边框的宽度）
markerfacecolor or mfc	color（点内部的颜色）
markersize or ms	float （点的大小）
markerfacecoloralt or mfcalt	color(设置了值，但是不起作用，暂时还不知道怎么用，忽略它)

3.2marker示例

import matplotlib.pyplot as plt
import numpy as np

# x轴坐标
x = np.arange(0,11)
# y轴坐标
y = np.arange(0,11)
y1 = y+2
y2 = y+4
# 第一条线，点的形状*
plt.plot(x,y,marker='*')
# 第二条线,点的形状x
plt.plot(x,y1,marker='x')
# 第三条线,点的形状o
plt.plot(x,y2,marker='o')
plt.show()

运行结果：

4.线的形状：linestyle

4.1linestyle的值

linestyle的值	说明
'-'	solid line style（实线风格）
'--'	dashed line style（虚线风格）
'-.'	dash-dot line style（点线风格）
':'	dotted line style（虚线点风格）

4.2linestyle示例

import matplotlib.pyplot as plt
import numpy as np

# x轴坐标
x = np.arange(0,11)
# y轴坐标
y = np.arange(0,11)
y1 = y+2
y2 = y+4
# 第一条线，线的形状：虚线点
plt.plot(x,y,linestyle=':')
# 第二条线,线的形状：虚线
plt.plot(x,y1,linestyle='--')
# 第三条线,线的形状：点线
plt.plot(x,y2,linestyle='-.')
plt.show()

运行结果：

5.线的颜色：color

5.1color的值

用于指定线条的颜色。可以接受多种颜色格式，例如：

字符串名称，如 'green'。
RGB元组，如 (2.0,5.0,9.0)。
十六进制颜色代码，如 '#2E8B57'。

matplotlib在参考文档说明中给的可以单个字母表示的颜色：

基础颜色	说明
'b'	blue蓝色
'g'	green绿色
'r'	red红色
'c'	cyan青色
'm'	magenta洋红色
'y'	yellow黄色
'k'	black黑色
'w'	white白色

平常中我们可以自己去寻找其他的颜色，下面的文章很好，大家可以去里面找颜色，在color中输入英文代码、十六进制、rgb元组其中一个就行！

关于颜色的十六进制对照表 - 菜鸟-传奇 - 博客园 (cnblogs.com)
1

5.2color示例

import matplotlib.pyplot as plt
import numpy as np

# x轴坐标
x = np.arange(0,11)
# y轴坐标
y = np.arange(0,11)
y1 = y+2
y2 = y+4
# 第一条线，线的颜色：绿色
plt.plot(x,y,color='g')
# 第二条线,线的颜色：红色
plt.plot(x,y1,color='r')
# 第三条线,线的颜色：黄色
plt.plot(x,y2,color='y')
plt.show()

运行结果：

6.color、marker、linestyle放一个字符串参数中使用

注意：此种方法颜色只能选择能单个字母表示的颜色

import matplotlib.pyplot as plt
import numpy as np

# x轴坐标
x = np.arange(0,11)
# y轴坐标
y = np.arange(0,11)
y1 = y+2
y2 = y+4
# 第一条线，点和线的颜色：绿色，点的形状：*，线的样式：虚线
plt.plot(x,y,'g*--')
# 第二条线,点和线的颜色：红色，点的形状：+，线的样式：点线
plt.plot(x,y1,'r+-.')
# 第三条线,点和线的颜色：黑色，点的形状：|，线的样式：虚线点
plt.plot(x,y2,'k|:')
plt.show()

运行结果：

7.使用data参数

7.1使用DataFrame传入data

import matplotlib.pyplot as plt

data = pd.DataFrame({'xlabel':[1,2,3,4],'ylabel':[1,4,9,16]})
plt.plot('xlabel','ylabel',data=data)
plt.show()

运行结果：

7.2使用字典传入data

import matplotlib.pyplot as plt

data = {'xlabel':[1,2,3,4],'ylabel':[1,4,28,49]}
plt.plot('xlabel','ylabel',data=data)
plt.show()

运行结果：

7.3使用DataFrame传入data绘制多条线

import matplotlib.pyplot as plt

df = pd.DataFrame({'x': [1, 2, 3, 4], 'y1': [1, 4, 9, 16], 'y2': [2, 4, 6, 8]})
plt.plot('x', 'y1', data=df)
plt.plot('x', 'y2', data=df)
plt.show()

运行结果：

8.x轴、y轴标签及刻度

8.1xy轴标签

"""
import matplotlib.pyplot as plt

plt.xlabel(xlabel, fontdict=None, labelpad=None, loc=None, **kwargs))
plt.ylabel(ylabel, fontdict=None, labelpad=None, loc=None, **kwargs))

xlabel或ylabel:指的是你输入x轴或y轴的名称
labelpad:类型为浮点数，默认值为None，即标签与坐标轴的距离
loc:指的是x或y轴名称的位置,例如：针对x轴为'center','left','right';针对y轴为'center','top','bottom'
**kwargs:指的是Text对象关键字属性，用于控制文本的外观属性，如字体、文本颜色等
"""

xy轴标签设置示例

import matplotlib.pyplot as plt
import numpy as np

x = np.arange(1,10)
y = np.arange(1,10)
plt.plot(x, y)

#xy轴标签
plt.xlabel('time(h)',loc='right',fontsize=20, color="red")
plt.ylabel('temperature(℃)',loc='top',fontsize=18, color="red")
plt.show()

运行结果：

8.2xy轴刻度及刻度标签

"""
xticks(ticks: ArrayLike | None = None,
labels: Sequence[str] | None = None,
*,
minor: bool = False,
**kwargs)

Get or set the current tick locations and labels of the x-axis.
    获取或设置x轴的当前刻度位置和标签。
    Call signatures::
        locs, labels = xticks()           # Get locations and labels
        获取位置和标签
        xticks(ticks,[labels],minor=False,**kwargs)#Set locations and labels
        设置位置和标签

    Parameters
    ----------
    ticks : array_like
        A list of positions at which ticks should be placed. 
        You can pass an empty list to disable xticks.
        应当放置刻度的位置列表。 您可以传递一个空列表来禁用xticks。

    labels : array_like, optional
        A list of explicit labels to place at the given *locs*.
        放置在给定* locs *处的显式标签的列表。
        
    minor : bool, default: False
        If ``False``, get/set the major ticks/labels; if ``True``, the minor
        ticks/labels.
        次级刻度/标签

    **kwargs
        :class:`.Text` properties can be used to control the appearance of 
        the labels.
        Text属性可以用来控制标签的外观。

    Returns
    -------
    locs
        An array of label locations.
    labels
        A list of `.Text` objects.


    Examples
    --------
    Get the current locations and labels:

        >>> locs, labels = xticks()

    Set label locations:

        >>> xticks(np.arange(0, 1, step=0.2))

    Set text labels:

        >>> xticks(np.arange(5), ('Tom', 'Dick', 'Harry', 'Sally', 'Sue'))

    Set text labels and properties:

        >>> xticks(np.arange(12), calendar.month_name[1:13], rotation=20)

    Disable xticks:

        >>> xticks([])
"""

示例

import matplotlib.pyplot as plt
import numpy as np

x = np.arange(1,10)
y = np.arange(1,10)
plt.plot(x, y)

#刻度标签列表,同一轴的刻度数和刻度标签数要保持一致
xticks_label = [f'{i}:00' for i in x]
yticks_label = [f'{i}℃' for i in y]

#设置刻度个数和刻度标签数数量要保持一致,rotation=45旋转45度,fontsize=16字体大小16
plt.xticks(x,xticks_label,rotation=45,fontsize=16,color='red')
plt.yticks(y,yticks_label,rotation=20,fontsize=18,color='yellow')
plt.show()

运行结果：

9.标签图例：label和legend()

label要和plt.legend()一起使用

legend()官方解释

"""
import matplotlib.pyplot as plt

plt.legend()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: (横向看右，纵向看下),如果要自定义图例位置或者将图例画在坐标外边，用它，
比如bbox_to_anchor=(1.4,0.8)，这个一般配合着ax.get_position()，
set_position([box.x0, box.y0, box.width*0.8 , box.height])使用
用不到的参数可以直接去掉,有的参数没写进去，用得到的话加进去 , bbox_to_anchor=(1.11,0)

参数默认值（fontsize没有默认值）：
plt.legend(loc='best', 
fontsize=12, 
frameon=True, 
fancybox=True, 
framealpha=0.8, 
borderpad=0.4,
ncol=1, 
markerfirst=True, 
markerscale=1.0, 
numpoints=1, 
handlelength=2.0)
"""

示例

import matplotlib.pyplot as plt
import numpy as np

x = np.arange(1,10)
y1 = np.arange(1,10)
y2 = y1+2

#设置线标签
plt.plot(x, y1,label='line1')
plt.plot(x, y2,label='line2')

#设置点标签
plt.scatter(x, y1, label='Scatter Points1')
plt.scatter(x, y2, label='Scatter Points2')

#显示标签图例，label需要和plt.legend()一起使用，plt.legend()有很多参数，用到时查资料
plt.legend()
plt.show()

运行结果：

10.画布和多个子图

10.1画布plt.figure()

在matplotlib库中，figure是一个画布对象，它是绘制图形的基础。figure对象提供了一个空白的画布，你可以在上面创建和绘制图形。

plt.figure()这个函数可以接受一些可选参数来自定义画布的大小、分辨率、背景色等。

"""
import matplotlib.pyplot as plt
plt.figure()创建一个新的画布，通过figure()函数来实例化Figure对象。
plt.figure(num=None, figsize=None, dpi=None, facecolor=None, edgecolor=None, frameon=True)

参数介绍：
num： 图像编号或名称，数字为编号默认1开始，字符串为画布名称。
figsize： 指定figure的宽和高，单位为英寸。
dpi：参数指定绘图对象的分辨率。
facecolor：背景颜色。默认为：rc：figre.facecolor‘=’w‘
edgecolor：边框颜色。如果未提供，默认为：rc：figre.edgecolor‘=’w‘
frameon：是否显示边框（图形框架）
"""

10.2多个子图plt.subplot()

在Matplotlib中，plt.subplot()函数用于在单个图形窗口中创建多个子图，它提供了一种方便的方式来排列和管理多个图形。

它添加一个子图到当前画布，会删除前面覆盖的子图。

"""
import matplotlib.pyplot as plt

subplot(nrows, ncols, index, **kwargs)
subplot(pos, **kwargs)
subplot(**kwargs)
subplot(ax)

参数介绍：
*args：三个整数或一个三位数（自动解析成三个整数），用于分别对应 nrows, ncols, index
    - nrows：在画布纵轴上分隔成几个子图
    - ncols：在画布横轴上分隔成几个子图
    - index：子图索引，从左上角开始，从左到右、从上到下递增。
**kwargs：可选参数，一些涉及子图属性的关键字参数，如标题、轴标签等。此方法还接受返回AXIS基类的关键字参数。
    以下是一些可选的常用的参数：
    
    projection：用于指定子图的投影类型，如'3d'（3D子图）。
    title：用于设置子图的标题。
    xlabel和ylabel：用于设置子图的轴标签。
    xlim和ylim：用于设置子图的轴范围。
    xticks和yticks：用于设置子图的刻度值。
    grid：如果设置为True，子图会显示网格线。
"""

10.3画布子图示例

要在一个2x2的网格画布中创建四个子图，可以按照如下方式调用subplot函数

import matplotlib.pyplot as plt
import numpy as np

x = np.arange(1,100)
y = np.arange(1,100)
# 设置画布，名字为MyFig，大小为1000*600
fig = plt.figure('MyFig',figsize=(10,6),dpi=100,facecolor='yellow')

#设置子图，总行是2行2列，第一行第一列的图,3d图，图标题为my
plt.subplot(2,2,1,projection='3d',title='my')
plt.plot(x,y)

#第一行第二列的图
plt.subplot(2,2,2)
plt.plot(x,y**2)

# 子图的标题
plt.title('Subplot 1')

# 子图的轴标签
plt.xlabel('X')
plt.ylabel('Y')

# 子图的轴范围
plt.xlim(0, 10)
plt.ylim(0, 20)

# 子图的刻度值
plt.xticks([0, 5, 10])
plt.yticks([0, 10, 20])

#子图显示网格线
plt.grid(True)

#第二行第一列的图
plt.subplot(2,2,3)
plt.plot(x,y**3)

#第二行第二列的图
plt.subplot(2,2,4)  #总行是2行2列，第四个图
plt.plot(x,y**4)

plt.show()

运行结果：

10.4plt.subplot()和 plt.subplots()区别

plt.subplots()创建一个画布和一个或多个子图返回。

"""
subplots(nrows=1, 
        ncols=1, 
        sharex=False, 
        sharey=False, 
        squeeze=True, 
        subplot_kw=None, 
        gridspec_kw=None, 
        **fig_kw)

参数介绍：
nrows，ncols：子图的行列数。
sharex， sharey：是否共轴。可选：'none', 'all', 'row','col', 'True', 'False'。
        True 或者 'all'时，所有子图共享 x 轴或者 y 轴；
        False or 'none' 时，所有子图的 x，y 轴均为独立；
        'row' 时，每一行的子图会共享 x 或者 y 轴；
        'col' 时，每一列的子图会共享 x 或者 y 轴。

squeeze：默认为 True，是设置返回的子图对象的数组格式。当为 False 时，不论返回的子图是只有一个还是只有一行，都会用二维数组格式返回他的对象。当为 True 时，如果设置的子图是（nrows=ncols=1），即子图只有一个，则返回的子图对象是一个标量的形式，如果子图有（N×1）或者（1×N）个，则返回的子图对象是一个一维数组的格式，如果是（N×M）则是返回二位格式。
subplot_kw：字典格式，传递给 add_subplot() ，用于创建子图。
gridspec_kw：字典格式，传递给 GridSpec 的构造函数，用于创建子图所摆放的网格。如，设置 gridspec_kw={‘height_ratios’: [3, 1]} 则子图在列上的分布比例是3比1。
**fig_kw ：所有其他关键字参数都传递给 figure（）调用。如，设置 figsize=(21, 12) ，则设置了图像大小。

返回值：fig： matplotlib.figure.Figure 对象；ax：子图对象（ matplotlib.axes.Axes）或者是他的数组。
"""

示例

import matplotlib.pyplot as plt
import numpy as np

x1 = [np.random.randint(1, 50) for i in range(20)]
y1 = [np.random.randint(1, 50) for i in range(20)]
x2 = [np.random.randint(50, 101) for i in range(20)]
y2 = [np.random.randint(50, 101) for i in range(20)]

# 该方法会返回画图对象和坐标对象ax,2*2个图，figsize是设置子图长宽（1200，800)
fig, ax = plt.subplots(figsize=(12, 8), nrows=2, ncols=2)  
# print(fig)
# print(ax)
#画第一个图
ax[0,0].scatter(x1, y1, s=50, marker='x', label='x1')
ax[0,0].scatter(x2, y2, s=50, marker='o', label='o1')
ax[0,0].legend()  # 添加图列就是右上角的点说明

#画第四个图
ax[1,1].scatter(x1, y1, s=50, marker='x', label='x1')
ax[1,1].scatter(x2, y2, s=50, marker='o', label='o1')
ax[1,1].legend()  # 添加图列就是右上角的点说明

plt.show()

运行结果：

可以看出来两者都可以实现画子图功能，只不过subplots帮我们把画板规划好了，返回一个坐标数组对象，而subplot每次只能返回一个坐标对象，subplots可以直接指定画板的大小。

如果想一次性地创建多个子图，就使用subplots()函数，如果想一个一个地添加子图，就使用subplot()函数，这是它们的主要区别。

11.设置全局字体显示中文

设置字体和中文相关的其他详细信息，查询其他资料

"""
import matplotlib.pyplot as plt

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

#设置全局字体大小
plt.rcParams['font.size'] = 12 

#显示负号-
plt.rcParams['axes.unicode_minus'] = False 
"""

常用字体

黑体	SimHei
仿宋	FangSong
楷体	KaiTi
微软雅黑体	Microsoft YaHei
宋体	SimSun

12.综合示例1

# 用来正常显示中文标签，全局设置
plt.rcParams['font.family']=['SimHei']
#设置全局字体大小
plt.rcParams['font.size'] = 12
#显示负号-
plt.rcParams['axes.unicode_minus'] = False

# x轴坐标
x = range(0,11)
# y轴坐标
y = range(0,11)

plt.plot(
    x,
    y,
    color='pink',   #线的颜色
    alpha=0.9, #透明度，范围是0-1
    linestyle='--',  #线的样式
    linewidth=3, #线的粗细
    marker='D',  #点的形状
    markeredgecolor='red',   #点边框的颜色
    markersize='5',     #点的大小
    markerfacecolor='yellow',    #点的颜色
    label ='线条一',   #线条标签说明，需要plt.legend()来显示
    markeredgewidth=1   #点边框宽度
    )
plt.xlabel('X轴标签')  #x轴标签
plt.ylabel('Y轴标签')  #y轴标签
plt.title('年度销量变化情况')   #图形标题
plt.legend()    #显示生成图例
plt.show()  #显示图形

运行结果：

13.综合示例2

import matplotlib.pyplot as plt
import numpy as np

# 用来正常显示中文标签
plt.rcParams['font.family']=['KaiTi']
#设置全局字体大小
plt.rcParams['font.size'] = 12
#显示负号-
plt.rcParams['axes.unicode_minus'] = False

#x坐标
x = range(2,26,2)
#保证y的数量和x一致
y = [random.randint(16,32) for i in x]

# 设置画布大小
plt.figure(figsize=(10,8),dpi=80)

#画图，color='DarkOrange'深橙色，markerfacecolor='#40E0D0'绿宝石色
plt.plot(x,y,color='DarkOrange',marker='o',markerfacecolor='#40E0D0',label='温度变化曲线')

# x轴的刻度标签
xticks_label = [f'{i}:00' for i in x]
# print('xticks_label',len(x),len(xticks_label))
# 在图上设置x轴刻度及刻度标签，rotation=45刻度标签旋转45度
plt.xticks(x,xticks_label,rotation=45)

# y轴的刻度标签,xy的刻度标签的刻度个数可以不一样
yticks_label = [f'{i}℃' for i in range(min(y),max(y)+1)]
print('yticks_label',len(range(min(y),max(y)+1)),len(yticks_label))

# 在图上设置y轴刻度及刻度标签，fontsize=14标签字体大小为14
plt.yticks(range(min(y),max(y)+1),yticks_label,fontsize=14) #刻度个数和刻度标签要保持一致

#xy轴标签
plt.xlabel('时间(h)',loc='center',fontsize=16, color="red")
plt.ylabel('温度(℃)')

#图形标题
plt.title('一天的温度变化情况')

# 保存图片
plt.savefig(r'D:\zhangsan.png')

# 显示标签图例
plt.legend()

#show放最后，show之后，图片缓存就没有了，保存就会为空
plt.show()

运行结果：

后续持续学习更新

鱼跃龙门Smile

关注

22
点赞
踩
21

收藏

觉得还不错? 一键收藏
1
评论
Matplotlib pyploy.plot()基础

可以看出来两者都可以实现画子图功能，只不过subplots帮我们把画板规划好了，返回一个坐标数组对象，而subplot每次只能返回一个坐标对象，subplots可以直接指定画板的大小。在matplotlib库中，figure是一个画布对象，它是绘制图形的基础。在Matplotlib中，plt.subplot()函数用于在单个图形窗口中创建多个子图，它提供了一种方便的方式来排列和管理多个图形。平常中我们可以自己去寻找其他的颜色，下面的文章很好，大家可以去里面找颜色，用于指定线条的颜色。
复制链接

扫一扫