Python可视化库Matplotlib绘图入门详解

matplotlib是python最著名的绘图库，它提供了一整套和matlab相似的命令API，十分适合交互式地行制图。其中，matplotlib的pyplot模块一般是最常用的，可以方便用户快速绘制二维图表。可视化有助于更好地分析数据并增强用户的决策能力。在此matplotlib教程中，我们将绘制一些图形并更改一些属性，例如字体、标签、范围等。

首先，我们将安装matplotlib，然后开始绘制一些基本的图形。在此之前，让我们看一下matplotlib可以绘制的一些图。

Plot Types

matplotlib中有许多不同的Plot Types。本节简要说明了matplotlib中的某些Plot Types。

Line Plot

Line Plot是图形中的简单2D线。

Contouring 和Pseudocolor

通过使用函数pcolormesh（），即使尺寸分布不均匀，我们也可以用颜色表示二维数组。同样，contour（）函数执行相同的工作。

直方图

为了以直方图的形式返回bin计数和概率，我们使用了hist（）函数。

要在Matplotlib中添加任意路径，我们使用matplotlib.path模块。

流量图

我们可以使用streamplot（）函数绘制矢量的流线。我们还可以映射不同参数的颜色和宽度，例如速度、时间等。

条形图

我们可以使用bar（）函数制作具有很多自定义功能的条形图。

其他种类Matplotlib中的其他一些绘图示例包括：

• Ellipses
• Pie Charts
• Tables
• Scatter Plots
• GUI widgets
• Filled curves
• Date handling
• Log plots
• Legends
• TeX- Notations for text objects
• Native TeX rendering
• EEG GUI
• XKCD-style sketch plots

安装

假设在环境变量中设置了Python的路径，则只需使用pip命令安装matplotlib软件包即可上手。

使用以下命令：

$ pip安装matplotlib

在我的系统中，该软件包已经安装。如果该软件包还没安装就会自动下载安装。

要将包导入到您的Python文件中，可以使用以下语句：

导入matplotlib.pyplot作为plt

‍其中matplotlib是库，pyplot是一个软件包，包括所有要在Python中使用MATLAB函数的MATLAB函数。

最后，我们可以使用plt调用python文件中的函数。

垂线

要使用pyplot绘制垂直线，可以使用axvline（）函数。

axvline的语法如下：

plt.axvline（x = 0，ymin = 0，ymax = 1，** kwargs）

用这种语法：x是x轴的坐标。这是从垂直方向生成线的位置。ymin是plot的底部，ymax是plot的顶部。** kwarg是线条的属性，例如颜色、标签，线条样式等。

导入matplotlib.pyplot作为plt
plt.axvline（0.2，0，1，label ='pyplot垂直线'）
plt.legend（）
plt.show（）

在此示例中，我们绘制一条垂直线。0.2表示将在图形的点0.2处绘制该线，0和1分别是ymin和ymax，标记行属性之一。legend（）是实现绘图的MATLAB函数，可在图上启用标签。最后，show（）将打开plot或graph屏幕。

水平线

axhline（）绘制一条水平线的语法如下：

plt.axhline（y = 0，xmin = 0，xmax = 1，** kwargs）

在语法中：y是沿y轴的坐标。这些点是水平生成直线的位置。xmin表示图的左侧，xmax是图的右侧。** kwarg是线条的属性，例如颜色、标签、线条样式等。

在上一个示例中，用axhline（）替换axvline（）， 就会在绘图上得到一条水平线：

导入matplotlib.pyplot作为plt

积分= 0.2

plt.axhline（ypoints，0，1，label ='pyplot水平线'）

plt.legend（）

plt.show（）

多行

要绘制多条垂直线，我们可以创建一个x点/坐标的数组，然后遍历该数组的每个元素以绘制多条线：

导入matplotlib.pyplot作为plt

xpoints = [0.2，0.4，0.6]

对于xpoints中的p：

    plt.axvline（p，label ='pyplot垂直线'）

plt.legend（）

plt.show（）

输出将是：

上面的输出看起来并不吸引人，我们也可以为图中的每行使用不同的颜色。

看下面的示例：

导入matplotlib.pyplot作为plt

xpoints = [0.2，0.4，0.6]

颜色= ['g'，'c'，'m']

对于zip中的p，c（xpoints，颜色）：

    plt.axvline（p，label ='line：{}'。format（p），c = c）

plt.legend（）

plt.show（）

在此示例中，我们有一个线数组和一个Python颜色符号数组。使用zip（）函数，两个数组合并在一起：xpoints []的第一个元素与color []数组的第一个元素。比如，第一行=绿色，第二行=青色，依此类推。

花括号{}充当占位符，借助format（）函数将Python变量添加到输出中。因此，会在图中看到xpoints []。

上面代码的输出：

只需在上一个示例中将axvline（）替换为axhline（），绘图中就会出现多条水平线：

导入matplotlib.pyplot作为plt

ypoints = [0.2，0.4，0.6，0.68]

颜色= ['b'，'k'，'y'，'m']

用于zip中的p，c（点，颜色）：

    plt.axhline（p，label ='line：{}'。format（p），c = c）

plt.legend（）

plt.show（）

代码是相同的，这次我们有一个由y轴的四个点组成的数组，并且颜色不同。这两个数组都使用zip（）函数合并在一起，遍历最终数组，并且用axhline（）绘制线，如下面的输出所示：

保存图形

绘制图形后，如何保存输出图形？

要保存请使用pyplot的savefig（）。

plt.savefig（fname，** kwargs）

其中，fname是文件名，目标或路径也可以与文件名一起指定。kwargs参数是可选的。用于更改方向、格式、表面颜色、质量、dpi等。

导入matplotlib.pyplot作为plt

ypoints = [0.2，0.4，0.6，0.68]

颜色= ['b'，'k'，'y'，'m']

用于zip中的p，c（点，颜色）：

    plt.axhline（p，label ='line：{}'。format（p），c = c）

plt.savefig（'horizontal_lines.png'）

plt.legend（）

plt.show（）

该文件的名称为horizontal_lines.png，该文件保存在您的python文件存储位置：

多个plot

前面的所有示例都是关于在一个图中进行绘制。在同一图中绘制多个图怎么办？

您可以借助Python pyplot的subplot（）函数在同一图中生成多个图。

matplotlib.pyplot.subplot（nrows，ncols，index，** kwargs）

在参数中，我们需要指定三个整数，分别是行和列中的绘图数，然后制定图的索引位置。您可以将其视为一个网格，我们正在绘制其单元格。

第一个数字是nrows行数，第二个数字是ncols列数，然后是索引。其他可选参数（** kwargs）包括颜色、标签、标题、快照等。

从matplotlib导入pyplot作为plt

plt.subplot（1、2、1）

x1 = [10，20，30，40，50，60，70，80，90，100]

y1 = [5、10、15、20、25、30、35、40、45、50]

plt.plot（x1，y1，color =“ c”）




plt.subplot（1、2、2）

x2 = [40，50，60，70，80，90，100]

y2 = [40，50，60，70，80，90，100]

plt.plot（x2，y2，color =“ m”）

plt.show（）

思考以下代码，以更好地理解如何在一个图中绘制多个图形。首先是定义plot的位置。在第一个子图中，1,2,1表示我们有1行2列，当前图将在索引1处绘制。类似地，1,2,2告诉我们有1行2列，但是这将图的时间定为索引2。

下一步是创建数组以在图中绘制整数点。查看以下输出：

这就是绘制垂直子图的方式。要绘制水平图，请将子图的行和列值更改为：

plt.subplot（2，1，1）

plt.subplot（2，1，2）

这意味着我们有2行1列。输出将如下所示：

现在，让我们创建一个2×2的网格图。

可以使用下面的代码：

从matplotlib导入pyplot作为plt

plt.subplot（2，2，1）

x1 = [40，50，60，70，80，90，100]

y1 = [40，50，60，70，80，90，100]

plt.plot（x1，y1，color =“ c”）




plt.subplot（2，2，2）

x2 = [40，50，60，70，80，90，100]

x2 = [40，50，60，70，80，90，100]

plt.plot（x2，y2，color =“ m”）




plt.subplot（2，2，3）

x3 = [40，50，60，70，80，90，100]

y3 = [40，50，60，70，80，90，100]

plt.plot（x3，y3，color =“ g”）




plt.subplot（2，2，4）

x4 = [40，50，60，70，80，90，100]

y4 = [40，50，60，70，80，90，100]

plt.plot（x4，y4，color =“ r”）

plt.show（）

输出将是：

在此示例中，2,2,1表示2行2列，会在索引1处进行绘制。类似地，2,2,2表示2行2列，索引会在2处绘制。

字体大小

我们可以借助一个名为rc（）的函数来更改绘图的字体大小。rc（）函数用于自定义rc设置。要使用rc（）更改字体大小，可以使用以下语法：

matplotlib.pyplot.rc（'fontname'，** font）

或者

matplotlib.pyplot.rc（'font'，size = sizeInt

上面语法中的字体是用户定义的词典，用于指定文本的权重、字体系列、字体大小等。

plt.rc（'font'，size = 30）

这会将字体更改为30，输出将是：

轴范围

可以分别使用pyplot的xlim（）和ylim（）函数来设置x和y轴的范围或限制。

matplotlib.pyplot.xlim（[开始点，结束点]）

matplotlib.pyplot.ylim（[开始点，结束点]）

考虑下面的示例来设置图的x轴限制：

从matplotlib导入pyplot作为plt

x1 = [40，50，60，70，80，90，100]

y1 = [40，50，60，70，80，90，100]

plt.plot（x1，y1）

plt.xlim（[0,160]）

plt.show（）

在此示例中，x轴上的点将从0到160开始，如下所示：

同样，要限制y轴坐标，可以用下面这个代码行：

plt.ylim（[0,160]）

输出将是：

标签轴

可以使用pyplot的xlabel（）和ylabel（）函数创建x和y轴的标签。

matplotlib.pyplot.xlabel（labeltext，labelfontdict，** kwargs）

matplotlib.pyplot.ylabel（labeltext，labelfontdict，** kwargs）

在上述语法中，labeltext是标签的文本，是一个字符串，labelfont描述了标签文本的字体大小、粗细、字体类型。

从matplotlib导入pyplot作为plt

x1 = [40，50，60，70，80，90，100]

y1 = [40，50，60，70，80，90，100]

plt.plot（x1，y1）

plt.xlabel（'像极客X轴'）

plt.ylabel（'Like Geeks Y Axis'）

plt.show（）

在上面的示例中，对于x和y坐标，我们分别有常规的x和y数组。然后plt.xlabel（）为x轴生成一个文本，而plt.ylabel（）为y轴生成一个文本。

清除plot

pyplot的clf（）函数清除了绘图。

matplotlib.pyplot.clf（）

在clf（）函数中，没有任何参数。

从matplotlib导入pyplot作为plt

x1 = [40，50，60，70，80，90，100]

y1 = [40，50，60，70，80，90，100]

plt.plot（x1，y1）

plt.xlabel（'像极客X轴'）

plt.ylabel（'Like Geeks Y Axis'）

plt.clf（）

plt.show（）

在此代码中，我们创建了一个图并定义了标签。之后，我们使用clf（）函数按如下所示清除plot：

希望这个教程对您有用