【3】超级详细matplotlib使用教程，手把手教你画图!(多个图、刻度、标签、图例等)

汀丶人工智能

发布于 2022-12-21 13:49:50

1.8K00

代码可运行

文章被收录于专栏：NLP/KGNLP/KG

运行总次数：0

代码可运行

官网参考链接：http://www.pygal.org/en/stable/

基本绘画设置

1. Figure和Subplot

matplotlib的图像都位于Figure对象中，你可以用plt.figure创建一个新的Figure.在subplot上进行绘制

import matplotlib.pyplot as plt
#这时会弹出一个空窗
fig = plt.figure()
#这条代码的意思是：图像应该是2X2的，且当前选中的是第一个
ax1 = fig.add_subplot(2,2,1)

#再绘制两个
ax2 = fig.add_subplot(2,2,2)
ax3 = fig.add_subplot(2,2,3)
plt.show()

如果想添加线性：

from numpy.random import randn
plt.plot(randn(50).cumsum(), 'k--')
#'k--'是一个线型选项，用于告诉matplotlib绘制黑色虚线图。

import matplotlib.pyplot as plt
from numpy.random import randn

#'k--'是一个线型选项，用于告诉matplotlib绘制黑色虚线图。
#这时会弹出一个空窗
fig = plt.figure()
#这条代码的意思是：图像应该是2X2的，且当前选中的是第一个
ax1 = fig.add_subplot(2,2,1)
plt.plot(randn(50).cumsum(), linestyle='-.')
#再绘制两个
ax2 = fig.add_subplot(2,2,2)
plt.plot(randn(50).cumsum(), 'k')
ax3 = fig.add_subplot(2,2,3)
plt.plot(randn(50).cumsum(), 'k--')
plt.show()

也可以创建一个新的Figure，并返回一个含有已创建subplot对象的NumPy数组：

import matplotlib.pyplot as plt
#创建了一个两行，三列的区域
fig, axes = plt.subplots(2,3)
plt.show()

效果如下：

2.调整subplot周围的间距

matplotlib会在subplot外围留下一定的边距，不太美观，利用subplots_adjust方法可以调整间距。

#官网定义：
def subplots_adjust(self, left=None, bottom=None, right=None, top=None, wspace=None, hspace=None)
#wspace, hspace：子图之间的横向间距、纵向间距分别与子图平均宽度、平均高度的比值。

如下图（图中所有子图的宽度和高度对应相等，子图平均宽度和平均高度分别为w和h）：

import matplotlib.pyplot as plt
from numpy.random import randn
fig, axes = plt.subplots(2,2, sharex=True, sharey=True)
for i in range(2):
    for j in range(2):
        axes[i,j].hist(randn(500), bins=50, color='g', alpha=0.5)

plt.subplots_adjust(wspace=0, hspace=0)
plt.show()

效果如下：美观很多

3.颜色、标记和线型

根据x,y绘制绿色虚线

import matplotlib.pyplot as plt
import numpy as np
x= np.arange(1, 10, 1)
y=2*x    
plt.plot(x, y, 'g--')
#与下面设置是一样的
plt.plot(x, y, linestyle='--', color='g')
plt.show()

线型图可以加上一些标记，来强调实际的点

import matplotlib.pyplot as plt
import numpy as np
from numpy.random import randn
plt.plot(randn(30).cumsum(), 'ro--')
#等价于
plt.plot(randn(30).cumsum(), color='g', linestyle='dashed', marker='o')
plt.show()

4.刻度、标签和图例

添加刻度和标签

import matplotlib.pyplot as plt
import numpy as np
from numpy.random import randn

fig = plt.figure()
ax = fig.add_subplot(1,1,1)
ax.plot(randn(1000).cumsum())

#修改X轴的刻度
#刻度放在哪些位置
ticks = ax.set_xticks([0,250,500,750,1000])
#也可以将其他值用作标签
labels = ax.set_xticklabels(['one','two','three','four','five'], rotation=30, fontsize='small')

#为X轴设置一个名称
ax.set_title('My first matplotlib plot')
#设置一个标题
ax.set_xlabel('Stages')

plt.show()

添加图例：

import matplotlib.pyplot as plt
import numpy as np
from numpy.random import randn

fig = plt.figure()
ax = fig.add_subplot(1,1,1)
ax.plot(randn(1000).cumsum(), 'g', label='one')
ax.plot(randn(1000).cumsum(), 'b--', label='two')
ax.plot(randn(1000).cumsum(), 'r-.', label='three')

ax.legend(loc='best')

plt.show()

ax.legend(loc='')

设置best可以让图标在最合适位置显示。

绘制简单的折线图

(1). 函数plot()

import matplotlib.pyplot as plt
squares = [1, 4, 9, 16, 25]
plt.plot(squares)
plt.show()

(2). 修改标签文字和线条粗细

import matplotlib.pyplot as plt
squares = [1, 4, 9, 16, 25]

#参数linewidth 决定了plot() 绘制的线条的粗细
plt.plot(squares, linewidth=5)


# 设置图表标题， 并给坐标轴加上标签
plt.title("Square Numbers", fontsize=24)
plt.xlabel("Value", fontsize=14)
plt.ylabel("Square of Value", fontsize=14)

# 设置刻度标记的大小
plt.tick_params(axis='both', labelsize=14)
plt.show()

2.`marker`标记参数

'.' point marker
',' pixel marker
'o' circle marker
'v' triangle_down marker
'^' triangle_up marker
'<' triangle_left marker
'>' triangle_right marker
'1' tri_down marker
'2' tri_up marker
'3' tri_left marker
'4' tri_right marker
's' square marker
'p' pentagon marker
'*' star marker
'h' hexagon1 marker
'H' hexagon2 marker
'+' plus marker
'x' x marker
'D' diamond marker
'd' thin_diamond marker
'|' vline marker
'_' hline marker

3. 绘制绘制散点图

(1). 使用scatter() 绘制散点图并设置其样式

import matplotlib.pyplot as plt
plt.scatter(2, 4)
plt.show()

(2).使用scatter() 绘制一系列点

import matplotlib.pyplot as plt

x_values = [1, 2, 3, 4, 5]
y_values = [1, 4, 9, 16, 25]
#并使用实参s 设置了绘制图形时使用的点的尺寸
plt.scatter(x_values, y_values, s=100)
plt.show()

(3).删除数据点的轮廓

可在调用scatter() 时传递实参edgecolor=’none’

plt.scatter(x_values, y_values, edgecolor='none', s=40)

(4).自定义颜色

要修改数据点的颜色，可向scatter() 传递参数c ，并将其设置为要使用的颜色的名称，

plt.scatter(x_values, y_values, c='red', edgecolor='none', s=40)

(5).使用颜色映射

颜色映射（ colormap）是一系列颜色，它们从起始颜色渐变到结束颜色。

import matplotlib.pyplot as plt

x_values = list(range(1001))
y_values = [x**2 for x in x_values]
plt.scatter(x_values, y_values, c=y_values, cmap=plt.cm.Blues, edgecolor='none', s=40)


# 设置每个坐标轴的取值范围
plt.axis([0, 1100, 0, 1100000])
plt.show()

我们将参数c 设置成了一个 y 值列表，并使用参数cmap 告诉pyplot 使用哪个颜色映射。
这些代码将 y值较小的点显示为浅蓝色，并将 y 值较大的点显示为深蓝色.

要让程序自动将图表保存到文件中，可将对plt.show() 的调用替换为对plt.savefig() 的调用

plt.savefig('squares_plot.png', bbox_inches='tight')

第一个实参指定要以什么样的文件名保存图表，这个文件将存储到scatter_squares.py所在的目录中；
第二个实参指定将图表多余的空白区域裁剪掉。如果要保留图表周围多余的空白区域，可省略这个实参。

(6). 隐藏坐标轴

plt.axes().get_xaxis().set_visible(False) plt.axes().get_yaxis().set_visible(False)

(7). 调整尺寸以适合屏幕

函数figure() 用于指定图表的宽度、高度、分辨率和背景色。你需要给形参figsize 指定一个元组，向matplotlib指出绘图窗口的尺寸，单位为英寸。 plt.figure(figsize=(10, 6)) 3. 随机漫步 choice()函数

#choice([0, 1, 2, 3, 4]) 随机地选择一个0~4之间的整数
x_distance = choice([0, 1, 2, 3, 4])

range()函数 返回一系列连续增加的整数

randint()函数 返回一个1和面数之间的随机数

本文参与腾讯云自媒体同步曝光计划，分享自作者个人站点/博客。

原始发表：2021-04-13，如有侵权请联系 cloudcommunity@tencent.com 删除

python

matlab

numpy

编程算法

本文分享自作者个人站点/博客前往查看

如有侵权，请联系 cloudcommunity@tencent.com 删除。

本文参与腾讯云自媒体同步曝光计划，欢迎热爱写作的你一起参与！

登录后参与评论

0 条评论

热度