Matplotlib库的基础知识
Matplotlib库
Matplotlib库由各种可视化类构成，内部结构复杂，受Matlab启发
matplotlib.pyplot是绘制各类可视化图形的命令子库，相当于快捷方式
import matplotlib.pyplot as plt
import matplotlib.pyplot as plt
plt.plot([3, 1, 4, 5, 2]) #默认值对应Y轴，X轴是索引值
plt.ylable("Grade")
plt.savefig('test', dpi = 600) #PNG文件
plt.show()plt.savefig() 将输出图形存储为文件，默认PNG格式，可以通过dpi修改输出质量
plt.plot(x,y) 当有两个以上的参数时，按照X轴和Y轴顺序绘制数据点
plt.axis([a, b, c, d]) 设置横纵坐标尺度的函数
pyplot的绘图区域
plt.subplot(nrows, ncols,plot_number)
将绘图区域分分割成有nrows个横轴，和ncols个纵轴，当前的绘图区域在plot_number
import numpy as np
import matplotlib.pyplot as plt
def(t):
return np.exp(-t) * np.cos(2 * np.pi * t)
a = np.arange(0.0, 5.0, 0.02)
plt.subplot(211)
plt.plot(a,f(a))
plt.subplot(2, 1, 2)
plt.plot(a, np.cos(2 * np.pi * a), 'r--')
plt.show()
plot函数
plt.plot(x, y, format_string, **kwargs)
- x：X轴数据，列表或数组，可选
- y：Y轴数据，列表或数组
- format_string：控制曲线的格式字符串，可选
- **kwargs：第二组或更多(x, y, format_string)
- 当绘制多条曲线时，各条曲线的x不能省略
format_string：控制曲线的格式字符串，可选由颜色字符、风格字符和标记字符组成
color
| 颜色字符 | 说明 |
|---|---|
| ‘b’ | 蓝色 |
| ‘g’ | 绿色 |
| ‘r’ | 红色 |
| ‘c’ | 青绿色 cyan |
| ‘m’ | 洋红色 magenta |
| ‘y’ | 黄色 |
| ‘k’ | 黑色 |
| ‘w’ | 白色 |
| ‘#008000’ | RGB某颜色 |
| ‘0.8’ | 灰度值字符串 |
linestyle
| 字符风格 | 说明 |
|---|---|
| ‘-‘ | 实线 |
| ‘–’ | 破折线 |
| ‘-.’ | 点划线 |
| ‘:’ | 虚线 |
marker
| 标记字符 | 说明 |
|---|---|
| ‘.’ | 点标记 |
| ‘,’ | 像素标记（极小点） |
| ‘o’ | 实心圈标记 |
| ‘v’ | 倒三角标记 |
| ‘^’ | 上三角标记 |
| ‘>’ | 右三角标记 |
| ‘<’ | 左三角标记 |
| ‘1’ | 下花三角标记 |
| ‘2’ | 上花三角标记 |
| ‘3’ | 左花三角标记 |
| ‘4’ | 右花三角标记 |
| ’s’ | 实心方块标记 |
| ‘p’ | 实心五角标记 |
| ‘*’ | 星形标记 |
| ‘h’ | 竖六边形标记 |
| ‘H’ | 横六边形标记 |
| ‘+’ | 十字标记 |
| ‘x’ | x标记 |
| ‘D’ | 菱形标记 |
| ‘d’ | 受菱形标记 |
| ‘|’ | 锤竖线标记 |
pyplot的中文显示
方法一：pyplot并不默认支持中文显示，需要rcParams修改字体实现
import matplotlib.pyplot as plt
import matplotlib
matplotlib.rcParams['font.family'] = 'SimHei'
plt.plot([3, 1, 4 , 5, 2])
plt.ylabel("纵轴（值）")
plt.savefig('test', dpi = 600)
plt.show()rcParams的属性
| 属性 | 说明 |
|---|---|
| ‘font.family’ | 用于显示字体的名字 |
| ‘font.style’ | 字体风格，正常’normal’或斜体’italic’ |
| ‘font.size’ | 字体大小，整数字号或’large’、’x-small’ |
| rcParams[‘font.family’] | 说明 |
|---|---|
| ‘SimHei’ | 中文黑体 |
| ‘Kaiti’ | 中文楷体 |
| ‘LiSu’ | 中文隶书 |
| ‘FangSong’ | 中文仿宋 |
| ‘YouYuan’ | 中文幼圆 |
| ‘STSong’ | 华文宋体 |
绘制正弦波
import numpy as np
import matplotlib.pyplot as plt
import matplotlib
matplotlib.rcParams['font.family'] = 'STSong'
matplotlib.rcParams['font.size'] = 20
a = np.arange(0.0, 5.0, 0.02)
plt.xlabel('横轴：时间')
plt.ylabel('纵轴：振幅')
plt.plot(a, np.cos(2*np.pi*a), 'r--')
plt.show()方法二（推荐）：在有中文输出的地方，增加一个属性：fontproperties
import numpy as np
import matplotlib.pyplot as plt
a = np.arange(0.0, 5.0, 0.02)
plt.xlabel('横轴：时间', fontproperties = 'SimHei', fontsize = 20)
plt.ylabel('纵轴：振幅', fontproperties = 'SimHei', fontsize = 20)
plt.plot(a, np.cos(2*np.pi*a), 'r--')
plt.show()
pyplot文本显示
| 函数 | 说明 |
|---|---|
| plt.xlabel() | 对X轴增加文本标签 |
| plt.ylabel() | 对Y轴增加文本标签 |
| plt.title() | 对图形整体增加文本标签 |
| plt.text() | 在任意位置增加文本 |
| plt.annotate() | 在图形中增加带箭头的注解 |
plt.annotate(s, xy=arrow_crd, xytext = text_crd, arrowprops = dict)
import numpy as np
import matplotlib.pyplot as plt
a = np.arange(0.0, 5.0, 0.02)
plt.plot(a, np.cos(2*np.pi*a), 'r--')
plt.xlabel('横轴：时间', fontproperties = 'SimHei', fontsize = 15, color = 'green')
plt.ylabel('纵轴：振幅', fontproperties = 'SimHei', fontsize = 15)
plt.title(r'正弦波实例 $y=cos(2\pi x)$', fontproperties = 'SimHei', fontsize = 25)
plt.text(r's$\mu=100$', xy=(2,1), xytext = (3, 1.5), arrowprops = dict(facecolor = 'black', shrink = 0.1, width = 2))
plt.axis([-1,6,-2,2])
plt.grid(True)
plt.show()
pyplot子绘图区域
方法一：
plt.subplot2grid(GridSpec, CurSpec, colspan = 1,rowspan = 1)
理念：设定网格，选中网格，确定选中行列区域数量，编号从0开始
方法二：
import matplotlib.gridspec as gridspec
import matplotlib.pyplot as plt
gs = gridspec.GridSpec(3, 3)
ax1 = plt.subplot(gs[0,:])
ax2 = plt.subplot(gs[1,:-1])
ax3 = plt.subplot(gs[1:,-1])
ax4 = plt.subplot(gs[2,0])
ax5 = plt.subplot(gs[2,1])
pyplot基础图表函数
| 函数 | 说明 |
|---|---|
| plt.plot(x,y,fmt,…) | 绘制一个坐标图 |
| plt.boxplot(data, notch, position) | 绘制一个箱形图 |
| plt.bar(left,height,width,bottom) | 绘制一个条形图 |
| plt.barh(width, bottom, left, height) | 绘制一个横向条形图 |
| plt.polar(theta, r) | 绘制极坐标图 |
| plt.pie(data, explode) | 绘制饼图 |
| plt.psd(x, NFFT = 256, pad_to,Fs) | 绘制功率谱密度图 |
| plt.specgram(x, NFFT = 256,pad_to, F) | 绘制谱图 |
| plt.cohere(x, y,NFFT = 256, Fs) | 绘制X-Y的相关性函数 |
| plt.scatter(x, y) | 绘制散点图，其中，x和y长度相同 |
| plt.step(x, y, where) | 绘制步阶图 |
| plt.hist(x, bins, normed) | 绘制直方图 |
| plt.contour(X,Y,Z,N) | 绘制等值图 |
| plt.vlines() | 绘制垂直图 |
| plt.stem(x, y, linefmt,markerfmt) | 绘制柴火图 |
| plt.plot_date() | 绘制数据日期 |
pyplot饼图的绘制
import matplotlib.pyplot as plt
labels = 'Frogs', 'Hogs', 'Dogs', 'Logs'
sizes = [15, 30, 45, 10]
explode = (0, 0.1, 0, 0)
plt.pie(sizes, explode = explode, labels = labels, autopct = '%1.1f%%', shadow = False, startangle = 90)
#(大小，突出，标签，显示百分数的方式，阴影，起始角度)
plt.axis('equal')
plt.show()
pyplot直方图的绘制
import numpy as np
import matplotlib.pyplot as plt
np.random.seed(0)
mu, sigma = 100, 20 # 均值和标准差
a = np.random.normal(mu, sigma, size = 100)
plt.hist(a, 20, normed = 1, histtype = 'stepfilled', facecolor = 'b', alpha = 0.75)
#(数组，直方的个数，是否归一化，绘制类型，颜色)
plt.title('Histgram')
plt.show()
pyplot极坐标的绘制
面向对象的方法
import numpy as np
import matplotlib.pyplot as plt
N = 30
theta = np.linspace(0.0, 2 * np.pi, N, endpoint = False)
radii = 10 * np.random.rand(N)
width = np.pi / 4 * np.random.rand(N)
ax = plt.subplot(111, projection = 'polar')
bars = ax.bar(theta, radii, width = width, bottom = 0.0)
for r, bar in zip(radii, bars):
bar.set_facecolor(plt.cm.viridis(r / 10.))
bar.set_alpha(0.5)
plt.show()pyplot散点图的绘制
面向对象的方法
import numpy as np
import matplotlib.pyplot as plt
fig, ax = plt.subplots()
ax.plot(10 * np.random.randn(100), 10*np.random.randn(100), 'o')
ax.set_title('Simple Scatter')
plt.show()