Python 绘图

python绘图库有很多，底层的就是matplotlib，另外还有基于matplotlib构建的更方便可读性强的库，比如seaborn、plotnine等，具体介绍：

https://www.zhihu.com/question/39684179

下面对各种绘图库的函数做个备忘。

seaborn

 

matplotlib

在python下一般使用matplotlib包下的pyplot，所以在import的时候：

一般import matplotlib.pyplot as plt方便使用它的绘图函数。

通用函数

show()

显示绘图窗口，把画的图显示在窗口中。

subplot()

用于添加子图像，参数有三个，分别是子图像的行、列、索引。可以这样使用：

subplot(numbRow, numbCol, plotNum) 

subplot(numbRow numbCol plotNum)

前一种是一般的用逗号隔开，明确三个参数。

后一种是三个整数参数直接合成一个整数传入，这要求这个整数只能是3位的，这样才能唯一确定用户传入的参数。（比如223，就是把图像划分成2*2的格子，添加一个子图像在第三个格子里）

子图像是一个一个加进去的，所以我们会问，如果前一个子图像把后一个挡住了怎么办？或者前后的子图像的行列数不同怎么办？

对于挡住的情况，代码按顺序加入子图，后一张子图直接就把挡住的前一张完全去掉了，不管把前一张挡住多少。

对于前后行列数不一致，这没有关系，因为，它加入子图像的规则就是按行列划分，然后把你要插入的子图像插在划分后的索引位置。

如下，先加入1行1列索引为1的子图，就是占满绘图窗口，然后2,2,3，接着3,3,2。可以看到1,1,1的子图被后面的挡住完全去掉了：

使用时机：在使用别的函数来画子图之前，先用一下这个函数，给python声明一下，我下一幅子图要画在哪里。而不是画完以后再用这个函数，那就贴了一张空的子图进去了，画的那一张在这张空子图的下面可能会被盖住。

二维图像

contourf()和contour()

一般用来画等高线图。这两个函数就差一个字母，除了画出来得图有些差别，用法一样，区别如下（一个填充等高线之间的空间一个不填充）：

使用方法如下：

plt.contourf(X, Y, Z, levels=10, alpha=0.5, cmap='jet')

X是生成网格的X坐标数组（二维数组array，或者matrix）。

Y是和X相同类型的Y坐标。

Z是对应网格的每个格点的函数值数组（也是二维数组array，或者matrix）。

网格生成方法是使用下面numpy里的meshgrid()函数。

levels是图像中等高线的数量，我这里设置为10。

alpha是图像的透明度，介于0~1，我这里设置为0.5半透明。可以设置透明度有个好处就是可以把很多图画在同一个画布上，方便比较。

cmap是图像的颜色类型，有很多预设的颜色类型，我这里用一个叫‘jet’的颜色类型，当然也可以自己定义，具体设置网上再找吧。

后三项它有预设值，可以省略。

以下是效果图（我使用的函数是Z = X^2 + Y^2）：

看起来不是很圆润，这是因为我的网格规模就是7*7的，它画图就按照你的网格数量来画，所以有棱有角的。

有一点奇怪的就是，网格是有限的，它是怎么画出这么多的等高线的？我猜它应该是线性插值插进去的。反正也就一个图用来看的，不用特别准确。但是如果要准确怎么办？那就把网格设置地密一些！别让等高线的密度比网格的密度大太多就好了。

clabel()

这个函数用来标注等高线图的数值。

plt.clabel(C, inline=False, fontsize=12)

C代表刚刚画的图（在用contour()等函数画完以后传给C，C = contour(...)），inline是否画在线内，fontsize后面表示数字的大小。

plot()

用来画二维面上的点、线。当然也可以在三维的空间里面画，就画在三维坐标系的xOy面上。

具体用法：plt.plot(x, y,  ls="-", lw=2, label="plot figure", color='black',alpha=0.5...)

x: 要画的线的各个点在x轴上的坐标（一维数组）

y: 要画的线的各个点在y轴上的坐标（一维数组，并且规模要和x轴的数组一致）

ls：折线图的线条风格，这里是一个减号

lw：折线图的线条宽度

label：标记图内容的标签文本

color：颜色

alpha：透明度

还有很多的参数可以调节，不一一列举，看链接：

https://blog.csdn.net/dss_dssssd/article/details/82810630

另外，和它一样，很多其它画线的函数也都支持一些个性化的参数（比如color、alpha、width等等），参数汇总看链接：

https://blog.csdn.net/qq_34940959/article/details/78488208

三维图像

三维图像需要从matplotlib的mpl_toolkits包中导入mplot3d：

from mpl_toolkits import mplot3d 

axes()

ax = plt.axes(projection='3d')

定义坐标系的维度，这里直接定义为三维并把图像引用传出来，可能还有别的参数，以后再加入。

plot_surface()

ax.plot_surface(X, Y, Z, rstride = 1, cstride = 1, cmap='jet')

上面用axe()定义的坐标系ax中画三维的曲面图，并且带有梯度颜色。

X、Y、Z就是每个网格点在对应坐标轴的值，cmap是颜色设置，如前面的contourf()。

rstride 是在行上每几个网格点计算一次梯度来图上对应梯度的颜色。cstride 就是列上的。它们越大，画梯度颜色的“补丁”也越大，对应地，“补丁”的数量也越少。如下图，一个是1，一个是2，“补丁”就一个是20，一个是10。

 

numpy

import的时候为了方便，取名为np：import numpy as np

linspace()

linspace(a, b, n)，传回一个在a、b之间的插值列表（包括a、b），插值的数量是n。

这个差值列表实际上是array，不是list，它其中的数据类型是固定的，都是float。

而列表list里面则并不是固定的，里面可以存任何东西。

array是numpy下定义的一个类型，这个类型类似C++的数组，随机查找很快。所以处理大批量同类数据的时候，最好使用array类型。

具体使用和其他参数：https://www.cnblogs.com/antflow/p/7220798.html

meshgrid()

用于生成对应列表的网格（网格也是用列表存，二维网格是对每一维来说是二维列表，三维网格对每一维来说是三维列表），一般这样使用：

1. [X, Y] = meshgrid(x,y)或者python还支持X,Y = meshgrid(x,y)，不加方括号也行，当然直接A = meshgrid(x,y)，传给一个值也行，就是后面不太好处理。

2. [X, Y] = meshgrid(x)与[X, Y] = meshgrid(x, x)是等同的

3. [X, Y, Z] = meshgrid(x, y, z)生成三维的网格

生成的网格索引顺序在二维X、Y中是先Y再X，三维X、Y、Z中顺序是Y、X、Z。

就是说，三维网格中，如果要获得x[2]，y[7]，z[3]位置的Y轴坐标，就是Y[7][2][3]。

二维网格中，要获得x[2]，y[7]位置的X轴坐标，就是X[7][2]。

下图显示8*3的网格的X的列表：

 

生成网格一般用于绘制梯度图等。

zeros()

生成全0的数组，传入数组的规模，一般用来初始化。如Z = zeros([4,5,6])

给Z赋值一个三维规模分别是4、5、6的三维全0数组。

 

特定图像样例

https://www.runoob.com/w3cnote/matplotlib-tutorial.html

https://blog.csdn.net/jasonzhoujx/article/details/81780774