Matplotlib学习笔记
文章目录
- 1、引入包
- 2、基本用法
- 3、Figure
- 4、修改图片的横纵坐标值
- 5、修改坐标轴的位置
- 6、显示图例
- 7、添加注解
- 8、调整刻度背景
- 9、画散点图
- 10、画柱状图
- 11、绘制等高线
- 12、打印图像
- 13、3D数据图
- 14、多个图
- 15、图中图
- 16、箱型图
- 17、参考链接
1、引入包
import numpy as np
import matplotlib.pyplot as plt
import matplotlib.gridspec as gridspec
2、基本用法
def show1():
"""
基本用法
"""
x= np.linspace(-1,1,50) #把数据拆分成50份
y = 2 * x + 1
plt.plot(x, y)
plt.show()
3、Figure
def show2():
"""
1、figure,一个figure一个图像
2、可以在一个figure上画多条线
"""
x = np.linspace(-1,1,50)
y1 = 2 * x + 1
y2 = x**2
plt.figure()
plt.plot(x,y1)
plt.figure(num=3,figsize=(8,5)) #num是指定出来的图名称(用命令行可以看见)，figsize是图片大小
plt.plot(x,y2)
plt.plot(x,y1,color='red',linewidth=1.0,linestyle='--')
plt.show()
4、修改图片的横纵坐标值
def show3():
"""
修改图片的x轴和y轴
"""
x = np.linspace(-3,3,50) #将-3,3直接的数分成50份
y1 = 2 * x + 1
y2 = x**2
plt.figure()
plt.plot(x,y2)
plt.plot(x,y1,color='red',linewidth=1.0,linestyle='--')
plt.xlim(-1,2) #设置x轴范围
plt.ylim(-2,3) #设置y轴范围
plt.xlabel("I am x")
plt.ylabel("I am y")
new_ticks = np.linspace(-1,2,5)
plt.xticks(new_ticks) # 替换原有标签
# plt.yticks([-2,-1.8,-1,1.22,3],['really bad','bad','normal','good','really good']) #指定位置替换原有标签
plt.yticks([-2, -1.8, -1, 1.22, 3], ['$really \ bad$', '$bad$', '$normal$', '$good$', '$really \ good$']) #变成好看的英文字体
plt.show()
5、修改坐标轴的位置
def show4():
"""
修改坐标轴的位置，类似设置坐标原点
"""
x = np.linspace(-3, 3, 50)
y1 = 2 * x + 1
y2 = x ** 2
plt.figure()
plt.plot(x, y2)
plt.plot(x, y1, color='red', linewidth=1.0, linestyle='--')
plt.xlim(-1, 2) # 设置x轴范围
plt.ylim(-2, 3) # 设置y轴范围
plt.xlabel("I am x")
plt.ylabel("I am y")
new_ticks = np.linspace(-1, 2, 5)
plt.xticks(new_ticks) # 替换原有标签
# plt.yticks([-2,-1.8,-1,1.22,3],['really bad','bad','normal','good','really good']) #指定位置替换原有标签
plt.yticks([-2, -1.8, -1, 1.22, 3],
['$really \ bad$', '$bad$', '$normal$', '$good$', '$really \ good$']) # 变成好看的英文字体
#gca = 'get current axis‘ 得到当前的axis
ax = plt.gca() #可以得到上下左右4条axis
ax.spines['right'].set_color('none') #设置上面和右边的两条axis消失
ax.spines['top'].set_color('none')
ax.xaxis.set_ticks_position('bottom') #设置x轴和y轴分别是哪两条边
ax.yaxis.set_ticks_position('left')
ax.spines['bottom'].set_position(('data',0)) #设置axis的位置，这里为原点
ax.spines['left'].set_position(('data',0))
plt.show()
6、显示图例
def show5():
"""
显示图例
handles = [线1的名称，线2的名称]
labels = [线1的标签，线2的标签]
"""
x = np.linspace(-3, 3, 50)
y1 = 2 * x + 1
y2 = x ** 2
plt.figure()
l1, = plt.plot(x, y2, label='up') # label是图例显示的内容
l2, = plt.plot(x, y1, color='red', linewidth=1.0, linestyle='--', label='down')
plt.xlim(-1, 2) # 设置x轴范围
plt.ylim(-2, 3) # 设置y轴范围
plt.xlabel("I am x")
plt.ylabel("I am y")
new_ticks = np.linspace(-1, 2, 5)
plt.xticks(new_ticks) # 替换原有标签
plt.yticks([-2, -1.8, -1, 1.22, 3],
['$really \ bad$', '$bad$', '$normal$', '$good$', '$really \ good$']) # 变成好看的英文字体
# plt.legend() #显示图例，简单版本
plt.legend(handles=[l1,l2,],labels=['aaa','bbb'],loc='best') #显示图例，个性版本，直接指定label
plt.show()
7、添加注解
def show6():
"""
1、添加text
2、添加annotation
"""
x = np.linspace(-3, 3, 50)
y1 = 2 * x + 1
plt.plot(x, y1) #画直线
# gca = 'get current axis‘ 得到当前的axis
ax = plt.gca() # 可以得到上下左右4条axis
ax.spines['right'].set_color('none') # 设置上面和右边的两条axis消失
ax.spines['top'].set_color('none')
ax.xaxis.set_ticks_position('bottom') # 设置x轴和y轴分别是哪两条边
ax.yaxis.set_ticks_position('left')
ax.spines['bottom'].set_position(('data', 0)) # 设置axis的位置，这里为原点
ax.spines['left'].set_position(('data', 0))
x0 = 1
y0 = 2 * x0 + 1
plt.scatter(x0,y0,s=50,color='b') #size,color
plt.plot([x0,x0],[y0,0],'k--',lw=2.5) #lw是线宽，k是颜色，--是线形,[x0,x0]是两个点的横坐标，[y0,0]是两个点的纵坐标
#method 1
plt.annotate(r'$2x+1=%s$' % y0, xy=(x0, y0), xycoords='data', xytext=(+30, -30),
textcoords='offset points', fontsize=16,
arrowprops=dict(arrowstyle='->', connectionstyle="arc3,rad=.2"))
#method 2
plt.text(-3.7,3,r'$This\ is\ the\ some\ text.\ $')
plt.show()
8、调整刻度背景
def show7():
"""
调整刻度背景
"""
x = np.linspace(-3, 3, 50)
y1 = 2 * x + 1
plt.plot(x, y1,linewidth=10,zorder=1) # 画直线,如果需要设置label的透明度，要设置zorder
# gca = 'get current axis‘ 得到当前的axis
ax = plt.gca() # 可以得到上下左右4条axis
ax.spines['right'].set_color('none') # 设置上面和右边的两条axis消失
ax.spines['top'].set_color('none')
ax.xaxis.set_ticks_position('bottom') # 设置x轴和y轴分别是哪两条边
ax.yaxis.set_ticks_position('left')
ax.spines['bottom'].set_position(('data', 0)) # 设置axis的位置，这里为原点
ax.spines['left'].set_position(('data', 0))
for label in ax.get_xticklabels() + ax.get_yticklabels():
label.set_fontsize(12)
label.set_bbox(dict(facecolor='white',edgecolor='None',alpha=0.7)) #alpha 透明
plt.show()
9、画散点图
def show8():
"""
画散点图
"""
n = 1024
X = np.random.normal(0,1,n) # 生成n个均值为0，方差为1的点
Y = np.random.normal(0,1,n)
T = np.arctan2(Y,X) #for color value
plt.scatter(X,Y,s=75,c=T,alpha=0.5) #s是size，c是颜色map到T,alpha是透明度
plt.xlim(-1.5,1.5)
plt.ylim(-1.5,1.5)
plt.xticks(())
plt.yticks(()) #将标签设置为空
plt.show()
from sklearn import datasets
import matplotlib.pyplot as plt
X,y = datasets.make_classification(n_samples=300,n_features=2,n_redundant=0,n_informative=2,random_state=22,n_clusters_per_class=1,scale=10)
print(y[0:10])
plt.scatter(X[:,0],X[:,1],c=y) #注意这个c,因为y是label,不同的label就是不同颜色的
plt.show()
10、画柱状图
def show9():
"""
柱状图
"""
n = 12
X = np.arange(n) #0-11个数字
Y1 = (1 - X/float(n)) * np.random.uniform(0.5,1.0,n)
Y2 = (1 - X/float(n)) * np.random.uniform(0.5,1.0,n)
plt.bar(X,+Y1,facecolor='#9999ff',edgecolor='white') #向上的柱状图
plt.bar(X,-Y2,facecolor='#ff9999',edgecolor='white')
#增加标签
for x,y in zip(X,Y1):
plt.text(x+0.02,y+0.02,'%.2f' % y,ha='center',va='bottom') #ha:横向对齐方式，纵向对齐方式
for x,y in zip(X,Y2):
plt.text(x+0.02,-y-0.05,'-%.2f' % y,ha='center',va='top') #ha:横向对齐方式，纵向对齐方式
plt.show()
11、绘制等高线
def show10():
"""
绘制等高线
"""
def f(x,y):
return (1 - x / 2 + x ** 5 + y ** 3) * np.exp(-x ** 2 - y ** 2)
n = 256
x = np.linspace(-3,3,n)
y = np.linspace(-3,3,n)
X,Y = np.meshgrid(x,y)
plt.contourf(X,Y,f(X,Y),8,alpha=0.75,cmap=plt.cm.hot) #X,Y,颜色,cmap 找对应数字是什么颜色（hot 的颜色）,8是指分成多少份
#画等高线
C = plt.contour(X,Y,f(X,Y),8,colors='black',linewidths=1.5)
#加label
plt.clabel(C,inline=True,fontsize=10)
plt.show()
12、打印图像
def show11():
"""
打印图像
"""
a = np.array([0.313660827978, 0.365348418405, 0.423733120134,
0.365348418405, 0.439599930621, 0.525083754405,
0.423733120134, 0.525083754405, 0.651536351379]).reshape(3, 3)
plt.imshow(a,interpolation='nearest',cmap='bone',origin='lower') #interpolation产生的样式
plt.colorbar(shrink=0.9) #shrink是压缩的长度
plt.xticks(())
plt.yticks(())
plt.show()
13、3D数据图
def show12():
"""
3D数据
"""
from mpl_toolkits.mplot3d import Axes3D
fig = plt.figure()
ax = Axes3D(fig)
X = np.arange(-4,4,0.25)
Y = np.arange(-4,4,0.25)
X,Y = np.meshgrid(X,Y)
R = np.sqrt(X ** 2 + Y ** 2)
Z = np.sin(R)
ax.plot_surface(X,Y,Z,rstride=1,cstride=1,cmap=plt.get_cmap('rainbow'))
ax.contourf(X,Y,Z,zdir='z',offset=-2,cmap='rainbow') #等高线
ax.set_zlim(-2,2)
plt.show()
14、多个图
def show13():
"""
画多个小图在一张图里面
"""
#第一张图
plt.figure()
plt.subplot(2,2,1) #2行2列，第1个图
plt.plot([0,1],[0,1]) #第一个是两个点的横坐标，第二个是两个点的纵坐标
plt.subplot(2, 2, 2) #2行2列第2个图
plt.plot([0, 1], [0, 2])
plt.subplot(223) #2行2列第3个图
plt.plot([0, 1], [0, 3])
plt.subplot(224) #2行2列第4个图
plt.plot([0, 1], [0, 4])
#第二张图 有点作弊的感觉，序号接上
plt.figure()
plt.subplot(2, 1, 1) #两行1列，第一个图
plt.plot([0, 1], [0, 1]) # 第一个是两个点的横坐标，第二个是两个点的纵坐标
plt.subplot(2, 3, 4) #两行3列，第4个图。因为上面那个图占了三个图
plt.plot([0, 1], [0, 2])
plt.subplot(235)
plt.plot([0, 1], [0, 3])
plt.subplot(236)
plt.plot([0, 1], [0, 4])
plt.show()
15、图中图
def show14():
"""
图中图
"""
fig = plt.figure()
x = [1,2,3,4,5,6,7]
y = [1,3,4,5,6,7,8]
left,bottom,width,height = 0.1,0.1,0.8,0.8 #定位置
ax1 = fig.add_axes([left,bottom,width,height])
ax1.plot(x,y,'r')
ax1.set_xlabel('x')
ax1.set_ylabel('y')
ax1.set_title('title')
left, bottom, width, height = 0.2, 0.6, 0.25, 0.25 # 定位置
ax1 = fig.add_axes([left, bottom, width, height])
ax1.plot(x, y, 'r')
ax1.set_xlabel('x')
ax1.set_ylabel('y')
ax1.set_title('title')
plt.show()
16、箱型图
def show15():
"""
箱型图
:return:
"""
from sklearn.datasets import load_iris
import matplotlib.pyplot as plt
iris = load_iris()
X,y = iris.data,iris.target
print(X[0:5])
box_1,box_2,box_3,box_4 = X[:,0],X[:,1],X[:,2],X[:,3]
plt.boxplot([box_1,box_2,box_3,box_4])
plt.title('Examples of boxplot', fontsize=20) # 标题，并设定字号大小
plt.show()
17、参考链接
Matplotlib Python 画图教程 (莫烦Python) - 视频版
Matplotlib Python 画图教程 (莫烦Python) - 文字版