带你十分钟快速入门画图神器 Matplotlib

                

点击上方“程序人生”,选择“置顶公众号”

第一时间关注程序猿(媛)身边的故事


640?wx_fmt=jpeg

作者

王伟同学

已获原作者授权,如需转载,请联系原作者。

一篇快速上手 Matplotlib 的好文章~


在开始正式介绍 Matplotlib 用法之前,先来简单了解下 Matplotlib。


Matplotlib 是 Python 的一个绘图库。它包含了大量的工具,你可以使用这些工具创建各种图形,包括简单的散点图,正弦曲线,甚至是三维图形。

目录

1. 画一个简单的图形

2. 在一张图纸里绘制多个图形

3. 更多设置

    3.1 设置 figure

    3.2 设置标题

    3.3 设置坐标轴

    3.4 设置 label 和 legend

    3.5 添加注释

4. 使用子图

5. 常见的图形

    5.1 散点图

    5.2 柱状图

6. 中文乱码解决


# 导入相关模块
import matplotlib.pyplot as plt
import numpy as np

画一个简单的图形

这里我们通过画出一个正弦曲线图来讲解下基本用法。

首先通过 np.linspace 方式生成 x,它包含了 50 个元素的数组,这 50 个元素均匀的分布在 [0, 2pi] 的区间上。然后通过 np.sin(x) 生成 y。

x = np.linspace(02 * np.pi, 50)
y = np.sin(x)

有了 x 和 y 数据之后,我们通过 plt.plot(x, y) 来画出图形,并通过 plt.show() 来显示。

plt.plot(xy)
plt.show()


640?wx_fmt=png

在一张图纸里绘制多个图形

有时候,可能需要在一个图纸里绘制多个图形,这里我们同时绘制了 (x, y), (x, y * 2)两个图形。

plt.plot(xy)
plt.plot(xy * 2)
plt.show()

640?wx_fmt=png

绘制出图形之后,我们可以自己调整更多的样式,比如颜色、点、线。

plt.plot(x, y, 'y*-')
plt.plot(x, y * 2'm--')
plt.show()

640?wx_fmt=png


可以看到,设置样式时,就是增加了一个字符串参数,比如 'y*-' ,其中 y 表示黄色,* 表示 星标的点,- 表示实线。

这里列举一些常见的颜色表示方式:

颜色表示方式
蓝色b
绿色g
红色r
青色c
品红m
黄色y
黑色k
白色w

常见的点的表示方式:

点的类型表示方式
.
像素,
o
方形s
三角形^

常见的线的表示方式:

线的类型表示方式
直线-
虚线--
点线:
点划线-.

更多设置

Matplotlib 支持各种灵活的设置,这里我们列举一些常见的内容。

设置 figure

你可以认为Matplotlib绘制的图形都在一个默认的 figure 中,当然了,你可以自己创建 figure,好处就是可以控制更多的参数,常见的就是控制图形的大小,这里创建一个 figure,设置大小为 (6, 3)

plt.figure(figsize=(63))
plt.plot(x, y)
plt.plot(x, y * 2)
plt.show()

640?wx_fmt=png

设置标题

来看下如何设置标题。

plt.plot(xy)
plt.plot(xy * 2)
plt.title("sin(x) & 2sin(x)")
plt.show()

640?wx_fmt=png

直接通过 plt.title 即可设置图形标题。

设置坐标轴

来看下如何设置坐标轴的范围以及名称。

plt.plot(x, y)
plt.plot(x, y * 2)

plt.xlim((0, np.pi + 1))
plt.ylim((-33))
plt.xlabel('X')
plt.ylabel('Y')

plt.show()

640?wx_fmt=png

通过 xlim  ylim 来设限定轴的范围,通过 xlabel  ylabel 来设置轴的名称。

此外,我们也可以通过 xticks  yticks 来设置轴的刻度。

plt.plot(xy)
plt.plot(xy * 2)
plt.xticks((0np.pi * 0.5np.pinp.pi * 1.5np.pi * 2))
plt.show()

640?wx_fmt=png

设置 label 和 legend

设置 label 和 legend 的目的就是为了区分出每个数据对应的图形名称。

plt.plot(x, y, label="sin(x)")
plt.plot(x, y * 2, label="2sin(x)")
# plt.legend()
plt.legend(loc='best')
plt.show()

640?wx_fmt=png

添加注释

有时候我们需要对特定的点进行标注,我们可以使用 plt.annotate 函数来实现。

这里我们要标注的点是 (x0, y0) = (π, 0)

我们也可以使用 plt.text 函数来添加注释。

plt.plot(x, y)

x0 = np.pi
y0 = 0

# 画出标注点
plt.scatter(x0, y0, s=50)

plt.annotate('sin(np.pi)=%s' % y0, xy=(np.pi, 0), xycoords='data', xytext=(+30-30),
             textcoords='offset points', fontsize=16,
             arrowprops=dict(arrowstyle='->', connectionstyle="arc3,rad=.2"))

plt.text(0.5-0.25"sin(np.pi) = 0", fontdict={'size'16'color''r'})

plt.show()

640?wx_fmt=png

对于 annotate 函数的参数,做一个简单解释:

  • 'sin(np.pi)=%s' % y0 代表标注的内容,可以通过字符串 %s 将 y0 的值传入字符串;

  • 参数 xycoords='data' 是说基于数据的值来选位置;

  • xytext=(+30, -30)  textcoords='offset points' 表示对于标注位置的描述 和 xy 偏差值,即标注位置是 xy 位置向右移动 30,向下移动30;

  • arrowprops 是对图中箭头类型和箭头弧度的设置,需要用 dict 形式传入。

使用子图

有时候我们需要将多张子图展示在一起,可以使用 subplot() 实现。即在调用 plot() 函数之前需要先调用 subplot() 函数。该函数的第一个参数代表子图的总行数,第二个参数代表子图的总列数,第三个参数代表活跃区域。

ax1 = plt.subplot(221# (行,列,活跃区)
plt.plot(x, np.sin(x), 'r')

ax2 = plt.subplot(222, sharey=ax1) # 与 ax1 共享y轴
plt.plot(x, 2 * np.sin(x), 'g')

ax3 = plt.subplot(223)
plt.plot(x, np.cos(x), 'b')

ax4 = plt.subplot(224, sharey=ax3) # 与 ax3 共享y轴
plt.plot(x, 2 * np.cos(x), 'y')

plt.show()

640?wx_fmt=png

上面的 subplot(2, 2, x) 表示将图像窗口分为 2 行 2 列。x 表示当前子图所在的活跃区。

可以看到,上面的每个子图的大小都是一样的。有时候我们需要不同大小的子图。比如将上面第一张子图完全放置在第一行,其他的子图都放在第二行。

ax1 = plt.subplot(211# (行,列,活跃区)
plt.plot(x, np.sin(x), 'r')

ax2 = plt.subplot(234)
plt.plot(x, 2 * np.sin(x), 'g')

ax3 = plt.subplot(235, sharey=ax2)
plt.plot(x, np.cos(x), 'b')

ax4 = plt.subplot(236, sharey=ax2)
plt.plot(x, 2 * np.cos(x), 'y')

plt.show()

640?wx_fmt=png

简单解释下,plt.subplot(2, 1, 1) 将图像窗口分为了 2 行 1 列, 当前活跃区为 1。

使用 plt.subplot(2, 3, 4) 将整个图像窗口分为 2 行 3 列, 当前活跃区为 4。

解释下为什么活跃区为 4,因为上一步中使用 plt.subplot(2, 1, 1) 将整个图像窗口分为 2 行 1 列, 第1个小图占用了第1个位置, 也就是整个第1行. 这一步中使用 plt.subplot(2, 3, 4) 将整个图像窗口分为 2 行 3 列, 于是整个图像窗口的第1行就变成了3列, 也就是成了3个位置, 于是第2行的第1个位置是整个图像窗口的第4个位置。

常见的图形

这里带大家画一些常见的示例图。

散点图

首先来看下如何绘制散点图。

k = 500
x = np.random.rand(k) 
y = np.random.rand(k)
size = np.random.rand(k) * 50 # 生成每个点的大小
colour = np.arctan2(x, y) # 生成每个点的颜色大小
plt.scatter(x, y, s=size, c=colour)
plt.colorbar() # 添加颜色栏

plt.show()

640?wx_fmt=png

上面我们首先生成了要绘制的数据的点x  y,接下来为每个数据点生成控制大小的数组 size,然后未每个数据点生成控制颜色的数组 colour。最后通过 colorbar() 来增加一个颜色栏。

柱状图

柱状图我们经常会用到,我们来看下如何画出柱状图,并在图上标注出数据对应的数值。

k = 10
x = np.arange(k)
y = np.random.rand(k)
plt.bar(x, y) # 画出 x 和 y 的柱状图

# 增加数值
for x, y in zip(x, y):
    plt.text(x, y , '%.2f' % y, ha='center', va='bottom')

plt.show()

640?wx_fmt=png

生成数据 x  y 之后,调用 plt.bar 函数绘制出柱状图,然后通过 plt.text 标注数值,设置参数 ha='center' 横向居中对齐,设置 va='bottom'纵向底部(顶部)对齐。

中文乱码解决

Matplotlib 有个让人恼火的问题是,默认情况下,Matplotlib 中文会乱码。

x = ['北京''上海''深圳''广州']
y = [60000580005000052000]
plt.plot(x, y)
plt.show()

640?wx_fmt=png

可以看到,上面所有的中文都乱码了,显示成方框了,如何解决呢?

其实只需要配置下后台字体即可。

plt.rcParams['font.sans-serif']=['SimHei'#用来正常显示中文标签
plt.rcParams['axes.unicode_minus']=False #用来正常显示负号

plt.plot(x, y)
plt.show()

640?wx_fmt=png



640?wx_fmt=gif

「若你有原创文章想与大家分享,欢迎投稿。」

加编辑微信ID,备注#投稿#:

程序 丨 druidlost  

小七 丨 duoshangshuang


上期精彩内容

640?wx_fmt=jpeg

640?wx_fmt=gif

你可能感兴趣的:(带你十分钟快速入门画图神器 Matplotlib)