【python绘图】Matplotlib绘图及设置（使用python制图）

目录

一、初识matplotlib.pyplot

1.绘制图像

2.设置图片大小

3.保存图片文件

4.设置X，Y轴刻度范围

自定义刻度内容

5.添加描述信息（标题、轴标签）

6.设置显示中文（导入字体模块）

7.绘制网格

绘制一个温度随时间变化的折线图实例

二、常见绘图属性设置

1.绘图符号（Makers）

2.线型（Line Styles）

3.颜色缩写（Colors）

4.Windows字体中英文名称对照

面向对象方式绘图

配置对象的属性

 绘制多个子图

三、Artist对象

Artist对象进行绘图的流程

设置Artist属性

一些例子

 Figure容器

坐标轴刻度设置

---

# matplotlib提供快速绘图模块pyplot，它模仿了MATLAB的部分功能

import matplotlib.pyplot as plt        #导入绘图模块

from matplotlib import pyplot as plt           #两种导入方法都可

第一节内容的精简版总结：

1. 绘制折线图（plt.plot）
2. 设置图片大小和分辨率（plt.figure）
3. 保存图片到本地（plt.savefig）
4. 设置xy轴刻度和字符串（xticks、yticks）
5. 设置标题、xy轴标签（title、xlable、ylable）
6. 设置字体（font_manager.fontProperties,matplotlib.rc）
7. 同一张图绘制多线条（plt多次plot）
8. 添加图例、绘制网格
9. 其他图像类型（散点图plt.scatter，条形图plt.bar，横向plt.barh，直方图plt.hist(bin.width组距、num_bins分多少组、)）

一、初识matplotlib.pyplot

准备好制图数据，传入参数。即可使用plt.plot(参数)、plt.show()一键出图！

import matplotlib.pyplot as plt

x = [......]

y = [......]

plt.plot(x,y,label='图例')        #绘图，并且标注图例

plt.show()        #显示

plot.legend(prop=my_font)        #设置显示图例，括号中意思为显示中文（后面讲解）

1.绘制图像

plt.plot() 参数设置：

color=’ ‘        线条颜色

linestyle=’‘        线条风格

linewidth=        线条粗细

alpha=0.5        透明度        （对照表见常见绘图属性设置附表）

一个实例：假设一天中每隔两个小时（range(2,26,2)）的气温（℃）分别是[15,13,14.5,17,20,25,26,26,27,22,18,15]

import matplotlib.pyplot as plt

x = range(2,26,2)
y = [15,13,14.5,17,20,25,26,26,27,22,18,15]

# 绘图
plt.plot(x,y)
# 显示
plt.show()

绘制出如下图片：

2.设置图片大小

在绘制图片之前，使用plt.figure函数设置图片大小，其中figsize为元组，分别代表长宽，dpi（Dot Per Inch）为分辨率表示的单位之一。

plt.figure(figsize=(20,8),dpi=150)        #图片大小为20*8，每英寸150个像素点

3.保存图片文件

plt.savefig("./t1.png")        #将图片保存到本地

引号里为文件路径和文件名（ ./ 代表当前路径，png为文件后缀/格式）

4.设置X，Y轴刻度范围

设置x,y轴的范围可以使用多种方法

plt.xticks(x)        # 将x里的值作为刻度

plt.xticks(range(2,25))        #传入range数列

plt.yticks(range(min(y),max(y)+1))        #传入最小到最大值数列

_xticks_lables = [i/2 for i in range(4,49)]                # 生成更复杂的数列
plt.xticks(_xticks_lables[::3])        #取步长作为刻度

自定义刻度内容

_x =list(x) [::3]

_xticks_labels = ["10点{ }分".format(i) for i in _x]

plt.xticks(_x,_xticks_labels)        #分别代表刻度范围和刻度内容

5.添加描述信息（标题、轴标签）

plt.title("折线图")    #设置标题
plt.xlabel("时间")    #设置x轴标注
plt.ylabel("气温")    #设置y轴标注

6.设置显示中文（导入字体模块）

from matplotlib import font_manager        #导入字体管理模块
my_font = font_manager.FontProperties(fname="C:/WINDOWS/Fonts/STSONG.TTF")
#定义中文字体属性，文字储存路径可以在C:/WINDOWS/Fonts/找到，这里设置为宋体
plt.xlabel("时间",fontproperties = my_font,fontsize = 18)
#在设置x坐标中文标注，令fontproperties = my_font，fontsize令字体为18号
#plt.title，plt.ylabel，plt.xticks，plt.yticks设置中文标注类似

7.绘制网格

plt.grid(alpha=0.4)

绘制一个温度随时间变化的折线图实例

import matplotlib.pyplot as plt
import random    #导入随机生成模块
from matplotlib import font_manager#导入字体管理模块
my_font = font_manager.FontProperties(fname="C:/WINDOWS/Fonts/STSONG.TTF")
#定义中文字体属性，文字储存路径可以在C:/WINDOWS/Fonts/找到，本次设置为宋体

x = range(0,120)    #x值为0-120
y = [random.randint(20,35) for i in range(120)]     #y值为120个在20-35之间的随机数

plt.figure(figsize=(15,10),dpi = 80)    #图片大小为15*10，每英寸80个像素点

'''调整x轴刻度'''
_xticks_labels = ["10点{}分".format(i) for i in range(60)]
_xticks_labels += ["11点{}分".format(i) for i in range(60,120)]
plt.xticks(list(x)[::5],_xticks_labels[::5],rotation=45)    #rotation旋转度数
#取步长5，数字和字符串一一对应，保证数据的长度一样

'''设置标注'''
plt.title("10点到12点每分钟温度变化图",fontproperties = my_font,fontsize = 24)    #设置标题
plt.xlabel("时间",fontproperties = my_font,fontsize = 18)    #设置x坐标标注，字体为18号
plt.ylabel("每分钟对应的温度",fontproperties = my_font,fontsize = 18)    #设置y坐标标注

plt.plot(x,y)   #绘图
plt.show()  #显示

二、常见绘图属性设置

1.绘图符号（Makers）

符号	中文说明	英文说明
'.'	圆点	point marker
','	像素点	pixel marker
'o'	圆圈	circle marker
'v'	向下三角形	triangle_down marker
'^'	向上三角形	triangle_up marker
'<'	向左三角形	triangle_left marker
'>'	向右三角形	triangle_right marker
'1'	向下Y形	tri_down marker
'2'	向上Y形	tri_up marker
'3'	向左Y形	tri_left marker
'4'	向右Y形	tri_right marker
's'	方形	square marker
'p'	五边形	pentagon marker
'*'	星形	star marker
'h'	六角形1	hexagon1 marker
'H'	六角形2	hexagon2 marker
'+'	加号	plus marker
'x'	叉号	x marker
'D'	钻石形	diamond marker
'd'	钻石形（小）	thin_diamond marker
'|'	竖线	vline marker
'_'	横线	hline marker

2.线型（Line Styles）

符号	中文说明	英文说明
'-'	实线	solid line style
'--'	虚线	dashed line style
'-.'	点划线	dash-dot line style
':'	点线	dotted line style

3.颜色缩写（Colors）

多种丰富的颜色对照代码参见：RGB颜色值与十六进制颜色码转换工具 (sioe.cn)

符号	中文说明	英文说明
'b'	蓝	blue
'g'	绿	green
'r'	红	red
'c'	青	cyan
'm'	紫	magenta
'y'	黄	yellow
'k'	黑	black
'w'	白	white

4.Windows字体中英文名称对照

中文名称	英文名称
黑体	SimHei
微软雅黑	Microsoft YaHei
微软正黑体	Microsoft JhengHei
新宋体	NSimSun
新细明体	PMingLiU
细明体	MingLiU
标楷体	DFKai-SB
仿宋	FangSong
楷体	KaiTi
仿宋_GB2312	FangSong_GB2312
楷体_GB2312	KaiTi_GB2312

面向对象方式绘图

• matplotlib是一套面向对象的绘图库，图中的所有部件都是python对象。
• pyplot是matplotlib仿照MATLAB提供的一套快速绘图API，它并不是matplotlib本体。
• pyplot虽然用起来简单快捷，但它隐藏了大量的细节，不能使用一些高级功能。
• pyplot模块内部保存了当前图表和当前子图等信息，可以分别用gcf()和gca()获得这两个对象：

                plt.gcf(): "Get current figure"获取当前图表（Figure对象）

                plt.gca(): "Get current figure"获取当前子图（Axes对象）

• pyplot中的各种绘图函数，实际上是在内部调用gca获取当前Axes对象，然后调用Axes的方法完成绘图的。

import matplotlib.pyplot as plt
# 获取当前的Figure和Axes对象
plt.figure(figsize=(4,3))
fig = plt.gcf()
axes = plt.gca()
print(fig)
print(axes)

配置对象的属性

• matplotlib所绘制的图表的每一部分都对应一个对象，有两种方式设置这些对象的属性：

                通过对象的set_*()方法设置。

                通过pyplot的setp()方法设置。

• 同样也有两种方法查看对象的属性：

                通过对象的get_*()方法查看。

                通过pyplot的getp()方法查看。

import matplotlib.pyplot as plt
import numpy as np
# 获取当前的Figure和Axes对象
plt.figure(figsize=(4,3))
fig = plt.gcf() ; axes = plt.gca()
print(fig); print(axes)
x = np.arange(0, 5, 0.1)
# 调用plt.plot函数，返回一个Line2D对象列表
lines = plt.plot(x, 0.05*x*x); print(lines)
# 调用Line2D对象的set系列方法设置属性值
# 用set_alpha设置alpha通道，也就是透明度
lines[0].set_alpha(0.5) ; plt.show()
# plt.plot函数可以接受不定个数的位置参数，这些位置参数两两配对，生成多条曲线。
lines = plt.plot(x, np.sin(x), x, np.cos(x), x, np.tanh(x))
plt.show()
# 使用plt.setp函数同时配置多个对象的属性，这里设置lines列表中所有曲线的颜色和线宽。
plt.setp(lines, color='r', linewidth=4.0);plt.show()
# 使用getp方法查看所有的属性
f = plt.gcf(); plt.getp(f)

import numpy as np
import matplotlib.pyplot as plt
# 获取当前的Figure和Axes对象
plt.figure(figsize=(4,3))
fig = plt.gcf() ; axes = plt.gca()
print(fig); print(axes)
x = np.arange(0, 5, 0.1)
# 调用plt.plot函数，返回一个Line2D对象列表
lines = plt.plot(x, 0.05*x*x); print(lines)
# 调用Line2D对象的set系列方法设置属性值
# 用set_alpha设置alpha通道，也就是透明度
lines[0].set_alpha(0.5) ; plt.show()
# plt.plot函数可以接受不定个数的位置参数，这些位置参数两两配对，生成多条曲线。
lines = plt.plot(x, np.sin(x), x, np.cos(x), x, np.tanh(x))
plt.show()
# 使用plt.setp函数同时配置多个对象的属性，这里设置lines列表中所有曲线的颜色和线宽。
plt.setp(lines, color='r', linewidth=4.0);plt.show()
# 使用getp方法查看所有的属性
f = plt.gcf(); plt.getp(f)
# 查看某个属性
print(plt.getp(lines[0],"color"))
# 使用对象的get_*()方法
print(lines[0].get_linewidth())
# Figure对象的axes属性是一个列表，存储该Figure中的所有Axes对象。
# 下面代码查看当前Figure的axes属性，也就是gca获得的当前Axes对象。
print(plt.getp(f, 'axes'))
print(len(plt.getp(f, 'axes')))
print(plt.getp(f, 'axes')[0] is plt.gca())
# 用plt.getp()可以继续获取AxesSubplot对象的属性，例如它的lines属性为子图中的Line2D对象列表。
# 通过这种方法可以查看对象的属性值，以及各个对象之间的关系。
all_lines = plt.getp(plt.gca(), "lines");print(all_lines)
plt.close() # 关闭当前图表

 绘制多个子图

• 在matplotlib中，一个Figure对象可以包括多个Axes对象（也就是子图），一个Axes代表一个绘图区域。最简单的多子图绘制方式是使用pyplot的subplot函数。
• subplot(numRows, numCols, plotNum)接受三个参数：

                numRows：子图行数

                numCols：子图列数

                plotNum：第几个子图（按从左到右，从上到下的顺序编号）

import matplotlib.pyplot as plt
# 创建3行2列，共计6个子图。
# subplot(323)等价于subplot(3,2,3)。
# 子图的编号是从1开始，不是从0开始。
fig = plt.figure(figsize=(4,3))
for idx,color in enumerate('rgbcyk'):
    plt.subplot(321+idx, facecolor=color)
plt.show()
# 如果新创建的子图和之前创建的有重叠区域，则之前的子图会被删除
plt.subplot(221)
plt.show()
plt.close()
# 还可以用多个高度或宽度不同的子图相互拼接
fig = plt.figure(figsize=(4,3))
plt.subplot(221) # 第一行左图
plt.subplot(222) # 第一行右图
plt.subplot(212) # 第二行整行
plt.show()
plt.close()

三、Artist对象

简单类型的Artist对象是标准的绘图元件，例如Line2D，Rectangle，Text，AxesImage等

容器类型的Artist对象包含多个Artist对象使他们组织成一个整体例如Axis，Axes，Figure对象

Artist对象进行绘图的流程

1. 创建Figure对象
2. 为Figure对象创建一个或多个Axes对象
3. 调用Axes对象的方法来创建各种简单的Artist对象

import matplotlib.pyplot as plt
fig = plt.figure()
# 列表用于描述图片所在的位置以及图片的大小
ax = fig.add_axes([0.15, 0.1, 0.7, 0.3])
ax.set_xlabel('time')
line = ax.plot([1, 2, 3], [1, 2, 1])[0]
# ax的lines属性是一个包含所有曲线的列表
print(line is ax.lines[0])
# 通过get_*获得相应的属性
print(ax.get_xaxis().get_label().get_text())
plt.show()

设置Artist属性

 get_* 和 set_* 函数进行读写fig.set_alpha(0.5*fig.get_alpha())

Artist 属性	作用
alpha	透明度，值在0到1之间，0为完全透明，1为完全不透明
animated	布尔值，在绘制动画效果时使用
axes	此Artist对象所在的Axes对象，可能为None
clip_box	对象的裁剪框
clip_on	是否裁剪
clip_path	裁剪的路径
contains	判断指定点是否在对象上的函数
figure	所在的Figure对象，可能为None
label	文本标签
picker	控制Artist对象选取
transform	控制偏移旋转
visible	是否可见
zorder	控制绘图顺序

一些例子

import matplotlib.pyplot as plt
fig = plt.figure()
# 设置背景色
fig.patch.set_color('g')
# 必须更新界面才会有效果
fig.canvas.draw()
plt.show()
# artist对象的所有属性都可以通过相应的get_*()和set_*()进行读写
# 例如设置下面图像的透明度
line = plt.plot([1, 2, 3, 2, 1], lw=4)[0]
line.set_alpha(0.5)
line.set(alpha=0.5, zorder=1)
# fig.canvas.draw()
# 输出Artist对象的所有属性名以及与之对应的值
print(fig.patch)
plt.show()

 

import matplotlib.pyplot as plt
fig = plt.figure()
fig.subplots_adjust(top=0.8)
ax1 = fig.add_subplot(211)
ax1.set_ylabel('volts')
ax1.set_title('a sine wave')
t = np.arange(0.0, 1.0, 0.01)
s = np.sin(2*np.pi*t)
line, = ax1.plot(t, s, color='blue', lw=2)
# Fixing random state for reproducibility
np.random.seed(19680801)
ax2 = fig.add_axes([0.15, 0.1, 0.7, 0.3])
n, bins, patches = ax2.hist(np.random.randn(1000), 50,
    facecolor='yellow', edgecolor='orange')
ax2.set_xlabel('time (s)')
plt.show()

 

 Figure容器

最上层的Artist对象是Figure，包含组成图表的所有元素

Figure可以包涵多个Axes（多个图表），创建主要有三种方法：

• axes = fig.add_axes([left, bottom, width, height])
• fig, axes = plt.subplots(行数, 列数)
• axes = fig.add_subplot(行数, 列数, 序号)

Figure 属性	说明
axes	Axes对象列表
patch	作为背景的Rectangle对象
images	FigureImage对象列表，用来显示图片
legends	Legend对象列表
lines	Line2D对象列表
patches	patch对象列表
texts	Text对象列表，用来显示文字

import matplotlib.pyplot as plt
# 下面请看一个多Figure，多Axes，互相灵活切换的例子。
plt.figure(1) # 创建图表1
plt.figure(2) # 创建图表2
ax1 = plt.subplot(121) # 在图表2中创建子图1
ax2 = plt.subplot(122) # 在图表2中创建子图2
x = np.linspace(0, 3, 100)
for i in range(5):
    plt.figure(1) # 切换到图表1
    plt.plot(x, np.exp(i*x/3))
    plt.sca(ax1) # 选择图表2的子图1
    plt.plot(x, np.sin(i*x))
    plt.sca(ax2) # 选择图表2的子图2
    plt.plot(x, np.cos(i*x))
    ax2.plot(x, np.tanh(i*x)) # 也可以通过ax2的plot方法直接绘图
plt.show()
plt.close() # 打开了两个Figure对象，因此要执行plt.close()两次
plt.close()
# 还可以使用subplots函数，一次生成多个子图，并返回Figure对象和Axes对象数组。
# 注意subplot和subplots两个函数差一个s，前者是逐个生成子图，后者是批量生成。
fig, axes = plt.subplots(2, 3, figsize=(4,3))
[a,b,c],[d,e,f] = axes
print(axes.shape)
print(b)
plt.show()
plt.close()

 

 Axes容器

• 图像的区域，有数据空间(标记为内部蓝色框)
• 图形可以包含多个 Axes，轴对象只能包含一个图形
• Axes 包含两个(或三个)Axis对象，负责数据限制
• 每个轴都有一个标题(通过set_title()设置)、一个x标签(通过set_xLabel()设置)和一个通过set_yLabel()设置的y标签集。

Axes 属性	说明
artists	A list of Artist instances
patch	Rectangle instance for Axes background
collections	A list of Collection instances
images	A list of AxesImage
legends	A list of Legend instances
lines	A list of Line2D instances
patches	A list of Patch instances
texts	A list of Text instances
xaxis	matplotlib.axis.XAxis instance
yaxis	matplotlib.axis.YAxis instance

Axes的方法（Helper method）	所创建的对象（Artist ）	添加进的列表（Container）
ax.annotate - text annotations	Annotate	ax.texts
ax.bar - bar charts	Rectangle	ax.patches
ax.errorbar - error bar plots	Line2D and Rectangle	ax.lines and ax.patches
ax.fill - shared area	Polygon	ax.patches
ax.hist - histograms	Rectangle	ax.patches
ax.imshow - image data	AxesImage	ax.images
ax.legend - axes legends	Legend	ax.legends
ax.plot - xy plots	Line2D	ax.lines
ax.scatter - scatter charts	PolygonCollection	ax.collections
ax.text - text	Text	ax.texts

 subplot2grid函数进行更复杂的布局。subplot2grid(shape, loc, rowspan=1, colspan=1, **kwargs)

• shape为表示表格形状的元组（行数，列数）
• loc为子图左上角所在的坐标元组（行，列）
• rowspan和colspan分别为子图所占据的行数和列数 

import matplotlib.pyplot as plt
fig = plt.figure(figsize=(6,6))
ax1 = plt.subplot2grid((3,3),(0,0),colspan=2)
ax2 = plt.subplot2grid((3,3),(0,2),rowspan=2)
ax3 = plt.subplot2grid((3,3),(1,0),rowspan=2)
ax4 = plt.subplot2grid((3,3),(2,1),colspan=2)
ax5 = plt.subplot2grid((3,3),(1,1))
plt.show()
plt.close()

        

坐标轴上的刻度线、刻度文本、坐标网格及坐标轴标题等

set_major_*   set_minor_*

get_major_*   get_minor_*

import numpy as np
import matplotlib.pyplot as plt
# plt.figure creates a matplotlib.figure.Figure instance
fig = plt.figure()
rect = fig.patch # a rectangle instance
rect.set_facecolor('yellow')
ax1 = fig.add_axes([0.1, 0.3, 1,1])
rect = ax1.patch
rect.set_facecolor('orange')
for label in ax1.xaxis.get_ticklabels():
    # label is a Text instance
    label.set_color('red')
    label.set_rotation(45)
    label.set_fontsize(16)
for line in ax1.yaxis.get_ticklines():
    # line is a Line2D instance
    line.set_color('green')
    line.set_markersize(5)
    line.set_markeredgewidth(3)
plt.show()

 

坐标轴刻度设置

matplotlib会按照用户所绘制的图的数据范围自动计算，但有的时候也需要我们自定义。

我们有时候希望将坐标轴的文字改为我们希望的样子，比如特殊符号，年月日等。

# 修改坐标轴刻度的例子
# 配置X轴的刻度线的位置和文本，并开启副刻度线
# 导入fractions包，处理分数
import numpy as np
import matplotlib.pyplot as plt
from fractions import Fraction
# 导入ticker，刻度定义和文本格式化都在ticker中定义
from matplotlib.ticker import MultipleLocator, FuncFormatter 
x = np.arange(0, 4*np.pi, 0.01)
fig, ax = plt.subplots(figsize=(8,4))
plt.plot(x, np.sin(x), x, np.cos(x))
# 定义pi_formatter, 用于计算刻度文本
# 将数值x转换为字符串，字符串中使用Latex表示数学公式。
def pi_formatter(x, pos): 
    frac = Fraction(int(np.round(x / (np.pi/4))), 4)
    d, n = frac.denominator, frac.numerator
    if frac == 0:
        return "0"
    elif frac == 1:
        return "$\pi$"
    elif d == 1:
        return r"${%d} \pi$" % n
    elif n == 1:
        return r"$\frac{\pi}{%d}$" % d
    return r"$\frac{%d \pi}{%d}$" % (n, d)
# 设置两个坐标轴的范围
plt.ylim(-1.5,1.5)
plt.xlim(0, np.max(x))
# 设置图的底边距
plt.subplots_adjust(bottom = 0.15)
plt.grid() #开启网格
# 主刻度为pi/4
# 用MultipleLocator以指定数值的整数倍放置刻度线
ax.xaxis.set_major_locator( MultipleLocator(np.pi/4) )
# 主刻度文本用pi_formatter函数计算
# 使用指定的函数计算刻度文本，这里使用我们刚刚编写的pi_formatter函数
ax.xaxis.set_major_formatter( FuncFormatter( pi_formatter ) ) 
# 副刻度为pi/20
ax.xaxis.set_minor_locator( MultipleLocator(np.pi/20) )
# 设置刻度文本的大小
for tick in ax.xaxis.get_major_ticks():
    tick.label1.set_fontsize(16)
plt.show()
plt.close()

import datetime 
import numpy as np
import matplotlib.pyplot as plt
# 准备数据
x = np.arange(0,10,0.01)
y = np.sin(x)
# 将数据转换为datetime对象列表
date_list = []
date_start = datetime.datetime(2000,1,1,0,0,0)
delta = datetime.timedelta(days=1)
for i in range(len(x)):
    date_list.append(date_start + i*delta)
# 绘图，将date_list作为x轴数据，当作参数传递
fig, ax = plt.subplots(figsize=(10,4))
plt.plot(date_list, y)
# 设定标题
plt.title('datetime example')
plt.ylabel('data')
plt.xlabel('Date')
plt.show()
plt.close()

 

如果数据中本来就有时间日期信息，可以使用strptime和strftime直接转换。

使用strptime函数将字符串转换为time，使用strftime将time转换为字符串。

python中的时间日期格式化符号：

符号	意义
%y	两位数的年份表示（00-99）
%Y	四位数的年份表示（000-9999）
%m	月份（01-12）
%d	月内中的一天（0-31）
%H	24小时制小时数（0-23）
%I	12小时制小时数（01-12）
%M	分钟数（00=59）
%S	秒（00-59）
%a	本地简化星期名称
%A	本地完整星期名称
%b	本地简化的月份名称
%B	本地完整的月份名称
%c	本地相应的日期表示和时间表示
%j	年内的一天（001-366）
%p	本地A.M.或P.M.的等价符
%U	一年中的星期数（00-53）星期天为星期的开始
%w	星期（0-6），星期天为星期的开始
%W	一年中的星期数（00-53）星期一为星期的开始
%x	本地相应的日期表示
%X	本地相应的时间表示
%Z	当前时区的名称
%%	%号本身