Python学习笔记（十九）——Matplotlib入门上

目录

Matplotlib简介

导入matplotlib模块

 图的参数说明

matplotlib图像组成部分介绍

matplotlib绘图步骤分析

matplotlib实现简单图像

matplotlib画布

画布-plt.figure()

实例

 同一画布制作多张图像

 创建多个子图

实例

plt.subplots

相关参数

调整subplot周围的间距

 实例

plot函数

format_string参数

颜色字符

标记字符

风格字符

 效果图

简单案例

完整案例

更多参数设定

设置标题、轴标签、刻度及刻度标签

实例

注释

matplotlib.pyplot.text()

在图中添加箭头

实例

边框设定

 pyplot文本显示函数

 图例

更多参数设定

同一窗口生成多个图

 不均衡布局

 图的保存

基础图标函数

 散点图

plt.colorbar

柱状图和直方图

 柱状图

 柱状图plt.bar

 柱状图实例

 堆叠柱状图实例

双向柱状图

---

Matplotlib简介

 matplotlib 是 Python 的 2D ＆ 3D 绘图库。

 可以处理数学运算、绘制图表，或者在图像上绘制点、直线和曲线。

 matplotlib 通过 pyplot 模块提供了和 MATLAB 类似的绘图 API ，将众多绘图对象所构成的复杂结构隐藏在这套API 内部。

 安装 matplotlib 之前先要安装 numpy 。

 matplotlib 是开源库，可以从 https://matplotlib.org/ 下载。

 最好将输入数据转换为 np.array 类型

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。

导入matplotlib模块

import matplotlib.pyplot as plt

 图的参数说明

   axes: 设置坐标轴边界和表面的颜色、坐标刻度值大小和网格的显示

   figure: 控制 dpi 、边界颜色、图形大小、和子区 ( subplot) 设置 font: 字体集（font family）、字体大小和样式设置grid: 设置网格颜色和线性

 legend: 设置图例和其中的文本的显示

   line: 设置线条（颜色、线型、宽度等）和标记 patch: 是填充 2D空间的图形对象，如多边形和圆。控制线宽、颜色和抗锯齿设置等。

 savefig: 可以对保存的图形进行单独设置。例如，设置渲染的文件的背景为白色

 verbose: 设置 matplotlib 在执行期间信息输出，如 silent 、 helpful 、 debug和debug-annoying。

 xticks 和 yticks: 为 x,y轴的主刻度和次刻度设置颜色、大小、方向，以及标签大小   

matplotlib图像组成部分介绍

matplotlib绘图步骤分析

① 创建窗口、设置子图，每个figure 对象是一个图

② 绘制图形 plot 、设置横纵坐标等参数

③ 图形展示及保存

matplotlib实现简单图像

import matplotlib.pyplot as plt
import numpy as np
# 定义 x 变量的范围 (-3，3) 数量 50
x=np.linspace(-3,3,50)
y=x**2
plt.figure()
plt.plot(x, y)
plt.show()

 

matplotlib画布

画布-plt.figure()

plt.figure(num=None,figsize=None,dpi=None,facecolor=None,edgecolor=None, frameon=True)

• num: 图像编号或名称，数字为编号 ，字符串为名称

• figsize: 指定 figure 的宽和高，单位为英寸；

• dpi 参数指定绘图对象的分辨率，即每英寸多少个像素，缺省值为 80 1 英寸等于 2.5cm ， A4纸是 21*30cm 的纸张

• facecolor: 背景颜色

• edgecolor: 边框颜色

• frameon: 是否显示边框

实例

import matplotlib.pyplot as plt
fig=plt.figure(num="蓝色背景",figsize=(4,3),facecolor="blue")
plt.show()
fig=plt.figure(num="红色背景",figsize=(4,3),facecolor="red")
plt.show()

 同一画布制作多张图像

① 确定区域

plt.figure().add_subplot(*)

② 制作子图

plt.subplot(*)

 创建多个子图

plt.figure(**). add_subplot(nrows, ncols, index, **kwargs)

plt.figure(**). add_subplot(pos, **kwargs)

• 子图将采用 nrows * ncols 的网格上的 index 位置

• pos 是一个三位整数，其中第一个数字是行数，第二个数字是列数和第三个数字是子图的索引。

• 例如： plt.figure(**). add_subplot(235) 与 plt.figure(**). add_subplot(2,3,5) 等价

实例

import matplotlib.pyplot as plt
fig = plt.figure()
axl = fig.add_subplot(121)
ax2 = fig.add_subplot(122)
plt.show()

import matplotlib.pyplot as plt
fig = plt.figure()
axl = fig.add_subplot(121)
ax2 =fig.add_subplot(122)
ax2.axis(“off”) #不显示第二个子图
plt.show()

import matplotlib.pyplot as plt
import numpy as np
fig = plt.figure()
axl = fig.add_subplot(121)
ax2 = fig.add_subplot(122)
plt.plot(np.random.randn(50).cumsum(), 'k--')
#默认最后一个子图
plt.show()

图像默认绘制在最后一个子图上面

import matplotlib.pyplot as plt
import numpy as np
fig = plt.figure()
ax1 = fig.add_subplot(121)
ax2 = fig.add_subplot(122)
ax1.hist(np.random.randn(100), bins=20, color='k', alpha=0.3)
ax2.scatter(np.arange(30), np.arange(30) + 3 * np.random.randn(30))
plt.show()

plt.subplots

matplotlib 有一个更为方便的方法 plt.subplots ，它可以创建一个新的 Figure ， 并返回一个含有已创建的 subplot 对象的 NumPy 数组。

>>> fig, axes = plt.subplots(2, 3)
array([[,
,
],
[,
,
]], dtype
=object)

相关参数

plt.subplots(nrows=1, ncols=1, *, sharex=False, sharey=False, subplot_kw=None, **fig_kw)

参数	说明
nrows	subplot 的行数
ncols	subplot 的列数
sharex	所有 subplot 应该使用相同的 X 轴刻度 ( 调节 xlim 将会影响所有 subplot)
sharey	所有 subplot 应该使用相同的 Y 轴刻度 ( 调节 ylim 将会影响所有 subplot)
subplot_ kw	用于创建各 subplot 的关键字字典
**fig_ kw	创建 figure 时的其他关键字，如 plt.subplots(2,2,figsize=(8,6))

调整subplot周围的间距

默认情况下，matplotlib 会在 subplot 外围留下一定的边距，并在 subplot 之间留下一定的间距。间距跟图像的高度和宽度有关，因此，如果你调整了图像大小（不管是编程还是手工），间距也会自动调整。利用 Figure 的 subplots_adjust方法可以轻而易举地修改间距。

plt.subplots_adjust(left=None,bottom=None,right=None,top=None,wspace=None, hspace=None

• left: 此参数是该图子图的左侧。

• right: 此参数是该图子图的右侧。

• bottom: 此参数是该图子图的底部。

• top: 此参数是该图子图的顶部。

• wspace: 此参数是为子图之间的空间 保留的宽

度量，表示为平均轴宽度的 一部分。

• hspace: 此参数是为子图之间的空间保 留的高

度量，表示为平均轴高度的一 部分。

• 注意这些值都是 0 到 1 之间的值，代表 百分比。

 实例

import matplotlib.pyplot as plt
import numpy as np
fig, axes = plt.subplots(2, 2, sharex=True, sharey=True)
for i in range(2):
for j in range(2):
axes[i, j].hist(np.random.randn(500))
plt.subplots_adjust(wspace=0.2, hspace= 0)
plt.show()

plot函数

plt.plot(x, y, format_string, **kwargs)

  可以绘制点和线, 并且对其样式进行控制

 tip：当绘制多条曲线时各条曲线的x不能省略

format_string参数

颜色字符

标记字符

风格字符

 效果图

简单案例

单个图像

plt.plot([3,1,2,5,4])
plt.show()

 多个图像

import numpy as np
import matplotlib.pyplot as plt
a=np.arange(10)
plt.plot(a, a*1.5,a, a*2.5, a*3.5)        #横坐标相同
plt.show()

完整案例

import numpy as np
import matplotlib.pyplot as plt
x=np.arange(10)
y1=x*1.5;
y2=x*2.5;
y3=x*3.5;
y4=x*4.5
plt.figure()
plt.plot(x,y1,’go-',x,y2,'rx',y3,'*',x,y4,'b-.’)
plt.show()

更多参数设定

 

设置标题、轴标签、刻度及刻度标签

函数	说明
set_title(*)	设定图像的标题
plt.set_xticks(ticks=None, labels=None)	设定 X 轴数据刻度以及标签
set_xticklabels(*,*)	设定 X 轴刻度的标签
set_xlabel(*,*)	设定 X 轴的名称
plt.set_yticks(ticks=None, labels=None)	设定 Y 轴数据刻度以及标签
set_yticklabels(*,*)	设定 Y 轴刻度的标签
set_ylabel(*,*)	设定 Y 轴的名称

实例

import matplotlib.pyplot as plt
import numpy as np
fig = plt.figure()
ax = fig.add_subplot(1, 1, 1)
ax.plot(np.random.randn(1000).cumsum())
ticks = ax.set_xticks([0, 250, 500, 750, 1000])
labels = ax.set_xticklabels(['one', 'two', 'three', 'four', 'five'],rotation=30,
fontsize='small')
ax.set_title('My first matplotlib plot')
plt.show()

注释

matplotlib.pyplot.text()

plt.text(x, y, s, fontdict=None, **kwargs)

 功能用于将文本添加到数据坐标中x，y位置的轴上。

参数	描述
x ， y ： float	放置文本的位置。默认情况下，这是在数据坐标中。 可以使用变换参数来更改坐标系。
s ： str	文本。
fontdict ： dict 默认无	用于覆盖默认文本属性的字典。如果 fontdict 为 None 则默认值由 rcParams 确定。
** 夸克	文字属性

 实例

import numpy as np
import matplotlib.pyplot as plt
t = np.arange(0.0, 2.0, 0.01)
s = np.sin(2*np.pi*t)
plt.plot(t, s)
plt.title(r'$\alpha_i > \beta_i$', fontsize=20)
plt.text(1, -0.6, r'$\sum_{i=0}^\infty x_i$', fontsize=20)
plt.text(0.6, 0.6, r'$\mathcal{A}\mathrm{sin}(2 \omega t)$',fontsize=20)
plt.xlabel('time (s)')
plt.ylabel('volts (mV)')
plt.show()

 tip：图片内部的字体需要掌握一定的Latex语言才可以

在图中添加箭头

plt.arrow(x, y, dx, dy, **kwargs)

作用是向子图中添加箭头

• x, y : 箭头起点坐标

• dx, dy : 箭头x上的长度和y轴上的长度

• width：箭头尾部的宽度。类型为浮点数，默认值为0.001。

• head_width：完全箭头头部的宽度。类型为浮点数或None，默认值为3*width。

• head_length：完全箭头头部的长度。类型为浮点数或None，默认值为

• 1.5*head_width

实例

import matplotlib.pyplot as plt
fig,axes=plt.subplots(3,4)
axes[0,0].arrow(0,0,1,1)
axes[0,1].arrow(0,0,1,1,width=0.2,head_width=0.5)
axes[0,2].arrow(0,0,1,1,width=0.2,head_width=0.5,head_length=0.2)
axes[0,3].arrow(0,0,1,1,width=0.2,head_width=0.5,head_length=0.2,length_includes_head=True)
axes[1,0].arrow(0,0,1,1,width=0.2)
axes[1,1].arrow(0,0,1,1,width=0.2,shape='full')
axes[1,2].arrow(0,0,1,1,width=0.2,shape='left')
axes[1,3].arrow(0,0,1,1,width=0.2,shape='right')
axes[2,0].arrow(0,0,1,1,width=0.2)
axes[2,1].arrow(0,0,1,1,width=0.2,overhang=0.2)
axes[2,2].arrow(0,0,1,1,width=0.2)
axes[2,3].arrow(0,0,1,1,width=0.2,head_starts_at_zero=True)
plt.show()

边框设定

隐藏右边框和上边框

• 使用 plt.gca 获取当前坐标轴信息。

• 使用 .spines 分别设置边框右侧边框和上边框，并用 .set_color 设置边框颜色：默认白色；

ax=plt.gca()
# right 、 top 、 bottom 、 left
ax.spines[‘right’].set_color('none')
ax.spines['top'].set_color('none')

 

添加定制图像

matplotlib.axes.Axes.add_patch(p)

matplotlib 有一些表示常见图形的 对象。这些对象被称为块（ patch ）， 其中有些（如 Rectangle 和 Circle ）。要在图表中添加一个 图 形，你需要创建一个块对象 shp ， 然后通过 ax.add_patch(shp) 将其 添加到 subplot 中

import matplotlib.pyplot as plt
fig = plt.figure()
ax = fig.add_subplot(1, 1, 1)
rect = plt.Rectangle((0.2, 0.75), 0.4, 0.15, color='k', alpha=0.3)
circ = plt.Circle((0.7, 0.2), 0.15, color='b', alpha=0.3)
pgon = plt.Polygon([[0.15, 0.15], [0.35, 0.4], [0.2, 0.6]],color='g', alpha=0.5)
ax.add_patch(rect)
ax.add_patch(circ)
ax.add_patch(pgon)
plt.show()

 pyplot文本显示函数

import matplotlib.pyplot as plt
import numpy as np
x=np.arange(0,5,0.02)
plt.plot(x,np.cos(2*np.pi*x),'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$y=cos(2\pix)$',fontproperties='SimHei',fontsize=25)
plt.show()

在有中文输出的处增加一个属性：fontproperties

 

 

 图例

ax.legend([line1, line2, line3], labels=['label1', 'label2’, 'label3'],lloc='lower right', fontsize=12, frameon=True, title=None)

 实例

import matplotlib.pyplot as plt
import numpy as np
from numpy.random import randn
fig = plt.figure()
ax = fig.add_subplot(1, 1, 1)
ax.plot(randn(1000).cumsum(), 'k', label='one')
ax.plot(randn(1000).cumsum(), 'k--', label='two')
ax.plot(randn(1000).cumsum(), 'k.', label='three')
ax.legend(labels=["1","2","3"],loc='best')
plt.show()

更多参数设定

设置图例边框及背景

• plt.legend(loc=‘best’,frameon=False) # 去掉图例边框

• plt.legend(loc=‘best’,edgecolor=‘blue’) # 设置图例边框颜色

• plt.legend(loc='best',facecolor='blue') # 设置图例背景颜色 , 若无边框 , 参数无效

设置图例标题

• plt.legend(loc='best',title='figure 1 legend') # 去掉图例边框

设置位置

• 0: ‘best‘

1: ‘upper right‘

2: ‘upper left‘

3: ‘lower left‘

4: ‘lower right'

5: ‘right‘

6: ‘center left‘

7: ‘center right

'8: ‘lower center'

9: ‘upper center‘

10: ‘center'

同一窗口生成多个图

plt.subplot(nrows, ncols, plot_number)

在全局绘图区域中创建一个分区体系，并定位到一个子绘图区域。 

plt.subplot(3,2,4)或plt.subplot(324)

import numpy as np
import matplotlib.pyplot as plt
x = np.arange(0, 100)
plt.subplot(221) #作图1
plt.plot(x, x)
plt.subplot(222) #作图2
plt.plot(x, -x)
plt.subplot(223) #作图3
plt.plot(x, x ** 2)
plt.grid(color='r', linestyle='--', linewidth=1,alpha=0.3)#作图4
plt.subplot(224)
plt.plot(x, np.log(x))
plt.show()

 不均衡布局

plt.subplot2grid(shape, loc, rowspan, colspan)

参数shape 所划定的网格布局作为绘图区域以实现在参数loc 位置处绘制图形的目的。其中，shape,loc取值均为元组。

 

ax1 = plt.subplot2grid((3,3), (0,0), colspan=3)
ax2 = plt.subplot2grid((3,3), (1,0), colspan=2)
ax3 = plt.subplot2grid((3,3), (1, 2), rowspan=2)
ax4 = plt.subplot2grid((3,3), (2, 0))
ax5 = plt.subplot2grid((3,3), (2, 1))
plt.suptitle("subplot2grid")

import matplotlib.pyplot as plt
import numpy as np
import math
x = np.arange(1,10)
a1 = plt.subplot2grid((3,3),(0,0),colspan = 2)
a1.plot(x, np.exp(x))
a1.set_title(‘指数’
,fontproperties='SimHei',fontsize=15)
a2 = plt.subplot2grid((3,3),(0,2), rowspan = 3)
a2.plot(x, x*x)
a2.set_title(‘平方’
,fontproperties='SimHei',fontsize=15)
a3 = plt.subplot2grid((3,3),(1,0),rowspan = 2, colspan = 2)
a3.plot(x, np.log(x))
a3.set_title(‘log’)
plt.tight_layout(); plt.suptitle("subplot2grid")
plt.show()

 图的保存

plt.savefig() #函数plt.show()之前调用，否则空白

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。

支持格式： eps, pdf, pgf, png, ps, raw, rgba, svg, svgz

x = np.arange(1, 11)
a=plt.plot(x,2*x,x,3*x)
plt.legend(['a','b'])
plt.savefig('text.eps',dpi=600)
plt.show()

基础图标函数

 

 散点图

散点图也叫 X-Y 图，它将 所有的数据以点的形式展 现在直角坐标系 上，以显 示变量之间的相互影响程 度，点的位置由变量的数 值决定。

通过观察散点图上数据点 的分布情 况，我们可以推 断出变量间的相关性。

plt.scatter(x, y, s=None, c=None, marker=None, cmap=None, norm=None,

vmin=None, vmax=None, alpha=None, linewidths=None,

verts=None,edgecolors=None, hold=None, data=None, **kwargs)

• x ， y ：输入数据， array_like ， shape （n，）

• s ：点的大小 , 标量或 array_like ， shape （n，），可选大小以点数 ^ 2 。

• c ：点的颜色

• marker ：点的形状 cmap ： cmap 仅在 c 是浮点数组时使用。如果没有，默认为

rcimage.cmap 。 norm ：实例用于缩放亮度数据为 0,1 。 norm 只有在 c 是一个数组时才被使用 彩车。alpha ：标量， 可选，默认值：无 alpha 混合值，介于 0 （透明）和 1 （不透明）之间， linewidths ：标量或 array_like ，可选，默认值：无 如果无，则默认为 （lines.linewidth ，）。 verts ：（x， y ）的序列，可选 如果 marker 为 None ，这些顶点将用于构建标记。标记的中心位于 在（0,0 ）为标准化单位。整体标记重新调整 由 s 完成。

• edgecolors ：颜色或颜色顺序。

scatter(x, y, s=None, c=None, marker=None, alpha=None)

import matplotlib.pyplot as plt
import numpy as np
np.random.seed(222)
x=np.random.rand(20)
y=np.random.rand(20)
s = np.array(range(10,110,5))
c = np.array(range(0,20))
plt.scatter(x, y,s=s, c=c)
plt.colorbar()
plt.show()

plt.colorbar

颜色条是从标量值到颜色的映射的可视化。在 Matplotlib 中，被绘制到专用轴。matplotlib的 pyplot 模块中的 colorbar() 函数将色条添加到指示色标的图

plt.colorbar(mappable=None, cax=None, ax=None, **kwarg)

• cax: 指定颜色条绘制的轴

• ax: 此参数是可选参数，它包含轴或轴列表。

• ** kwarg( 关键字参数 ) ：此参数是可选参数，有两种： colorbar

properties:extend:{‘neither’, ‘both’ ，‘ min’, ‘max’} 的尖头超出范围值。 label: 彩条的长轴上的标签。刻度：没有或没有刻度或定位器列表。返 回值：colorbar 是

“ matplotlib.colorbar.Colorbar” 类的实例

import matplotlib.pyplot as plt
fig, axes = plt.subplots(nrows=2, ncols=2)
for ax in axes.flat:
im = ax.imshow(np.random.random((10, 10)), vmin=0, vmax=1)
plt.colorbar(im, ax=axes.ravel().tolist())
plt.show()

柱状图和直方图

柱状图=条形图

1. 柱状图一般用于描述离散型分类数据的对比

2. 每根柱子宽度固定，柱子之间会有间距

3. 横轴变量可以任意排序

直方图

1. 直方图一般用于描述连续型数据的分布关系

2. 每根柱子宽度可以不一样，且一般没有间距

3. 横轴变量有一定顺序规则

 柱状图

 基础柱状图，使用垂直或水平的柱子显示类别之间的数值比较。其中一个轴表示

需要对比的分类维度，另一个轴代表相应的数值。

 适合应用到分类数据对比

 分类太多不适合使用

 纵向柱状图

 不适合表示趋势

 

 

 

 柱状图plt.bar

plt.bar(left, height, width=0.8, bottom=None, hold=None, data=None, **kwargs)

 柱状图实例

import matplotlib.pyplot as plt
import numpy as np
data_X = ['l1', 'l2', 'l3', 'l4', 'l5']
data_Y = [0.96332673, 0.41957767, 0.28530194, 0.66399872, 0.39162668]
data_Y1 = [0.95827706, 0.570968, 0.1820442, 0.6373498, 0.3974183]
x = np.arange(len(data_X)) # 设定步长
width = 0.4 # 设置数据条宽度
fig, ax = plt.subplots()
p1 = ax.bar(x - width / 2, data_Y, width)
p2 = ax.bar(x + width / 2, data_Y1, width)
ax.set_xticks(x)
ax.set_xticklabels(data_X)
plt.show()

 堆叠柱状图实例

import matplotlib.pyplot as plt
import numpy as np
data_X = ['l1', 'l2', 'l3', 'l4', 'l5']
data_Y = [0.96332673, 0.41957767, 0.28530194, 0.66399872, 0.39162668]
data_Y1 = [0.95827706, 0.570968, 0.1820442, 0.6373498, 0.3974183]
data_Y2 = [0.52999985, 0.54202189, 0.6418166, 0.69023167, 0.90743048]
x = np.arange(len(data_X)) # 设定步长
p1 = plt.bar(x, data_Y )
p2 = plt.bar(x, data_Y1, bottom=data_Y)#bottom 为数据条距坐标轴的距离
p3 = plt.bar(x, data_Y2, bottom=[data_Y1[i]+data_Y[i] for i in range(min(len(data_Y1),len(data_Y)))])
plt.xticks(x, data_X)
plt.show()

双向柱状图

import matplotlib.pyplot as plt
import numpy as np
data_X = ['l1', 'l2', 'l3', 'l4', 'l5']
data_Y = [0.96332673, 0.41957767, 0.28530194, 0.66399872, 0.39162668]
data_Y1 = [0.95827706, 0.570968, 0.1820442, 0.6373498, 0.3974183]
data_Y2 = [0.52999985, 0.54202189, 0.6418166, 0.69023167, 0.90743048]
x = np.arange(len(data_X)) # 设定步长
p1 = plt.bar(x, data_Y)
p2 = plt.bar(x, [-data_Y1[i] for i in range(len(data_Y1))])#将数据取成负数
plt.xticks(x, data_X)
plt.show()

Python全套学习笔记