python 关于matplotlib

python 关于matplotlib

matplotlib简介

Matplotlib 是 Python 的绘图库，它能让使用者很轻松地将数据图形化，并且提供多样化的输出格式。

Matplotlib 可以用来绘制各种静态，动态，交互式的图表。

Matplotlib 是一个非常强大的 Python 画图工具，我们可以使用该工具将很多数据通过图表的形式更直观的呈现出来。

Matplotlib 可以绘制线图、散点图、等高线图、条形图、柱状图、3D 图形、甚至是图形动画等等。

Matplotlib 通常与 NumPy 和 SciPy（Scientific Python）一起使用， 这种组合广泛用于替代
MatLab，是一个强大的科学计算环境，有助于我们通过 Python 学习数据科学或者机器学习。

Matplotlib Pyplot

Pyplot 是 Matplotlib 的子库，提供了和 MATLAB 类似的绘图 API。

https://www.runoob.com/matplotlib/matplotlib-subplots.html

plt.figure()

有两个功能：1.创建一个画图对象。2.使这个函数返回的画图对象成为当前活跃的，并且在show()的时候该画处于最上层。
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)；
facecolor:背景颜色；
frameon:是否显示边框。

figure()会使得最新调出来的那个窗口处于活跃状态，之后如果plot，都会在这个窗口上。
plt.figure() : 创建新窗口，新窗口编号按照之前窗口的序号继续。
plt.figure(2) : 如果编号为2的窗口已经存在，则现在编号2的从窗口处于活跃状态（在所有窗口里面最靠前，置于顶层）。

fig = plt.figure(num=1, figsize=(6, 5), facecolor='b', edgecolor='r', frameon=True)
plt.show()

fig.add_subplot()方法

先使用fig=plt.figure()定义画布fig
fig.add_subplot()用来定义副画布
参数是一个三位数，比如fig.add_subplot(211)，第一位表示上下分几块，第二位表示左右分几块，第三位表示该副画布的编号。

a=plt.figure()
a1=a.add_subplot(211) 
a2=a.add_subplot(212)

plt.scatter()函数

画散点图
函数原型:matplotlib.pyplot.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)
参数作用如下：x, y位置。s大小。c颜色。marker形状。 norm：数据亮度，默认为no，范围为0-1，float数据。
vmin，vmax：亮度设置，默认为no，若norm实例已使用，该参数无效。alpha透明度，范围为0-1。linewidths：描边的宽度。edgecolors：描边颜色。markeredgewidth描边粗细
c颜色可以是：单一颜色，颜色序列，使用cmap映射到颜色的序列数，一个行为RGB的2-D数组
s大小的默认值是20，下面第一幅图这么大；s=1是下面第二幅图

fig = plt.figure(); fig.clf()

清除当前图形。

t = np.linspace(0.0, 2.0, 201)
s = np.sin(2 * np.pi * t)

plt.ylabel('y-axis')
plt.xlabel('x-axis')
plt.plot(t, s)
plt.grid(True)
plt.show()
plt.clf()

plt.title('matplotlib.pyplot.clf Example')
plt.show()

清除前：

清除后：

fig = plt.figure(1, facecolor=‘white’)

plt.subplot(111, frameon=False)

单独设置坐标轴对象

坐标轴对象可以直接设置xlim，ylim，title，xlabel，ylabel。
还可以直接画图，ax.plot(), ax.scatter()，ax.grid()，ax.legend()
注意：figure对象是不可以直接画图的。即，fig没有以上方法。

fig = plt.figure()
ax = fig.add_subplot(1,1,1)
ax.set(xlim=[-1, 1], ylim=[-1, 1], title='简单示例',
       ylabel='Y-Axis', xlabel='X-Axis')

网格线

matplotlib.pyplot.grid(b=None, which='major', axis='both', **kwargs)。

b：是否显示网格线。布尔值或None，可选参数。如果没有关键字参数，则b为True，如果b为None且没有关键字参数，相当于切换网格线的可见性。
which：网格线显示的尺度。字符串，可选参数，取值范围为{‘major’, ‘minor’, ‘both’}，默认为’both’。'major’为主刻度、‘minor’为次刻度。
axis：选择网格线显示的轴。字符串，可选参数，取值范围为{‘both’, ‘x’, ‘y’}，默认为’both’`。
**kwargs：Line2D线条对象属性。

每次plot可以设置标签label属性

l1,=plt.plot(x,y1,label='y1=2*x+1',linestyle='--')  #设置函数标签和函数线的类型
l2,=plt.plot(x,y2,label='y2=x**2')

图例legend()

matplotlib.pyplot.legend(*args, **kwargs)

设置legend图例的方式有两种:

1. 如果在画图时设置了标签属性label，直接使用plt.legend()就会显示图例，图例内容就是label。
2. 还可以在legend()方法中设置属性labels=[ , …, ]，这样即使前面画图时设置了label，也还是按照这里设置的labels属性设置图例内容。

ax.set_xscale(‘log’)设置坐标刻度为log间距

从图上看，可以理解为越靠左（越小，越接近0）的地方坐标被 “ 张开 ” 了；越靠右（越大）的地方坐标被 “挤压” 了。

设置坐标轴从大到小（翻转）

ax.set_xlim(ax.get_xlim()[::-1])

解释：ax.get_xlim()返回二元组，就是坐标轴的范围（xmin.xmax）
ax.get_xlim()[::-1]将二元组倒序，[::-1]这种索引格式是将列表倒序。

ax = ply.gca()直接创建坐标轴对象

cmap

link

plt.contour()

1.画等高线。2.画决策边界。
1.下面的例子画一个抛物面的等高线。

x = np.arange(-5, 5, 1)
y = np.arange(-5, 5, 1)
xx, yy = np.meshgrid(x, y)
# 先看看meshgrid代表的是那些点
plt.scatter(xx, yy, s=10)

z = xx ** 2 + 2 * yy ** 2  # z是关于x,y变量的二元函数，是抛物面
plt.contour(xx, yy, z)  # 画出这个抛物面函数的等高线，自然是一个个椭圆嵌套
plt.axis('square')
plt.show()

2.画一个抛物线的决策边界。

x = np.arange(-5, 6, 0.2)
y = np.arange(-1, 6, 0.2)
xx, yy = np.meshgrid(x, y)
z = yy > xx ** 2  # z的形状和x,y一致，元素是bool值，False和True的边界实际上就是决策边界
print(z)
plt.scatter(xx, yy, s=1)
plt.contour(x, y, z)
plt.show()

plt.contourf()

plt.contour()的filled版本
把上面的plt.contour()直接改成plt.contourf()

tile()和suptitle()

如果用了subplot, 则tile()是画当前子图的标题。
suptitle()是画整个大图的标题。

tight_layout(pad=1.08, h_pad=None, w_pad=None, rect=None)

• pad：表示画布边缘与子图边缘之间的空白区域的大小，默认为1.08。
• h_pad, w_pad：表示相邻子图之间的空白区域的大小。
• rect：表示调整所有子图位置的矩形区域的四元组(left,bottom,right,top)，默认为(0,0,1,1)。

plt.show()

用于展示所有的图像。
注意：展示图像时程序会暂停执行。可以考虑使用savefig(‘文件路径’)解决这个问题。
注意：如果在plt.show()之后savefig()的话，保存的是一张白图，因为show()之后会创建一个新的空白窗口。

pt.savefig(“文件路径”)

直方图hist()

plt.hist(x, bins=None, range=None, density=None, weights=None, cumulative=False, bottom=None, histtype='bar', align='mid', orientation='vertical', rwidth=None, log=False, color=None, label=None, stacked=False, normed=None, *, data=None, **kwargs)

x: 作直方图所要用的数据，必须是一维数组；多维数组可以先进行扁平化再作图；必选参数；
bins: 直方图的柱数，即要分的组数，默认为10；

scatter画空心的marker

设置color=’ ', edgecolors=color

plt.subplots()和plt.subplot()

subplot(1，3，1)需要每次画子图前声明一下是哪张子图。比如左边就是画第一张

subplots():

fig, axes = plt.subplots(1, 2)

注意括号里只需要两个参数，返回的是fig，和所有的axes。要画子图需要索引第几个子图：

ax[0].plot()

感觉不是特别常用。

plt.gray()

使用matplotlib库pyplot模块中的gray()函数将colormap设置为“gray”。

plt.matshow()

matplotlib.pyplot.matshow()函数用于在新的图形窗口中将数组表示为矩阵。左上角被设置为原点，行(数组的第一个维度)以水平形式显示。图形窗口的长宽比根据数组进行设置，避免了较短、较窄的图形。x轴的Tick标签放置在顶部。

plt.imshow()

plt.fill_between()

plt.fill_between用颜色填充两条曲线之间的区域
plt.fill_between(x, y1, y2)，其中x是横坐标，y1和y2是两条曲线，这个函数的作用是用颜色填充y1和y2这两条曲线之间的区域。

https://blog.csdn.net/weixin_38314865/article/details/104504485