最全Matplotlib教程

Matplotlib教程

一. 什么是Matplotlib?

Matplotlib是python中的一个低级图形绘制库，它可以作为一个可视化工具。

Matplotlib主要是用python写的，有一些是用C, Objective-C和Javascript写的。

Matplotlib的源代码位于github库

二. 安装Matplitlib

C:\Users\Your Name>pip install matplotlib

并且在之后的.py文件中导入matplotlib

import matplotlib

至此，matplotlib便可用。

若想查看matplotlib版本，则使用__version__。

import matplotlib

print(matplotlib.__version__)

---

三. Matplotlib Pyplot

大多数Matplotlib实用程序位于pyplot子模块下，通常以plt别名导入:

import matplotlib.pyplot as plt

1.绘制直线

plot()函数用于绘制图表中的点(标记)。
默认情况下，plot()函数在点与点之间绘制一条直线。
该函数接受参数来指定图中的点。
参数1是一个包含x轴上的点的数组。
参数2是一个包含y轴上的点的数组。
如果我们需要绘制从(1,3)到(8,10)的直线，我们必须传递两个数组[1,8]和[3,10]给plot函数。

例子：在图标中画一条从(0,0)到(6,250)的直线：

import matplotlib.pyplot as plt
import numpy as np

# 注意这里array中存储的不是点的(x,y)坐标，x和y坐标单独存放在各自数组
xpoints = np.array([0, 6])
ypoints = np.array([0, 250])

plt.plot(xpoints, ypoints)
plt.show()

你可以画出任意多的点，只要确保在两个轴上有相同数量的点。

import matplotlib.pyplot as plt
import numpy as np

xpoints = np.array([1, 2, 6, 8])
ypoints = np.array([3, 8, 1, 10])

plt.plot(xpoints, ypoints)
plt.show()

2. 默认x点

如果我们不指定x轴上的点，它们将得到默认值0、1、2、3(等等，取决于y轴上点的长度)。
所以，如果我们取上面的例子，去掉x点，图就会像这样:

import matplotlib.pyplot as plt
import numpy as np

ypoints = np.array([3, 8, 1, 10, 5, 7])

plt.plot(ypoints)
plt.show()

---

四. Matplotlib Marker

你可以使用关键字参数marker通过指定的标记来强调每个点。

1.绘制标记

注意：

• 要只绘制标记，可以使用快捷字符串表示法参数'o'，它的意思是’环’。
• 若想要绘制标记＋连线，需要marker='o'

import matplotlib.pyplot as plt
import numpy as np

xpoints = np.array([1, 8])
ypoints = np.array([3, 10])

# 下面这两句分别对应图一、图二
plt.plot(xpoints, ypoints, 'o')
# plt.plot(xpoints, ypoints, marker = 'o')

plt.show()

图一：

图二：

除o之外，还可以使用很多其他符号：

2. 格式字符串fmt

参数格式：

marker|line|color

使用如下参数：

^--b

以上参数表示：marker=^ line=-- color=b

import matplotlib.pyplot as plt
import numpy as np

ypoints = np.array([3, 8, 1, 10])

plt.plot(ypoints, '^--b')
plt.show()

3.标记的大小

参数：markersize,使用ms表示

import matplotlib.pyplot as plt
import numpy as np

ypoints = np.array([3, 8, 1, 10])

plt.plot(ypoints, marker = 'o', ms = 20)
plt.show()

4.标记的颜色

• 参数：markeredgecolor，使用mec表示

import matplotlib.pyplot as plt
import numpy as np

ypoints = np.array([3, 8, 1, 10])

plt.plot(ypoints, marker = 'o', ms = 20, mec = 'r')
plt.show()

• 参数：markerfacecolor,使用mfc表示

import matplotlib.pyplot as plt
import numpy as np

ypoints = np.array([3, 8, 1, 10])

plt.plot(ypoints, marker = 'o', ms = 20, mfc = 'r')
plt.show()

---

五. Matplotlib lables and Title

使用Pyplot，可以使用xlabel()和ylabel()函数设置x轴和y轴的标签。

可以使用title()函数为情节设置标题。

参数loc可以调整标题的位置。

import numpy as np
import matplotlib.pyplot as plt

x = np.array([80, 85, 90, 95, 100, 105, 110, 115, 120, 125])
y = np.array([240, 250, 260, 270, 280, 290, 300, 310, 320, 330])

plt.title("Sports Watch Data", loc = 'left')
plt.xlabel("Average Pulse")
plt.ylabel("Calorie Burnage")

plt.plot(x, y)
plt.show()

---

六.Matplotlib Adding Grid Lines

使用Pyplot，可以使用grid()函数向图中添加网格线。

import numpy as np
import matplotlib.pyplot as plt

x = np.array([80, 85, 90, 95, 100, 105, 110, 115, 120, 125])
y = np.array([240, 250, 260, 270, 280, 290, 300, 310, 320, 330])

plt.title("Sports Watch Data")
plt.xlabel("Average Pulse")
plt.ylabel("Calorie Burnage")

plt.plot(x, y)

plt.grid(color = 'green', linestyle = '--', linewidth = 0.5)

plt.show()

---

七. Matplotlib Subplot

使用subplot()函数，你可以在一个图形中绘制多个图形:

import matplotlib.pyplot as plt
import numpy as np

#plot 1:
x = np.array([0, 1, 2, 3])
y = np.array([3, 8, 1, 10])

#the figure has 1 row, 2 columns, and this plot is the first plot.
plt.subplot(1, 2, 1)
plt.plot(x,y)

#plot 2:
x = np.array([0, 1, 2, 3])
y = np.array([10, 20, 30, 40])

#the figure has 1 row, 2 columns, and this plot is the second plot.
plt.subplot(1, 2, 2)
plt.plot(x,y)

plt.show()

---

八. Matplotlib Scatter

• 使用Pyplot，您可以使用scatter()函数来绘制散点图。
  scatter()函数为每次观测绘制一个点。它需要两个相同长度的数组，一个是x轴上的值，另一个是y轴上的值:

import matplotlib.pyplot as plt
import numpy as np

x = np.array([5,7,8,7,2,17,2,9,4,11,12,9,6])
y = np.array([99,86,87,88,111,86,103,87,94,78,77,85,86])
plt.scatter(x, y, color = 'hotpink')

x = np.array([2,2,8,1,15,8,12,9,7,3,11,4,7,14,12])
y = np.array([100,105,84,105,90,99,90,95,94,100,79,112,91,80,85])
plt.scatter(x, y, color = '#88c999')

plt.show()

注意:这两个绘图使用了两种不同的颜色，默认是蓝色和橙色。

• 可以每个点位都使用不同颜色：

import matplotlib.pyplot as plt
import numpy as np

x = np.array([5,7,8,7,2,17,2,9,4,11,12,9,6])
y = np.array([99,86,87,88,111,86,103,87,94,78,77,85,86])
colors = np.array(["red","green","blue","yellow","pink","black","orange","purple","beige","brown","gray","cyan","magenta"])

plt.scatter(x, y, c=colors)

plt.show()

• 可以使用ColorMap
  你可以使用关键字参数cmap指定colormap的值，在本例中是'viridis'，它是Matplotlib中可用的内置colormap之一。
  此外，你必须创建一个数组值(从0到100)，散点图中的每个点都有一个值:

import matplotlib.pyplot as plt
import numpy as np

x = np.array([5,7,8,7,2,17,2,9,4,11,12,9,6])
y = np.array([99,86,87,88,111,86,103,87,94,78,77,85,86])
colors = np.array([0, 10, 20, 30, 40, 45, 50, 55, 60, 70, 80, 90, 100])

plt.scatter(x, y, c=colors, cmap='viridis')

plt.show()

• 使用s控制尺寸：

import matplotlib.pyplot as plt
import numpy as np

x = np.array([5,7,8,7,2,17,2,9,4,11,12,9,6])
y = np.array([99,86,87,88,111,86,103,87,94,78,77,85,86])
sizes = np.array([20,50,100,200,500,1000,60,90,10,300,600,800,75])

plt.scatter(x, y, s=sizes)

plt.show()

• 你可以通过alpha参数来调整圆点的透明度。
  就像颜色一样，确保用于大小的数组与用于x和y轴的数组具有相同的长度:

import matplotlib.pyplot as plt
import numpy as np

x = np.array([5,7,8,7,2,17,2,9,4,11,12,9,6])
y = np.array([99,86,87,88,111,86,103,87,94,78,77,85,86])
sizes = np.array([20,50,100,200,500,1000,60,90,10,300,600,800,75])

plt.scatter(x, y, s=sizes, alpha=0.5)

plt.show()

---

九. Matplotlib Bars

• 使用Pyplot，可以使用bar()函数绘制条形图:

import matplotlib.pyplot as plt
import numpy as np

x = np.array(["A", "B", "C", "D"])
y = np.array([3, 8, 1, 10])

plt.bar(x,y)
plt.show()

• 如果你想让条形图水平显示而不是垂直显示，使用barh()函数:

import matplotlib.pyplot as plt
import numpy as np

x = np.array(["A", "B", "C", "D"])
y = np.array([3, 8, 1, 10])

plt.barh(x, y)
plt.show()

---

十. Matplotlib Histograms

直方图是显示频率分布的图表。
它是一个图表，显示了每个给定区间内的观察次数。

在Matplotlib中，我们使用hist()函数来创建直方图。
hist()函数将使用一个数字数组来创建一个直方图，这个数组作为参数发送到函数中。

import matplotlib.pyplot as plt
import numpy as np

x = np.random.normal(170, 10, 250)

plt.hist(x)
plt.show() 

---

十一. Matplotlib Pie Charts

使用Pyplot，您可以使用pie()函数来绘制饼图:

import matplotlib.pyplot as plt
import numpy as np

y = np.array([35, 25, 25, 15])
mylabels = ["Apples", "Bananas", "Cherries", "Dates"]
myexplode = [0.2, 0, 0, 0]

plt.pie(y, labels = mylabels, explode = myexplode)
plt.legend()# 显示解释列表
plt.show() 

默认情况下，第一个楔子从x轴开始绘制，并逆时针移动:

注:每个楔子的大小是通过与所有其他值比较来确定的，使用这个公式:
值除以所有值的和:x/sum(x)