【数据分析之道-Matplotlib(二)】Matplotlib 绘图标记

文章目录

  • 专栏导读
  • 1、前言
  • 2、标记(Markers)
    • 2.1关键词参数marker
    • 2.2标记参考(Marker Reference)
  • 3、Format Strings fmt
    • 3.1fmt参数
    • 3.2线参考(Line Reference)
  • 4、标记颜色(Marker Color)
    • 4.1关键字参数mec
    • 4.2关键字参数mfc
    • 4.3mfc和mec结合
    • 4.4颜色参考(Color Reference)
  • 5、标记大小(Marker Size)

专栏导读

✍ 作者简介:i阿极,CSDN Python领域新星创作者,专注于分享python领域知识。

本文录入于《数据分析之道》,本专栏针对大学生、初级数据分析工程师精心打造,对python基础知识点逐一击破,不断学习,提升自我。
订阅后,可以阅读《数据分析之道》中全部文章内容,包含python基础语法、数据结构和文件操作,科学计算,实现文件内容操作,实现数据可视化等等。
✍ 其他专栏:《数据分析案例》 ,《机器学习案例》

如果觉得文章不错或能帮助到你学习,可以点赞收藏评论+关注哦!

如果有小伙伴需要数据集和学习交流,文章下方有交流学习区!一起学习进步!

1、前言

Matplotlib 是一个强大的 Python 绘图库,它提供了多种绘图工具和样式。在 Matplotlib 中,我们可以使用标记来标识数据点、线条和其他形状,以便更好地展示图形。

Matplotlib 支持多种标记,包括圆圈、方形、三角形等形状,每种标记都可以自定义颜色和大小。在下面的实例中,我们将演示如何使用 Matplotlib 绘制散点图,并使用不同的标记和颜色。

2、标记(Markers)

2.1关键词参数marker

可以使用关键字参数marker用指定的标记强调每个点。

用圆圈标记每个点:

import matplotlib.pyplot as plt
import numpy as np

# 创建数据
x = np.linspace(0, 10)
y = np.cos(x)

# 绘制折线图并设置标记样式
plt.plot(x,y,marker = 'o')

# 显示图形
plt.show()

【数据分析之道-Matplotlib(二)】Matplotlib 绘图标记_第1张图片

用星号标记每个点:

import matplotlib.pyplot as plt
import numpy as np

# 创建数据
x = np.linspace(0, 10)
y = np.cos(x)

# 绘制折线图并设置标记样式
plt.plot(x,y,marker = '*')

# 显示图形
plt.show()

【数据分析之道-Matplotlib(二)】Matplotlib 绘图标记_第2张图片

2.2标记参考(Marker Reference)

可以选择以下任一标记:

标记 描述
‘o’ Circle
‘*’ Star
‘.’ Point
‘,’ Pixel
‘x’ X
‘X’ X (filled)
‘+’ Plus
‘P’ Plus (filled)
‘s’ Square
‘D’ Diamond
‘d’ Diamond (thin)
‘p’ Pentagon
‘H’ Hexagon
‘h’ Hexagon
‘v’ Triangle Down
‘^’ Triangle Up
‘<’ Triangle Left
‘>’ Triangle Right
‘1’ Tri Down
‘2’ Tri Up
‘3’ Tri Left
‘4’ Tri Right
‘l’ Vline
‘_’ Hline

3、Format Strings fmt

3.1fmt参数

fmt 参数定义了基本格式,如标记、线条样式和颜色。

fmt = '[marker][line][color]'

例如 o:r,o 表示实心圆标记,: 表示虚线,r 表示颜色为红色。

import matplotlib.pyplot as plt
import numpy as np

# 创建数据
x = np.linspace(0, 10)
y = np.cos(x)

# 绘制折线图并设置标记样式
plt.plot(x,y,'o:r')

# 显示图形
plt.show()

【数据分析之道-Matplotlib(二)】Matplotlib 绘图标记_第3张图片

例如 o-r, o表示实心圆标记,-表示虚线,r表示颜色为红色。

import matplotlib.pyplot as plt
import numpy as np

# 创建数据
x = np.linspace(0, 10)
y = np.cos(x)

# 绘制折线图并设置标记样式
plt.plot(x,y,'o:r')

# 显示图形
plt.show()

【数据分析之道-Matplotlib(二)】Matplotlib 绘图标记_第4张图片

3.2线参考(Line Reference)

线语法 描述
‘-’ 实线
‘:’ 虚线
‘–’ 破折线
‘-.’ 点划线

如果在fmt参数中省略了线值,则不会绘制任何线。

4、标记颜色(Marker Color)

4.1关键字参数mec

可以使用关键字参数markeredgecolor或更短的mec设置标记边框的颜色。

将边框颜色设置为红色:

x = [1, 2, 3, 4, 5]
y = [2, 4, 6, 8, 10]
plt.plot(x, y, marker='o',ms = 20,mec='r')

【数据分析之道-Matplotlib(二)】Matplotlib 绘图标记_第5张图片

4.2关键字参数mfc

可以使用关键字参数markerfacecolor或更短的mfc设置标记边缘内的颜色。

将内部颜色标记为红色:

x = [1, 2, 3, 4, 5]
y = [2, 4, 6, 8, 10]
plt.plot(x, y, marker='o',ms = 20,mfc='r')

【数据分析之道-Matplotlib(二)】Matplotlib 绘图标记_第6张图片

4.3mfc和mec结合

自定义标记内部与边框的颜色:

x = [1, 2, 3, 4, 5]
y = [2, 4, 6, 8, 10]
plt.plot(x, y, marker='o',ms = 20,mec='r',mfc='r')

【数据分析之道-Matplotlib(二)】Matplotlib 绘图标记_第7张图片

x = [1, 2, 3, 4, 5]
y = [2, 4, 6, 8, 10]
plt.plot(x, y, marker='o',ms = 20,mec='r',mfc='w')

【数据分析之道-Matplotlib(二)】Matplotlib 绘图标记_第8张图片

用美丽的绿色标记每个点:

x = [1, 2, 3, 4, 5]
y = [2, 4, 6, 8, 10]
plt.plot(x, y, marker='o',ms = 20,mec='g',mfc='g')

【数据分析之道-Matplotlib(二)】Matplotlib 绘图标记_第9张图片

4.4颜色参考(Color Reference)

颜色语法 描述
‘r’ Red
‘g’ Green
‘b’ Blue
‘c’ Cyan
‘m’ Magenta
‘y’ Yellow
‘k’ Black
‘w’ White

5、标记大小(Marker Size)

可以使用关键字参数markersize或更短的版本ms来设置标记的大小。

将标记的大小设置为20:

x = [1, 2, 3, 4, 5]
y = [2, 4, 6, 8, 10]
plt.plot(x, y, marker='o',ms = 20)

【数据分析之道-Matplotlib(二)】Matplotlib 绘图标记_第10张图片


文章下方有交流学习区!一起学习进步!
首发CSDN博客,创作不易,如果觉得文章不错,可以点赞收藏评论
你的支持和鼓励是我创作的动力❗❗❗

你可能感兴趣的:(数据分析之道,matplotlib,python)