python绘图总结
1 二维图像
1.1 二维曲线
plot(x, y, ls="-", lw=1.5, label=None)- x, y：横坐标和纵坐标
- ls：颜色、点标记、线型列表，如 ls='r*-' 表示红色实线、*形点，ls='g.' 表示绿色散点
- lw：线宽度
- label：线标签
plot(x, y, color, marker, linestyle)- x, y：横坐标和纵坐标
- color：颜色，取值：b(blue), g(green), r(red), c(cyan), m(magenta), y(yellow), k(black), w(white)
- marker：标记形状，取值：. , o v ^ < > 1 2 3 4 s p * h H + x D d | _
- linestyle：线型，取值：- -- -. :
-
import numpy as np -
import matplotlib.pyplot as plt -
x=np.arange(0,12,0.3) -
y1=np.sin(x) -
y2=np.cos(x) -
plt.figure() #新建一个图像窗口 -
plt.rcParams['font.sans-serif']=['SimHei'] #正常显示标题中中文 -
plt.rcParams['axes.unicode_minus'] = False #正常显示坐标轴中中文 -
plt.subplot(1,2,1) #使用第1个窗格 -
plt.plot(x,y1,'r*-') #绘图 -
#plt.plot(x,y1,color='r',marker='*',linestyle='-') #和上面等价 -
plt.title("正弦曲线") #标题 -
plt.xlabel('x轴') #x轴命名 -
plt.ylabel('y轴') #y轴命名 -
plt.grid() #添加网格 -
plt.legend(['sinx']) #显示图例 -
plt.subplot(1,2,2) #使用第2个窗格 -
plt.plot(x,y1,'r*-',label='sinx') #绘制正弦图像 -
plt.plot(x,y2,'g.--',label='cosx') #绘制余弦图像 -
plt.title('正弦曲线、余弦曲线') #标题 -
plt.legend() #显示图例
1.2 二维散点图
scatter(x, y, s=20, c='b', marker='o', cmap, alpha)- x, y：横坐标和纵坐标
- s：点大小
- c：点颜色，取值：b(blue), g(green), r(red), c(cyan), m(magenta), y(yellow), k(black), w(white)
- marker：点标记，取值：. , o v ^ < > 1 2 3 4 s p * h H + x D d | _
- cmap：颜色图谱
- alpha：透明度，取值：0~1，超过1时当1算，低于1时当0算
- linewidths：边框宽度
-
import numpy as np -
import matplotlib.pyplot as plt -
size=100 -
x=np.random.uniform(size=size) -
y=np.random.uniform(size=size) -
s=np.random.uniform(5,400,size=size) #点大小 -
c=np.random.uniform(size=size) #点颜色 -
lw=np.random.uniform(1,4,size=size) #边框宽度 -
plt.figure() #新建一个图像窗口 -
plt.subplot(1,2,1) #使用第1个窗格 -
plt.scatter(x,y,s=s,c=c,alpha=0.5,linewidths=lw,edgecolors='m') #绘制散点图 -
plt.subplot(1,2,2) #使用第2个窗格 -
plt.scatter(x,y,s=s,c=c,cmap='rainbow',alpha=0.5) #绘制散点图
cmap 为颜色图谱，取值如下： （见cmap设置颜色的参数）
1.3 图像修饰
- figure( num, figsize, dpi )：新建一个空白图像窗口，num为窗口名字，figsize为窗口尺寸，dpi为分辨率
- title( )：标题
- xlabel( )：x轴标签
- ylabel( )：y轴标签
- xlim( xmin, xmax )：x轴图像显示范围
- ylim( ymin, ymax )：y轴图像显示范围
- axis( xmin, xmax, ymin, ymax )：设置x轴和y轴显示范围
- xticks( ticks, labels )：x轴刻度标记，ticks为需要标记的坐标，labels为对应ticks的标签
- yticks( )：y轴刻度标记，ticks为需要标记的坐标，labels为对应ticks的标签
- vlines( x, ymin, ymax, colors='k', linestyles='solid', label='' )：绘制垂直分割线
- hlines( y, xmin, xmax, colors='k', linestyles='solid', label='' )：绘制水平分割线
- text( x, y, s )：说明文字，(x,y)为文字显示位置，s为文字内容
- subplot( rows, cols, num )：多窗格绘图，rows表示行数，cols表示列数，num表示窗格序号
- legend( labels )：显示图例，labels为各曲线的图例标签列表，若在plot()中已给标签，这里可以省略参数
- grid()：显示网格
- show( )：显示图像
- savefig( name, dpi )：保存图片，默认以png格式保存，dpi为分辨率
- gca( )：获取坐标轴(axis)对象
这里仅介绍 xticks() 的用法：
-
import numpy as np -
import matplotlib.pyplot as plt -
x=np.arange(0,15.7,0.1) -
y=np.sin(x) -
plt.figure() #新建一个图像窗口 -
plt.plot(x,y,'r.') #绘图 -
ticks=np.arange(0,6)*np.pi -
labels=['0π','1π','2π','3π','4π','5π'] -
plt.xticks(ticks,labels) #x轴示数标记 -
plt.grid() #显示网格
1.4 坐标轴控制
1.4.1 坐标轴刻度间隔
-
import numpy as np -
import matplotlib.pyplot as plt -
from matplotlib.pyplot import MultipleLocator -
x=np.arange(0,15.7,0.1) -
y=np.sin(x) -
plt.figure() #新建一个图像窗口 -
plt.plot(x,y,'r.') #绘图 -
ax=plt.gca() #获取坐标轴(axis)对象 -
ax.xaxis.set_major_locator(MultipleLocator(3.14)) #设置x轴示数间隔 -
plt.grid() #显示网格
可以看到，x 轴刻度为 3.14
1.4.2 坐标轴刻度格式
-
import matplotlib.pyplot as plt -
import numpy as np -
from matplotlib.ticker import FormatStrFormatter -
x=np.arange(0,15.7,0.1) -
y=np.sin(x) -
plt.figure() #新建一个图像窗口 -
plt.plot(x,y,'r.') #绘图 -
ax=plt.gca() #获取坐标轴(axis)对象 -
ax.yaxis.set_major_formatter(FormatStrFormatter('%.1f')) #设置y轴示数格式 -
plt.grid()
可以看到，y 轴刻度只显示1位小数。此方法也可以避免坐标轴示数有时候自动变成+e**的情况发生。
2 三维图像
2.1 三维坐标轴对象（Axes3D）
在绘制三维图像时，需要先创建三维坐标轴对象 Axes3D ，创建方法主要有以下2种：
方法一：
-
import matplotlib.pyplot as plt -
from mpl_toolkits.mplot3d import Axes3D #虽然没有明确调用 Axes3D，也不能省略，否则会报错 -
fig=plt.figure() #创建一个图像窗口 -
ax=plt.axes(projection='3d') #创建三维坐标轴对象
方法二：
-
import matplotlib.pyplot as plt -
from mpl_toolkits.mplot3d import Axes3D -
fig=plt.figure() #创建一个图像窗口 -
ax=Axes3D(fig) #创建三维坐标轴对象
运行代码，可以看到创建了一个空的三维图像窗口，如下：
多窗格绘图：
-
import matplotlib.pyplot as plt -
from mpl_toolkits.mplot3d import Axes3D #虽然没有明确调用 Axes3D，也不能省略，否则会报错 -
fig=plt.figure() #创建一个图像窗口 -
ax=fig.add_subplot(rows,cols,num,projection='3d') #添加一个三维子图
2.2 三维曲线
-
import numpy as np -
import matplotlib.pyplot as plt -
from mpl_toolkits.mplot3d import Axes3D -
t=np.linspace(0,20,70) #参数，生成[0,20]之间70个点 -
x=np.sin(t) -
y=np.cos(t) -
z=2*t -
fig=plt.figure() #创建一个图像窗口 -
ax=Axes3D(fig) #创建三维坐标轴对象 -
ax.plot(x,y,z,'r*-') #绘制3维曲线
2.3 三维散点图
-
import numpy as np -
import matplotlib.pyplot as plt -
from mpl_toolkits.mplot3d import Axes3D -
size=150 #点个数 -
x=np.random.randint(0,30,size) -
y=np.random.randint(0,30,size) -
z=np.random.randint(0,30,size) -
fig=plt.figure() #创建一个图像窗口 -
ax=Axes3D(fig) #创建三维坐标轴对象 -
s=np.random.randint(0,200,size) #点大小 -
c=np.random.randint(0,256,size) #点颜色 -
ax.scatter(x,y,z,s=s,c=c,alpha=0.8) #绘制3维散点图
2.4 三维曲面
-
import numpy as np -
import matplotlib.pyplot as plt -
from mpl_toolkits.mplot3d import Axes3D -
x=np.linspace(0,10,50) -
y=np.linspace(0,9,45) -
X,Y=np.meshgrid(x,y) #生成格点，并将所有格点的x轴值和y轴值分别保存到 X 和 Y 中，X 和 Y 的维度：(45,50) -
Z=np.sin(X)+np.cos(Y) #每个格点对应的函数值，维度：(45,50) -
fig=plt.figure() #创建一个图像窗口 -
ax=fig.add_subplot(1,2,1,projection='3d') #添加一个三维子图 -
ax.plot_surface(X,Y,Z,cmap='hot') #绘制三维曲面，cmap为颜色图谱 -
ax=fig.add_subplot(1,2,2,projection='3d') #添加一个三维子图 -
ax.plot_surface(X,Y,Z,cmap='rainbow') #绘制三维曲面，cmap为颜色图谱
X,Y=np.meshgrid(x,y) 函数的作用是生成格点，并将所有格点的x轴值和y轴值分别保存到 X 和 Y 中，X 和 Y 的维度：(45,50) ，变量空间如下：
python绘图总结_python plot linestyle_little_fat_sheep的博客-CSDN博客