python使用Matplotlib繪圖及設置實例(用python制圖)

import matplotlib.pyplot as plt        #導入繪圖模塊

from matplotlib import pyplot as plt           #兩種導入方法都可

import matplotlib.pyplot as plt
x = [......]
y = [......]
plt.plot(x,y,label='圖例')        #繪圖，並且標註圖例
plt.show()        #顯示
plot.legend(prop=my_font)        #設置顯示圖例，括號中意思為顯示中文（後面講解）

import matplotlib.pyplot as plt
 
x = range(2,26,2)
y = [15,13,14.5,17,20,25,26,26,27,22,18,15]
 
# 繪圖
plt.plot(x,y)
# 顯示
plt.show()

plt.xticks(x)        # 將x裡的值作為刻度
plt.xticks(range(2,25))        #傳入range數列
plt.yticks(range(min(y),max(y)+1))        #傳入最小到最大值數列

_xticks_lables = [i/2 for i in range(4,49)]                # 生成更復雜的數列
plt.xticks(_xticks_lables[::3])        #取步長作為刻度

_x =list(x) [::3]
_xticks_labels = ["10點{ }分".format(i) for i in _x]
plt.xticks(_x,_xticks_labels)        #分別代表刻度范圍和刻度內容

plt.title("折線圖")    #設置標題
plt.xlabel("時間")    #設置x軸標註
plt.ylabel("氣溫")    #設置y軸標註

from matplotlib import font_manager        #導入字體管理模塊
my_font = font_manager.FontProperties(fname="C:/WINDOWS/Fonts/STSONG.TTF")
#定義中文字體屬性，文字儲存路徑可以在C:/WINDOWS/Fonts/找到，這裡設置為宋體
plt.xlabel("時間",fontproperties = my_font,fontsize = 18)
#在設置x坐標中文標註，令fontproperties = my_font，fontsize令字體為18號
#plt.title，plt.ylabel，plt.xticks，plt.yticks設置中文標註類似

plt.grid(alpha=0.4)

import matplotlib.pyplot as plt
import random    #導入隨機生成模塊
from matplotlib import font_manager#導入字體管理模塊
my_font = font_manager.FontProperties(fname="C:/WINDOWS/Fonts/STSONG.TTF")
#定義中文字體屬性，文字儲存路徑可以在C:/WINDOWS/Fonts/找到，本次設置為宋體
 
x = range(0,120)    #x值為0-120
y = [random.randint(20,35) for i in range(120)]     #y值為120個在20-35之間的隨機數
 
plt.figure(figsize=(15,10),dpi = 80)    #圖片大小為15*10，每英寸80個像素點
 
'''調整x軸刻度'''
_xticks_labels = ["10點{}分".format(i) for i in range(60)]
_xticks_labels += ["11點{}分".format(i) for i in range(60,120)]
plt.xticks(list(x)[::5],_xticks_labels[::5],rotation=45)    #rotation旋轉度數
#取步長5，數字和字符串一一對應，保證數據的長度一樣
 
'''設置標註'''
plt.title("10點到12點每分鐘溫度變化圖",fontproperties = my_font,fontsize = 24)    #設置標題
plt.xlabel("時間",fontproperties = my_font,fontsize = 18)    #設置x坐標標註，字體為18號
plt.ylabel("每分鐘對應的溫度",fontproperties = my_font,fontsize = 18)    #設置y坐標標註
 
plt.plot(x,y)   #繪圖
plt.show()  #顯示

import matplotlib.pyplot as plt
# 獲取當前的Figure和Axes對象
plt.figure(figsize=(4,3))
fig = plt.gcf()
axes = plt.gca()
print(fig)
print(axes)

import matplotlib.pyplot as plt
import numpy as np
# 獲取當前的Figure和Axes對象
plt.figure(figsize=(4,3))
fig = plt.gcf() ; axes = plt.gca()
print(fig); print(axes)
x = np.arange(0, 5, 0.1)
# 調用plt.plot函數，返回一個Line2D對象列表
lines = plt.plot(x, 0.05*x*x); print(lines)
# 調用Line2D對象的set系列方法設置屬性值
# 用set_alpha設置alpha通道，也就是透明度
lines[0].set_alpha(0.5) ; plt.show()
# plt.plot函數可以接受不定個數的位置參數，這些位置參數兩兩配對，生成多條曲線。
lines = plt.plot(x, np.sin(x), x, np.cos(x), x, np.tanh(x))
plt.show()
# 使用plt.setp函數同時配置多個對象的屬性，這裡設置lines列表中所有曲線的顏色和線寬。
plt.setp(lines, color='r', linewidth=4.0);plt.show()
# 使用getp方法查看所有的屬性
f = plt.gcf(); plt.getp(f)

import numpy as np
import matplotlib.pyplot as plt
# 獲取當前的Figure和Axes對象
plt.figure(figsize=(4,3))
fig = plt.gcf() ; axes = plt.gca()
print(fig); print(axes)
x = np.arange(0, 5, 0.1)
# 調用plt.plot函數，返回一個Line2D對象列表
lines = plt.plot(x, 0.05*x*x); print(lines)
# 調用Line2D對象的set系列方法設置屬性值
# 用set_alpha設置alpha通道，也就是透明度
lines[0].set_alpha(0.5) ; plt.show()
# plt.plot函數可以接受不定個數的位置參數，這些位置參數兩兩配對，生成多條曲線。
lines = plt.plot(x, np.sin(x), x, np.cos(x), x, np.tanh(x))
plt.show()
# 使用plt.setp函數同時配置多個對象的屬性，這裡設置lines列表中所有曲線的顏色和線寬。
plt.setp(lines, color='r', linewidth=4.0);plt.show()
# 使用getp方法查看所有的屬性
f = plt.gcf(); plt.getp(f)
# 查看某個屬性
print(plt.getp(lines[0],"color"))
# 使用對象的get_*()方法
print(lines[0].get_linewidth())
# Figure對象的axes屬性是一個列表，存儲該Figure中的所有Axes對象。
# 下面代碼查看當前Figure的axes屬性，也就是gca獲得的當前Axes對象。
print(plt.getp(f, 'axes'))
print(len(plt.getp(f, 'axes')))
print(plt.getp(f, 'axes')[0] is plt.gca())
# 用plt.getp()可以繼續獲取AxesSubplot對象的屬性，例如它的lines屬性為子圖中的Line2D對象列表。
# 通過這種方法可以查看對象的屬性值，以及各個對象之間的關系。
all_lines = plt.getp(plt.gca(), "lines");print(all_lines)
plt.close() # 關閉當前圖表

import matplotlib.pyplot as plt
# 創建3行2列，共計6個子圖。
# subplot(323)等價於subplot(3,2,3)。
# 子圖的編號是從1開始，不是從0開始。
fig = plt.figure(figsize=(4,3))
for idx,color in enumerate('rgbcyk'):
    plt.subplot(321+idx, facecolor=color)
plt.show()
# 如果新創建的子圖和之前創建的有重疊區域，則之前的子圖會被刪除
plt.subplot(221)
plt.show()
plt.close()
# 還可以用多個高度或寬度不同的子圖相互拼接
fig = plt.figure(figsize=(4,3))
plt.subplot(221) # 第一行左圖
plt.subplot(222) # 第一行右圖
plt.subplot(212) # 第二行整行
plt.show()
plt.close()

import matplotlib.pyplot as plt
fig = plt.figure()
# 列表用於描述圖片所在的位置以及圖片的大小
ax = fig.add_axes([0.15, 0.1, 0.7, 0.3])
ax.set_xlabel('time')
line = ax.plot([1, 2, 3], [1, 2, 1])[0]
# ax的lines屬性是一個包含所有曲線的列表
print(line is ax.lines[0])
# 通過get_*獲得相應的屬性
print(ax.get_xaxis().get_label().get_text())
plt.show()

import matplotlib.pyplot as plt
fig = plt.figure()
# 設置背景色
fig.patch.set_color('g')
# 必須更新界面才會有效果
fig.canvas.draw()
plt.show()
# artist對象的所有屬性都可以通過相應的get_*()和set_*()進行讀寫
# 例如設置下面圖像的透明度
line = plt.plot([1, 2, 3, 2, 1], lw=4)[0]
line.set_alpha(0.5)
line.set(alpha=0.5, zorder=1)
# fig.canvas.draw()
# 輸出Artist對象的所有屬性名以及與之對應的值
print(fig.patch)
plt.show()

import matplotlib.pyplot as plt
fig = plt.figure()
fig.subplots_adjust(top=0.8)
ax1 = fig.add_subplot(211)
ax1.set_ylabel('volts')
ax1.set_title('a sine wave')
t = np.arange(0.0, 1.0, 0.01)
s = np.sin(2*np.pi*t)
line, = ax1.plot(t, s, color='blue', lw=2)
# Fixing random state for reproducibility
np.random.seed(19680801)
ax2 = fig.add_axes([0.15, 0.1, 0.7, 0.3])
n, bins, patches = ax2.hist(np.random.randn(1000), 50,
    facecolor='yellow', edgecolor='orange')
ax2.set_xlabel('time (s)')
plt.show()

import matplotlib.pyplot as plt
# 下面請看一個多Figure，多Axes，互相靈活切換的例子。
plt.figure(1) # 創建圖表1
plt.figure(2) # 創建圖表2
ax1 = plt.subplot(121) # 在圖表2中創建子圖1
ax2 = plt.subplot(122) # 在圖表2中創建子圖2
x = np.linspace(0, 3, 100)
for i in range(5):
    plt.figure(1) # 切換到圖表1
    plt.plot(x, np.exp(i*x/3))
    plt.sca(ax1) # 選擇圖表2的子圖1
    plt.plot(x, np.sin(i*x))
    plt.sca(ax2) # 選擇圖表2的子圖2
    plt.plot(x, np.cos(i*x))
    ax2.plot(x, np.tanh(i*x)) # 也可以通過ax2的plot方法直接繪圖
plt.show()
plt.close() # 打開瞭兩個Figure對象，因此要執行plt.close()兩次
plt.close()
# 還可以使用subplots函數，一次生成多個子圖，並返回Figure對象和Axes對象數組。
# 註意subplot和subplots兩個函數差一個s，前者是逐個生成子圖，後者是批量生成。
fig, axes = plt.subplots(2, 3, figsize=(4,3))
[a,b,c],[d,e,f] = axes
print(axes.shape)
print(b)
plt.show()
plt.close()

import matplotlib.pyplot as plt
fig = plt.figure(figsize=(6,6))
ax1 = plt.subplot2grid((3,3),(0,0),colspan=2)
ax2 = plt.subplot2grid((3,3),(0,2),rowspan=2)
ax3 = plt.subplot2grid((3,3),(1,0),rowspan=2)
ax4 = plt.subplot2grid((3,3),(2,1),colspan=2)
ax5 = plt.subplot2grid((3,3),(1,1))
plt.show()
plt.close()

import numpy as np
import matplotlib.pyplot as plt
# plt.figure creates a matplotlib.figure.Figure instance
fig = plt.figure()
rect = fig.patch # a rectangle instance
rect.set_facecolor('yellow')
ax1 = fig.add_axes([0.1, 0.3, 1,1])
rect = ax1.patch
rect.set_facecolor('orange')
for label in ax1.xaxis.get_ticklabels():
    # label is a Text instance
    label.set_color('red')
    label.set_rotation(45)
    label.set_fontsize(16)
for line in ax1.yaxis.get_ticklines():
    # line is a Line2D instance
    line.set_color('green')
    line.set_markersize(5)
    line.set_markeredgewidth(3)
plt.show()

# 修改坐標軸刻度的例子
# 配置X軸的刻度線的位置和文本，並開啟副刻度線
# 導入fractions包，處理分數
import numpy as np
import matplotlib.pyplot as plt
from fractions import Fraction
# 導入ticker，刻度定義和文本格式化都在ticker中定義
from matplotlib.ticker import MultipleLocator, FuncFormatter 
x = np.arange(0, 4*np.pi, 0.01)
fig, ax = plt.subplots(figsize=(8,4))
plt.plot(x, np.sin(x), x, np.cos(x))
# 定義pi_formatter, 用於計算刻度文本
# 將數值x轉換為字符串，字符串中使用Latex表示數學公式。
def pi_formatter(x, pos): 
    frac = Fraction(int(np.round(x / (np.pi/4))), 4)
    d, n = frac.denominator, frac.numerator
    if frac == 0:
        return "0"
    elif frac == 1:
        return "$\pi$"
    elif d == 1:
        return r"${%d} \pi$" % n
    elif n == 1:
        return r"$\frac{\pi}{%d}$" % d
    return r"$\frac{%d \pi}{%d}$" % (n, d)
# 設置兩個坐標軸的范圍
plt.ylim(-1.5,1.5)
plt.xlim(0, np.max(x))
# 設置圖的底邊距
plt.subplots_adjust(bottom = 0.15)
plt.grid() #開啟網格
# 主刻度為pi/4
# 用MultipleLocator以指定數值的整數倍放置刻度線
ax.xaxis.set_major_locator( MultipleLocator(np.pi/4) )
# 主刻度文本用pi_formatter函數計算
# 使用指定的函數計算刻度文本，這裡使用我們剛剛編寫的pi_formatter函數
ax.xaxis.set_major_formatter( FuncFormatter( pi_formatter ) ) 
# 副刻度為pi/20
ax.xaxis.set_minor_locator( MultipleLocator(np.pi/20) )
# 設置刻度文本的大小
for tick in ax.xaxis.get_major_ticks():
    tick.label1.set_fontsize(16)
plt.show()
plt.close()

import datetime 
import numpy as np
import matplotlib.pyplot as plt
# 準備數據
x = np.arange(0,10,0.01)
y = np.sin(x)
# 將數據轉換為datetime對象列表
date_list = []
date_start = datetime.datetime(2000,1,1,0,0,0)
delta = datetime.timedelta(days=1)
for i in range(len(x)):
    date_list.append(date_start + i*delta)
# 繪圖，將date_list作為x軸數據，當作參數傳遞
fig, ax = plt.subplots(figsize=(10,4))
plt.plot(date_list, y)
# 設定標題
plt.title('datetime example')
plt.ylabel('data')
plt.xlabel('Date')
plt.show()
plt.close()