Python Matplotlib繪圖基礎詳細教程
plt是最常用的接口
1. 畫圖的基本步驟
1.導入模塊
import matplotlib as mpl import matplotlib.pyplot as plt
2.創建畫板,然後對畫板進行調整
3.定義數據
4.繪制圖形(包含坐標軸的設置,數據的導入,線條的樣式,顏色,還有標題,圖例,等等)
5.plt.show()
1.1一步一步看
1.1.1**(一)第一步:創建並定義一個"畫板"**(你將要在你定義的畫板上面進行畫圖操作).
fig=plt.figure()#定義一張畫板命名為fig
在plt.figure()括號裡面還有一些參數
例如:
huaban=plt.figure(figsize=(6,10),facecolor='b',dpi=500) #figsize是調整你的圖像的比例大小,上面所示就是:長/寬=6/10 #facecolor是設置畫板的背景顏色,一般顏色代碼為英文的首字母 #dpi設置圖像的分辨率,分辨率越圖像越清晰 #edgcolor是設置邊框顏色的參數
1.1.2**(二).第二步:定義你的x,y數據**
這裡我們使用numpy庫函數來制造一些數據
所以我們還得導入numpy函數
import numpy as np #設置xy的值 x=np.linspace(-5,5,11)#這裡就是把-5到5平均分成十一份,(-5,-4,-3,.....) y=[1,6,3,-3,6,8,3,6,9,1,-5]
1.1.3**(三).第三步:設置x,y軸的大小,刻度,…**
#添加p1到畫板 p1=fig.add_subplot(111)#這裡的111是指把畫板分成一行一列,把p1添加到第一副圖 #限制函數坐標軸的長度 p1.axis([-5,5,-10,10])#x軸長度為-5到5,y軸長度為-10到10 #設置x,y軸的刻度 plt.xticks(x) plt.yticks(y) #這裡是指:x,y軸的刻度為之前定義的x,y數據列表 #設置坐標軸的上下限 plt.xlim(-5,5) plt.ylim(-10,10)
1.1.4(四).繪制圖像,導入x,y數據,設置線條樣式,顏色,粗細,添加圖例,標題…
#繪制圖像 p1.plot(x,y,marker='o',ms=5,lw=2,ls='--',label='band') #x,y就是最開始定義的數據 #marker是設置拐點樣式:o/h/^/./+等等 #ms是設置拐點的標記大小 #lw就是設置線條粗細,數值越大線條越粗 #ls是設置線條樣式,這裡'--'為虛線 #label是設置此線條的名稱標題 p1.legend(loc='best')#添加圖例,其中best是指將圖例的位置添加到最佳位置, #你也可以自己設置位置,例如:upper left(左上角) #添加標題 plt.title('NUM',fontsize=24)#設置圖像的標題,fontsize是設置標題文字的大小 plt.xlabel('Value',fontsize=14)#設置x軸的標題 plt.ylabel('ARG',fontsize=14)#設置y軸的標題
現在基本上就設置好瞭,因為我是在腳本中畫圖,所以我需要在代碼的最後添加一個:plt.show(),它會自動啟用一個事件循環,並找到所有當前可用的圖形對象,然後打開一個交互式窗口來顯示圖形.
1.1.5上述的完整的代碼(有一些細節的添加):
import matplotlib.pyplot as plt import numpy as np #設置xy的值 x=np.linspace(-5,5,11) y=[1,6,3,-3,6,8,3,6,9,1,-5] #創建一張畫板 huaban=plt.figure(figsize=(6,10)) #添加p1到畫板 p1=huaban.add_subplot(111) #限制函數坐標軸的長度 p1.axis([-5,5,-10,10]) #設置x,y軸的刻度 plt.xticks(x) plt.yticks(y) #去除右邊邊框 p1.spines['right'].set_color('none') #去除頂部邊框 p1.spines['top'].set_color('none') #下面兩行代碼是將xy軸的交點改為(0,0) p1.spines['bottom'].set_position(('data',0)) p1.spines['left'].set_position(('data',0)) #繪制圖像 p1.plot(x,y,marker='^',ms=5,lw=2,ls='--',label='band') p1.legend(loc='upper left') #添加標題 plt.title('NUM',fontsize=24) plt.xlabel('Value',fontsize=14) plt.ylabel('ARG',fontsize=14) #添加輔助虛線 for i in range(len(x)): x1=[x[i],x[i]] y1=[0,y[i]] plt.plot(x1,y1,'r-.') for i in range(len(x)): x2=[0,x[i]] y2=[y[i],y[i]] p1.plot(x2,y2,'r-.') #添加每個折點的坐標 for i in range(len(x)): p1.text(x[i],y[i],(x[i],y[i]),c='green') plt.grid(c='b',ls='--')#這個函數是生成網格的函數 plt.show()
輸出結果:
2.散點圖
散點圖其實大部分語法和上述差不多,隻需要將折線圖中的plt.polt()改為plt.scatter()
這裡我們隻需要畫一幅圖來做個例子,就省去創建畫板的步驟,創建畫板的步驟在後面才會有用.
import numpy as np import matplotlib.pyplot as plt #隨機生成一些數據 N=20 x=np.random.rand(N) y=np.random.rand(N) x1=np.random.rand(N) y1=np.random.rand(N) plt.scatter(x,y,s=100,c='red',marker='^',label='red')#c是color的簡稱,設置顏色 plt.legend(loc='best') plt.scatter(x1,y1,s=50,c='blue',marker='o',label='blue') plt.legend(loc='upper left')#在左上角添加圖例 plt.xlabel('x')#給橫坐標添加標簽 plt.ylabel('y')#給縱坐標添加標簽 plt.title('picture')#給圖像添加標簽 plt.show()#顯示圖像
輸出結果:
3.條形圖的繪制
使用plt.bar()進行繪制
import numpy as np import matplotlib.pyplot as plt x=[1,2,3,4,5] y=np.random.rand(5) plt.figure(figsize=(8,4)) plt.bar(x,y) x_t=list(range(len(x))) plt.xticks(x,x_t) plt.show()
輸出結果:
4.四幅子圖的繪制
畫子圖就需要創建畫板,然後對畫板進行分割,然後在分出來的位置進行繪制不同的圖像.
重點是這裡:
p1 = huaban.add_subplot(221)p2=huaban.add_subplot(222)p3=huaban.add_subplot(223)p4=huaban.add_subplot(224)#這些數字的意思就是,把畫板分成兩行兩列,四個位置,然後p1在位置1,p2在位置2,p3在位置3.......
import numpy as np import matplotlib.pyplot as plt x=range(-10,10,1) y=np.random.rand(20) huaban=plt.figure(facecolor='pink',figsize=(8,8),dpi=100) p1 = huaban.add_subplot(221) p1.plot(x,y,label="sinx",marker='o') plt.legend(loc='best') plt.grid(c='r',linestyle=':') p2=huaban.add_subplot(222) x1=np.linspace(-np.pi*2,np.pi*2,1000) y1=np.sin(x1) p2.plot(x1,y1,label="sinx",color='blue') plt.legend(loc='best') plt.grid(c='b',linestyle='--') p3=huaban.add_subplot(223) x2=np.random.rand(10) y2=np.random.rand(10) x3=np.random.rand(10) y3=np.random.rand(10) p3.scatter(x2,y2,c='red',marker='o',label="散點圖") p3.scatter(x3,y3,c='red',marker='^',label="散1") p4=huaban.add_subplot(2,2,4) p4.plot(x1,np.cos(x1),label="cosx") plt.legend('best') plt.grid(c='c',linestyle=':') plt.show()
輸出結果:
5.餅狀圖的繪制
import matplotlib.pyplot as plt x=[35,25,25,15] colors=["#14615E", "#F46C40", "#3E95C0", "#A17D3B"] name=['A','B','C','D'] label=['35.00%','25.00%','25.00%','15.00%'] huaban=plt.figure() p1=huaban.add_subplot(111) p1.pie(x,labels=name,colors=colors,autopct='%1.2f%%',explode = (0, 0.2, 0, 0)) plt.axis('equal') plt.show()
輸出結果:
6.熱力圖的繪制
import matplotlib.pyplot as plt import numpy as np plt.figure(figsize=(4,4)) # Fixing random state for reproducibility #np.random.seed(19680801) #創建子圖1 plt.subplot(211) plt.imshow(np.random.random((10, 10)), cmap="hot") #創建子圖2 plt.subplot(212) plt.imshow(np.random.random((5, 5)), cmap="winter") plt.subplots_adjust(bottom=0.09, right=0.5, top=0.9) cax = plt.axes([0.75, 0.1, 0.065, 0.8]) plt.colorbar(cax=cax) plt.show()
輸出結果:
總結
到此這篇關於Python Matplotlib繪圖基礎的文章就介紹到這瞭,更多相關Python Matplotlib繪圖基礎內容請搜索WalkonNet以前的文章或繼續瀏覽下面的相關文章希望大傢以後多多支持WalkonNet!
推薦閱讀:
- python數據可視化plt庫實例詳解
- 利用python繪制線型圖
- Python數據分析應用之Matplotlib數據可視化詳情
- python數學建模之Matplotlib 實現圖片繪制
- Python Matplotlib數據可視化模塊使用詳解