Python中如何使用Matplotlib庫繪制圖形

前言

Matplotlib 可能是 Python 2D-繪圖領域使用最廣泛的套件。它能讓使用者很輕松地將數據圖形化,並且提供多樣化的輸出格式。這裡將會探索使用matplotlib 庫實現簡單的圖形繪制。

一、簡單的正弦函數與餘弦函數

是取得正弦函數和餘弦函數的值:

X 是一個 numpy 數組,包含瞭從 −π 到 +π 等間隔的 256 個值。C 和 S 則分別是這 256 個值對應的餘弦和正弦函數值組成的 numpy 數組。

X = np.linspace(-np.pi, np.pi, 256,endpoint=True)
C,S = np.cos(X), np.sin(X)

 完整代碼如下

import numpy as np
import matplotlib.pyplot as plt
 
X = np.linspace(-np.pi, np.pi, 256, endpoint=True)
C, S = np.cos(X), np.sin(X)
#繪制並顯示圖形
plt.plot(X, C)
plt.plot(X, S)
 
plt.show()

二、進階版正弦函數與餘弦函數

上面我們學習瞭簡單的正弦函數與餘弦函數,接下來我們將精益求精,改變顏色與粗細,設置記號,調整邊框等。

1.改變顏色與粗細

我們以藍色和紅色分別表示餘弦和正弦函數,而後將線條變粗一點。接下來,我們在水平方向拉伸一下整個圖。

代碼如下(示例):

figure(figsize=(10, 6), dpi=80)
plot(X, C, color="blue", linewidth=2.5, linestyle="-")
plot(X, S, color="red",  linewidth=2.5, linestyle="-")

2.設置圖片邊界

代碼如下(示例):

xmin, xmax = X.min(), X.max()
dx = (xmax - xmin) * 0.2
xlim(xmin - dx, xmax + dx)

3.設置記號

我們討論正弦和餘弦函數的時候,通常希望知道函數在 ±π 和 ±π2 的值。

xticks( [-np.pi, -np.pi/2, 0, np.pi/2, np.pi])
yticks([-1, 0, +1])

4.設置記號的標簽

我們可以把 3.142 當做是 π,但畢竟不夠精確。當我們設置記號的時候,我們可以同時設置記號的標簽。註意這裡使用瞭 LaTeX。

xticks([-np.pi, -np.pi/2, 0, np.pi/2, np.pi],
       [r'$-\pi$', r'$-\pi/2$', r'$0$', r'$+\pi/2$', r'$+\pi$'])
 
yticks([-1, 0, +1],
       [r'$-1$', r'$0$', r'$+1$'])

5.設置X,Y軸

ax = gca()
ax.spines['right'].set_color('none')
ax.spines['top'].set_color('none')
ax.xaxis.set_ticks_position('bottom')
ax.spines['bottom'].set_position(('data', 0))
ax.yaxis.set_ticks_position('left')
ax.spines['left'].set_position(('data', 0))

6.完整代碼

# 導入 matplotlib 的所有內容(nympy 可以用 np 這個名字來使用)
from pylab import *
 
# 創建一個 8 * 6 點(point)的圖,並設置分辨率為 80
figure(figsize=(8, 6), dpi=80)
 
# 創建一個新的 1 * 1 的子圖,接下來的圖樣繪制在其中的第 1 塊(也是唯一的一塊)
subplot(1, 1, 1)
 
X = np.linspace(-np.pi, np.pi, 256, endpoint=True)
C, S = np.cos(X), np.sin(X)
 
# 繪制餘弦曲線,使用藍色的、連續的、寬度為 1 (像素)的線條
plot(X, C, color="blue", linewidth=1.0, linestyle="-")
 
# 繪制正弦曲線,使用綠色的、連續的、寬度為 1 (像素)的線條
plot(X, S, color="green", linewidth=1.0, linestyle="-")
 
# 設置橫軸的上下限
xlim(-4.0, 4.0)
 
# 設置橫軸記號
xticks(np.linspace(-4, 4, 9, endpoint=True))
 
# 設置縱軸的上下限
ylim(-1.0, 1.0)
 
# 設置縱軸記號
yticks(np.linspace(-1, 1, 5, endpoint=True))
 
# 以分辨率 72 來保存圖片
# savefig("exercice_2.png",dpi=72)
 
# 設置顏色與粗細
figure(figsize=(10, 6), dpi=80)
plot(X, C, color="blue", linewidth=2.5, linestyle="-")
plot(X, S, color="red",  linewidth=2.5, linestyle="-")
# 設置邊框
xmin, xmax = X.min(), X.max()
 
dx = (xmax - xmin) * 0.2
 
xlim(xmin - dx, xmax + dx)
# 設置記號
xticks([-np.pi, -np.pi/2, 0, np.pi/2, np.pi])
yticks([-1, 0, +1])
 
# 設置記號的標簽
xticks([-np.pi, -np.pi/2, 0, np.pi/2, np.pi],
       [r'$-\pi$', r'$-\pi/2$', r'$0$', r'$+\pi/2$', r'$+\pi$'])
 
yticks([-1, 0, +1],
       [r'$-1$', r'$0$', r'$+1$'])
 
# 設置xy軸
ax = gca()
ax.spines['right'].set_color('none')
ax.spines['top'].set_color('none')
ax.xaxis.set_ticks_position('bottom')
ax.spines['bottom'].set_position(('data', 0))
ax.yaxis.set_ticks_position('left')
ax.spines['left'].set_position(('data', 0))
# 在屏幕上顯示
show()

最終效果

三、繪制簡單的折線圖

折線圖是一種將數據點按照順序連起來的圖形,可以體現變量y隨變量x的變化情況。Matplotlib 提供瞭plot()函數繪制折線圖,其語法格式如下:

plt.plot(*args, **kwargs)

常用參數及說明如下:

  • x、y:分別表示x軸和y軸對應的數據,接收列表類型參數
  • color:表示折線的顏色
  • marker:表示折線上點的類型,有“.”、“o”、“v”等等類型
  • linestyle:表示折線的類型,默認為“-”,表示實線,設置為“–”表示長虛線,設置為“-.”表示點線,設置為“:”表示點虛線
  • linewidth:表示折線的粗細
  • alpha:表示點的透明度,接收0~1之間的小數

下面我們將以 某地區周一到周日平均溫度變化折線圖為例,具體的學習瞭解折線圖的繪制。

import matplotlib.pyplot as plt
 
plt.figure(figsize=(10, 8))
# 周一到周日平均溫度數據
plt.plot([1,2,3,4,5,6,7], [12,11,11,13,12,10,10])
plt.show()

效果如下:

我們可以給圖表添加一些標簽和圖例,讓圖表更加清晰好看,具體方法如下:

  • plt.title():指定當前圖表的標題,包括名稱、位置、顏色、字體大小等
  • plt.xlabel():指定當前圖表x軸的名稱、位置、顏色、字體大小等
  • plt.ylabel():指定當前圖表y軸的名稱、位置、顏色、字體大小等
  • plt.xlim():指定當前圖表x軸的范圍
  • plt.ylim():指定當前圖表y軸的范圍
  • plt.xticks():指定當前圖表x軸刻度
  • plt.yticks():指定當前圖表y軸刻度
import matplotlib.pyplot as plt
 
# 設置支持中文
plt.rcParams['font.family'] = ['SimHei']
plt.figure(figsize=(10, 8))
 
plt.plot([1,2,3,4,5,6,7], [12,11,11,13,12,10,10], linestyle="-", marker=".")
plt.xlabel("時間")
plt.ylabel("溫度")
plt.yticks([i for i in range(20)][::5])
 
plt.show()

效果如下:

總結

到此這篇關於Python中如何使用Matplotlib庫繪制圖形的文章就介紹到這瞭,更多相關Python Matplotlib庫繪制圖形內容請搜索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: