Python Matplotlib绘图基础详细教程

目录

• 1. 画图的基本步骤
• 1.1一步一步看
• 2.散点图
• 3.条形图的绘制
• 4.四幅子图的绘制
• 5.饼状图的绘制
• 6.热力图的绘制
• 总结

plt是最常用的接口

1. 画图的基本步骤

1.导入模块

import matplotlib as mpl
import matplotlib.pyplot as plt

2.创建画板,然后对画板进行调整

3.定义数据

4.绘制图形(包含坐标轴的设置,数据的导入,线条的样式,颜色,还有标题,图例,等等)

5.plt.show()

1.1一步一步看

1.1.1**(一)第一步:创建并定义一个"画板"**(你将要在你定义的画板上面进行画图操作).

fig=plt.figure()#定义一张画板命名为fig

在plt.figure()括号里面还有一些参数

例如:

huaban=plt.figure(figsize=(6,10),facecolor='b',dpi=500)
#figsize是调整你的图像的比例大小,上面所示就是:长/宽=6/10
#facecolor是设置画板的背景颜色,一般颜色代码为英文的首字母
#dpi设置图像的分辨率,分辨率越图像越清晰
#edgcolor是设置边框颜色的参数

1.1.2**(二).第二步:定义你的x,y数据**

这里我们使用numpy库函数来制造一些数据

所以我们还得导入numpy函数

import numpy as np
#设置xy的值
x=np.linspace(-5,5,11)#这里就是把-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:设置x,y轴的大小,刻度,…**

#添加p1到画板
p1=fig.add_subplot(111)#这里的111是指把画板分成一行一列,把p1添加到第一副图

#限制函数坐标轴的长度
p1.axis([-5,5,-10,10])#x轴长度为-5到5,y轴长度为-10到10

#设置x,y轴的刻度
plt.xticks(x)
plt.yticks(y)
#这里是指:x,y轴的刻度为之前定义的x,y数据列表

#设置坐标轴的上下限
plt.xlim(-5,5)
plt.ylim(-10,10)

1.1.4(四).绘制图像,导入x,y数据,设置线条样式,颜色,粗细,添加图例,标题…

#绘制图像
p1.plot(x,y,marker='o',ms=5,lw=2,ls='--',label='band')
#x,y就是最开始定义的数据
#marker是设置拐点样式:o/h/^/./+等等
#ms是设置拐点的标记大小
#lw就是设置线条粗细,数值越大线条越粗
#ls是设置线条样式,这里'--'为虚线
#label是设置此线条的名称标题

p1.legend(loc='best')#添加图例,其中best是指将图例的位置添加到最佳位置,
#你也可以自己设置位置,例如:upper left(左上角)

#添加标题
plt.title('NUM',fontsize=24)#设置图像的标题,fontsize是设置标题文字的大小
plt.xlabel('Value',fontsize=14)#设置x轴的标题
plt.ylabel('ARG',fontsize=14)#设置y轴的标题

现在基本上就设置好了,因为我是在脚本中画图,所以我需要在代码的最后添加一个:plt.show(),它会自动启用一个事件循环,并找到所有当前可用的图形对象,然后打开一个交互式窗口来显示图形.

1.1.5上述的完整的代码(有一些细节的添加):

import matplotlib.pyplot as plt
import numpy as np
#设置xy的值
x=np.linspace(-5,5,11)
y=[1,6,3,-3,6,8,3,6,9,1,-5]
#创建一张画板
huaban=plt.figure(figsize=(6,10))
#添加p1到画板
p1=huaban.add_subplot(111)

#限制函数坐标轴的长度
p1.axis([-5,5,-10,10])

#设置x,y轴的刻度
plt.xticks(x)
plt.yticks(y)

#去除右边边框
p1.spines['right'].set_color('none')
#去除顶部边框
p1.spines['top'].set_color('none')

#下面两行代码是将xy轴的交点改为(0,0)
p1.spines['bottom'].set_position(('data',0))
p1.spines['left'].set_position(('data',0))

#绘制图像
p1.plot(x,y,marker='^',ms=5,lw=2,ls='--',label='band')
p1.legend(loc='upper left')
#添加标题
plt.title('NUM',fontsize=24)
plt.xlabel('Value',fontsize=14)
plt.ylabel('ARG',fontsize=14)

#添加辅助虚线
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-.')

#添加每个折点的坐标
for i in range(len(x)):
    p1.text(x[i],y[i],(x[i],y[i]),c='green')

plt.grid(c='b',ls='--')#这个函数是生成网格的函数
plt.show()

输出结果:

2.散点图

散点图其实大部分语法和上述差不多,只需要将折线图中的plt.polt()改为plt.scatter()

这里我们只需要画一幅图来做个例子,就省去创建画板的步骤,创建画板的步骤在后面才会有用.

import numpy as np
import matplotlib.pyplot as plt

#随机生成一些数据
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的简称,设置颜色
plt.legend(loc='best')

plt.scatter(x1,y1,s=50,c='blue',marker='o',label='blue')
plt.legend(loc='upper left')#在左上角添加图例

plt.xlabel('x')#给横坐标添加标签
plt.ylabel('y')#给纵坐标添加标签
plt.title('picture')#给图像添加标签
plt.show()#显示图像

输出结果:

3.条形图的绘制

使用plt.bar()进行绘制

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()

输出结果:

4.四幅子图的绘制

画子图就需要创建画板,然后对画板进行分割,然后在分出来的位置进行绘制不同的图像.

重点是这里:

p1 = huaban.add_subplot(221)p2=huaban.add_subplot(222)p3=huaban.add_subplot(223)p4=huaban.add_subplot(224)#这些数字的意思就是,把画板分成两行两列,四个位置,然后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="散点图")
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()

输出结果:

5.饼状图的绘制

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()

输出结果:

6.热力图的绘制

import matplotlib.pyplot as plt
import numpy as np
plt.figure(figsize=(4,4))
# Fixing random state for reproducibility
#np.random.seed(19680801)
#创建子图1
plt.subplot(211)
plt.imshow(np.random.random((10, 10)), cmap="hot")

#创建子图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()

输出结果:

总结

到此这篇关于Python Matplotlib绘图基础的文章就介绍到这了,更多相关Python Matplotlib绘图基础内容请搜索我们以前的文章或继续浏览下面的相关文章希望大家以后多多支持我们！