matplotlib基础学习

matplotlib基础学习

matplotlib库是一个非常强大的数据可视化库，可以绘制多种的可视化图片。

简单示例

import numpy as npimport matplotlib.pyplot as plt# 从-1,1之间获取50个数x = np.linspace(-1, 1, 50)y = 2 * x + 1# 画线plt.plot(x, y)# 显示图像plt.show()

如图：

Figure

matplotlib的图像都是位于Figure对象中。我们可以使用plt.figure创建一个Figure：如：

import numpy as npimport matplotlib.pyplot as pltx = np.linspace(-3, 3, 50)y1 = x * 2 + 1y2 = x ** 2# 创建一个Figure对象plt.figure()# 将线画在figure上plt.plot(x, y1)# 创建另外一个Figureplt.figure()# 在figure上画线plt.plot(x, y2)# 显示plt.show()

除此之外，我们还可以对figure的参数进行修改：

# num：指定figure的名称，figsize：指定figure的宽高plt.figure(num=3, figsize=(8, 4))

我们还可以在figure上画多根线，还可以指定线的颜色，样式等，如：

import numpy as npimport matplotlib.pyplot as pltx = np.linspace(-3, 3, 50)y1 = x * 2 + 1y2 = x ** 2# 创建一个Figure对象plt.figure()# 将线画在figure上plt.plot(x, y1)# 创建另外一个Figure，指定num为3，设置宽高为（8,4）plt.figure(num=3, figsize=(8, 4))# 在figure上画线，默认是蓝色plt.plot(x, y2)# 在figure上画线，color：指定线的颜色，linewidth：指定线宽，linestype：指定线的样式。plt.plot(x, y1, color='red', linewidth=1.0, linestyle='--')# 显示plt.show()

设置坐标轴和标题

设置坐标轴，我们常常使用如下方法：

• xlim：限制x轴的取值范围

• ylim：限制y轴的取值范围

• xlabel：设置x轴的标签

• ylabel：设置y轴的标签

• title：设置标题

注：中文在figure的显示，使用FontProperties，加载字体

# 在上面的代码基础上添加...# 设置x轴范围在(-2,3)plt.xlim((-2, 3))# 设置y轴范围在(-2,8)plt.ylim((-2, 8))# 设置x轴的标签plt.xlabel('I am x')# 设置y轴的标签，显示中文font = FontProperties(fname='C:\Windows\Fonts\simkai.ttf', size=14) # 从指定的位置加载字体，设置字体大小plt.ylabel('y 轴', fontproperties=font)# 设置标题plt.title('我是标题', fontproperties=font)# 显示plt.show()

我们还可以设置x,y轴上的刻度显示：

• xticks：x轴的数字显示（刻度显示）

• yticks：x轴的数字显示（刻度显示）

# 在上面的代码基础上...# 设置x轴的刻度显示news_ticks = np.linspace(-2, 3, 11)plt.xticks(news_ticks)# 设置y轴上的刻度显示，并指定别名plt.yticks([0, 2, 4, 6, 8], ['bad', 'normal', 'no bad', 'good', 'very good'])# 显示plt.show()

我们还可以通过gca()方法，获取axis对象来对轴进行做操作。

# 在上面代码基础上...# get current axisax = plt.gca()# spines表示边框刻度，有left,right,top,bottom# 设置right,右边的颜色为noneax.spines['right'].set_color('none')# 设置top,上边的颜色为noneax.spines['top'].set_color('none')# 将bottom的边框刻度设置为0的位置，与y轴相交ax.spines['bottom'].set_position(('data', 0))# 将left的边框刻度设置为0的位置，与x轴相交ax.spines['left'].set_position(('data', 0))# 显示plt.show()

图例

import numpy as npimport matplotlib.pyplot as pltx = np.linspace(-3, 3, 50)y1 = x * 2 + 1y2 = x ** 2# 创建一个Figureplt.figure()# 在figure上画线，label:标签plt.plot(x, y2, label='aaa')# 在figure上画线，color：指定线的颜色，linewidth：指定线宽，linestype：指定线的样式，label：标签plt.plot(x, y1, color='red', linewidth=1.0, linestyle='--', label='bbb')# 设置图例plt.legend()# 显示plt.show()

我们还有另外一种方式生成图例：

import numpy as npimport matplotlib.pyplot as pltx = np.linspace(-3, 3, 50)y1 = x * 2 + 1y2 = x ** 2# 创建一个Figureplt.figure()# 在figure上画线，返回一个line1,对象：变量后面需要加上,line1, = plt.plot(x, y2, label='aaa')# 在figure上画线，color：指定线的颜色，linewidth：指定线宽，linestype：指定线的样式line2, = plt.plot(x, y1, color='red', linewidth=1.0, linestyle='--', label='bbb')# 设置图例，handles：接收作为图例的参数，labels会把line1和line2的label覆盖，loc：图例放置的位置，best：默认最好的位置plt.legend(handles=(line1, line2), labels=('linear line', 'square line'), loc='best')# 显示plt.show()

annotation标注

import numpy as npimport matplotlib.pyplot as pltfrom matplotlib.font_manager import FontPropertiesx = np.linspace(-3, 3, 50)y1 = x * 2y2 = x ** 2plt.figure()plt.plot(x, y1, color='red', lw=1, linestyle='--')plt.plot(x, y2, color='blue', lw=1)plt.xlim(-2, 3)plt.ylim(-2, 6)ax = plt.gca()ax.spines['top'].set_color('none')ax.spines['right'].set_color('none')ax.spines['bottom'].set_position(('data', 0))ax.spines['left'].set_position(('data', 0))x0 = 2y0 = 2 * x0plt.plot([x0, x0], [y0, 0], 'k--', lw=1)plt.scatter([x0, ], [y0, ], s=50, lw=0, color='black')# 创建一个描述  annotate(s, xy, xytext=None, xycoords='data',textcoords='data', arrowprops=None, **kwargs)# s : 描述的内容# xy : 加描述的点# xytext : 标注的位置，xytext=(30,-30),表示从标注点x轴方向上增加30，y轴方向上减30的位置# xycoords 、textcoords :这两个参数试了好多次没弄明白，只知道 xycoords='data'给定就行，#  textcoords='offset points' 标注的内容从xy设置的点进行偏移xytext# textcoords='data' 标注内容为xytext的绝对坐标# fontsize : 字体大小，这个没什么好说的# arrowstyle : 箭头样式'->'指向标注点 '<-'指向标注内容 还有很多'-'# '->'   head_length=0.4,head_width=0.2# '-['  widthB=1.0,lengthB=0.2,angleB=None# '|-|'     widthA=1.0,widthB=1.0# '-|>'  head_length=0.4,head_width=0.2# '<-'   head_length=0.4,head_width=0.2# '<->'   head_length=0.4,head_width=0.2# '<|-'  head_length=0.4,head_width=0.2# '<|-|>'     head_length=0.4,head_width=0.2# 'fancy'   head_length=0.4,head_width=0.4,tail_width=0.4# 'simple'  head_length=0.5,head_width=0.5,tail_width=0.2# 'wedge'   tail_width=0.3,shrink_factor=0.5font = FontProperties(fname='C:\Windows\Fonts\simkai.ttf', size=10)  # 从指定的位置加载字体，设置字体大小plt.annotate(s='y = 2x 与 \ny = x ** 2相交', xy=(x0, y0), xytext=(+30, -30), xycoords='data', textcoords='offset points',             fontsize=10, arrowprops=dict(arrowstyle='<-', connectionstyle="arc3,rad=.2"), fontproperties=font)# 直接在图片上添加文字做标注，实际是添加文字# (-2,5)坐标处开始输入，输入的内容空格要用\转义，plt.text(-2, 5, r'$This\ is\ the\ some\ text.$',fontdict={'size': 10, 'color': 'r'})plt.show()

scatter散点图

import numpy as npimport matplotlib.pyplot as pltplt.scatter(np.arange(30), np.arange(30) + 3 * np.random.randn(30), marker='o', color='blue')plt.scatter(np.arange(30), np.arange(30) + 3 * np.random.randn(30), marker='x', color='red')plt.show()

柱状图

import numpy as npimport matplotlib.pyplot as pltn = 10X = np.arange(n)Y1 = (1 - X / float(n)) * np.random.uniform(0.5, 1.0, n)Y2 = (1 - X / float(n)) * np.random.uniform(0.5, 1.0, n)# 设置柱状图，facecolor：柱状图的颜色，edgecolor：边框颜色bar1 = plt.bar(X, Y1, facecolor='#9999ff', edgecolor='white')# -Y2：负数，表示朝下bar2 = plt.bar(X, -Y2, facecolor='#ff9999', edgecolor='white')for x, y in zip(X, Y1):    # text()：在柱状图上设置文字    # x,y+0.02表示文字的位置（坐标）    # '%.2f':保留2位小数    # ha: horizontal alignment（水平对齐）    # va: vertical alignment（垂直对齐）    plt.text(x, y + 0.02, '%.2f' % y, ha='center', va='bottom')for x, y in zip(X, Y2):    # text()：在柱状图上设置文字    # x,-y-0.02表示文字的位置（坐标）    # '%.2f':保留2位小数    # ha: horizontal alignment（水平对齐）    # va: vertical alignment（垂直对齐）    plt.text(x, -y - 0.02, '%.2f' % y, ha='center', va='top')# 去除边框上的刻度plt.xticks(())plt.yticks(())# 去除边框ax = plt.gca()ax.spines['left'].set_color('none')ax.spines['right'].set_color('none')ax.spines['top'].set_color('none')ax.spines['bottom'].set_color('none')# 设置图例plt.legend(handles=(bar1, bar2), labels=('male', 'female'), loc='best')plt.show()

等高线

import numpy as npimport matplotlib.pyplot as pltdef f(x, y):    # 通过x,y的坐标计算height    return (1 - x / 2 + x ** 5 + y ** 3) * np.exp(-x ** 2 - y ** 2)n = 256x = np.linspace(-3, 3, n)y = np.linspace(-3, 3, n)# meshgrid函数通常在数据的矢量化上使用. 适用于生成网格型数据X, Y = np.meshgrid(x, y)# 画出等高线C = plt.contour(X, Y, f(X, Y), 8, cmap = plt.cm.hot, linewidth=0.5)# 画出等高线上的数字plt.clabel(C, inline=True, fontsize=10)plt.xticks(())plt.yticks(())plt.show()

Image图片

import numpy as npimport matplotlib.pyplot as plta = np.array([0.313660827978, 0.365348418405, 0.423733120134,              0.365348418405, 0.439599930621, 0.525083754405,              0.423733120134, 0.525083754405, 0.651536351379]).reshape(3, 3)# 以image的形式显示# interpolation:显示方向# cmap：显示图片的背景# origin:['upper', 'lower']plt.imshow(a, interpolation='nearest', cmap='hot', origin='lower')# 设置颜色条，shrink:压缩比例plt.colorbar(shrink=0.9)# 去除边框的刻度plt.xticks(())plt.yticks(())plt.show()

3D图形

import numpy as npimport matplotlib.pyplot as pltfrom mpl_toolkits.mplot3d import Axes3Dfig = plt.figure()ax = Axes3D(fig)X = np.arange(-4, 4, 0.25)Y = np.arange(-4, 4, 0.25)X, Y = np.meshgrid(X, Y)R = np.sqrt(X ** 2 + Y ** 2)Z = np.sin(R)# rstride:横跨# cstride：列跨# cmap：彩虹样式ax.plot_surface(X, Y, Z, rstride=1, cstride=1, cmap=plt.get_cmap('rainbow'))# 等高线ax.contourf(X, Y, Z, zdir='x', offset=-2, cmap='rainbow')# z轴限制，它会把Z轴图形压缩ax.set_zlim(-2, 2)plt.show()

sublplot

import matplotlib.pyplot as pltplt.figure()# 将figure分成2行2列,1：第1张图plt.subplot(2, 2, 1)# 第一个plotplt.plot([0, 1], [0, 1])# 将figure分成2行2列,2：第2张图plt.subplot(2, 2, 2)# 第一个plotplt.plot([0, 1], [0, 1])# 将figure分成2行2列,3：第3张图plt.subplot(2, 2, 3)# 第一个plotplt.plot([0, 1], [0, 1])# 将figure分成2行2列,4：第4张图plt.subplot(2, 2, 4)# 第一个plotplt.plot([0, 1], [0, 1])plt.show()

import matplotlib.pyplot as pltplt.figure()# 2行1列第1个元素plt.subplot(2, 1, 1)plt.plot([0, 1], [0, 1])# 2行3列第4个元素（上面有一行占了3个元素）plt.subplot(2, 3, 4)plt.plot([0, 1], [0, 1])# 2行3列第5个元素plt.subplot(2, 3, 5)plt.plot([0, 1], [0, 1])# 2行3列第6个元素plt.subplot(2, 3, 6)plt.plot([0, 1], [0, 1])plt.show()

分格显示

分格显示有3种方法：

• subplot2grid

import matplotlib.pyplot as pltplt.figure()# (3,3):3行3列，(0,0)：起始坐标，colspan=3：占3个单元格，rowspan=1：占一行ax1 = plt.subplot2grid((3, 3), (0, 0), colspan=3, rowspan=1)ax1.plot([1, 2], [1, 2])ax1.set_title('ax1_title')ax2 = plt.subplot2grid((3, 3), (1, 0), colspan=2)ax3 = plt.subplot2grid((3, 3), (1, 2), rowspan=2)ax4 = plt.subplot2grid((3, 3), (2, 0))ax5 = plt.subplot2grid((3, 3), (2, 1))plt.show()

• gridspec

import matplotlib.pyplot as pltimport matplotlib.gridspec as gridspecplt.figure()# 生成grid的数组gs = gridspec.GridSpec(3,3)# 通过数组的方式分格空间ax6 = plt.subplot(gs[0, :])ax7 = plt.subplot(gs[1, :2])ax8 = plt.subplot(gs[1:, 2])ax9 = plt.subplot(gs[-1, 0])ax10 = plt.subplot(gs[-1, -2])plt.show()

前2种方式的图如下：

• subplots

import matplotlib.pyplot as pltimport matplotlib.gridspec as gridspecplt.figure()# 参数：2,2表示2行2列，sharex：是否分享x轴，sharey：是否分享y轴# (ax11,ax12),(ax21,ax22)表示矩阵位置f, ((ax11, ax12), (ax21, ax22)) = plt.subplots(2, 2, sharex=True, sharey=True)# 对ax11画出散点图ax11.scatter([1, 2], [1, 2])plt.show()

图中图

import matplotlib.pyplot as pltfig = plt.figure()x = range(1, 8)y = [1, 3, 4, 2, 5, 8, 6]# figure中的一个ax1，给ax1设置大小，标签，标题等left, bottom, width, height = 0.1, 0.1, 0.8, 0.8ax1 = fig.add_axes([left, bottom, width, height])ax1.plot(x, y, 'r')ax1.set_xlabel('x')ax1.set_ylabel('y')ax1.set_title('title')# figure中的一个ax2，给ax1设置大小，标签，标题等left, bottom, width, height = 0.2, 0.6, 0.25, 0.25ax2 = fig.add_axes([left, bottom, width, height])ax2.plot(x, y, 'b')ax2.set_xlabel('x')ax2.set_ylabel('y')ax2.set_title('title inside 1')# 与上面使用axis对象的是一样的left, bottom, width, height = 0.6, 0.2, 0.25, 0.25plt.axes([left, bottom, width, height])# y[::-1]：y数组倒序排列plt.plot(y[::-1], x, 'g')plt.xlabel('x')plt.ylabel('y')plt.title('title inside 2')plt.show()

主次坐标轴

import matplotlib.pyplot as pltimport numpy as npx = np.arange(0, 10, 0.1)y1 = 0.05 * x ** 2y2 = -1 * y1fig, ax1 = plt.subplots()ax2 = ax1.twinx()ax1.plot(x, y1, 'g-')ax2.plot(x, y2, 'b--')ax1.set_xlabel('X data')ax1.set_ylabel('Y1 data', color='g')ax2.set_ylabel('Y2 data', color='b')plt.show()

Animation 动画

import numpy as npfrom matplotlib import pyplot as pltfrom matplotlib import animationfig, ax = plt.subplots()x = np.arange(0, 2 * np.pi, 0.01)line, = ax.plot(x, np.sin(x))def animate(i):    # 更新数据    line.set_ydata(np.sin(x + i / 10.0))    return linedef init():    # 初始化    line.set_ydata(np.sin(x))    return lineanim = animation.FuncAnimation(fig=fig, func=animate, frames=100,                               init_func=init, interval=20)plt.show()