莫烦python——Matplotlib

其他 2018-07-25 18:09:51 阅读次数: 0

莫烦Matplotlib教程

1、绘制直线

import matplotlib.pylab as plt
import numpy as np

x=np.linspace(-1,1,50)   #从-1~1生成50个点
y=2*x+1

##y=x**2

plt.plot(x,y)
plt.show()

这里写图片描述

这里写图片描述

2、在不同的窗口中显示

import matplotlib.pylab as plt
import numpy as np

x=np.linspace(-3,3,50)   #从-1~1生成50个点
y1=2*x+1
y2=x**2

#将不同的图显示在不同的figure中
plt.figure(1)
plt.plot(x,y1)

plt.figure(num=2,figsize=(8,5)) #编号为2，长、宽分别为8/5
plt.plot(x,y2)
plt.show()

这里写图片描述
这里写图片描述

3、不同的线在同一幅图中显示

import matplotlib.pylab as plt
import numpy as np

x=np.linspace(-3,3,50)   #从-1~1生成50个点
y1=2*x+1
y2=x**2

#将不同的图显示在不同的figure中
plt.figure(1)
plt.plot(x,y1)

plt.figure(num=2) #编号为2，长、宽分别为8/5
plt.plot(x,y2)
plt.plot(x,y1,color='red',linewidth=1.0,linestyle='--')
plt.show()

这里写图片描述

这里写图片描述

4、坐标轴设置

import matplotlib.pylab as plt
import numpy as np

x=np.linspace(-3,3,50)   #从-1~1生成50个点
y1=2*x+1
y2=x**2

plt.figure() #编号为2，长、宽分别为8/5
plt.plot(x,y2)
plt.plot(x,y1,color='red',linewidth=1.0,linestyle='--')

#坐标轴范围
plt.xlim((-1,2))
plt.ylim((-2,3))

#坐标轴描述
plt.xlabel('I am x')
plt.ylabel('I am y')

#修改坐标点
new_ticks=np.linspace(-1,2,5)      #ticks表示坐标，从-1~2分5个单位
print(new_ticks)
plt.xticks(new_ticks)              #设置xticks
# $$ 数学形式的字体，空格无法识别，用\+空格来转置，r表示正则表达式
plt.yticks([-2,-1.8,-1,1.22,3,],
           [r'$really\ bad$',r'$bad \alpha$',r'$normal$',r'$good$',r'$really\ good$'])

plt.show()

这里写图片描述

设置坐标轴位置：

import matplotlib.pylab as plt
import numpy as np

x=np.linspace(-3,3,50)   #从-1~1生成50个点
y1=2*x+1
y2=x**2

plt.figure() #编号为2，长、宽分别为8/5
plt.plot(x,y2)
plt.plot(x,y1,color='red',linewidth=1.0,linestyle='--')

#坐标轴范围
plt.xlim((-1,2))
plt.ylim((-2,3))

#坐标轴描述
plt.xlabel('I am x')
plt.ylabel('I am y')

#修改坐标点
new_ticks=np.linspace(-1,2,5)      #ticks表示坐标，从-1~2分5个单位
print(new_ticks)
plt.xticks(new_ticks)              #设置xticks
# $$ 数学形式的字体，空格无法识别，用\+空格来转置，r表示正则表达式
plt.yticks([-2,-1.8,-1,1.22,3,],
           [r'$really\ bad$',r'$bad \alpha$',r'$normal$',r'$good$',r'$really\ good$'])

#gca='get current axis'，把现在的轴拿出来
#本例中，就是整张图
ax=plt.gca()
#四个边框
ax.spines['right'].set_color(None)    #右边的边框设置为None，消失
ax.spines['top'].set_color(None)    #右边的边框设置为None，消失

#选择x轴用下面的轴来代替
ax.xaxis.set_ticks_position('bottom')
#y轴用左边的轴来代替
ax.yaxis.set_ticks_position('left')

#挪动轴
#将下面的轴挪动，设置的位置，data=-1表示坐标轴原点，x轴绑定到了y轴的-1的位置('data',-1)
#x轴绑定到了y轴的0的位置
ax.spines['bottom'].set_position(('data',0))
#y轴放到x轴的0点
ax.spines['left'].set_position(('data',0))
plt.show()

这里写图片描述

5、添加图例legend

import matplotlib.pylab as plt
import numpy as np

x=np.linspace(-3,3,50)   #从-1~1生成50个点
y1=2*x+1
y2=x**2

plt.figure() #编号为2，长、宽分别为8/5


#坐标轴范围
plt.xlim((-1,2))
plt.ylim((-2,3))

#坐标轴描述
plt.xlabel('I am x')
plt.ylabel('I am y')

#修改坐标点
new_ticks=np.linspace(-1,2,5)      #ticks表示坐标，从-1~2分5个单位
print(new_ticks)
plt.xticks(new_ticks)              #设置xticks
# $$ 数学形式的字体，空格无法识别，用\+空格来转置，r表示正则表达式
plt.yticks([-2,-1.8,-1,1.22,3,],
           [r'$really\ bad$',r'$bad \alpha$',r'$normal$',r'$good$',r'$really\ good$'])

l1,=plt.plot(x,y2,label='up')   #label表示线条名字
l2,=plt.plot(x,y1,color='red',linewidth=1.0,linestyle='--',label='down')
#location ='best'，python自己找到一个好的位置放置图例
#location ='upper/center/lower right/left'
#handles
plt.legend(handles=[l1,l2],labels=['aa','bb'],loc='best')

plt.show()

这里写图片描述

6、添加注解

import matplotlib.pylab as plt
import numpy as np

x=np.linspace(-3,3,50)   #从-1~1生成50个点
y=2*x+1

plt.figure() #编号为2，长、宽分别为8/5
plt.plot(x,y)

#gca='get current axis'，把现在的轴拿出来
#本例中，就是整张图
ax=plt.gca()
#四个边框
ax.spines['right'].set_color(None)    #右边的边框设置为None，消失
ax.spines['top'].set_color(None)    #右边的边框设置为None，消失

#选择x轴用下面的轴来代替
ax.xaxis.set_ticks_position('bottom')
#y轴用左边的轴来代替
ax.yaxis.set_ticks_position('left')

#挪动轴
#将下面的轴挪动，设置的位置，data=-1表示坐标轴原点，x轴绑定到了y轴的-1的位置('data',-1)
#x轴绑定到了y轴的0的位置
ax.spines['bottom'].set_position(('data',0))
#y轴放到x轴的0点
ax.spines['left'].set_position(('data',0))

x0=1
y0=2*x0+1
#用scatter来展示x0，只展示一个点
plt.scatter(x0,y0,s=50,color='b')
#虚线，根据两点，绘制一条线，[x0,x0],[y0,y0]是两个点的坐标
plt.plot([x0,x0],[y0,0],'k--',lw=2.5)

#method 1
#基于'offset point'，横坐标+30，纵坐标-30，打印text，也就是公式
#connectionstyle='arc3,rad=0.2，弧度
plt.annotate(r'$2x+1=%s$' % y0,xy=(x0,y0),xycoords='data',xytext=(+30,-30),
             textcoords='offset points',fontsize=16,
             arrowprops=dict(arrowstyle='->',connectionstyle='arc3,rad=0.2'))

#method 2
#开始位置的坐标 (-3.7,3)
plt.text(-3.7,3,r'$This\ is\ the\ some\ text.\ \mu\ \sigma_i\ \alpha_t$',
         fontdict={'size':16,'color':'r'})

plt.show()

这里写图片描述

7、坐标轴刻度

import matplotlib.pylab as plt
import numpy as np

x=np.linspace(-3,3,50)   #从-1~1生成50个点
y=0.1*x

plt.figure() #编号为2，长、宽分别为8/5
plt.plot(x,y,linewidth=2)
plt.ylim(-2,2)

#gca='get current axis'，把现在的轴拿出来
#本例中，就是整张图
ax=plt.gca()
#四个边框
ax.spines['right'].set_color(None)    #右边的边框设置为None，消失
ax.spines['top'].set_color(None)    #右边的边框设置为None，消失

#选择x轴用下面的轴来代替
ax.xaxis.set_ticks_position('bottom')
ax.spines['bottom'].set_position(('data',0))
#y轴用左边的轴来代替
ax.yaxis.set_ticks_position('left')
ax.spines['left'].set_position(('data',0))

for labels in ax.get_xticklabels()+ax.get_yticklabels():
    labels.set_fontsize(12)
    # 把label后面的背景色background color呈现出来,facecolor前景颜色，edgecolor背景颜色，
    # alpha透明度（0.7表示70%不透明）
    # bbox就是label后面的小框
    labels.set_bbox(dict(facecolor='black',edgecolor='None',alpha=0.7))

plt.show()

这里写图片描述

8、Scatter散点图

import matplotlib.pylab as plt
import numpy as np

n=1024

X=np.random.normal(0,1,n)   #均值为0，方差为1，共1024个数
Y=np.random.normal(0,1,n)
#利用公式计算颜色
T=np.arctan2(Y,X)

plt.scatter(X,Y,c=T,s=75,alpha=0.5)
# plt.scatter(np.arange(5),np.arange(5))

plt.xlim((-1.5,1.5))
plt.ylim((-1.5,1.5))
#隐藏所有的ticks
plt.xticks(())
plt.yticks(())

plt.show()

这里写图片描述

隐藏坐标之后：

这里写图片描述

绘制直线散点图：

import matplotlib.pylab as plt
import numpy as np

n=1024

X=np.random.normal(0,1,n)   #均值为0，方差为1，共1024个数
Y=np.random.normal(0,1,n)
#利用公式计算颜色
T=np.arctan2(Y,X)

plt.scatter(np.arange(5),np.arange(5))

#隐藏所有的ticks
plt.xticks(())
plt.yticks(())

plt.show()

这里写图片描述

9、条形图/柱状图

import matplotlib.pylab as plt
import numpy as np

# 数据
n=12                  #bin个数
X=np.arange(n)
Y1=(1-X/float(n))*np.random.uniform(0.5,1.0,n)  #产生随机变量，均匀分布，[0.5,1.0)中的数据
Y2=(1-X/float(n))*np.random.uniform(0.5,1.0,n)

plt.bar(X,+Y1,facecolor='#9999ff',edgecolor='white')
plt.bar(X,-Y2,facecolor='#ff9999',edgecolor='white')

# 加上每个柱状的值
# zip，把X和Y1的值分别传给x，y
for x,y in zip(X,Y1):
    # ha:horizontal alignment 水平对齐,center表示居中对齐
    # ha:'center', 'right', 'left'
    # va:vertical alignment 纵向对齐，bottom表示从下往上对齐
    # va:'top', 'bottom', 'center', 'baseline'
    # x+0.4,x往右多移动0.4个单位，y+0.05，y往上多移动0.05个单位
    plt.text(x+0.0,y+0.05,'%.2f' % y,ha='center',va='bottom')

for x,y in zip(X,Y2):
    #ha:horizontal alignment 水平对齐
    #va:vertical alignment 纵向对齐
    plt.text(x+0.0,-y-0.05,'-%.2f' % y,ha='center',va='top')

plt.xlim(-0.5,n)
plt.xticks(())
plt.ylim(-1.25,1.25)
plt.yticks(())

plt.show()

这里写图片描述

10、等高线图

import matplotlib.pylab as plt
import numpy as np

# 计算高度的函数
def f(x,y):
    return (1-x/2+x**5+y**3)*np.exp(-x**2-y**2)

n=256
x=np.linspace(-3,3,n)  #[-3,3]，共256个点
y=np.linspace(-3,3,n)
#计算高度
X,Y=np.meshgrid(x,y)   #把x，y绑定为网格的形式

#利用plt.contourf 来填充颜色(contour等高线+filling)
# 8 表示等高线分为多少部分，0->2部分，1->3部分，8->10部分
plt.contourf(X,Y,f(X,Y),8,alpha=0.75,cmap=plt.cm.hot)   #还有一种plt.cm.cool


#利用plt.contour 来添加等高线
C=plt.contour(X,Y,f(X,Y),8,colors='black',linewidth=0.5)
#添加数字描述
#C：在C上添加数字描述
#inline：画在线里边

plt.clabel(C,inline=True,fontsize=10)

plt.xticks(())
plt.yticks(())

plt.show()

这里写图片描述

11、Image图像

将数字对应成颜色，之后显示

import matplotlib.pylab as plt
import numpy as np

# image data
a=np.array([0.32366,0.34578,0.45363,
            0.34568,0.44324,0.56436,
            0.12356,0.34673,0.46573]).reshape(3,3)

# 要使得输出和矩阵a形状对应，origin='lower'，反向对应，origin='upper'
# 颜色越深，值越小，颜色越浅，值越大
# interpolation，不同的显示效果
plt.imshow(a,interpolation='nearest',cmap='bone',origin='lower')

# 添加colorbar
plt.colorbar()


plt.xticks(())
plt.yticks(())

plt.show()

这里写图片描述

12、3D显示

import matplotlib.pylab as plt
import numpy as np
from mpl_toolkits.mplot3d import Axes3D  #3D坐标轴的显示

# 首先定义一个figure，也就是显示图像的窗口
fig=plt.figure()
# 在figure上添加一个3D的坐标系
ax=Axes3D(fig)

#X,Y value
X=np.arange(-4,4,0.25)
Y=np.arange(-4,4,0.25)
# 添加网格
X,Y=np.meshgrid(X,Y)
#计算X,Y的值，变为高度Z的值
R=np.sqrt(X**2+Y**2)

#height value
Z=np.sin(R)


# 绘制3D图
# rstride=1，行跨，距离1个单位颜色就跨度了，也就是网格密集程度
# cstride=1，列跨

ax.plot_surface(X,Y,Z,rstride=1,cstride=1,cmap=plt.get_cmap('rainbow'))
# zdir,等高线从哪个方向压下去，就是投影哪个方向的等高线
ax.contourf(X,Y,Z,zdir='z',offset=-2,cmap='rainbow')
# 固定等高线的高度范围
ax.set_zlim(-2,2)


plt.show()

这里写图片描述

13、灰度图

import matplotlib.pylab as plt
import numpy as np

def f(x,y):
    return (1-x/2+x**5+y**3)*np.exp(-x**2-y**2)

n=10
x=np.linspace(-3,3,4*n)
y=np.linspace(-3,3,3*n)

X,Y=np.meshgrid(x,y)

plt.imshow(f(X,Y))
plt.colorbar(shrink=0.85)
plt.show()

这里写图片描述

14、饼状图

import matplotlib.pyplot as plt

labels = ['Frogs', 'Hogs', 'Dogs', 'Logs']
sizes = [15, 30, 45, 10]
explode = (0, 0.1, 0, 0)

plt.figure(1)
# pie绘制饼图
# sizes：每个饼状的大小（百分比）,explode：突出, labels：每块的标记,
# autopct：数字百分比显示格式，shadow：扇形是否有阴影，startangle：起始角度
plt.pie(sizes, explode, labels, autopct='%1.1f%%',
        shadow=True, startangle=90)

plt.show()

plt.figure(2)
explode = (0, 0, 0, 0)
plt.pie(sizes, explode, labels, autopct='%1.1f%%',
        shadow=False)
# 坐标轴相等，表示饼状图是圆形而不是椭圆形
plt.axis('equal')
plt.show()

这里写图片描述
这里写图片描述

15、绘制极坐标图

import numpy as np

import matplotlib.pyplot as plt

N = 20;
theta = np.linspace(0.0, 2 * np.pi, N, endpoint=False)
radii = 10 * np.random.rand(N)
width = np.pi / 4 * np.random.rand(N)

# 使用面向对象的方法绘制图像
ax = plt.subplot(111, projection='polar')
# left：数据点的其实角度, height：数据里中心点的距离高度,
# width：数据点的跨越角度大小（即扇形的角度）
bars = ax.bar(theta, radii, width, bottom=0.0)

for r, bar in zip(radii, bars):
    bar.set_facecolor(plt.cm.viridis(r / 10.))
    bar.set_alpha(0.5)

plt.show()

这里写图片描述

16、Subplot多合一

import matplotlib.pylab as plt
import numpy as np

plt.figure()

plt.subplot(221)
plt.plot([0,1],[0,1])

plt.subplot(222)
plt.plot([0,1],[0,1])

plt.subplot(223)
plt.plot([0,1],[0,1])

plt.subplot(224)
plt.plot([0,1],[0,1])

plt.show()

这里写图片描述

如果想要显示一副主图，其他的是子图，按下列实现

import matplotlib.pylab as plt
import numpy as np

plt.figure()

plt.subplot(2,1,1)
plt.plot([0,1],[0,1])

plt.subplot(2,3,4)
plt.plot([0,1],[0,1])

plt.subplot(2,3,5)
plt.plot([0,1],[0,1])

plt.subplot(2,3,6)
plt.plot([0,1],[0,1])

plt.show()

这里写图片描述

第一步：将整个画布分为两行一列，（2，1，1）
第二步：将第二行分为三列，此时子图从（2，3，4）开始绘制

17、subplot分格显示

method 1：

import matplotlib.pylab as plt
import matplotlib.gridspec as gridspec

#method 1:subplot2grid
plt.figure()
# 先分为3行3列，从(0,0)开始，行跨度1，列跨度为3
ax1=plt.subplot2grid((3,3),(0,0),colspan=3,rowspan=1)
ax1.plot([1,2],[1,2])
# 因为是axis，而不是figure整个的改变坐标轴，所以要使用set_xlabel/set_title等等
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.tight_layout()
plt.show()

method1：

这里写图片描述

method 2：

import matplotlib.pylab as plt
import matplotlib.gridspec as gridspec


#method 2:
plt.figure()
#3行3列
gs=gridspec.GridSpec(3,3)
ax1=plt.subplot(gs[0,:])   # 第0行，所有列
ax2=plt.subplot(gs[1,:2])  # 第1行，前两列
ax3=plt.subplot(gs[1:,2])  # 第1行之后，第2列
ax4=plt.subplot(gs[-1,0])  # 第最后一行，第0列
ax5=plt.subplot(gs[-1,-2]) # 最后一行，倒数第二列

plt.tight_layout()
plt.show()

这里写图片描述

method 3：

import matplotlib.pylab as plt
import matplotlib.gridspec as gridspec

#method 3:easy to define structure
# f：figure
# () 所有的2行2列的值，定义格式
f,((ax11,ax12),(ax21,ax22))=plt.subplots(2,2,sharex=True,sharey=True,)  #共享x、y轴
ax11.scatter([1,2],[1,2])

plt.tight_layout()
plt.show()

这里写图片描述

18、图中图

import matplotlib.pylab as plt

fig=plt.figure()

x=[1,2,3,4,5,6,7]
y=[1,3,4,2,5,8,6]

# 首先画一个大图
# 传入相对于整个figure的百分比
left,bottom,width,height=0.1,0.1,0.8,0.8
# 加上一个axis，传入参数
ax1=fig.add_axes([left,bottom,width,height])

ax1.plot(x,y,'r')
ax1.set_xlabel('x')
ax1.set_ylabel('y')
ax1.set_title('title')


# 加入小图1
left,bottom,width,height=0.2,0.6,0.25,0.25
# 加上一个axis，传入参数
ax2=fig.add_axes([left,bottom,width,height])

ax2.plot(y,x,'b')
ax2.set_xlabel('x')
ax2.set_ylabel('y')
ax2.set_title('title inside 1')

# 也可以用plt的方法
plt.axes([0.6,0.2,0.25,0.25])
plt.plot(y[::-1],x,'g')
plt.xlabel('x')
plt.ylabel('y')
plt.title('title inside 1')

plt.show()

这里写图片描述

19、绘制主次坐标轴

import matplotlib.pylab as plt
import numpy as np

x=np.arange(0,10,0.1)
y1=0.05*x**2
y2=-1*y1

fig,ax1=plt.subplots()
#用镜面将x的数据对称到另外坐标轴
ax2=ax1.twinx()
ax1.plot(x,y1,'g-')
ax2.plot(x,y2,'b-')

ax1.set_xlabel('X data')
ax1.set_ylabel('Y1',color='g')
ax2.set_ylabel('Y2',color='b')

plt.show()

这里写图片描述

20、animation动画

import numpy as np
import matplotlib.pylab as plt
from matplotlib import animation

fig,ax=plt.subplots()

x=np.arange(0,2*np.pi,0.01)
# ,是因为返回是列表，选择第一位就加，就好
line,=ax.plot(x,np.sin(x))

def Animation(i):
    line.set_ydata(np.sin(x+i/100))
    return line,

def init():
    line.set_ydata(np.sin(x))
    return line,

# 100:100帧
# 20：20ms更新一次
# blit：是否更新未变化的值
ani=animation.FuncAnimation(fig=fig,func=Animation,frames=100,
                            init_func=init,interval=20,blit=False)

plt.show()

这里写图片描述

函数总结：

函数 说明
plt.plot(x,y,fmt,…) 绘制一个坐标图
plt.boxplot(data,notch,position) 绘制一个箱形图
plt.bar(left,height,width,bottom) 绘制一个条形图
plt.barh(width,bottom,left,height) 绘制一个横向条形图
plt.polar(theta, r) 绘制极坐标图
plt.pie(data, explode) 绘制饼图
plt.psd(x,NFFT=256,pad_to,Fs) 绘制功率谱密度图
plt.specgram(x,NFFT=256,pad_to,F) 绘制谱图
plt.cohere(x,y,NFFT=256,Fs) 绘制X‐Y的相关性函数
plt.scatter(x,y) 绘制散点图，其中，x和y长度相同
plt.step(x,y,where) 绘制步阶图
plt.hist(x,bins,normed) 绘制直方图
plt.contour(X,Y,Z,N) 绘制等值图
plt.vlines() 绘制垂直图
plt.stem(x,y,linefmt,markerfmt) 绘制柴火图
plt.plot_date() 绘制数据日期

猜你喜欢

转载自blog.csdn.net/jiaoyangwm/article/details/79863449
今日推荐
火速冲上 GitHub 热榜 —— 开源编程语言、框架哪有这么可爱？
北京人形机器人创新中心发布全球首个纯电驱拟人奔跑的全尺寸人形机器人“天工”
LFOSSA 源来如此公开课 | 掌握云原生未来：CNCF 认证全面攻略与备考秘籍
国产云输入法——仅华为无云端数据上传安全问题
开源日报 | 工业开源项目OGG 1.0；姐姐，你要和我一起配置火狐吗；苹果AI遥遥落后？Fedora 40
开放签电子签章：停止新增，优化体验，前进更进（五一假期前工作）
周排行
Metasploit文件目录与入侵基本概念
跨域(CORS)请求问题[No 'Access-Control-Allow-Origin' header is present on the requested resource]常见解决方案
CodeIgniter 源码解读之 CodeIgniter.php（二）
SAS入门之（四）改变数据类型
初识元组
[数学建模]数学建模算法和模型（B站视频）（二）
Nginx 服务器源码安装配置流程
C#实现语音视频录制 【基于MCapture + MFile】
开发进度4
下载安装vue的方法网址
每日归档
更多
2024-04-28(0)
2024-04-27(56)
2024-04-26(39)
2024-04-25(22)
2024-04-24(36)
2024-04-23(26)
2024-04-22(39)
2024-04-21(0)
2024-04-20(6)
2024-04-19(5)

代码天地 © 2018 codetd.com

境外服务器   最新电视剧2022