Python Matplotlib简易教程【转】

本文转载自：https://blog.csdn.net/Notzuonotdied/article/details/77876080

详情请见：Matplotlib python 数据可视化神器

简单演示

import matplotlib.pyplot as plt
import numpy as np

# 从[-1,1]中等距去50个数作为x的取值 x = np.linspace(-1, 1, 50) print(x) y = 2*x + 1 # 第一个是横坐标的值，第二个是纵坐标的值 plt.plot(x, y) # 必要方法，用于将设置好的figure对象显示出来 plt.show()

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 9
• 10
• 11

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(-1, 1, 50) y = 2**x + 1 # 第一个是横坐标的值，第二个是纵坐标的值 plt.plot(x, y) plt.show()

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8

显示多个图像

import matplotlib.pyplot as plt
import numpy as np

# 多个figure x = np.linspace(-1, 1, 50) y1 = 2*x + 1 y2 = 2**x + 1 # 使用figure()函数重新申请一个figure对象 # 注意，每次调用figure的时候都会重新申请一个figure对象 plt.figure() # 第一个是横坐标的值，第二个是纵坐标的值 plt.plot(x, y1) # 第一个参数表示的是编号，第二个表示的是图表的长宽 plt.figure(num = 3, figsize=(8, 5)) # 当我们需要在画板中绘制两条线的时候，可以使用下面的方法： plt.plot(x, y2) plt.plot(x, y1, color='red', # 线颜色 linewidth=1.0, # 线宽 linestyle='--' # 线样式 ) plt.show()

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 9
• 10
• 11
• 12
• 13
• 14
• 15
• 16
• 17
• 18
• 19
• 20
• 21
• 22
• 23
• 24
• 25

　　这里会显示两个图像：

 

去除边框，指定轴的名称

import matplotlib.pyplot as plt
import numpy as np

# 从[-1,1]中等距去50个数作为x的取值 x = np.linspace(-1, 1, 50) y1 = 2*x + 1 y2 = 2**x + 1 # 请求一个新的figure对象 plt.figure() # 第一个是横坐标的值，第二个是纵坐标的值 plt.plot(x, y1) # 设置轴线的lable（标签） plt.xlabel("I am x") plt.ylabel("I am y") plt.show()

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 9
• 10
• 11
• 12
• 13
• 14
• 15
• 16
• 17
• 18

同时绘制多条曲线

import matplotlib.pyplot as plt
import numpy as np

# 从[-1,1]中等距去50个数作为x的取值 x = np.linspace(-1, 1, 50) y1 = 2*x + 1 y2 = 2**x + 1 # num表示的是编号，figsize表示的是图表的长宽 plt.figure(num = 3, figsize=(8, 5)) plt.plot(x, y2) # 设置线条的样式 plt.plot(x, y1, color='red', # 线条的颜色 linewidth=1.0, # 线条的粗细 linestyle='--' # 线条的样式 ) # 设置取值参数范围 plt.xlim((-1, 2)) # x参数范围 plt.ylim((1, 3)) # y参数范围 # 设置点的位置 new_ticks = np.linspace(-1, 2, 5) plt.xticks(new_ticks) # 为点的位置设置对应的文字。 # 第一个参数是点的位置，第二个参数是点的文字提示。 plt.yticks([-2, -1.8, -1, 1.22, 3], [r'$really\ bad$', r'$bad$', r'$normal$', r'$good$', r'$readly\ good$']) # gca = 'get current axis' ax = plt.gca() # 将右边和上边的边框（脊）的颜色去掉 ax.spines['right'].set_color('none') ax.spines['top'].set_color('none') # 绑定x轴和y轴 ax.xaxis.set_ticks_position('bottom') ax.yaxis.set_ticks_position('left') # 定义x轴和y轴的位置 ax.spines['bottom'].set_position(('data', 0)) ax.spines['left'].set_position(('data', 0)) plt.show()

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 9
• 10
• 11
• 12
• 13
• 14
• 15
• 16
• 17
• 18
• 19
• 20
• 21
• 22
• 23
• 24
• 25
• 26
• 27
• 28
• 29
• 30
• 31
• 32
• 33
• 34
• 35
• 36
• 37
• 38
• 39
• 40
• 41
• 42

多条曲线之曲线说明

import matplotlib.pyplot as plt
import numpy as np

# 从[-1,1]中等距去50个数作为x的取值 x = np.linspace(-1, 1, 50) y1 = 2*x + 1 y2 = 2**x + 1 # 第一个参数表示的是编号，第二个表示的是图表的长宽 plt.figure(num = 3, figsize=(8, 5)) plt.plot(x, y2) plt.plot(x, y1, color='red', linewidth=1.0, linestyle='--') # 设置取值参数 plt.xlim((-1, 2)) plt.ylim((1, 3)) # 设置lable plt.xlabel("I am x") plt.ylabel("I am y") # 设置点的位置 new_ticks = np.linspace(-1, 2, 5) plt.xticks(new_ticks) plt.yticks([-2, -1.8, -1, 1.22,3], [r'$really\ bad$', r'$bad$', r'$normal$', r'$good$', r'$readly\ good$']) l1, = plt.plot(x, y2, label='aaa' ) l2, = plt.plot(x, y1, color='red', # 线条颜色 linewidth = 1.0, # 线条宽度 linestyle='-.', # 线条样式 label='bbb' #标签 ) # 使用ｌｅｇｅｎｄ绘制多条曲线 plt.legend(handles=[l1, l2], labels = ['aaa', 'bbb'], loc = 'best' ) plt.show()

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 9
• 10
• 11
• 12
• 13
• 14
• 15
• 16
• 17
• 18
• 19
• 20
• 21
• 22
• 23
• 24
• 25
• 26
• 27
• 28
• 29
• 30
• 31
• 32
• 33
• 34
• 35
• 36
• 37
• 38
• 39
• 40
• 41
• 42
• 43
• 44
• 45

多个figure，并加上特殊点注释

import matplotlib.pyplot as plt
import numpy as np

# 从[-1,1]中等距去50个数作为x的取值 x = np.linspace(-1, 1, 50) y1 = 2*x + 1 y2 = 2**x + 1 plt.figure(figsize=(12, 8)) # 第一个参数表示的是编号，第二个表示的是图表的长宽 plt.plot(x, y2) plt.plot(x, y1, color='red', linewidth=1.0, linestyle='--') # gca = 'get current axis' ax = plt.gca() # 将右边和上边的边框（脊）的颜色去掉 ax.spines['right'].set_color('none') ax.spines['top'].set_color('none') # 绑定x轴和y轴 ax.xaxis.set_ticks_position('bottom') ax.yaxis.set_ticks_position('left') # 定义x轴和y轴的位置 ax.spines['bottom'].set_position(('data', 0)) ax.spines['left'].set_position(('data', 0)) # 显示交叉点 x0 = 1 y0 = 2*x0 + 1 # s表示点的大小，默认rcParams['lines.markersize']**2 plt.scatter(x0, y0, s = 66, color = 'b') # 定义线的范围，X的范围是定值，y的范围是从y0到0的位置 # lw的意思是linewidth,线宽 plt.plot([x0, x0], [y0, 0], 'k-.', lw= 2.5) # 设置关键位置的提示信息 plt.annotate(r'$2x+1=%s$' % y0, xy=(x0, y0), xycoords='data', xytext=(+30, -30), textcoords='offset points', fontsize=16, # 这里设置的是字体的大小 # 这里设置的是箭头和箭头的弧度 arrowprops=dict(arrowstyle='->',connectionstyle='arc3,rad=.2') ) # 在figure中显示文字信息 # 可以使用\来输出特殊的字符\mu\ \sigma\ \alpha plt.text(0, 3, r'$This\ is\ a\ good\ idea.\ \mu\ \sigma_i\ \alpha_t$', fontdict={'size':16,'color':'r'}) plt.show()

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 9
• 10
• 11
• 12
• 13
• 14
• 15
• 16
• 17
• 18
• 19
• 20
• 21
• 22
• 23
• 24
• 25
• 26
• 27
• 28
• 29
• 30
• 31
• 32
• 33
• 34
• 35
• 36
• 37
• 38
• 39
• 40
• 41
• 42
• 43
• 44
• 45
• 46
• 47
• 48
• 49
• 50
• 51
• 52
• 53

tick能见度设置

import matplotlib.pyplot as plt
import numpy as np

# 从[-1,1]中等距去50个数作为x的取值 x = np.linspace(-1, 1, 50) y = 2*x - 1 plt.figure(figsize=(12, 8)) # 第一个参数表示的是编号，第二个表示的是图表的长宽 # alpha是设置透明度的 plt.plot(x, y, color='r', linewidth=10.0, alpha=0.5) # gca = 'get current axis' ax = plt.gca() # 将右边和上边的边框（脊）的颜色去掉 ax.spines['right'].set_color('none') ax.spines['top'].set_color('none') # 绑定x轴和y轴 ax.xaxis.set_ticks_position('bottom') ax.yaxis.set_ticks_position('left') # 定义x轴和y轴的位置 ax.spines['bottom'].set_position(('data', 0)) ax.spines['left'].set_position(('data', 0)) # 可以使用tick设置透明度 for label in ax.get_xticklabels() + ax.get_yticklabels(): label.set_fontsize(12) label.set_bbox(dict(facecolor='y', edgecolor='None', alpha=0.7)) plt.show()

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 9
• 10
• 11
• 12
• 13
• 14
• 15
• 16
• 17
• 18
• 19
• 20
• 21
• 22
• 23
• 24
• 25
• 26
• 27
• 28
• 29

散点图

import matplotlib.pyplot as plt
import numpy as np

n = 1024 # 从[0] X = np.random.normal(0, 1, n) Y = np.random.normal(0, 1, n) T = np.arctan2(X, Y) plt.scatter(np.arange(5), np.arange(5)) plt.xticks(()) plt.yticks(()) plt.show()

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 9
• 10
• 11
• 12
• 13
• 14
• 15

条形图

import matplotlib.pyplot as plt
import numpy as np

n = 12 X = 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) plt.figure(figsize=(12, 8)) plt.bar(X, +Y1, facecolor='#9999ff', edgecolor='white') plt.bar(X, -Y2, facecolor='#ff9999', edgecolor='white') for x, y in zip(X,Y1): # ha: horizontal alignment水平方向 # va: vertical alignment垂直方向 plt.text(x, y+0.05, '%.2f' % y, ha='center', va='bottom') for x, y in zip(X,-Y2): # ha: horizontal alignment水平方向 # va: vertical alignment垂直方向 plt.text(x, y-0.05, '%.2f' % y, ha='center', va='top') # 定义范围和标签 plt.xlim(-.5, n) plt.xticks(()) plt.ylim(-1.25, 1.25) plt.yticks(()) plt.show()

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 9
• 10
• 11
• 12
• 13
• 14
• 15
• 16
• 17
• 18
• 19
• 20
• 21
• 22
• 23
• 24
• 25
• 26
• 27
• 28
• 29

contour等高线图

import matplotlib.pyplot as plt
import numpy as np

def get_height(x, y): # the height function return (1-x/2+x**5+y**3)*np.exp(-x**2-y**2) n = 256 x = np.linspace(-3, 3, n) y = np.linspace(-3, 3, n) X, Y = np.meshgrid(x, y) plt.figure(figsize=(14, 8)) # use plt.contourf to filling contours # X, Y and value for (X, Y) point # 横坐标、纵坐标、高度、 、透明度、cmap是颜色对应表 # 等高线的填充颜色 plt.contourf(X, Y, get_height(X, Y), 16, alpah=0.7, cmap=plt.cm.hot) # use plt.contour to add contour lines # 这里是等高线的线 C = plt.contour(X, Y, get_height(X, Y), 16, color='black', linewidth=.5) # adding label plt.clabel(C, inline=True, fontsize=16) plt.xticks(()) plt.yticks(()) plt.show()

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 9
• 10
• 11
• 12
• 13
• 14
• 15
• 16
• 17
• 18
• 19
• 20
• 21
• 22
• 23
• 24
• 25
• 26
• 27
• 28
• 29
• 30
• 31

image图片显示

import matplotlib.pyplot as plt
import numpy as np

# image data a = np.array([0.313660827978, 0.365348418405, 0.423733120134, 0.365348418405, 0.439599930621, 0.525083754405, 0.423733120134, 0.525083754405, 0.651536351379]).reshape(3,3) """ for the value of "interpolation", check this: http://matplotlib.org/examples/images_contours_and_fields/interpolation_methods.html for the value of "origin"= ['upper', 'lower'], check this: http://matplotlib.org/examples/pylab_examples/image_origin.html """ # 这是颜色的标注 # 主要使用imshow来显示图片，这里暂时不适用图片来显示，采用色块的方式演示。 plt.imshow(a, interpolation='nearest', cmap='bone', origin='lower') plt.colorbar(shrink=.90) # 这是颜色深度的标注，shrink表示压缩比例 plt.xticks(()) plt.yticks(()) plt.show()

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 9
• 10
• 11
• 12
• 13
• 14
• 15
• 16
• 17
• 18
• 19
• 20
• 21
• 22
• 23

3D数据图

import matplotlib.pyplot as plt
import numpy as np
from mpl_toolkits.mplot3d import Axes3D fig = plt.figure(figsize=(12, 8)) ax = Axes3D(fig) # 生成X，Y 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) # height value Z = np.sin(R) # 绘图 # rstride（row）和cstride(column)表示的是行列的跨度 ax.plot_surface(X, Y, Z, rstride=1, # 行的跨度 cstride=1, # 列的跨度 cmap=plt.get_cmap('rainbow') # 颜色映射样式设置 ) # offset 表示距离zdir的轴距离 ax.contourf(X, Y, Z, zdir='z', offest=-2, cmap='rainbow') ax.set_zlim(-2, 2) plt.show()

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 9
• 10
• 11
• 12
• 13
• 14
• 15
• 16
• 17
• 18
• 19
• 20
• 21
• 22
• 23
• 24
• 25
• 26
• 27
• 28
• 29

Subplot多合一显示

import matplotlib.pyplot as plt
import numpy as np

plt.figure()

# 将整个figure分成两行两列 plt.subplot(2, 2, 1) # 第一个参数表示X的范围，第二个是y的范围 plt.plot([0, 1], [0, 1]) plt.subplot(222) plt.plot([0, 1], [0, 2]) plt.subplot(223) plt.plot([0, 1], [0, 3]) plt.subplot(224) plt.plot([0, 1], [0, 4]) plt.show()

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 9
• 10
• 11
• 12
• 13
• 14
• 15
• 16
• 17
• 18
• 19
• 20

分格显示

subplot2grid

import matplotlib.pyplot as plt
import numpy as np
import matplotlib.gridspec as gridspec plt.figure() # 第一个元素表示将总的面板进行划分，划分为3行3列， # 第二个元素表示该面板从0行0列开始，列的跨度（colspan）为3列，行的跨度（rowspan）为1 ax1 = plt.subplot2grid((3, 3), (0, 0), colspan=3, rowspan=1) # 第一个元素的表示X的范围为[1,2]，第二个元素表示Y的范围为[1,2] ax1.plot([1, 2], [1, 2]) ax1.set_title(r'$ax1\_title$') # 第一个元素表示将总的面板进行划分，划分为3行3列， # 第二个元素表示该面板从1行0列开始，列的跨度（colspan）为2列，行的跨度（rowspan）取默认值1 ax2 = plt.subplot2grid((3, 3), (1, 0), colspan=2) ax2.set_title(r'$ax2\_title$') # 第一个元素表示将总的面板进行划分，划分为3行3列， # 第二个元素表示该面板从1行2列开始，行的跨度（rowspan）为2列，列的跨度（colspan）取默认值1 ax3 = plt.subplot2grid((3, 3), (1, 2), rowspan=2) ax3.set_title(r'$ax3\_title$') # 第一个元素表示将总的面板进行划分，划分为3行3列， # 第二个元素表示该面板从2行0列开始,行的跨度（rowspan）为2列，列的跨度（colspan）取默认值1 ax4 = plt.subplot2grid((3, 3), (2, 0)) ax4.set_title(r'$ax4\_title$') # 第一个元素表示将总的面板进行划分，划分为3行3列， # 第二个元素表示该面板从2行1列开始,行的跨度（rowspan）为2列，列的跨度（colspan）取默认值1 ax5 = plt.subplot2grid((3, 3), (2, 1)) ax5.set_title(r'$ax5\_title$') plt.tight_layout() plt.show()

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 9
• 10
• 11
• 12
• 13
• 14
• 15
• 16
• 17
• 18
• 19
• 20
• 21
• 22
• 23
• 24
• 25
• 26
• 27
• 28
• 29
• 30

gridspec

import matplotlib.pyplot as plt
import numpy as np

plt.figure()
# 首先，定义网格的布局为3行3列 gs = gridspec.GridSpec(3, 3) # 这里表示从0行全部都是ax1的 ax1 = plt.subplot(gs[0, :]) ax1.set_title(r'$ax1\_title$') # 这里表示第一行中0列和1列都是ax2的 ax2 = plt.subplot(gs[1, :2]) ax2.set_title(r'$ax2\_title$') # 这里表示第一行中2列是ax3的 ax3 = plt.subplot(gs[1:, 2]) ax3.set_title(r'$ax3\_title$') # 这里表示最后一行中0列是ax4的 ax4 = plt.subplot(gs[-1, 0]) ax4.set_title(r'$ax4\_title$') # 这里表示最后一行中倒数第二列是ax5的 ax5 = plt.subplot(gs[-1, -2]) ax5.set_title(r'$ax5\_title$') plt.tight_layout() plt.show()

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 9
• 10
• 11
• 12
• 13
• 14
• 15
• 16
• 17
• 18
• 19
• 20
• 21
• 22
• 23
• 24
• 25
• 26
• 27
• 28

easy to define structure分格显示

import matplotlib.pyplot as plt
import numpy as np

plt.figure()
# sharex表示共享X轴，sharey表示共享y轴 f, ((ax11, ax12), (ax21, ax22)) = plt.subplots(2, 2, sharex=True, sharey=True) # 显示点（1, 2）, （1, 2） ax11.scatter([1, 2], [1, 2]) ax11.set_title('11') ax12.set_title('11') ax21.set_title('21') ax22.set_title('22') plt.tight_layout() plt.show()

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 9
• 10
• 11
• 12
• 13
• 14
• 15
• 16

图中图

import matplotlib.pyplot as plt
import numpy as np

fig = plt.figure(figsize=(10, 6)) x = [1, 2, 3, 4, 5, 6, 7] y = [1, 3, 4, 2, 5, 8, 6] # 大图 left, bottom, width, weight = 0.1, 0.1, 0.8, 0.8 ax1 = fig.add_axes([left, bottom, width, weight]) ax1.plot(x, y, 'r') ax1.set_xlabel(r'$x$') ax1.set_ylabel(r'$y$') ax1.set_title(r'$××Interesting××$') # 左上小图 left, bottom, width, weight = 0.2, 0.6, 0.25, 0.25 ax2 = fig.add_axes([left, bottom, width, weight]) ax2.plot(y, x, 'b') ax2.set_xlabel(r'$x$') ax2.set_ylabel(r'$y$') ax2.set_title(r'$title\ inside\ 1$') # 右下小图 plt.axes([0.6, 0.2, 0.25, 0.25]) # 将y的数据逆序输出[::1] plt.plot(y[::-1],x, 'g') plt.xlabel('x') plt.ylabel('y') plt.title(r'$title\ inside\ 2$') plt.show()

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 9
• 10
• 11
• 12
• 13
• 14
• 15
• 16
• 17
• 18
• 19
• 20
• 21
• 22
• 23
• 24
• 25
• 26
• 27
• 28
• 29
• 30
• 31
• 32

主次坐标轴

import matplotlib.pyplot as plt
import numpy as np

# 从[0, 10]以0.1为间隔，形成一个列表 x = np.arange(0, 10, 0.1) y1 = 0.05 * x**2 y2 = -1 * y1 fig, ax1 = plt.subplots() # 镜像（上下左右颠倒） ax2 = ax1.twinx() ax1.plot(x, y1, 'g-') ax2.plot(x, y2, 'b--') # 为轴进行命名 ax1.set_xlabel(r'$X\ data$', fontsize=16) ax1.set_ylabel(r'$Y1$', color='g', fontsize=16) ax2.set_ylabel(r'$Y2$', color='b', fontsize=16) plt.show()

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 9
• 10
• 11
• 12
• 13
• 14
• 15
• 16
• 17
• 18
• 19
• 20
• 21

Animation动画

import matplotlib.pyplot as plt
import numpy as np
from matplotlib import animation fig, ax = plt.subplots() # 从[0, 2*np.pi]以0.01为间隔，形成一个列表 x = np.arange(0, 2*np.pi, 0.01) # 这里只需要列表的第一个元素，所以就用逗号“,”加空白的形式省略了列表后面的元素 line, = ax.plot(x, np.sin(x)) def animate(i): line.set_ydata(np.sin(x + i/100)) return line, def init(): line.set_ydata(np.sin(x)) # 这里由于仅仅需要列表的第一个参数，所以后面的就直接用空白省略了 return line, ani = animation.FuncAnimation(fig=fig, func=animate, # 动画函数 frames=100, # 帧数 init_func=init, # 初始化函数 interval=20, # 20ms blit=True) plt.show()

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 9
• 10
• 11
• 12
• 13
• 14
• 15
• 16
• 17
• 18
• 19
• 20
• 21
• 22
• 23
• 24
• 25
• 26
• 27
• 28