目录
3.1基本介绍
3.1.1环境搭建
- 安装：pip3.6 install matplotlib
- 导包:import matplotlib.pyplot as plt
%matplotlib inline # 可以在控制台生成画布，直接生成图像，一般在jupyter中使用，其他编辑器中可能会报错
- matplotlib:matrix：矩阵；plot：绘制；lib：库
3.1.2基本特点
- 支持2D的绘图库，绘制各种各样的制式图
- 线图、散点图、条状图、箱式图、雷达图
- 有良好的操作系统的兼容性
- 印刷级别的高质量图标
- Python、Shell、IPython、Shell、Jupyter Notebook、Web
- 核心对象：尺寸对象、plt绘制图片的时候自动创建一个figure对象
3.1.3图标组成
- 图表的标题
- 图例部分
- xy轴标签
- xy轴刻度部分
- 图形部分
- 图形标签
3.1.4绘制步骤
3.1.5配置参数
- axex: 设置坐标轴边界和表面的颜色、坐标刻度值大小和网格的显示
- figure: 控制dpi、边界颜色、图形大小、和子区( subplot)设置
- font: 字体集（font family）、字体大小和样式设置
- grid: 设置网格颜色和线性
- legend: 设置图例和其中的文本的显示
- line: 设置线条（颜色、线型、宽度等）和标记
- patch: 是填充2D空间的图形对象，如多边形和圆。控制线宽、颜色和抗锯齿设置等。
- savefig: 可以对保存的图形进行单独设置。例如，设置渲染的文件的背景为白色。
- verbose: 设置matplotlib在执行期间信息输出，如silent、helpful、debug和debug-annoying。
- xticks和yticks: 为x,y轴的主刻度和次刻度设置颜色、大小、方向，以及标签大小。
3.1.6简单的图形绘制
import numpy as np
import scipy.stats as stats
import matplotlib.style as style # 调整面板的样式
import matplotlib.pyplot as plt
style.use('fivethirtyeight') # 风格设置,画布背景
plt.rcParams['figure.figsize']=(14,7)
plt.rcParams['figure.dpi']=100
# 图形部分
X=np.linspace(-4,4,100)
y=stats.norm.pdf(X)/np.max(stats.norm.pdf(X))
plt.plot(X,y,label='PDF')
plt.fill_between(X,y,alpha=0.3) # 填充图形
plt.plot(X,stats.norm.cdf(X),label='CDF')
plt.legend() # 图例
# 图形的标签
plt.text(x=-1.3,y=0.7,s='PDF',rotation=60,alpha=0.75,weight='bold',size=20,color='#000FFF')
plt.text(x=0,y=0.6,s='CDF',rotation=60,alpha=0.75,weight='bold',size=20,color='#fc4000')
plt.title('Gaussian distribution') # 标题
plt.xlabel('X',color='r') # 标签
plt.ylabel('Y',color='r')
plt.axis([-4.2,4.2,0,1.2]) # 刻度
plt.savefig('./1.png',dpi=100) # 保存
plt.show() # 展示3.2基础图绘制
3.2.1条形图
x=np.arange(1,9)
y=np.random.randint(50,150,size=8)
fig=plt.figure(figsize=(8,6),facecolor='gray') # 画布的大小和颜色
plt.bar(
x,y, # 数据
width=0.8, # 条的宽度
color='red' # 图的颜色
)
labels=['Python','Java','C','C++','PHP','SQL','C#','Matlab']
plt.axis([0,9,40,150]) # 刻度范围
plt.xticks(x,labels=labels,rotation=60) # 刻度替换,角度
plt.yticks(np.arange(40,150,10)) # 可以替换刻度,也可以指定刻度
plt.show()fig=plt.figure(figsize=(8,6),facecolor='gray') # 画布的大小和颜色
x=np.arange(1,9)
y=np.random.randint(50,150,size=8)
plt.barh(
x,y,
height=0.3, # 条的宽度
color='cyan' # 图的颜色
)
labels=['Python','Java','C','C++','PHP','SQL','C#','Matlab']
plt.axis([40,150,0,9]) # 刻度范围
plt.yticks(x,labels=labels,rotation=0) # 刻度替换,角度
plt.xticks(np.arange(40,150,10)) # 可以替换刻度,也可以指定刻度
plt.show()3.2.2直方图
3.2.2.1普通直方图
n = np.random.randn(10000)
fig,axes = plt.subplots(1,2,figsize = (12,4)) # 生成1行两列的子图,宽12,高4,返回画布和子图
axes[0].hist(n,bins = 10) # 列数3.2.2.2累计直方图
n = np.random.randn(10000)
axes[1].hist(n,bins = 50,cumulative = True)# 累计直方图
axes[1].set_title('Cumulative detailed histogram')
axes[1].set_xlim(min(n),max(n))3.2.2.3转置直方图
import numpy as np
import matplotlib.pyplot as plt
u = 100 #数学期望
s = 15 #方差
x = np.random.normal(u,s,1000) # 生成正太分布数据
ax = plt.gca() #获取当前图表
ax.hist(x,bins = 100,color = 'r',orientation='horizontal')
plt.show()反转直方图：orientation='horizontal'
3.2.3散点图
- plt.scatter(x,y)
3.2.4折线图
- plt.plot(x,y)
3.2.5饼图
plt.figure(figsize=(4, 4));
x = [4, 9, 21, 55, 30, 18]
labels = ['Swiss', 'Austria', 'Spain', 'Italy', 'France', 'Benelux']
explode = [0.2, 0.1, 0, 0, 0.1, 0]
colors = ['r', 'k', 'b', 'm', 'c', 'g']
plt.pie(x, # 数值列表
labels=labels, # 标签
labeldistance=1.2,# 各个标签与图的距离
explode=explode, # 表示每一块与主体独立出来的距离
colors=colors, # 每一块的颜色
autopct='%1.1f%%', # 占比的比例保留的位数
pctdistance=0.5,
shadow=True);
plt.show()3.3子图的绘制
3.3.1使用subplots绘制
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
fig,axes=plt.subplots(
ncols=2, # 图的行数
nrows=2, # 图的列数
figsize=(16,16), # 图的大小
sharex=False, # 子图是否公用坐标轴
sharey=False, # 子图是否公用坐标轴
facecolor ='gray'
)
x=np.arange(-50,50)
y1=lambda i:i**2
y2=lambda i:i**3
y3=lambda i:np.log2(i)
y4=lambda i:np.abs(i)
axes[0,0].plot(x,y1(x))
axes[0,1].plot(x,y2(x))
axes[1,0].plot(x,y3(x))
axes[1,1].plot(x,y4(x))
plt.subplots_adjust(wspace=0.2,hspace=0.2) # 调整子图之间的距离,wspace和hspace分别用于控制间距宽度和高度的百分比
plt.show()subplots返回两个东西,一个是fig表示大图,一个是axes表示包含很多小图对象的数组array.
3.3.2使用add_plot创建子图
fig = plt.figure(figsize=(12,8),facecolor='gray') # 创建画布
x=np.arange(-50,50)
y1=lambda i:i**2
y2=lambda i:i**3
y3=lambda i:np.log2(i)
y4=lambda i:np.abs(i)
y=[y1(x),y2(x),y3(x),y4(x)]
for i in range(4):
ax = fig.add_subplot(2,2,i+1)
ax.plot(x,y[i])
print(plt.gca()) # 获取当前子图
print(plt.gcf()) # 获取当前图表
plt.show()3.4混合图绘制
x=np.arange(-20,21)
y1=np.sign(x)
y2=np.abs(x)
y3=np.log(y2)
fig=plt.figure(figsize=(8,6),facecolor='gray')
plt.scatter(x,y2,color='#220226')
plt.plot(x,y1,color='red')
plt.bar(x,y3)
plt.show()
3.5图形参数
3.5.1画布的属性和方法
3.5.1.1坐标轴
- 刻度的大小:这里的ticks和labels生成的长度可以不一样，ticks表示原来的刻度，labels表示现在的刻度。x轴为xticks，y轴为yticks
plt.xticks(ticks=np.arange(-4,5,0.5),labels=[i for i in range(1,18)])- 刻度的范围
plt.axis([-1,14,0,3500]) # 横轴起始，纵轴起始- 刻度的样式
labels=['0','$\sigma$/2','$\pi$','3$\pi$/2','2$\pi$']- 坐标轴的形状
plt.axis('tight') # 紧凑型
plt.axis('square') # 正方形
plt.axis('auto') # 自动- 坐标轴的标签
plt.xlabel('This is the X axis')
plt.ylabel('This is the Y axis')
plt.title("我是标题")
fontsize = 20, # 字体大小
color = 'red' # 颜色
fontproperties='FangSong' # 字体3.5.1.2图例
设置图例有两种方式.
方式一：绘制的时候设置
plt.plot(x,np.sin(x),label = '--sin--')
plt.legend(loc = 'upper left') # 指定图例的位置方式二：
plt.legend(
['--sin--','--cos--'], # 曲线
loc ='upper left' , # 图例的位置
fontsize = 15， # 图例中字体大小
ncol=2， # 用来设置图例的列数
)这里的loc属性还可以是一个两个元素的元组，表示图例的具体位置，loc默认为best表示合适的位置
3.5.1.3文字注释箭头
文字注释设置的两种方式:绝对位置
# 绝对位置
plt.text(0.2,0,s = 'sin(0)=0',fontdict={'fontsize':30})
# 相对位置
plt.figtext(0.2,0.5,'sin(0)=0')箭头的设置-原生箭头
plt.annotate(
s = 'max value', # 文本内容
xy = (5,25), # 箭头位置
xytext = (7,27), # 文本位置
fontsize = 15, # 文本字体大小
color = 'g', # 文本颜色
arrowprops=dict(arrowstyle='->',connectionstyle=style)
)自定义箭头
plt.annotate(
s = 'max value', # 文本内容
xy = (5,25), # 箭头位置
xytext = (7,27), # 文本位置
fontsize = 15, # 文本字体大小
color = 'g', # 文本颜色
arrowprops ={
'width':10, # 箭头尾部宽度
'headwidth':20, # 箭头头部宽度
'headlength':20, # 箭头头部长度
'shrink':0.3 # 箭头与文本距离
}
)3.5.1.4设置全局属性
设置字体
plt.rcParams['font.sans-serif'] = 'SimHei'
fontproperties = 'KaiTi'字体的大小
plt.rcParams['font.size'] = 50用来正常显示坐标轴中的负号
plt.rcParams['axes.unicode_minus'] = False设置网格线
sub.grid(True)3.5.2线条样式
- 颜色
color = 'red'
color = '#eeefff' # 16进制
color = (0.3, 0.3, 0.4) # 归一化到[0,1]元组格式
color=(0.1) # 灰度- 透明度:alpha=0.1
- 背景颜色:通过plt.subplot()方法传入facecolor参数来设置坐标轴的背景色
plt.subplot(facecolor='cyan')- 线的样式
marker='*' # 用来设置线型
markersize = 50 # 用来设置线宽
dashes=[10, 5, 5, 2] # 设置线的类型,试试就知道
plt.plot(x, x**3, 'go-.') # 多参连用
linewidth=4 # 线宽
markerfacecolor='red' # 线的颜色
markersize=12 # 线型的大小- 线宽:linewidth=4 # 线宽
- line2 = plt.plot(x,y*2,x,y*3)
- set_xticks、set_yticks、set_xticklabels、set_yticklabels方法
3.6加载图片和显示图片
3.6.1图片的加载
img=plt.imread('./a.jpg')
plt.imshow(img)3.6.2图片的保存
fig.savefig(
filename = "filena.eps", # 文件路径
dpi = 100, # 图像分辨率
facecolor = 'g' # 图像的背景颜色
edgecolor = 'orange' # 边界颜色
)3.6.3图片的生成
img=np.random.randint(0,255,size=(327,500,3))
plt.imshow(img)参看文章
