一文了解python作图(matplotlib.pyplot)

编程语言 2023-06-25 15:01:37 阅读次数: 0

参考视频：为什么用 Matplotlib

视频总时长两个多小时，可以整体看一遍，然后看这个就会很清楚

文章目录

1. 基本用法

1.1 基础作图

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(-1, 1, 50)
y = x * x + 1
plt.plot(x, y)
plt.show()

image-20230112115955135

1.2 figure图像

在不同的figure中展示不同的图片，在每次绘图前指定plt.figure()即可绘制到不同figure中，其中可以指定figure的序号

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(-1, 1, 50)
y1 = x * x + 1
y2 = 2 * x

plt.figure(num=1)
plt.plot(x, y1)

plt.figure(num=2, figsize=(8, 5))
plt.plot(x, y2)
plt.plot(x, y1, color='red', linewidth='1.0', linestyle='--')
plt.show()

figure1：

image-20230112120932920

figure2：
image-20230112120941486

1.3 设置坐标轴

1.3.1 基本设置

  • plt.xlim(xleft, xright)：设置x轴显示范围
  • plt.ylim(ylow, yhigh)：设置y轴的显示范围
  • plt.xlabel(description)：设置x轴描述
  • plt.ylabel(description)：设置y轴描述
  • plt.xticks([1,2,3,4,5])：设置x轴标签
  • plt.yticks([1,2,3,4,5])：设置y轴标签
  • plt.yticks([1,2,3], ['one','two','three])：设置对应标签位置文字
  • plt.xlabel(r'$axis x description \alpha$')：使用latex公式
import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(-3, 3, 50)
y1 = x * x + 1
y2 = 2 * x

plt.figure(num=2, figsize=(8, 5))
plt.plot(x, y2)
plt.plot(x, y1, color='red', linewidth='1.0', linestyle='--')

# 设置x,y轴的显示范围
plt.xlim(-1, 2)
plt.ylim(-2, 3)

# 设置x,y轴的坐标轴描述
plt.xlabel('axis x description')
plt.ylabel('axis y description')

# 设置分度值
new_ticks = np.linspace(-1, 2, 5)
plt.xticks(new_ticks)

# 设置为中文
plt.yticks([-2, -1.5, 0, 1, 3],
           ['really bad', 'bad', 'normal', 'good', 'really god'])

plt.show()

image-20230112122012788

1.3.2 使用Latex公式

其中文字部分也可以使用latex公式进行描述，例如设置某个label为 g o o d   β good\ \beta good β

# 设置为中文
plt.yticks([-2, -1.5, 0, 1, 3],
           ['really bad', 'bad', 'normal', r'$good\ \beta$', 'really god'])

image-20230112122137145

1.3.3 设置坐标轴位置

首先去掉右边和上边两个边框，然后设置x轴为下边框，y轴为上边框，最后设置边框位置即可

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(-3, 3, 50)
y1 = x * x + 1
y2 = 2 * x

plt.plot(x, y2)
plt.plot(x, y1, color='red', linewidth='1.0', linestyle='--')

# 设置x,y轴的显示范围
plt.xlim(-1, 2)
plt.ylim((-2, 3))

# 设置x,y轴的坐标轴描述
plt.xlabel(r'$axis x description$', loc="right")
plt.ylabel('axis y description', loc='top')

# 设置分度值
new_ticks = np.linspace(-1, 2, 5)
plt.xticks(new_ticks)

# 设置为中文
plt.yticks([-2, -1.5, 0, 1, 3],
           ['really bad', 'bad', 'normal', r'$good\ \beta$', 'really god'])

# gca: get current axis
ax = plt.gca()
ax.spines['right'].set_color('none')
ax.spines['top'].set_color('none')
ax.xaxis.set_ticks_position('bottom')
ax.yaxis.set_ticks_position('left')
ax.spines['bottom'].set_position(('data', 0))
ax.spines['left'].set_position(('data', 0))

plt.show()

image-20230112133528536

1.4 legend图例

1.4.1 基础使用

通过给每一个plot出来的图像添加label属性，然后调用plt.legend()即可显示图例

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(-3, 3, 50)
y1 = x * x + 1
y2 = 2 * x

# 设置x,y轴的显示范围
plt.xlim(-1, 2)
plt.ylim((-2, 3))

# 设置x,y轴的坐标轴描述
plt.xlabel(r'$axis x description$')
plt.ylabel('axis y description')

# 设置分度值
new_ticks = np.linspace(-1, 2, 5)
plt.xticks(new_ticks)

# 设置为中文
plt.yticks([-2, -1.5, 0, 1, 3],
           ['really bad', 'bad', 'normal', r'$good\ \beta$', 'really god'])

plt.plot(x, y2, label='up')
plt.plot(x, y1, color='red', linewidth='1.0', linestyle='--', label='down')
plt.legend()

plt.show()

image-20230112133953566

1.4.2 设置图例位置

支持的位置属性：'best', 'upper right', 'upper left', 'lower left', 'lower right', 'right', 'center left', 'center right', 'lower center', 'upper center', 'center'

best是根据线的显示位置寻找最优的显示地方

通过调用plt.legend(loc='')指定loc属性即可

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(-3, 3, 50)
y1 = x * x + 1
y2 = 2 * x

# 设置x,y轴的显示范围
plt.xlim(-1, 2)
plt.ylim((-2, 3))

# 设置x,y轴的坐标轴描述
plt.xlabel(r'$axis x description$')
plt.ylabel('axis y description')

# 设置分度值
new_ticks = np.linspace(-1, 2, 5)
plt.xticks(new_ticks)

# 设置为中文
plt.yticks([-2, -1.5, 0, 1, 3],
           ['really bad', 'bad', 'normal', r'$good\ \beta$', 'really god'])

plt.plot(x, y2, label='up')
plt.plot(x, y1, color='red', linewidth='1.0', linestyle='--', label='down')
plt.legend(loc="upper right")

plt.show()

image-20230112134007231

1.4.3 指定显示某几条线并设置新名称

虽然绘制了两条线，但是通过handles属性可以指定绘制某几条线，同时也可以设置各线的先后位置，另外还可以通过labels指定新的图例名称

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(-3, 3, 50)
y1 = x * x + 1
y2 = 2 * x

# 设置x,y轴的显示范围
plt.xlim(-1, 2)
plt.ylim((-2, 3))

# 设置x,y轴的坐标轴描述
plt.xlabel(r'$axis x description$')
plt.ylabel('axis y description')

# 设置分度值
new_ticks = np.linspace(-1, 2, 5)
plt.xticks(new_ticks)

# 设置为中文
plt.yticks([-2, -1.5, 0, 1, 3],
           ['really bad', 'bad', 'normal', r'$good\ \beta$', 'really god'])

l1, = plt.plot(x, y2, label='up')
l2, = plt.plot(x, y1, color='red', linewidth='1.0', linestyle='--', label='down')
plt.legend(handles=[l1], labels=['aaa'], loc="upper right")

plt.show()

image-20230112134115995

1.5 annotation 注解

通过plt.annotation()和plt.text()为图象添加注解

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(-3, 3, 50)
y1 = 2 * x + 1

plt.figure(figsize=(8, 5))
plt.plot(x, y1)

# gca: get current axis
ax = plt.gca()
ax.spines['right'].set_color('none')
ax.spines['top'].set_color('none')
ax.xaxis.set_ticks_position('bottom')
ax.yaxis.set_ticks_position('left')
ax.spines['bottom'].set_position(('data', 0))
ax.spines['left'].set_position(('data', 0))

x0 = 1
y0 = 2 * x0 + 1
plt.scatter(x0, y0, s=50, color='b')
plt.plot([x0, x0], [0, y0], 'k--', linewidth=2)

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=.2'))

plt.text(-3, 3, r"$This\ is\ annotation.\ \mu\ \sigma_i $", fontdict={
    
    'size': 16, "color": 'r'})
plt.show()

image-20230112135641177

1.6 设置tick可见度

有时候线会把标签压住，此时可以通过设置标签的zorder属性来制定覆盖顺序

zorder用来控制绘图的顺序，也就是所谓的叠加样式。zorder越大，相当于画上去的越晚，也就在上面了。

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(-3, 3, 50)
y2 = 0.1 * x

plt.plot(x, y2, linewidth=10, zorder=1)
plt.ylim(-2, 2)
# gca: get current axis
ax = plt.gca()
ax.spines['right'].set_color('none')
ax.spines['top'].set_color('none')
ax.xaxis.set_ticks_position('bottom')
ax.yaxis.set_ticks_position('left')
ax.spines['bottom'].set_position(('data', 0))
ax.spines['left'].set_position(('data', 0))

for label in ax.get_xticklabels() + ax.get_yticklabels():
    label.set_zorder(2)
    label.set_fontsize(12)
    label.set_bbox(dict(
        facecolor='white',
        edgecolor='None',
        alpha=0.7
    ))

plt.show()

2 数据呈现

2.1 散点图

通过plt.scatter()生成散点图

import matplotlib.pyplot as plt
import numpy as np

n = 1024

X = np.random.normal(0, 1, n)
Y = np.random.normal(0, 1, n)
T = np.arctan2(Y, X)

plt.scatter(X, Y, s=75, c=T, alpha=.5)

plt.xlim(-1.5, 1.5)
plt.ylim(-1.5, 1.5)

plt.xticks([])
plt.yticks([])
plt.show()

image-20230112144357743

生成一条斜线散点图

import matplotlib.pyplot as plt
import numpy as np

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

plt.show()

image-20230112144522776

2.2 条形图

使用plt.bar()绘制条形图

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.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
    plt.text(x, y + 0.05, '%.2f' % y, ha='center', va='bottom')

for x, y in zip(X, Y2):
    # ha: horizontal alignment
    plt.text(x, -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()

image-20230112145601327

2.3 等高线图

  • 使用plt.meshgrid()生成框格
  • 使用plt.contourf()生成等高线填充图
  • 使用plt.contour()生成等高线
import matplotlib.pyplot as plt
import numpy as np


def f(x, y):
    # 高度计算公式
    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)

# 生成框格
X, Y = np.meshgrid(x, y)

# 设置等高线图
plt.contourf(X, Y, f(X, Y), 8, alpha=0.75, cmap=plt.cm.hot)

# 设置等高线
C = plt.contour(X, Y, f(X, Y), 8, colors='black')

# 添加高度标签
plt.clabel(C, inline=True, fontsize=10)
plt.xticks([])
plt.yticks([])
plt.show()

image-20230112150337064

2.4 使用图片

import matplotlib.pyplot as plt
import numpy as np

img = np.random.uniform(0, 1000, 100).reshape((10, 10))

plt.imshow(img, interpolation='nearest', origin='upper')
plt.colorbar()

plt.xticks([])
plt.yticks([])
plt.show()

image-20230112153409740

2.5 3D数据

import numpy as np
import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D

# 生成3D figure
fig = plt.figure()
ax = Axes3D(fig, auto_add_to_figure=False)
fig.add_axes(ax)

# X, Y value
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)

ax.plot_surface(X, Y, Z, rstride=1, cstride=1, cmap=plt.get_cmap('rainbow'), edgecolor='k')
ax.contourf(X, Y, Z, zdir='z', offset=-2, cmap='rainbow')

ax.set_zlim(-2, 2)
plt.show()

image-20230112154447952

3. Subplot多合一显示

3.1 plt.subplot

使用plt.subplot(rownum, columnnum, index)说明新图纸是几行几列的

import matplotlib.pyplot as plt

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

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

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

plt.show()

image-20230112154912308

3.2 plt.subplot2grid

使用plt.subplot2grid(总格数, 起始格数, rowspan, colspan)来绘制

import matplotlib.pyplot as plt

plt.figure()
ax1 = plt.subplot2grid((3, 3), (0, 0), colspan=3, rowspan=1)
ax1.plot([1, 2], [1, 2])
# 设置某属性的时候需要在前面加set_
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()

image-20230112160001950

3.3 gridspec.GridSpec

首先使用gridspec.GridSpec(rownum, colnum)声明将figure分割成几块，然后在绘图时使用切片声明使用哪几块即可

import matplotlib.pyplot as plt
import matplotlib.gridspec as gridspec

plt.figure()
gs = gridspec.GridSpec(3, 3)
ax1 = plt.subplot(gs[0, :])
ax2 = plt.subplot(gs[1, :2])
ax3 = plt.subplot(gs[1:, 2])
ax4 = plt.subplot(gs[2, 0])
ax5 = plt.subplot(gs[2, 1])

plt.tight_layout()
plt.show()

image-20230112160140602

3.4 plt.subplots

import matplotlib.pyplot as plt
import matplotlib.gridspec as gridspec

f, ((ax11, ax12), (ax21, ax22)) = plt.subplots(2, 2, sharex=True, sharey=True)
ax11.plot([1, 2], [1, 2])

plt.tight_layout()
plt.show()

image-20230112160457523

4. 其他

4.1 图中图

通过指定在整个figure中的位置和大小来完成图中图的效果

  • 方法一：通过fig.add_axes([left, bottom, width, height])来生成新的axes绘制
  • 方法二：通过plt.axes([left, bottom, width, height])直接声明接下来要绘制的图形
import matplotlib.pyplot as plt

fig = plt.figure()
x = [1, 2, 3, 4, 5, 6, 7]
y = [1, 3, 4, 2, 5, 8, 6]

# 大图
left, bottom, width, height = 0.1, 0.1, 0.8, 0.8
ax1 = fig.add_axes([left, bottom, width, height])
ax1.plot(x, y)
ax1.set_xlabel('x')
ax1.set_ylabel('y')
ax1.set_title('title')

# 小图
left, bottom, width, height = 0.2, 0.6, 0.25, 0.25
ax1 = fig.add_axes([left, bottom, width, height])
ax1.plot(y, x, 'b')
ax1.set_xlabel('x')
ax1.set_ylabel('y')
ax1.set_title('inside 1')

# 另一种方法
plt.axes([0.6, 0.2, 0.25, 0.25])
plt.plot(y[::-1], x, 'g')
plt.xlabel('x')
plt.ylabel('y')
plt.title('inside 2')

plt.show()

image-20230112161104789

4.2 次坐标轴

在同一个图中两边显示不同的坐标轴对应不同的数据

import matplotlib.pyplot 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()
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='g')

plt.show()

image-20230112161531393

4.3 动画 animation

import numpy as np
import matplotlib.pyplot as plt
import matplotlib.animation as animation

fig, ax = plt.subplots()

x = np.arange(0, 2 * np.pi, 0.01)
line, = ax.plot(x, np.sin(x))


def animate(i):
    line.set_ydata(np.sin(x + i / 10))
    return line,


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


ani = animation.FuncAnimation(fig=fig, func=animate, frames=100, init_func=init, interval=20, blit=True)

plt.show()

image-20230112162156500

image-20230112162205364

猜你喜欢

转载自blog.csdn.net/qq_46311811/article/details/128662105
今日推荐
《美国对全球网络空间安全与发展的威胁和破坏》报告发布
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
周排行
循环神经网络（rnn）讲解
Tigao教程四：单独的关节运动
金蝶K3WISE15.0-注册套打教程
如何在Mac上配置Kubernetes
Android应用结束自身进程的方法
SpringMVC学习 十三 拦截器栈
中国驻洛杉矶总领馆举行新春招待会
HttpClient get post 发送
11 - three.js 笔记 - 绘制三维字体模型
Mysql递归获取某个父节点下面的所有子节点和子节点上的所有父节点
每日归档
更多
2024-05-01(4)
2024-04-30(1)
2024-04-29(40)
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)

代码天地 © 2018 codetd.com

境外服务器   最新电视剧2022