python绘图模块matplotlib示例详解

 更新时间:2019年07月26日 10:28:09   作者:bainianminguo  
这篇文章主要介绍了python绘图模块matplotlib示例详解,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下

前言

Matplotlib 是 Python 的绘图库。作为程序员,经常需要进行绘图,在我自己的工作中,如果需要绘图,一般都是将数据导入到excel中,然后通过excel生成图表,这样操作起来还是比较繁琐的,所以最近学习了一下Matplotlib模块,将该模块的常用的绘图手段和大家分享一下,提高大家在工作中的效率;

在示例中,我们主要用到Matplotlib和Numpy这两个模块来为大家演示Python强大的绘图功能,相信大家通过我下面的10个示例,基本上可以满足大家日常工作的需求,再次强调一下,只是简单的用法,大家千万不要想通过这篇博客获取到太高深的用法。

下面进入正题

1、绘制一条直线

代码如下,下面的代码大家应该都可以看懂吧

# 导入常用的包
import numpy as np
import matplotlib.pyplot as plt
 
# 生成-1到1的数据,一共生成100个,也可以生成1到-1的数据,这些数据是平均分布的
# 定义x轴的数据
x = np.linspace(-1,1,100)
 
# 定义y轴的数据
y = x * 2 + 100
plt.plot(x,y)
 
# 显示图像
plt.show()

效果如下

2、创建一个画布,同时设置该画布的大小

代码如下

import numpy as np
 
import matplotlib.pyplot as plt
 
x = np.linspace(-1,1,100)
 
y1 = x * 2 + 100 
y2 = x ** 2
 
# 创建一个画布
 
# figsize:设置画布的大小
plt.figure(figsize=(2,2))
plt.plot(x,y1)
 
# 创建第二个画布
plt.figure()
plt.plot(x,y2)
 
plt.show()

效果如下,会同时显示两张画布

3、在一张画布中画两条线,同时可以设置线的颜色,宽度,和风格

代码如下

import numpy as np 
import matplotlib.pyplot as plt
 
x = np.linspace(-1,1,100) 
y1 = x * 2 + 0.5 
y2 = x ** 2 
 
# color:表示设置线的颜色
# linewidth:表示设置线的宽度
# linestyle:表示设置线的风格
plt.figure(figsize=(2,2))
plt.plot(x,y1,color='r',linewidth=1.0,linestyle='--') 
plt.plot(x,y2,color='b',linewidth=5.0,linestyle='-') 
plt.show() 
# 上面的效果就是2条曲线被放到一个画布中

效果如下

4、限制x轴,y轴的显示范围,为x轴和y轴添加描述,替换x轴和y轴的显示信息

代码如下

import numpy as np
import matplotlib.pyplot as plt
 
# 设置坐标轴
x = np.linspace(-3,3,100) 
y1 = x * 2 + 0.5 
y2 = x ** 2
 
plt.figure(figsize=(6,6))
plt.plot(x,y1,color='r',linewidth=1.0,linestyle='--') 
plt.plot(x,y2,color='b',linewidth=5.0,linestyle='-')
 
# 限制x轴的显示范围
plt.xlim((-1,2))
 
# 限制y轴的显示范围
plt.ylim((-1,5))
 
# 给x轴加描述
plt.xlabel("xxxxxx")
# 给y轴加描述
plt.ylabel("yyyyyy") 
 
# 替换一下横坐标的显示
temp = np.linspace(-2,2,11)
plt.xticks(temp)
 
# 替换纵坐标的标签,用level0代替之前的-1
plt.yticks([-1,0,1,2,3,4,5],["level0","level1","level2","level3","level4","level5","level6"])
 
plt.show()

效果如下

5、对边框进行设置,调整x轴和y轴的位置

代码如下

import numpy as np
import matplotlib.pyplot as plt
 
# 设置坐标轴
x = np.linspace(-3,3,100)
 
y1 = x * 2 + 0.5
 
y2 = x ** 2 
 
plt.figure(figsize=(6,6))
plt.plot(x,y1,color='r',linewidth=1.0,linestyle='--')
 
plt.plot(x,y2,color='b',linewidth=5.0,linestyle='-')
 
# 限制x轴的显示范围
plt.xlim((-1,2))
 
# 限制y轴的显示范围
plt.ylim((-1,5))
 
# 给x轴加描述
plt.xlabel("xxxxxx")
# 给y轴加描述
plt.ylabel("yyyyyy") 
 
# 替换一下横坐标的显示
temp = np.linspace(-2,2,11)
plt.xticks(temp)
 
# 替换纵坐标的标签,用level0代替之前的-1
# plt.yticks([-1,0,1,2,3,4,5],["level0","level1","level2","level3","level4","level5","level6"])
 
# 获取边框
ax = plt.gca()
# 设置右边框的颜色为红色
ax.spines["right"].set_color("r")
 
# 去掉上边框
ax.spines["top"].set_color(None)
 
# 把x轴的刻度设置为bottom
ax.xaxis.set_ticks_position("bottom")
# 把y轴的客户设置为left
ax.yaxis.set_ticks_position("left")
 
# 设置x和y交汇的点,x轴是0,y是也是0,也就是x轴和y轴的都是0点交汇
ax.spines["bottom"].set_position(("data",0))
ax.spines["left"].set_position(("data",0))
 
plt.show()

效果如下

6、为画布添加图例

代码如下

#Auther Bob
#--*--conding:utf-8 --*--
import numpy as np
 
import matplotlib.pyplot as plt
 
# 设置图例
x = np.linspace(-3, 3, 100)
y1 = x * 2 + 0.5 
y2 = x ** 2 
plt.figure(figsize=(6, 6))
 
# 首先要为两条线分别取名,这里的逗号必须要有
l1, = plt.plot(x, y1, color='r', linewidth=1.0, linestyle='--')
 
l2, = plt.plot(x, y2, color='b', linewidth=5.0, linestyle='-')
 
# handles控制图例中要说明的线
# labels为两条线分别取一个label
# loc控制图例的显示位置,一般用best,由代码为我们选择最优的位置即可
 
plt.legend(handles=[l1, l2], labels=["test1", "test2"], loc='best')
 
# 限制x轴的显示范围
plt.xlim((-1, 2))
 
# 限制y轴的显示范围
plt.ylim((-1, 5))
 
# 给x轴加描述
plt.xlabel("xxxxxx")
# 给y轴加描述
plt.ylabel("yyyyyy")
 
# 替换一下横坐标的显示
temp = np.linspace(-2, 2, 11)
plt.xticks(temp)
 
# 替换纵坐标的标签,用level0代替之前的-1
plt.yticks([-1, 0, 1, 2, 3, 4, 5], ["level0", "level1", "level2", "level3", "level4", "level5", "level6"])
 
# 为图像加一个图例,用来对图像做说明
plt.show()

效果如下

7、为图像添加描述

代码如下

import numpy as np
 
import matplotlib.pyplot as plt
 
# 为图像做标注
x = np.linspace(-3,3,100)
 
y1 = x * 2
 
# y2 = x ** 2
 
 
plt.figure(figsize=(6,6))
 
 
plt.plot(x,y1,color='r',linewidth=1.0,linestyle='-') 
 
# 给x轴加描述
plt.xlabel("xxxxxx")
# 给y轴加描述
plt.ylabel("yyyyyy")
 
# ======================================================
# 在x轴为x0,y轴为x0 * 2上画一个点,这个点的颜色是红色,大小为50,这个大小就是这个点显示的大小
x0 = 0.5
y0 = x0 * 2
# scatter是画点的方法
plt.scatter(x0,y0,color='g',s=50)
 
# 画线
# 这条线是第一个点的坐标为[x0,y0],第二个点的坐标为[x0,-6],后面就是设置线的风格,线的颜色,线的宽度
 
plt.plot([x0,x0],[y0,-6],color='k',linestyle='--',linewidth=1.0) 
 
# 画箭头和描述 
# xy代表我们的点
# xytext代码我们描述的位置,基于当前的点,在x轴+30,在y轴-30
# r'$2*x={n}$是我们要显示的文字信息,格式必须要这样
# textcoords表示作为起点
# fontsize表示设置字体大小
# arrowprops设置箭头
# arrowstyle设置箭头的样式
# connectionstyle设置风格.2表示弧度
plt.annotate(r'$2*0.5={n}$'.format(n = y0),xy=(x0,y0),xytext=(+30,-30),textcoords='offset points',fontsize=10,arrowprops=dict(arrowstyle='->',connectionstyle='arc3,rad=.2'))
 
# 显示文字描述,从x轴为-1,y轴为2开始显示,$$中就是要显示的字符,这里如果要显示空格,则需要转义
# fontdict设置字体
plt.text(-1,2,r'$1\ 2\ 3\ 4$',fontdict={"size":16,"color":"r"})
 
# =========================================================
 
# 为图像加一个图例,用来对图像做说明 
plt.show()

效果如下

8、绘制散点图

代码如下

import numpy as np 
import matplotlib.pyplot as plt
 
# 绘制散点图
# plt.scatter(np.arange(1,10,1),np.arange(10,19,1))
 
# plt.scatter(np.linspace(-3,3,10),np.linspace(-3,3,10)) 
x = np.random.normal(1,10,500)
y = np.random.normal(1,10,500)
 
print(x)
# s设置点的大小
# c是颜色
# alpha是透明度
plt.scatter(x,y,s=50,c='b',alpha=0.5)
plt.show()

效果如下

9、绘制直方图

代码如下

import numpy as np 
import matplotlib.pyplot as plt 
 
# 绘制直方图
x = np.arange(10)
y = x ** 2 + 10 
 
# facecolor设置柱体的颜色
# edgecolor设置边框的颜色
 
plt.bar(x,y,facecolor='g',edgecolor='r')
 
# 绘制翻转过来的直方图
# plt.bar(x,-y)
 
#显示文字
for x,y in zip(x,y):
 plt.text(x,y,"{f}".format(f=y),ha="center",va='bottom')
plt.show()

效果如下

10、一张画布显示多张图像

代码如下

#Auther Bob
#--*--conding:utf-8 --*--
import numpy as np
import matplotlib.pyplot as plt
 
# plt.figure()
# 有一个两行两列的单元格,这个位于第一个单元格
# plt.subplot(2,2,1)
 
# 画一条【0,0】-----》【1,1】的直线
# plt.plot([0,1],[0,1])
 
 
# 有一个两行两列的单元格,这个位于第一个单元格
# plt.subplot(2,2,2)
 
# 画一条【0,0】-----》【1,1】的直线
# plt.plot([0,1],[0,1])
 
 
# 有一个两行两列的单元格,这个位于第一个单元格
# plt.subplot(2,2,3)
 
# 画一条【0,0】-----》【1,1】的直线
# plt.plot([1,0],[0,1])
# plt.show()
 
# 上面的例子,每张图他显示的大小是一样的,我们想显示不同的大小该怎么办?
 
plt.figure()
# 有一个两行三列的单元格,这个位于第一个单元格
plt.subplot(2,1,1)
 
# 画一条【0,0】-----》【1,1】的直线
plt.plot([0,1],[0,1]) 
 
# 有一个两行三列的单元格,这个位于第四个单元格,因为第一个单元格占了3个位子,所以这里就是第四个
plt.subplot(2,3,4)
 
# 画一条【0,0】-----》【1,1】的直线
plt.plot([0,1],[0,1]) 
 
# 有一个两行三列的单元格,这个位于第五个单元格
plt.subplot(2,3,5)
 
# 画一条【0,0】-----》【1,1】的直线
plt.plot([1,0],[0,1])
plt.show()

效果如下

11、matplotlib模块中的颜色和线条风格

作为线性图的替代,可以通过向 plot() 函数添加格式字符串来显示离散值。 可以使用以下格式化字符。

字符 描述
'-' 实线样式
'--' 短横线样式
'-.' 点划线样式
':' 虚线样式
'.' 点标记
',' 像素标记
'o' 圆标记
'v' 倒三角标记
'^' 正三角标记
'<' 左三角标记
'>' 右三角标记
'1' 下箭头标记
'2' 上箭头标记
'3' 左箭头标记
'4' 右箭头标记
's' 正方形标记
'p' 五边形标记
'*' 星形标记
'h' 六边形标记 1
'H' 六边形标记 2
'+' 加号标记
'x' X 标记
'D' 菱形标记
'd' 窄菱形标记
'|' 竖直线标记
'_' 水平线标记

以下是颜色的缩写:

字符 颜色
'b' 蓝色
'g' 绿色
'r' 红色
'c' 青色
'm' 品红色
'y' 黄色
'k' 黑色
'w' 白色

以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持脚本之家。

相关文章

  • 深入理解Python虚拟机中复数(complex)的实现原理及源码剖析

    深入理解Python虚拟机中复数(complex)的实现原理及源码剖析

    在本篇文章当中主要给大家介绍在 cpython 虚拟机当中是如何实现 复数 complex 这个数据类型的,这个数据类型在 cpython 当中一应该是一个算比较简单的数据类型了,非常容易理解
    2023-03-03
  • Python Flask 请求数据获取响应详解

    Python Flask 请求数据获取响应详解

    这篇文章主要介绍了Python Flask请求数据获取响应的实现方法,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧
    2021-10-10
  • Python图像处理之二值化处理

    Python图像处理之二值化处理

    所谓”二值化处理“就是将矩阵中每个点的RGB值(0,0,0)[黑色]或者(255,255,255)[白色],这篇文章主要介绍了Python图像处理之二值化处理,需要的朋友可以参考下
    2024-05-05
  • python进行数据预处理的4个重要步骤

    python进行数据预处理的4个重要步骤

    在数据科学项目中,数据预处理是最重要的事情之一,本文详细给大家介绍python进行数据预处理的4个重要步骤:拆分训练集和测试集,处理缺失值,处理分类特征和进行标准化处理,需要的朋友可以参考下
    2023-06-06
  • Python+Matplotlib绘制发散条形图的示例代码

    Python+Matplotlib绘制发散条形图的示例代码

    发散条形图(Diverging Bar)是一种用于显示数据分布的图表,可以帮助我们比较不同类别或分组的数据的差异和相对性,本文介绍了Matplotlib绘制发散条形图的函数源码,需要的可以参考一下
    2023-06-06
  • 详解Python迭代和迭代器

    详解Python迭代和迭代器

    这篇文章主要为大家详细介绍了Python迭代和迭代器,感兴趣的小伙伴们可以参考一下
    2016-03-03
  • python 实现朴素贝叶斯算法的示例

    python 实现朴素贝叶斯算法的示例

    这篇文章主要介绍了python实现朴素贝叶斯算法的示例,帮助大家更好的理解和学习python 机器学习算法,感兴趣的朋友可以了解下
    2020-09-09
  • python可视化大屏库big_screen示例详解

    python可视化大屏库big_screen示例详解

    提到数据可视化,我们会想到 Plotly、Matplotlib、Pyecharts等可视化库,或者一些商用软件Tableau、FineBI等等。如果你希望操作更简单、展现效果更强大,那么这款工具 big_screen 更适合
    2021-11-11
  • Python图像处理之图像金字塔详解

    Python图像处理之图像金字塔详解

    这篇文章主要介绍了图像处理中的图像金字塔,包括图像向上取样和向下取样。文中的示例代码讲解详细,感兴趣的小伙伴可以跟随小编学习一下
    2022-02-02
  • 深入学习Python可变与不可变对象操作实例

    深入学习Python可变与不可变对象操作实例

    Python中的数据类型可以分为可变对象和不可变对象,了解它们之间的区别对于编写高效的Python代码至关重要,本文将详细介绍可变对象和不可变对象的概念,以及如何正确地使用它们来提高代码的性能和可读性
    2023-12-12

最新评论