python35种绘图函数详细总结

更新时间：2023年08月22日 09:58:22 作者：微小冷

Python有许多用于绘图的函数和库,比如Matplotlib,Plotly,Bokeh,Seaborn等,这只是一些常用的绘图函数和库,Python还有其他绘图工具,如Pandas、ggplot等,选择适合你需求的库,可以根据你的数据类型、图形需求和个人偏好来决定,本文给大家总结了python35种绘图函数

基础图

下面这8种图像一般只有两组坐标，直观容易理解。

函数	坐标参数	图形类别
plot	x,y	曲线图
stackplot	x,y	散点图
stem	x,y	茎叶图
scatter	x,y	散点图
polar	x,y	极坐标图
step	x,y	步阶图
bar	x,y	条形图
barh	x,y	横向条形图

其中，除了极坐标需要添加一个极坐标映射之外，其他函数均在直角坐标系中绘制，效果如下

在这里插入图片描述

绘图代码如下

import matplotlib.pyplot as plt
import numpy as np
x = np.arange(25)/3
y = np.sin(x)
fDct = {"plot" : plt.plot,  "stackplot": plt.stackplot,
        "stem" : plt.stem,  "scatter"  : plt.scatter,         
        "polar": plt.polar, "step"     : plt.step, 
        "bar"  : plt.bar,   "barh"     : plt.barh, }
fig = plt.figure(figsize=(14,6))
for i,key in enumerate(fDct, 1):
    p = "polar" if key=="polar" else None
    ax = fig.add_subplot(2,4,i, projection=p)
    fDct[key](x, y)
    plt.title(key)
plt.tight_layout()
plt.show()

误差线

实际绘图时，误差线这种需求十分常见，尤其是在做拟合的时候，除了要画出趋势线之外，还可能要画出其抖动的范围，下面三种函数主要实现这个功能。

函数	坐标	图形类别
errorbar	x,y,xerr,yerr	误差线
fill_between	x,y1,y2	纵向区间图
fill_betweenx	y, x1, x2	横向区间图

图像效果为

在这里插入图片描述

绘图代码如下，errorbar函数的误差方向，与输入的参数有关。

x = np.arange(25)/3
y = np.sin(x)
y1, y2 = 0.9*y, 1.1*y
x1, x2 = 0.9*x, 1.1*x
xerr = np.abs([x1, x2])/10
yerr = np.abs([y1, y2])/10
fig = plt.figure(figsize=(12,6))
ax = fig.add_subplot(221)
ax.errorbar(x, y, yerr=yerr)
plt.title("errorbar with yerr")
ax = fig.add_subplot(222)
ax.errorbar(x, y, xerr=xerr)
plt.title("errorbar with xerr")
ax = fig.add_subplot(223)
ax.fill_between(x, y1, y2)
plt.title("fill_between")
ax = fig.add_subplot(224)
ax.fill_betweenx(y, x1, x2)
plt.title("fill_betweenx")
plt.tight_layout()
plt.show()

三维图

绘图函数	坐标	绘图类型	坐标说明
plot	x,y,z	三维曲线图
scatter	x,y,z	三维散点图
plot_surface	x,y,z	三维曲面图	x,y必须是网格
plot_wireframe	x,y,z	三维网格图	x,y必须是网格
plot_trisurf	x,y,z	三角曲面图	x,y,z是一维数组

plot和scatter虽然是二维绘图函数，但如果新增一个三维坐标，就可以摇身一变，成为三维曲线图或者三维散点图

在这里插入图片描述

绘图代码如下

x = np.arange(100)/10
y,z = np.sin(x), np.cos(x)
fig = plt.figure(figsize=(8,4))
ax = fig.add_subplot(121, projection='3d')
ax.plot(x,y,z)
plt.title("plot")
ax = fig.add_subplot(122, projection='3d')
ax.scatter(x,y,z)
plt.title("scatter")
plt.tight_layout()
plt.show()

真正专业的三维图是plot_surface, plot_wireframe和plot_trisurf

在这里插入图片描述

如果仔细看就会发现plot_trisurf的纹理和前两者不同，相比之下，前两者必须要求输入规整的数据。绘图代码如下

X, Y = np.indices([30, 30])/3 - 5
Z = np.sin(np.sqrt(X**2 + Y**2))
fig = plt.figure(figsize=(12,5))
ax = fig.add_subplot(131, projection='3d')
ax.plot_surface(X, Y, Z)
plt.title("plot_surface")
ax = fig.add_subplot(132, projection='3d')
ax.plot_wireframe(X, Y, Z)
plt.title("plot_wireframe")
ax = fig.add_subplot(133, projection='3d')
ax.plot_trisurf(X.reshape(-1), Y.reshape(-1), Z.reshape(-1))
plt.title("plot_trisurf")
plt.tight_layout()
plt.show()

等高线图

绘图函数	坐标	说明
contour	[x,y,]z	等高线
contourf	[x,y,]z	填充等高线
pcolormesh	[x,y,]z	伪彩图
imshow	z	图像

其中，imshow就是正常的图片展示函数，这几个函数可以只指定z轴然后绘图

X, Y = np.indices([100,100])/30 - 1.5
Z = (1 - X/2 + X**5 + Y**3) * np.exp(-X**2 - Y**2)
fDct = {"contour": plt.contour, "contourf":plt.contourf, 
    "pcolormesh" : plt.pcolormesh, "imshow":plt.imshow}
fig = plt.figure(figsize=(9,6))
for i,key in enumerate(fDct, 1):
    ax = fig.add_subplot(2,2,i)
    fDct[key](Z)
    plt.title(key)
plt.tight_layout()
plt.show()

绘图结果如下

在这里插入图片描述

可以看到，imshow和另外三种函数的区别是，其横坐标和纵坐标之间的比例始终是1：1，并不随着图像的拉伸而放大或者缩小。

除了imshow之外，另外三种函数还支持输入x,y,z三个坐标轴的数据来绘图，效果如下

在这里插入图片描述

绘图代码如下

X, Y = np.indices([100,100])/30 - 1.5
Z = (1 - X/2 + X**5 + Y**3) * np.exp(-X**2 - Y**2)
fDct = {"contour": plt.contour, "contourf":plt.contourf, 
    "pcolormesh" : plt.pcolormesh}
fig = plt.figure(figsize=(9,3))
for i,key in enumerate(fDct, 1):
    ax = fig.add_subplot(1,3,i)
    fDct[key](X,Y,Z)
    plt.title(key)
plt.tight_layout()
plt.show()

场图

绘图函数	坐标	说明
quiver	x,y,u,v	向量场图
streamplot	x,y,u,v	流场图
barbs	x,y,u,v	风场图

quiver以单点为单位，绘制出某点处向量的方向；streamplot则在此之上，将每个点衔接到一起，显得更加有流动性；barbs则是以风向标志取代了向量，这个图过于专业，我应该没啥机会用到。

Y, X = np.indices([6,6])/0.75 - 4
U = X + Y
V = Y - X
dct = {"quiver":plt.quiver, "streamplot":plt.streamplot, 
       "barbs" :plt.barbs}
fig = plt.figure(figsize=(12,4))
for i,key in enumerate(dct, 1):
    ax = fig.add_subplot(1,3,i)
    dct[key](X,Y,U,V)
    plt.title(key)
plt.tight_layout()
plt.show()

在这里插入图片描述

统计图

绘图函数	坐标	说明
hist	x	数据直方图
boxplot	x	箱线图
violinplot	x	小提琴图
enventplot	x	平行线疏密图
hist2d	x,y	二维直方图
hexbin	x,y	钻石图
pie	x	饼图

其中hist, boxplot, violinplot, enventplot是统计一维数据的，可直接输入随机数，绘图函数会自行统计其区间

在这里插入图片描述

绘图代码如下

x = np.random.standard_normal(size=1000)
dct = {"hist"  : plt.hist, "violinplot" : plt.violinplot,
      "boxplot": plt.boxplot}
fig = plt.figure(figsize=(10,6))
for i,key in enumerate(dct, 1):
    ax = fig.add_subplot(2,2,i)
    dct[key](x)
    plt.title(key)
ax = fig.add_subplot(224)
ax.eventplot(x)
plt.title("eventplot")
plt.tight_layout()
plt.show()

hist2d和hexbin用于统计二维数据，最终以图像的形式展示出来，二者在观感上的主要区别是，hist2d的“像素”是方形的，而hexbin则是六边形的。

在这里插入图片描述

绘图代码如下

x = np.random.randn(5000)
y = 1.2 * x + np.random.randn(5000) / 3
fig = plt.figure(figsize=(10,5))
ax = fig.add_subplot(121)
ax.hist2d(x, y, bins=[np.arange(-3,3,0.1)] * 2)
plt.title("hist2d")
ax = fig.add_subplot(122)
ax.hexbin(x, y, gridsize=20)
plt.title("hexbin")
plt.tight_layout()
plt.show()

最后还有一个饼图，饼图要求输入坐标必须都大于0，绘图代码如下

plt.pie([1,2,3,4,5])
plt.tight_layout()
plt.show()

在这里插入图片描述

非结构坐标图

下面这四个绘图函数有一个特点，即其绘图坐标并不是格式化的，而支持随机坐标进行绘图，这一点和plot_trisurf比较相似

绘图函数	坐标	说明
tricontour	x,y,z	非结构等高线
tricontourf	x,y,z	非结构化填充等高线
tricolor	x,y,z	非结构化伪彩图
triplot	x,y	三角连线图

在这里插入图片描述

绘图代码如下

x = np.random.uniform(-4, 4, 256)
y = np.random.uniform(-2, 2, 256)
z = (1 - x/2 + x**5 + y**3) * np.exp(-x**2 - y**2)
levels = np.linspace(z.min(), z.max(), 7)
fig = plt.figure(figsize=(12,6))
ax = fig.add_subplot(221)
ax.plot(x, y, 'o', markersize=1, color='lightgrey', alpha=0.5)
ax.tricontour(x, y, z, levels=levels)
plt.title("tricontour")
ax = fig.add_subplot(222)
ax.plot(x, y, 'o', markersize=1, color='lightgrey', alpha=0.5)
ax.tricontourf(x, y, z, levels=levels)
plt.title("tricontourf")
ax = fig.add_subplot(223)
ax.plot(x, y, 'o', markersize=1, color='lightgrey', alpha=0.5)
ax.tripcolor(x, y, z)
plt.title("tripcolor")
ax = fig.add_subplot(224)
ax.triplot(x,y)
plt.title("triplot")
plt.tight_layout()
plt.show()

以上就是python35种绘图函数详细总结的详细内容，更多关于python绘图函数的资料请关注脚本之家其它相关文章！

您可能感兴趣的文章:

Python cookbook（数据结构与算法）让字典保持有序的方法
这篇文章主要介绍了Python让字典保持有序的方法,涉及Python基于collections模块中的OrderedDict类实现控制字典顺序的相关操作技巧,需要的朋友可以参考下
2018-02-02
python3中http协议提供文件服务器功能详解
http协议是互联网的通用基础协议，也可以利用其来开发文件服务器，给客户提供文件浏览，查看，下载，上传等功能，这篇文章主要介绍了python3中http协议提供文件服务器功能,需要的朋友可以参考下
2023-06-06
Django 响应数据response的返回源码详解
这篇文章主要介绍了Django 响应数据response的返回源码详解,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
2019-08-08
python中CURL 和python requests的相互转换实现
本文主要介绍了python中CURL 和python requests的相互转换实现，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，需要的朋友们下面随着小编来一起学习学习吧
2023-03-03
python判断是否汉字的5种方法实例
这篇文章主要给大家介绍了关于python判断是否汉字的5种方法,文中通过实例代码将判断的几种方法介绍的非常详细,对大家学习或者使用python具有一定的参考学习价值,需要的朋友可以参考下
2023-06-06
python 读取以空格分开的文件操作
这篇文章主要介绍了python 读取以空格分开的文件操作，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
2021-04-04
Flask框架debug与配置项的开启与设置详解
这篇文章主要介绍了Flask框架debug与配置项的开启与设置，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，需要的朋友们下面随着小编来一起学习学习吧
2022-09-09
Python Django项目和应用的创建详解
这篇文章主要为大家介绍了Python Django项目和应用的创建，具有一定的参考价值，感兴趣的小伙伴们可以参考一下，希望能够给你带来帮助
2021-11-11
Python多进程之进程同步及通信详解
这篇文章主要为大家介绍了Python多进程之进程同步及通信，具有一定的参考价值，感兴趣的小伙伴们可以参考一下，希望能够给你带来帮助
2021-11-11
python中字典按键或键值排序的实现代码
这篇文章主要介绍了python中字典按键或键值排序的实现代码，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，需要的朋友们下面随着小编来一起学习学习吧
2019-08-08