matplotlib matplotlib

文章目录

基本用法
figure使用

多个figure图像
一个窗口显示多个函数

设置坐标轴

设置坐标轴范围
设置坐标轴名字
设置坐标轴刻度或名字
移动 axis 坐标轴的位置
调整坐标轴

设置图例
Annotation 标注

显示点
对(x0, y0)这个点进行标注.#method1
method2

tick 能见度
Scatter 散点图
Bar 柱状图

生成基本图形
颜色和数据

Contours 等高线图

画等高线
添加高度数字

Image 图片

随机矩阵画图
出图方式
colorbar

3D 数据
Subplot 多合一显示

均匀图中图
不均匀图中图

Subplot 分格显示

subplot2grid
gridspec
subplots

图中图

大图
小图

次坐标轴

第一个y坐标
第二个y坐标

基本用法使用import导入模块matplotlib.pyplot，并简写成plt
使用plt.figure定义一个图像窗口,plt.plot画(x ,y)曲线.plt.show显示图像.

import matplotlib.pyplot as plt import numpy as npx=np.linspace(-1,1,50)#-1到1 分成50个点 # y=2*x+1 y=x**2 plt.figure() plt.plot(x,y)#将图展示出来按横坐标，纵坐标 plt.show()#对应上面的图才会出来

figure使用 matplotlib 的 figure 就是一个单独的 figure 小窗口, 小窗口里面还可以有更多的小图片.
多个figure图像

#显示两个figure窗口 import matplotlib.pyplot as plt import numpy as npx=np.linspace(-3,3,50) y1=2*x+1 y2=x**2plt.figure() plt.plot(x,y1)plt.figure(num=3,figsize=(8,5))#长宽85 plt.plot(x,y2) plt.show()

一个窗口显示多个函数使用plt.figure定义一个图像窗口：编号为3；大小为(8, 5).
使用plt.plot画(x ,y2)曲线.
使用plt.plot画(x ,y1)曲线，曲线的颜色属性(color)为红色; 曲线的宽度(linewidth)为1.0；曲线的类型(linestyle)为虚线.
使用plt.show显示图像.

import matplotlib.pyplot as plt import numpy as npx=np.linspace(-3,3,50) y1=2*x+1 y2=x**2plt.figure() plt.plot(x,y1)plt.figure(num=3,figsize=(8,5))#长宽85 plt.plot(x,y2) plt.plot(x,y1,color='red',linewidth='5.0',linestyle='--')#linewidth线的宽度 linestyle线的方式是虚线 plt.show()

文章图片

设置坐标轴设置坐标轴范围

plt.xlim(-1,2)#x-1到2 plt.ylim(-2,3)

设置坐标轴名字

plt.xlabel('i am x') plt.ylabel('i am y')

设置坐标轴刻度或名字

#换x轴的刻度 new_ticks=np.linspace(-1,2,5) print(new_ticks) plt.xticks(new_ticks) #换y轴刻度为文字 plt.yticks([-2, -1.8, -1, 1.22, 3],[r'$really\ bad$', r'$bad\ \alpha$', r'$normal$', r'$good$', r'$really\ good$']) #\+空格才能读成空格 \ \alpha打数学的alpha

文章图片

移动 axis 坐标轴的位置 gca=‘get current axis’
使用plt.gca获取当前坐标轴信息.
使用.spines设置边框：右侧边框；使用.set_color设置边框颜色：默认白色；

ax=plt.gca()#整个figure3都是ax #ax.spines图的四个边 ax.spines['right'].set_color('none')#将右边边框设为空 ax.spines['top'].set_color('none') ax.xaxis.set_ticks_position('bottom') #x轴用哪个代替 ax.yaxis.set_ticks_position('left')

调整坐标轴使用.xaxis.set_ticks_position设置x坐标刻度数字或名称的位置：bottom.（所有位置：top，bottom，both，default，none）
使用.spines设置边框：x轴；使用.set_position设置边框位置：y=0的位置；（位置所有属性：outward，axes，data）

#改变坐标轴原点 ax.spines['bottom'].set_position(('data',-1))#设置x轴位置set_position(('data',))通过data值来选择为-1 #将x轴绑定在纵坐标-1的位置 ax.spines['left'].set_position(('data',-0.25)) plt.show()

文章图片

设置图例

# set line syles plt.figure(num=3,figsize=(8,5))#长宽85 l2,=plt.plot(x,y2,label='up') l1,=plt.plot(x,y1,color='red',linewidth='1.0',linestyle='--',label='down')#linewidth线的宽度 linestyle线的方式是虚线plt.legend()

plt.legend将要显示的信息来自于上面代码中的 label.

文章图片

如果想单独修改之前的 label 信息, 给不同类型的线条设置图例信息. 可以在 plt.legend 输入更多参数.如果以下面这种形式添加 legend, 需要确保, 在上面的代码 plt.plot(x, y2, label=‘linear line’) 和 plt.plot(x, y1, label=‘square line’)中有用变量 l1 和 l2 分别存储起来. 而且需要注意的是 l1, l2,要以逗号结尾, 因为plt.plot() 返回的是一个列表.

plt.figure(num=3,figsize=(8,5))#长宽85 l2,=plt.plot(x,y2,label='up') l1,=plt.plot(x,y1,color='red',linewidth='1.0',linestyle='--',label='down')#linewidth线的宽度 linestyle线的方式是虚线 plt.legend(handles=[l1,l2],labels=['aaa','bbb'],loc='best')#使用label产生图例 loc='best'选取数据较少最好的位置labels覆盖

文章图片

loc其他参数：
‘best’ : 0,
‘upper right’ : 1,
‘upper left’ : 2,
‘lower left’ : 3,
‘lower right’ : 4,
‘right’ : 5,
‘center left’ : 6,
‘center right’ : 7,
‘lower center’ : 8,
‘upper center’ : 9,
‘center’ : 10,
Annotation 标注原图像

import matplotlib.pyplot as plt import numpy as npx=np.linspace(-3,3,50) y=2*x+1plt.figure(num=1, figsize=(8, 5)) plt.plot(x,y)ax=plt.gca() ax.spines['right'].set_color('none') ax.spines['top'].set_color('none') ax.xaxis.set_ticks_position('bottom') #x轴用哪个代替 ax.yaxis.set_ticks_position('left') ax.spines['bottom'].set_position(('data',0)) ax.spines['left'].set_position(('data',0))plt.show()

显示点

x0=1 y0=2*x0+1 plt.scatter(x0,y0,s=50,color='b')#size color=blue #plt点

文章图片

画出一条垂直于x轴的虚线.plt.plot([x0, x0,], [0, y0,], ‘k–’, linewidth=2.5)

plt.plot([x0, x0], [0,y0], 'k--', linewidth=2.5)#'k--'k=black --=虚线线宽度为2.5

文章图片

对(x0, y0)这个点进行标注.#method1 其中参数xycoords=‘data’ 是说基于数据的值来选位置, xytext=(+30, -30) 和 textcoords=‘offset points’ 对于标注位置的描述和 xy 偏差值,
arrowprops是对图中箭头类型的一些设置.

#method1 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")) #xy=(x0,y0)从哪个点开始并以data做基准 #xytext=(+30,-30),textcoords='offset point',显示描述基于x0，y0坐标+30,-30 #arrowstyle箭头 connectionstyle弧度

文章图片

method2

plt.text(-3.7,3,r'$This\ is\ the\ some\ text.\ \mu\ \sigma_i\ \alpha_t$', fontdict={'size':16,'color':'r'}) #_i下标

文章图片

tick 能见度当图片中的内容较多，相互遮盖时，通过设置相关内容的透明度来使图片更易于观察，也即是通过本节中的bbox参数设置来调节图像信息.

import matplotlib.pyplot as plt import numpy as npx = np.linspace(-3, 3, 50) y = 0.1*xplt.figure() # 在 plt 2.0.2 或更高的版本中, 设置 zorder 给 plot 在 z 轴方向排序 plt.plot(x, y, linewidth=10, zorder=1) plt.ylim(-2, 2) ax = plt.gca() ax.spines['right'].set_color('none') ax.spines['top'].set_color('none') ax.spines['top'].set_color('none') ax.xaxis.set_ticks_position('bottom') ax.spines['bottom'].set_position(('data', 0)) ax.yaxis.set_ticks_position('left') ax.spines['left'].set_position(('data', 0))plt.show()

原图

文章图片

x轴和 y轴的刻度数字进行透明度设置，label.set_fontsize(12)重新调节字体大小，bbox设置目的内容的透明度相关参，facecolor调节 box 前景色，edgecolor 设置边框，alpha设置透明度. 最终结果如下:

#x轴和 y轴的刻度数字进行透明度设置 #将坐标轴数值label拿出来再单个单个设置参数 for label in ax.get_xticklabels()+ax.get_yticklabels(): label.set_fontsize(12) label.set_bbox(dict(facecolor='white',edgecolor='yellow',alpha=0.7)) #bbox数值后面的框颜色边框色透明度

文章图片

Scatter 散点图生成1024个呈标准正态分布的二维数据组 (平均数是0，方差为1) 作为一个数据集，并图像化这个数据集。每一个点的颜色值用T来表示：

import matplotlib.pyplot as plt import numpy as npn=1024 #在x、y轴分别生成1024个 X=np.random.normal(0,1,n) Y=np.random.normal(0,1,n) T=np.arctan2(Y,X)#t代表颜色的数量值

数据集生成完毕，用scatterplot这个点集输入X和Y作为location，size=75，颜色为T，color map用默认值，透明度alpha 为 50%。
x轴显示范围定位(-1.5，1.5)，并用xtick()函数来隐藏x坐标轴，y轴同理：

plt.scatter(X,Y,s=75,c=T,alpha=0.5) plt.xlim(-1.5,1.5) plt.ylim(-1.5,1.5) plt.show()

文章图片

隐藏xy轴值

plt.xticks(()) plt.yticks(())plt.show()

Bar 柱状图

文章图片

Bar 柱状图生成基本图形向上向下分别生成12个数据，X为 0 到 11 的整数，Y是相应的均匀分布的随机数据。使用的函数是plt.bar，参数为X和Y：

#柱状图 import matplotlib.pyplot as plt import numpy as npn=12 #上12下12X=np.arange(n)#x从0~11 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)#产生柱状图 plt.bar(X,+Y1,facecolor='#9999ff',edgecolor='white')#边框白色 plt.bar(X,-Y2)

颜色和数据用facecolor设置主体颜色，edgecolor设置边框颜色为白色。
用函数plt.text分别在柱体上方（下方）加上数值，用%.2f保留两位小数，横向居中对齐ha=‘center’，纵向底部（顶部）对齐va=‘bottom’：

#给上面的图加文字 for x,y in zip(X,Y1): #zip将X,Y1分别传进x，y plt.text(x,y+0.05,'%.2f'%y,ha='center',va='bottom')#ha横向对齐方式 va垂直对齐方式 for x,y in zip(X,Y2): plt.text(x,-y-0.1,'-%.2f'%y,ha='center',va='bottom') #因为y是负的 plt.xlim(-1,n) plt.xticks(()) plt.ylim(-1.25,1.25) plt.yticks(())plt.show()

文章图片

Contours 等高线图画等高线数据集即三维点 (x,y) 和对应的高度值，共有256个点。高度值使用一个 height function f(x,y) 生成。
x, y 分别是在区间 [-3,3] 中均匀分布的256个值，并用meshgrid在二维平面中将每一个x和每一个y分别对应起来，编织成栅格:

def f(x,y): # the height function拿x的值生成y 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)#生成网格点坐标矩阵把xy绑定成网格的输入值

接下来进行颜色填充。使用函数plt.contourf把颜色加进去，位置参数分别为：X, Y, f(X,Y)。透明度0.75，并将 f(X,Y) 的值对应到color map的暖色组中寻找对应颜色。

#将颜色加入等高线坐标轴x，y，z plt.contourf(X,Y,f(X,Y),8,alpha=0.75,cmap=plt.cm.hot)#cmap将f(X,Y)每个值对应一个颜色的点 8将等高线分为10部分（10个圈）

进行等高线绘制。使用plt.contour函数划线。位置参数为：X, Y, f(X,Y)。颜色选黑色，线条宽度选0.5。现在的结果如下图所示，只有颜色和线条，还没有数值Label：

#画等高线的线 C=plt.contour(X,Y,f(X,Y),8,color='black',linewidth=.5)

文章图片

添加高度数字 8代表等高线的密集程度，这里被分为10个部分。如果是0，则图像被一分为二。
最后加入Label，inline控制是否将Label画在线里面，字体大小为10。并将坐标轴隐藏：

#数字描述 plt.clabel(C,inline=True,fontsize=10)plt.xticks(()) plt.yticks(()) plt.show()

文章图片

Image 图片随机矩阵画图这里我们打印出的是纯粹的数字，而非自然图像。
我们今天用这样 3x3 的 2D-array 来表示点的颜色，每一个点就是一个pixel。

import matplotlib.pyplot as plt import numpy as npa = np.array([0.313660827978, 0.365348418405, 0.423733120134, 0.365348418405, 0.439599930621, 0.525083754405, 0.423733120134, 0.525083754405, 0.651536351379]).reshape(3,3)

之前选cmap的参数时用的是：cmap=plt.cmap.bone，而现在，我们可以直接用单引号传入参数。origin='lower’代表的就是选择的原点的位置。

#plt.imshow展示图片 plt.imshow(a, interpolation='nearest', cmap='bone', origin='lower')

出图方式 matplotlib官网上对于内插法的不同方法的描述
colorbar 添加一个colorbar ，其中我们添加一个shrink参数，使colorbar的长度变短为原来的92%：

plt.colorbar(shrink=.92)plt.xticks(()) plt.yticks(()) plt.show()

文章图片

3D 数据 3D Plot 时除了导入 matplotlib ，还要额外添加一个模块，即 Axes 3D 3D 坐标轴

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

要先定义一个图像窗口，在窗口上添加3D坐标轴

fig = plt.figure() ax = Axes3D(fig)

文章图片

给进 X 和 Y 值，并将 X 和 Y 编织成栅格。每一个（X, Y）点对应的高度值我们用下面这个函数来计算。

# X, Y value X = np.arange(-4, 4, 0.25) Y = np.arange(-4, 4, 0.25) X, Y = np.meshgrid(X, Y)# x-y 平面的网格 R = np.sqrt(X ** 2 + Y ** 2) # height value Z = np.sin(R)

做出一个三维曲面，并将一个 colormap rainbow 填充颜色，之后将三维图像投影到 XY 平面上做一个等高线图。

ax.plot_surface(X, Y, Z, rstride=1, cstride=1, cmap=plt.get_cmap('rainbow'))

添加 XY 平面的等高线

ax.contourf(X, Y, Z, zdir='z', offset=-2, cmap=plt.get_cmap('rainbow')) #zdir等高线从上压下去还是左或Zoffset=-2等高线放到z轴-2的位置 ax.set_zlim(-2,2)#z的高度范围-2到2

文章图片

如果 zdir 选择了x，那么效果将会是对于 XZ 平面的投影，效果如下

文章图片

Subplot 多合一显示均匀图中图

文章图片

使用plt.figure创建一个图像窗口plt.subplot来创建小图. plt.subplot(2,2,1)表示将整个图像窗口分为2行2列, 当前位置为1.

import matplotlib.pyplot as pltplt.figure()plt.subplot(2,2,1)#两行两列 1在第一个位置 plt.plot([0,1],[0,1])plt.subplot(2,2,2)#两行两列在第2个位置 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()

文章图片

不均匀图中图使用plt.subplot(2,1,1)将整个图像窗口分为2行1列, 当前位置为1.
使用plt.plot([0,1],[0,1])在第1个位置创建一个小图.使用plt.subplot(2,3,4)将整个图像窗口分为2行3列, 当前位置为4.
使用plt.plot([0,1],[0,2])在第4个位置创建一个小图.

#不均匀图中图 plt.subplot(2,1,1)#分成两行一列 plt.plot([0,1],[0,1]) #注意从第四个plot开始 plt.subplot(2,3,4) plt.plot([0,1],[0,2])plt.subplot(235) plt.plot([0,1],[0,3])plt.subplot(236) plt.plot([0,1],[0,4])

文章图片

Subplot 分格显示 subplot2grid 使用plt.subplot2grid来创建第1个小图, (3,3)表示将整个图像窗口分成3行3列, (0,0)表示从第0行第0列开始作图，colspan=3表示列的跨度为3, rowspan=1表示行的跨度为1.
colspan和rowspan缺省, 默认跨度为1.使用plt.subplot2grid来创建第2个小图, (3,3)表示将整个图像窗口分成3行3列, (1,0)表示从第1行第0列开始作图，colspan=2表示列的跨度为2.
同上画出 ax3, (1,2)表示从第1行第2列开始作图，rowspan=2表示行的跨度为2. 再画一个 ax4 和 ax5, 使用默认 colspan, rowspan.

# # method 1: subplot2grid # plt.figure() # ax1 = plt.subplot2grid((3, 3), (0, 0), colspan=3) # #grid为单元的小格从第0行第0列开始 colspan跨度为3 默认为1 # ax1.plot([1, 2], [1, 2])# 画小图 # ax1.set_title('ax1_title')# 设置小图的标题 # # 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))

使用ax4.scatter创建一个散点图, 使用ax4.set_xlabel和ax4.set_ylabel来对x轴和y轴命名.

ax4.scatter([1, 2], [2, 2]) ax4.set_xlabel('ax4_x') ax4.set_ylabel('ax4_y')

文章图片

gridspec .
使用import导入matplotlib.gridspec, 并简写成gridspec.使用plt.figure()创建一个图像窗口, 使用gridspec.GridSpec将整个图像窗口分成3行3列.使用plt.subplot来作图, gs[0, :]表示这个图占第0行和所有列, gs[1, :2]表示这个图占第1行和第2列前的所有列,
gs[1:, 2]表示这个图占第1行后的所有行和第2列, gs[-1, 0]表示这个图占倒数第1行和第0列, gs[-1, -2]表示这个图占倒数第1行和倒数第2列.

# # method 2: gridspec # plt.figure() # gs=gridspec.GridSpec(3,3)#相当于subplot2grid((3, 3) # ax1= plt.subplot(gs[0, :])#所有列都占了 # ax2= plt.subplot(gs[1, :2])#占第1行和第2列前的所有列 # ax3= plt.subplot(gs[1:, 2])#占第1行后的所有行和第2列 # ax4= plt.subplot(gs[-1, 0]) # ax5= plt.subplot(gs[-1, -2])#占倒数第1行和倒数第2列.

文章图片

subplots 使用plt.subplots建立一个2行2列的图像窗口，sharex=True表示共享x轴坐标, sharey=True表示共享y轴坐标.
((ax11, ax12), (ax13, ax14))表示第1行从左至右依次放ax11和ax12, 第2行从左至右依次放ax13和ax14.使用ax11.scatter创建一个散点图.plt.tight_layout()表示紧凑显示图像

# method 3: easy to define structure f, ((ax11, ax12), (ax21, ax22)) = plt.subplots(2, 2, sharex=True, sharey=True)#共享x轴y轴 ax11.scatter([1,2], [1,2])#散点图 plt.tight_layout()plt.show()

文章图片

图中图大图首先确定大图左下角的位置以及宽高0.1, 0.1, 0.8, 0.8，4个值都是占整个figure坐标系的百分比。在这里，假设figure的大小是10x10，那么大图就被包含在由(1, 1)开始，宽8，高8的坐标系内。
将大图坐标系添加到figure中，颜色为r(red)，取名为title：

#图中图 import matplotlib.pyplot as pltfig = plt.figure() #大图 # 创建数据 x = [1, 2, 3, 4, 5, 6, 7] y = [1, 3, 4, 2, 5, 8, 6]left, bottom, width, height = 0.1, 0.1, 0.8, 0.8 ax1=fig.add_axes([left, bottom, width, height])#上下左右占figure的百分比 ax1.plot(x,y,'r')#xy数据为红色 ax1.set_xlabel('ax1_x') ax1.set_ylabel('ax1_y') ax1.set_title('ax1_title')

文章图片

小图绘制左上角的小图，步骤和绘制大图一样，注意坐标系位置和大小的改变：

#小图 left, bottom, width, height = 0.2, 0.6, 0.2, 0.2 ax2=fig.add_axes([left, bottom, width, height])#上下左右占figure的百分比 ax2.plot(y,x,'b')#xy数据为红色 ax2.set_xlabel('ax2_x') ax2.set_ylabel('ax2_y') ax2.set_title('ax2_title')

绘制右下角的小图。这里我们采用一种更简单方法，即直接往plt里添加新的坐标系：

plt.axes([.6,.2,.25,.25]) plt.plot(y[::-1],x,'g')#y逆序 plt.xlabel('x')# plt.ylabel('y') plt.title('title inside') plt.show()

文章图片

次坐标轴第一个y坐标会用到次坐标轴，即在同个图上有第2个y轴存在。同样可以用matplotlib做到，而且很简单

import matplotlib.pyplot as plt import numpy as npx = np.arange(0, 10, 0.1)y1 = 0.05 * x**2y2 = -1 * y1

y2和y1是互相倒置的。接着，获取figure默认的坐标系 ax1：

fig,ax1=plt.subplots()#获取figure默认的坐标系 ax12合并

第二个y坐标 【matplotlib】对ax1调用twinx()方法，生成如同镜面效果后的ax2：
将 y1, y2 分别画在 ax1, ax2 上

ax2=ax1.twinx()#镜面效果ax2 #接着进行绘图, 将 y1, y2 分别画在 ax1, ax2 上： ax1.plot(x, y1, 'g-') ax1.set_xlabel('X data') ax1.set_ylabel('Y1 data', color='g') ax2.plot(x, y2, 'b-') # blue ax2.set_ylabel('Y2 data', color='b')plt.show()