Matplotlib学习总结|Matplotlib学习总结梳理【Matplotlib学习记录】数据可视化|python

首先粗略介绍各个方法

首先开头：plt.figure() ---- 表示铺开一张作图的白纸，且若仅有一个图时可以省略，且其作用域影响的是下一个plt.figure出现前的所有plt点出的方法。
结尾必用：plt.show() ---- 表示展示图像。
线图时用：plt.plot() ---- 装载数据且指定其颜色、形状、宽度、图列中对应的标签。
下面介绍的各个方法均介于figure和show之间。

坐标轴的取值范围、显示标签、文字刻度

xlim |ylim ---- 设置取值范围
xlabel | ylabel ---- 坐标轴的标签
xticks | yticks ---- 坐标轴的刻度自定义
演示代码

x=np.linspace(-1,1,50) y1 = 2 * x + 1 y2 = x ** 2plt.figure(num=3,figsize=(8,5)) plt.plot(x,y2) plt.plot(x,y1,color="red",linewidth=1.0,linestyle='--')# 设置坐标轴的取值范围 plt.xlim((-1,2)) plt.ylim((-2,3)) # 设置坐标的标签 plt.xlabel("Iam X") plt.ylabel("Iam Y") # 设置坐标轴的小标 new_ticks = np.linspace(-1,2,5) print(new_ticks) plt.xticks(new_ticks) # 坐标轴的刻度修改为文字 plt.yticks([-2,-1.8,-1,1.22,3], ['really bad','bad','normal','good','really good']) # 使用更加好看的字体--数学的斜体的学术的那种！ # 美元符号+ 空格转义+正则表达式的r plt.yticks([-2,-1.8,-1,1.22,3], [r'$really\ bad$',r'$bad$',r'$normal$',r'$good$',r'$really\ good$']) # 打印数学形式的α通过转字符 \alpha plt.yticks([-2,-1.8,-1,1.22,3], [r'$really\ bad$',r'$bad\ \alpha$',r'$normal$',r'$good$',r'$really\ good$'])plt.show()

Matplotlib学习总结|Matplotlib学习总结梳理【Matplotlib学习记录】

文章图片

坐标轴的四边显示与边的移动

plt.gca() ---- 将当前的坐标轴作为对象，在此基础上调用一系列的方法。
plt.gca().spines ---- 取出坐标轴的某个边作为对象，进行颜色、位置移动等方法的调用。
plt.gca().xaxis.set_ticks_position ---- 指定坐标轴四边中的那个边作为Y轴和X轴。
代码演示

x=np.linspace(-1,1,50) y1 = 2 * x + 1 y2 = x ** 2plt.figure(num=3,figsize=(8,5)) plt.plot(x,y2) plt.plot(x,y1,color="red",linewidth=1.0,linestyle='--')plt.xlim((-1,2)) plt.ylim((-2,3)) plt.xlabel("Iam X") plt.ylabel("Iam Y")new_ticks = np.linspace(-1,2,5) print(new_ticks) plt.xticks(new_ticks) plt.yticks([-2,-1.8,-1,1.22,3], [r'$really\ bad$',r'$bad\ \alpha$',r'$normal$',r'$good$',r'$really\ good$'])# =============新的内容================ # gca = get current axis表示拿出当前的坐标轴 ax = plt.gca() # Spines指的是figure图像的四个边 ax.spines['right'].set_color('none') ax.spines['top'].set_color('none') # 指定我们的主坐标轴因该由那个边框来代替 ax.xaxis.set_ticks_position("bottom") ax.yaxis.set_ticks_position("left") # 挪动xy轴的位置 # -1 即将x轴绑定在y轴的-1值得位置。data其实不太晓得是啥意思！ ax.spines["bottom"].set_position(("data",-1)) ax.spines["left"].set_position(("data",-0.25)) # =============新的内容================---plt.show()

文章图片

图例

当图中涉及到多个线图时，就要用到图例辨识彼此。
plt.plot ---- 指定label，且记得被赋值的变量后必须跟上逗号。
plt.legend ---- plot中的label需要配合legend才能显示出图例。
代码演示

# 在图像中打标注，标注蓝色得线是啥》红色得线是啥 x=np.linspace(-1,1,50) y1 = 2 * x + 1 y2 = x ** 2plt.figure(num=3,figsize=(8,5)) ########改动范围################################### # 施加线得名字, l1, = plt.plot(x,y2,label = 'up') l2, = plt.plot(x,y1,color="red",linewidth=1.0,linestyle='--',label='down') # 但是只是单纯得加上label，并不会显示，需要辅助到legend # 默认的参数 plt.legend() # 位置选择best；loc = {upper right so on # handles 表示图例的线是中括号的形式,需要将上面的两条线的返回值赋给一个变量 # 且返回的对象要加上一个逗号！ # labels 给两个对象一个不同的名字，在图例中的显示名字！ plt.legend(handles=[l1,l2,],labels=["aaaa","bbbb"],loc="best") # 如果figure中显示所有的线条，但是我的图例中只想告诉大家某一条线条是我们关注的。 plt.legend(handles=[l1,],labels=["aaaa"],loc="best")########################################## plt.xlim((-1,2)) plt.ylim((-2,3)) plt.xlabel("Iam X") plt.ylabel("Iam Y")new_ticks = np.linspace(-1,2,5) print(new_ticks) plt.xticks(new_ticks) plt.yticks([-2,-1.8,-1,1.22,3], [r'$really\ bad$',r'$bad\ \alpha$',r'$normal$',r'$good$',r'$really\ good$'])plt.show()

【Matplotlib学习总结|Matplotlib学习总结梳理【Matplotlib学习记录】】

文章图片

Annotation标注

一共两种方法：plt.text(文本，简单) 和plt.annotate（箭头，复杂）。
代码演示

# 添加注解：两种方式：annotation还有 text x=np.linspace(-4,4,50) y2 = x * 2 + 1plt.figure(num=3,figsize=(8,5)) plt.plot(x,y2)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))##################################################################3333x0 = 1 y0 = 2 * x0 + 1 # 向figure中添加一个新的线对象，不过仅是一个点 plt.scatter(x0,y0,color = 'b') # k 表示black-- 表示block style # 构造一个两个点间的线对象。 plt.plot([x0,x0],[y0,0],'k--',lw =2.5)# method 1 # 第一个参数表示标注的内容、xy表示箭头指向的线上的那个点的坐标、xytext表示标注的文本内容的中点位置 # 即在xy坐标的x向右加40，向下减40的一个新坐标位置。 # textcoords 表示xytext的点的构建性质是：偏移点。 # arrowprops 字典的形式，箭头的风格+从偏移点到xy点的连接线的风格。 ######################## plt.annotate(r'$2X+1=%s$'%y0,xy=(x0,y0),xycoords='data',xytext=(+40,-40),textcoords='offset points', fontsize=16,arrowprops=dict(arrowstyle='->',connectionstyle='arc3,rad=.2'))# method 2 # 定义颜色、内容及正则转义等 # 前两个参数是文本的中点坐标。第三个参数是文本的内容。第四个参数是字体的格式。 ######################## plt.text(-4,3,r'$This\ is\ the\ some\ text.\ \mu\ \sigma_i\ \alpha_t$', fontdict={'size':16,'color':'r'})#################################################################33plt.show()

文章图片

Trick能见度

问题是，图像因为太多而遮掩了坐标轴的刻度。而解决的方法在于为坐标轴设置Zorder，且设置fontsize和bbox。
label.set_zorder ---- 不仅仅是要指定坐标轴的次序，同时需要指定plot的次序。
label.set_fontsize ---- 设置每个刻度的大小
label.set_bbox ---- 输入字典，设置不透明度等属性。
代码演示：

# 在图像比较繁杂时，数据量太多时，而引起的“坐标轴的内容被挡住”的情况 x=np.linspace(-3,3,50) y2 = x * 0.1plt.figure() ################################################# plt.plot(x,y2,linewidth=10,zorder=1) ################################################# plt.ylim(-2,2)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))################################################# # 把ticks的label、坐标轴数值的label能全部拿出来，以单个单个的设置参数， # set_bbox 也可以用在 plot、scatter等中！！！！！ # 透明度的重点在于 zorder的设置 # plot中设置为zorder=1，这里的坐标轴的label需要设置zorder =2！！！ 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()

文章图片

Scatter 散点图

plt.scatter ---- 散点图。
代码演示

n = 1024X = np.random.normal(0,1,n) Y = np.random.normal(0,1,n)T = np.arctan2(Y,X) # for color valueplt.scatter(X,Y,s=75,c=T,alpha=0.5)plt.xlim((-1.5,1.5)) plt.ylim((-1.5,1.5))# 消除坐标轴的刻度 plt.xticks(()) plt.yticks(())plt.show()

文章图片

Bar 柱状图

plt.bar ---- 柱状图
plt.text ---- 为每个柱子添加标签。
代码演示

X = np.arange(n)# 制作十二个向上的柱状图和十二个向下的柱状图 # uniform 均匀分布 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) #################################################### 施加主体的颜色和边缘颜色 plt.bar(X,+Y1,facecolor='#9999ff',edgecolor='white') plt.bar(X,-Y2,facecolor='#ff9999',edgecolor='white') # 为每个柱状图施加值 for x,y in zip(X,Y1): # ha 即horizontal alignment 横向对其方式 plt.text(x,y+0.05,'-%.2f'%y,ha='center',va='bottom')for x,y in zip(X,Y2): plt.text(x,-y-0.05,'-%.2f'%y,ha='center',va='top') ###################################################plt.xlim(-.5,n) plt.xticks(()) plt.ylim(-1.25,1.25) plt.yticks(())plt.show()

文章图片

4. 堆叠柱状图的演示

# 绘制柱形图，且第二条柱形图堆叠在第一条柱形图之上！ x = [1,2,3,4] y = [5,6,7,8] y1 = [9,10,34,23] plt.bar(x,y) # bottom = y 表示以Y作为底部！ plt.bar(x,y1,bottom = y) plt.show()

文章图片

Co’ntours 等高线图

plt.contourf ---- 等高线图
代码演示

def f(x,y): # the height function 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)# use plt.contourf to filling contours # X,Y andvalue for (X,Y) point # 8代表等高线图分10部分； 0 则表示两部分 # cmp表示之前的参数要调用到的函数。 plt.contourf(X,Y,f(X,Y),8,alpha=0.75,cmap=plt.cm.hot)# use plt.contourtoadd contourlines # 画等高线 C= plt.contour(X,Y,f(X,Y),8,colors='black',linewidths=.5)# adding lable 即将label画在等高线上。 # inline 画在线里面。 plt.clabel(C,inline=True,fontsize=10)plt.xticks(()) plt.yticks(())plt.show()

文章图片

Image 图片

plt.imshow ---- 输入一个shape序列，指定cmap，用以解析序列。
plt.colorbar ---- 增加颜色刻度条
代码演示

# image data a = np.array([0.3,0.36,0.43,0.36,0.43,0.52,0.43,0.52,0.65]).reshape(3,3)# interpolation plt.imshow(a,interpolation='nearest',cmap='bone',origin='lower') # origin 颜色倒叙 #plt.imshow(a,interpolation='nearest',cmap='bone',origin='upper')# 标注：ColorBar # 参数：shrink压缩百分之90 百分百时于图片的高度相等 plt.colorbar(shrink=0.9)plt.xticks(()) plt.yticks(()) plt.show()

文章图片

3D 数据

引入新的库 ---- from mpl_toolkits.mplot3d import Axes3D
ax.plot_surface ---- 3D图的构造
ax.contourf ---- 映射面的构造
代码演示

fig = plt.figure() ax = Axes3D(fig)# X Y value X = np.arange(-4,4,0.25) Y = np.arange(-4,4,0.25) # mesh 将XY构成一个面等高线图 X,Y=np.meshgrid(X,Y) R = np.sqrt(X**2 + Y**2) # height value Z = np.sin(R) ################################################## # 3D 图的构造 # stride 表示福度，如果福度为5 则表示经过5个值后才开始切换为下一个颜色！！！ ax.plot_surface(X,Y,Z,rstride=1,cstride=1,cmap=plt.get_cmap('rainbow')) #等高线图的构造 # zidr 即表示3D图映射到的那个轴的切面上。offset要适时改变。 #ax.contourf(X,Y,Z,zdir='z',offset=-2,cmap='rainbow') ax.contourf(X,Y,Z,zdir='x',offset=-4,cmap='rainbow')################################################## ax.set_zlim(-2,2) plt.show()

文章图片

SubPlot多合一显示

plt.figure() ---- 多图时必须指定，而后面的subplot均是建立在figure之上绘制的。
plt.subplot ---- 经常配合其他的plt.plot。
代码演示

plt.figure()# 表示将这个Figure分成两行两列，然后占用第一个位置，来plot东西 plt.subplot(2,2,1) plt.plot([0,1],[0,1])plt.subplot(2,2,2) plt.plot([0,1],[0,1])plt.subplot(2,2,3) plt.plot([0,1],[0,1])plt.subplot(2,2,4) plt.plot([0,1],[0,1])plt.show()

文章图片

plt.figure()# 211 会有些模糊 plt.subplot(2,1,1) plt.plot([0,1],[0,1])plt.subplot(2,3,4) plt.plot([0,1],[0,1])plt.subplot(2,3,5) plt.plot([0,1],[0,1])plt.subplot(2,3,6) plt.plot([0,1],[0,1])plt.show()

文章图片

Subplot 分格显示

多图展示的另外两种方法subplot2grid 和 gridspec 和面向对象的方法
plt.subplot2grid的代码演示

# method1:subplot2grid ########################################################3 plt.figure() # 起始点时0，0占用一行三列 # 第一个参数：整个figure的shape如何 # 第二个参数：从哪一行哪一列开始，且占用几列，占用几行。 ax1 = plt.subplot2grid((3,3),(0,0),colspan=3,rowspan=1) ax1.plot([1,2],[1,2]) # 不同于坐标轴的标签设置，这是图像的题目。 ax1.set_title('ax1_title')ax2 = plt.subplot2grid((3,3),(1,0),colspan=2,rowspan=1) ax2.plot([1,2],[1,2]) ax2.set_title('ax2_title')ax3 = plt.subplot2grid((3,3),(1,2),colspan=2,rowspan=1) ax3.plot([1,2],[1,2]) ax3.set_title('ax3_title')ax4 = plt.subplot2grid((3,3),(2,0)) ax4.plot([1,2],[1,2]) ax4.set_title('ax4_title')ax5 = plt.subplot2grid((3,3),(2,1),colspan=2,rowspan=1) ax5.plot([1,2],[1,2]) ax5.set_title('ax5_title') ########################################################3plt.tight_layout() plt.show()

文章图片

3. gridspec 代码演示

# method 2:gridspec ########################################################3 import matplotlib.gridspec as gridspec plt.figure() gs = gridspec.GridSpec(3,3)ax6 = plt.subplot(gs[0,:]) ax7 = plt.subplot(gs[1,:2]) ax8 = plt.subplot(gs[1,2]) ax9 = plt.subplot(gs[-1,0]) ax10 = plt.subplot(gs[-1,-2])########################################################3plt.tight_layout() plt.show()

文章图片

面向对象方法代码演示

# method 3 : easy to definestructure ########################################################3 # 之前都是subplot # 这种的特点时：能够做到共享坐标轴！！！ fig,((ax11,ax12),(zx21,zx22)) = plt.subplots(2,2,sharex=True,sharey = True)ax11.scatter([1,2],[1,2] )########################################################3 plt.tight_layout() plt.show()

文章图片

图中图 1.ax1 = fig.add_axes ---- 增加画布
2. 代码演示

# 在一张大图里面，如何放上一张小图 import matplotlib.gridspec as gridspec fig = plt.figure() x= [1,2,3,4,5,6,7] y = [1,3,4,2,5,8,6]# 相对于整个figure来说，距离figure的左下角位置的原点，靠近左边百分之十...整个图像的高度，宽度如何 left, bottom, width, height = 0.1,0.1,0.8,0.8 ax1 = fig.add_axes([left, bottom, width, height]) ax1.plot(x,y,'r') ax1.set_xlabel('x') ax1.set_ylabel('y') ax1.set_title('title')left, bottom, width, height = 0.2,0.6,0.25,0.25 ax2 = fig.add_axes([left, bottom, width, height]) ax2.plot(x,y,'b') ax2.set_xlabel('x') ax2.set_ylabel('y') ax2.set_title('insight_one')plt.axes([0.6,0.2,0.25,0.25]) plt.plot(y[::-1],x,'g') plt.xlabel('x') plt.ylabel('y') plt.title('insight_two')

文章图片

次坐标图

ax1.twinx ---- 通过镜面的效果，把Y轴对称过来。
代码演示

# 两个y轴，共用一个X轴 x = np.arange(0,10,0.1)y1 = 0.05 * x ** 2 y2 = -1*y1fig,ax1 = plt.subplots() # 通过镜面的效果，把Y轴对称过来。 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='b')plt.show()