Python 绘图库 Matplotlib 入门代码实例

使用Matplotlib,能够轻易生成各种图像,例如:直方图、波谱图、条形图、散点图等。

入门代码实例

import matplotlib.pyplot as plt
import numpy as np

# 用np.linspace生成50个元素的数组,均匀的分布在(0,2*pi)区间上面
x = np.linspace(0, 2 * np.pi, 50)
y = np.sin(x)
# 把x;y函数画出来,用黄色的*-线
plt.plot(x, y, "y*-",label="y=sin(x)")
# 把x,y*2函数画出来,用品红的--线
plt.plot(x, y * 2, "m--", label="y=2sin(x)")

plt.legend()
# plt.legend(loc="best")

plt.title("sin(x) & 2sin(x)")  # 设置标题

plt.xlim(0, 6)  # 设置x坐标轴的范围
plt.ylim(-3, 3)    # 设置y坐标轴的范围
# 通过xticks或yticks来设置轴的刻度。
plt.xticks((0, np.pi * 0.5, np.pi, np.pi * 1.5, np.pi * 2))

plt.xlabel("x")    # 设置x轴的名称
plt.ylabel("y")    # 设置y轴的名称

# 展现
plt.show()

代码解析:

1、通过np.linspace生成50个元素均匀的分布在[0,2pi]区间的数组,

2、plt.plot(x,y,"线的样式",label="标记")  # 前两个参数时x,y的取值,第三个参数是线的样式,第四个参数是右上角的标记,和plt.legend()配套使用

3、plt.title("****)设置标题

4、plt.xlim()或plt.ylim()设置x坐标轴或者y坐标轴的范围

5、# 通过xticks或yticks来设置轴的刻度。

6、plt.xlabel("x")设置x轴的名称

常见的颜色:

蓝色:b  青色:c  红色:r  黑色:k

绿色:g  品红:r  黄色:y  白色:w

常见的点:

点:.  方形:s  圆:o  像素:,  三角形:^

常见的线:

直线:-  虚线: - -  点线::  点划线:-.  星号:*

运行结果如下:

Python 绘图库 Matplotlib 入门代码实例

添加注释

先上代码;

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(0, 2 * np.pi, 50)
y = np.sin(x)
plt.plot(x, y)

x0 = np.pi
y0 = 0

# 画出标注点
plt.scatter(x0, y0, s=50)
# 右边的
plt.annotate('sin(np.pi)=%s' % y0, xy=(np.pi, 0), xycoords='data', xytext=(+30, -30),
            textcoords='offset points', fontsize=16,
            arrowprops=dict(arrowstyle='->', connectionstyle="arc3,rad=.2"))
# 左边的
plt.text(0.5, -0.25, "sin(np.pi) = 0", fontdict={'size': 16, 'color': 'r'})

plt.show()

Python 绘图库 Matplotlib 入门代码实例

有时候我们需要对特定的点进行标注,我们可以使用 plt.annotate 函数来实现。

这里我们要标注的点是 (x0, y0) = (π, 0)。

我们也可以使用 plt.text 函数来添加注释。

对于 annotate 函数的参数,做一个简单解释:

'sin(np.pi)=%s' % y0 代表标注的内容,可以通过字符串 %s 将 y0 的值传入字符串;

参数 xycoords='data' 是说基于数据的值来选位置;

xytext=(+30, -30) 和 textcoords='offset points' 表示对于标注位置的描述 和 xy 偏差值,即标注位置是 xy 位置向右移动 30,向下移动30;

arrowprops 是对图中箭头类型和箭头弧度的设置,需要用 dict 形式传入。

一次性绘制多个图形

当需要两组数据进行对比,或者一组数据的不同展示方式,我们就可以在一个窗口中绘制多个图形。

多个图形窗口——figure

一个figure就是一个图形窗口,matplotlib.pyplot会有一个默认的figure,

import matplotlib.pyplot as plt
import numpy as np

data = np.arange(100, 201)  # 生成一组100到200,步长为1的数组
# 在第一个默认窗口画
plt.plot(data)  # 绘制data

data2 = np.arange(200,301)
plt.figure(figsize=(6, 3))    # 生成一个图形窗口,设置窗口的大小为(6,3)
# 在第二个窗口画
plt.plot(data2) # 绘制data2

plt.show()  # 展现

代码解析:

1、matplotlib在绘制图形的时候都在一个默认的figure中。我们可以通过plt.figure()再创建一个窗口

2、plt.figure()有figsize参数,以数组形式控制窗口的大小

运行结果如下:

Python 绘图库 Matplotlib 入门代码实例

多个子图——subplot

  有时候我们需要将多张子图展示在一起,可以使用 plt.subplot()实现。即在调用plot()函数之前需要先调用 subplot()函数。该函数的第一个参数代表子图的总行数,第二个参数代表子图的总列数,第三个参数代表活跃区域。下面绑定了实例,也可以不绑定。

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(0, 2 * np.pi, 50)
y = np.sin(x)

ax1 = plt.subplot(2, 2, 1) # (行,列,活跃区)
plt.plot(x, np.sin(x), 'r')

ax2 = plt.subplot(2, 2, 2, sharey=ax1) # 与 ax1 共享y轴
plt.plot(x, 2 * np.sin(x), 'g')

ax3 = plt.subplot(2, 1, 2)  # 将窗口分为两行1列,这个图形占第二列
plt.plot(x, np.cos(x), 'b')

plt.show()

代码解析:

1、subplot(2,2,x)表示将图像窗口分为2行2列。x表示当前子图所在的活跃区域。


2、subplot(2,1,2)将窗口分为两行一列,这个图形画在第二列


3、plt.subplot(2,2,2,sharey=ax1)    # 是与ax1函数共享受一个y轴。

运行结果如下:

Python 绘图库 Matplotlib 入门代码实例

内容版权声明:除非注明,否则皆为本站原创文章。

转载注明出处:https://www.heiqu.com/882a0d8e21b277a856bd77727ed478b0.html