【Docker】命令 docker
matplotlib
簡介
-
Matplotlib是一個Python 2D繪相簿,用於在Python中建立靜態,動畫和互動式視覺化,它以多種硬拷貝格式和跨平臺的互動式環境生成出版物質量的圖形。 Matplotlib可用於Python指令碼,Python和IPython Shell、Jupyter筆記本,Web應用程式伺服器和四個圖形使用者介面工具包。
-
Matplotlib是John Hunter(1968-2012)的創意,他與許多貢獻者一道,花費了無數的時間和精力來製作一款軟體,該軟體被全世界數千名科學家使用。
-
開源。Matplotlib是NumFOCUS的贊助專案,NumFOCUS是美國的501(c)(3)非營利慈善機構。NumFOCUS為Matplotlib提供財政,法律和行政支援,以幫助確保專案的健康和可持續性。有關更多資訊,請訪問numfocus.org。
安裝
Matplotlib及其依賴項可作為包用於macOS,Windows和Linux發行版:
python -m pip install -U pip
python -m pip install -U matplotlib
使用指南
- 一個小例子
import matplotlib.pyplot as plt
import numpy as np
fig, ax = plt.subplots() # 建立一個包含單個軸的圖形
ax.plot([1, 2, 3, 4], [1, 4, 2, 3]) # 在軸上繪製一些資料
plt.show()
注:許多其他繪相簿或語言不需要您顯式建立軸。例如,在MATLAB中,plot([1, 2, 3, 4], [1, 4, 2, 3])
plt.plot([1, 2, 3, 4], [1, 4, 2, 3])
,也可生成下圖。
一個圖的有哪些部分組成呢?
![](https://img2020.cnblogs.com/blog/1673964/202010/
-
在繪圖結構中,figure建立視窗,subplot建立子圖。所有的繪畫只能在子圖上進行。plt表示當前子圖,若沒有就建立一個子圖。所有你會看到一些教程中使用plt進行設定,一些教程使用子圖屬性進行設定。他們往往存在對應功能函式
-
Figure:面板(圖),matplotlib中的所有影象都是位於figure物件中,一個影象只能有一個figure物件。
-
Subplot:子圖,figure物件下建立一個或多個subplot物件(即axes)用於繪製圖像。
配置引數:
- axex: 設定座標軸邊界和表面的顏色、座標刻度值大小和網格的顯示
- figure: 控制dpi、邊界顏色、圖形大小、和子圖( subplot)設定
- font: 字型集(font family)、字型大小和樣式設定
- grid: 設定網格顏色和線性
- legend: 設定圖例和其中的文字的顯示
- line: 設定線條(顏色、線型、寬度等)和標記
- patch: 是填充2D空間的圖形物件,如多邊形和圓。控制線寬、顏色和抗鋸齒設定等。
- savefig: 可以對儲存的圖形進行單獨設定。例如,設定渲染的檔案的背景為白色。
- verbose: 設定matplotlib在執行期間資訊輸出,如silent、helpful、debug和debug-annoying。
- xticks和yticks: 為x,y軸的主刻度和次刻度設定顏色、大小、方向,以及標籤大小。
線條相關屬性標記配置
線條風格linestyle或ls | 描述 |
---|---|
'-' | 實線 |
':' | 虛線 |
'None',' ','' | 什麼都不畫 |
'-.' | 點劃線 |
'—' | 破折線 |
線條標記
標記maker | 描述 |
---|---|
'O' | 圓圈 |
‘p’ | 五邊形 |
',' | 畫素 |
'+' | 加號 |
‘\ ‘ | 豎線 |
‘.’ | 點 |
‘D’ | 菱形 |
's' | 正方形 |
'h' | 六邊形1 |
'*' | 星號 |
‘H’ | 六邊形2 |
‘d’ | 小菱形 |
‘_’ | 水平線 |
'v' | 一角朝上的三角形 |
'X' | 叉號 |
'^' | 一角朝下的三角形 |
'8' | 八邊形 |
'>' | 一角朝左的三角形 |
'<' | 一角朝左的三角形 |
'None',' ','' | 無 |
顏色
別名 | 顏色 |
---|---|
b | 藍色 |
g | 綠色 |
r | 紅色 |
y | 黃色 |
c | 青色 |
k | 黑色 |
m | 洋紅色 |
w | 白色 |
如果這些種顏色不夠用,還可以通過兩種其他方式來定義顏色值:
1、使用HTML十六進位制字串 color=’#123456’
2、使用合法的HTML顏色名字(’red’,’chartreuse’等)。
3、也可以傳入一個歸一化到[0,1]的RGB元祖。 color=(0.3,0.3,0.4)
示例(以點圖、線圖為例)
import matplotlib.pyplot as plt
import numpy as np
import matplotlib
import pandas as pd
from matplotlib.ticker import MultipleLocator
#使用numpy產生資料
x = np.arange(-5,5,0.1)
y = x*3
#建立視窗,子圖
#方法一:先建立視窗,再建立子圖.(一定繪製)
fig = plt.figure(num=1,figsize=(15,8),dpi=80) #開啟一個視窗,同時設定大小,解析度
ax1 = fig.add_subplot(2,1,1) #通過fig新增子圖,引數:行數,列數:第幾個.
ax2 = fig.add_subplot(2,1,2) #通過fig新增子圖,引數:行數,列數:第幾個.
print(fig,ax1,ax2)
#一次性建立視窗和多個子圖.(空白不繪製)
fig,axarr = plt.subplots(4,1) #開一個新視窗,並新增4個子圖,返回子圖陣列
ax1 = axarr[0] #通過子圖陣列獲取一個子圖
print(fig,ax1)
#方法3:一次性建立視窗和一個子圖。(空白不繪製)
ax1 = plt.subplot(1,1,1,facecolor='blue') #開一個新視窗,建立1個子圖。facecolor設定背景顏色
print(ax1)
#獲取對視窗的引用,適用於上面三種方法
# fig = plt.gcf() #獲得當前figure
# fig=ax1.figure #獲得指定子圖所屬視窗
# fig.subplots_adjust(left=0) #設定視窗左內邊距為0,即左邊留白為0。
#設定子圖的基本元素
ax1.set_title('python-drawing') #設定圖體,plt.title
ax1.set_xlabel('x-name') #設定x軸名稱,plt.xlabel
ax1.set_ylabel('y-name') #設定y軸名稱,plt.ylabel
plt.axis([-6,6,-10,10]) #設定橫縱座標軸範圍,這個在子圖中被分解為下面兩個函式
ax1.set_xlim(-5,5) #設定橫軸範圍,會覆蓋上面的橫座標,plt.xlim
ax1.set_ylim(-10,10) #設定縱軸範圍,會覆蓋上面的縱座標,plt.ylim
xmajorLocator = MultipleLocator(2) #定義橫向主刻度標籤的刻度差為2的倍數。就是隔幾個刻度才顯示一個標籤文字
ymajorLocator = MultipleLocator(3) #定義縱向主刻度標籤的刻度差為3的倍數。就是隔幾個刻度才顯示一個標籤文字
ax1.xaxis.set_major_locator(xmajorLocator) #x軸 應用定義的橫向主刻度格式。如果不應用將採用預設刻度格式
ax1.yaxis.set_major_locator(ymajorLocator) #y軸 應用定義的縱向主刻度格式。如果不應用將採用預設刻度格式
ax1.xaxis.grid(True, which='major') #x座標軸的網格使用定義的主刻度格式
ax1.yaxis.grid(True, which='major') #y座標軸的網格使用定義的主刻度格式
ax1.set_xticks([]) #去除座標軸刻度
ax1.set_xticks((-5,-3,-1,1,3,5)) #設定座標軸刻度
ax1.set_xticklabels(labels=['x1','x2','x3','x4','x5'],rotation=-30,fontsize='small') #設定刻度的顯示文字,rotation旋轉角度,fontsize字型大小
plot1=ax1.plot(x,y,marker='o',color='g',label='legend1') #點圖:marker圖示
plot2=ax1.plot(x,y,linestyle='--',alpha=0.5,color='r',label='legend2') #線圖:linestyle線性,alpha透明度,color顏色,label圖例文字
ax1.legend(loc='upper left') #顯示圖例,plt.legend()
ax1.text(2.8, 7, r'y=3*x') #指定位置顯示文字,plt.text()
ax1.annotate('important point', xy=(2, 6), xytext=(3, 1.5), #新增標註,引數:註釋文字、指向點、文字位置、箭頭屬性
arrowprops=dict(facecolor='black', shrink=0.05),
)
#顯示網格。which引數的值為major(只繪製大刻度)、minor(只繪製小刻度)、both,預設值為major。axis為'x','y','both'
ax1.grid(b=True,which='major',axis='both',alpha= 0.5,color='skyblue',linestyle='--',linewidth=2)
axes1 = plt.axes([.2, .3, .1, .1], facecolor='y') #在當前視窗新增一個子圖,rect=[左, 下, 寬, 高],是使用的絕對佈局,不和以存在視窗擠佔空間
axes1.plot(x,y) #在子圖上畫圖
plt.savefig('aa.jpg',dpi=400,bbox_inches='tight') #savefig儲存圖片,dpi解析度,bbox_inches子圖周邊白色空間的大小
plt.show() #開啟視窗,對於方法1建立在視窗一定繪製,對於方法2方法3建立的視窗,若座標系全部空白,則不繪製
plot時可以設定的屬性包括如下:
屬性 值型別
alpha 浮點值
animated [True / False]
antialiased or aa [True / False]
clip_box matplotlib.transform.Bbox 例項
clip_on [True / False]
clip_path Path 例項, Transform,以及Patch例項
color or c 任何 matplotlib 顏色
contains 命中測試函式
dash_capstyle ['butt' / 'round' / 'projecting']
dash_joinstyle ['miter' / 'round' / 'bevel']
dashes 以點為單位的連線/斷開墨水序列
data (np.array xdata, np.array ydata)
figure matplotlib.figure.Figure 例項
label 任何字串
linestyle or ls [ '-' / '--' / '-.' / ':' / 'steps' / ...]
linewidth or lw 以點為單位的浮點值
lod [True / False]
marker [ '+' / ',' / '.' / '1' / '2' / '3' / '4' ]
markeredgecolor or mec 任何 matplotlib 顏色
markeredgewidth or mew 以點為單位的浮點值
markerfacecolor or mfc 任何 matplotlib 顏色
markersize or ms 浮點值
markevery [ None / 整數值 / (startind, stride) ]
picker 用於互動式線條選擇
pickradius 線條的拾取選擇半徑
solid_capstyle ['butt' / 'round' / 'projecting']
solid_joinstyle ['miter' / 'round' / 'bevel']
transform matplotlib.transforms.Transform 例項
visible [True / False]
xdata np.array
ydata np.array
zorder 任何數值
一個視窗多個圖
#一個視窗,多個圖,多條資料
sub1=plt.subplot(211,facecolor=(0.1843,0.3098,0.3098)) #將視窗分成2行1列,在第1個作圖,並設定背景色
sub2=plt.subplot(212) #將視窗分成2行1列,在第2個作圖
sub1.plot(x,y) #繪製子圖
sub2.plot(x,y) #繪製子圖
axes1 = plt.axes([.2, .3, .1, .1], facecolor='y') #新增一個子座標系,rect=[左, 下, 寬, 高]
plt.plot(x,y) #繪製子座標系,
axes2 = plt.axes([0.7, .2, .1, .1], facecolor='y') #新增一個子座標系,rect=[左, 下, 寬, 高]
plt.plot(x,y)
plt.show()
極座標
屬性設定同點圖、線圖中
from matplotlib import pyplot as plt
#一個視窗,多個圖,多條資料
import numpy as np
#使用numpy產生資料
# x = np.arange(-5,5,0.1)
# y = x*3
fig = plt.figure(2) #新開一個視窗
ax1 = fig.add_subplot(1,2,1,polar=True) #啟動一個極座標子圖
theta=np.arange(0,2*np.pi,0.02) #角度數列值
ax1.plot(theta,2*np.ones_like(theta),lw=2) #畫圖,引數:角度,半徑,lw線寬
ax1.plot(theta,theta/6,linestyle='--',lw=2) #畫圖,引數:角度,半徑,linestyle樣式,lw線寬
ax2 = fig.add_subplot(1,2,2,polar=True) #啟動一個極座標子圖
ax2.plot(theta,np.cos(5*theta),linestyle='--',lw=2)
ax2.plot(theta,2*np.cos(4*theta),lw=2)
ax2.set_rgrids(np.arange(0.2,2,0.2),angle=45) #距離網格軸,軸線刻度和顯示位置
ax2.set_thetagrids([0,45,90]) #角度網格軸,範圍0-360度
plt.show()
柱形圖
屬性設定同點圖、線圖中
from matplotlib import pyplot as plt
#一個視窗,多個圖,多條資料
import numpy as np
#使用numpy產生資料
plt.figure(3)
x_index = np.arange(5) #柱的索引
x_data = ('A', 'B', 'C', 'D', 'E')
y1_data = (20, 35, 30, 35, 27)
y2_data = (25, 32, 34, 20, 25)
bar_width = 0.35 #定義一個數字代表每個獨立柱的寬度
rects1 = plt.bar(x_index, y1_data, width=bar_width,alpha=0.4, color='b',label='legend1') #引數:左偏移、高度、柱寬、透明度、顏色、圖例
rects2 = plt.bar(x_index + bar_width, y2_data, width=bar_width,alpha=0.5,color='r',label='legend2') #引數:左偏移、高度、柱寬、透明度、顏色、圖例
#關於左偏移,不用關心每根柱的中心不中心,因為只要把刻度線設定在柱的中間就可以了
plt.xticks(x_index + bar_width/2, x_data) #x軸刻度線
plt.legend() #顯示圖例
plt.tight_layout() #自動控制影象外部邊緣,此方法不能夠很好的控制影象間的間隔
plt.show()
直方圖
from matplotlib import pyplot as plt
# 一個視窗,多個圖,多條資料
import numpy as np
fig, (ax0, ax1) = plt.subplots(nrows=2, figsize=(9, 6)) # 在視窗上新增2個子圖
sigma = 1 # 標準差
mean = 0 # 均值
x = mean + sigma * np.random.randn(1000) # 正態分佈隨機數
ax0.hist(x, bins=40, histtype='bar', facecolor='yellowgreen',alpha=0.75) # histtype直方圖型別,facecolor顏色,alpha透明度
ax1.hist(x, bins=20, histtype='bar', facecolor='pink', alpha=0.75, cumulative=True,
rwidth=0.8) # bins柱子的個數,cumulative是否計算累加分佈,rwidth柱子寬度
plt.show() # 所有視窗執行
散點圖
from matplotlib import pyplot as plt
# 一個視窗,多個圖,多條資料
import numpy as np
fig = plt.figure(4) #新增一個視窗
ax =fig.add_subplot(1,1,1) #在視窗上新增一個子圖
x=np.random.random(100) #產生隨機陣列
y=np.random.random(100) #產生隨機陣列
ax.scatter(x,y,s=x*1000,c='y',marker=(5,1),alpha=0.5,lw=2,facecolors='none') #x橫座標,y縱座標,s影象大小,c顏色,marker圖片,lw影象邊框寬度
plt.show() #所有視窗執行
三維圖
from matplotlib import pyplot as plt
# 一個視窗,多個圖,多條資料
import numpy as np
fig = plt.figure(5)
ax=fig.add_subplot(1,1,1,projection='3d') #繪製三維圖
x,y=np.mgrid[-2:2:20j,-2:2:20j] #獲取x軸資料,y軸資料
z=x*np.exp(-x**2-y**2) #獲取z軸資料
ax.plot_surface(x,y,z,rstride=2,cstride=1,cmap=plt.cm.coolwarm,alpha=0.8) #繪製三維圖表面
ax.set_xlabel('x-name') #x軸名稱
ax.set_ylabel('y-name') #y軸名稱
ax.set_zlabel('z-name') #z軸名稱
plt.show()
畫矩陣,多邊形,橢圓
from matplotlib import pyplot as plt
# 一個視窗,多個圖,多條資料
import numpy as np
fig = plt.figure(6) #建立一個視窗
ax=fig.add_subplot(1,1,1) #新增一個子圖
rect1 = plt.Rectangle((0.1,0.2),0.2,0.3,color='r') #建立一個矩形,引數:(x,y),width,height
circ1 = plt.Circle((0.7,0.2),0.15,color='r',alpha=0.3) #建立一個橢圓,引數:中心點,半徑,預設這個圓形會跟隨視窗大小進行長寬壓縮
pgon1 = plt.Polygon([[0.45,0.45],[0.65,0.6],[0.2,0.6]]) #建立一個多邊形,引數:每個頂點座標
ax.add_patch(rect1) #將形狀新增到子圖上
ax.add_patch(circ1) #將形狀新增到子圖上
ax.add_patch(pgon1) #將形狀新增到子圖上
fig.canvas.draw() #子圖繪製
plt.show()