Python Matplotlib簡易教程(小白教程)
阿新 • • 發佈：2020-07-28
簡單演示
import matplotlib.pyplot as plt import numpy as np # 從[-1,1]中等距去50個數作為x的取值 x = np.linspace(-1,1,50) print(x) y = 2*x + 1 # 第一個是橫座標的值，第二個是縱座標的值 plt.plot(x,y) # 必要方法，用於將設定好的figure物件顯示出來 plt.show()
import matplotlib.pyplot as plt import numpy as np x = np.linspace(-1,50) y = 2**x + 1 # 第一個是橫座標的值，第二個是縱座標的值 plt.plot(x,y) plt.show()
顯示多個影象
import matplotlib.pyplot as plt
import numpy as np
# 多個figure
x = np.linspace(-1,50)
y1 = 2*x + 1
y2 = 2**x + 1
# 使用figure()函式重新申請一個figure物件
# 注意，每次呼叫figure的時候都會重新申請一個figure物件
plt.figure()
# 第一個是橫座標的值，第二個是縱座標的值
plt.plot(x,y1)
# 第一個引數表示的是編號，第二個表示的是圖表的長寬
plt.figure(num = 3,figsize=(8,5))
# 當我們需要在畫板中繪製兩條線的時候，可以使用下面的方法：
plt.plot(x,y2)
plt.plot(x,y1,color='red',# 線顏色
linewidth=1.0,# 線寬
linestyle='--' # 線樣式
)
plt.show()這裡會顯示兩個影象：
去除邊框，指定軸的名稱
import matplotlib.pyplot as plt
import numpy as np
# 從[-1,50)
y1 = 2*x + 1
y2 = 2**x + 1
# 請求一個新的figure物件
plt.figure()
# 第一個是橫座標的值，第二個是縱座標的值
plt.plot(x,y1)
# 設定軸線的lable（標籤）
plt.xlabel("I am x")
plt.ylabel("I am y")
plt.show()
同時繪製多條曲線
import matplotlib.pyplot as plt
import numpy as np
# 從[-1,50)
y1 = 2*x + 1
y2 = 2**x + 1
# num表示的是編號，figsize表示的是圖表的長寬
plt.figure(num = 3,5))
plt.plot(x,y2)
# 設定線條的樣式
plt.plot(x,# 線條的顏色
linewidth=1.0,# 線條的粗細
linestyle='--' # 線條的樣式
)
# 設定取值引數範圍
plt.xlim((-1,2)) # x引數範圍
plt.ylim((1,3)) # y引數範圍
# 設定點的位置
new_ticks = np.linspace(-1,2,5)
plt.xticks(new_ticks)
# 為點的位置設定對應的文字。
# 第一個引數是點的位置，第二個引數是點的文字提示。
plt.yticks([-2,-1.8,-1,1.22,3],[r'$really\ bad$',r'$bad$',r'$normal$',r'$good$',r'$readly\ good$'])
# gca = 'get current axis'
ax = plt.gca()
# 將右邊和上邊的邊框（脊）的顏色去掉
ax.spines['right'].set_color('none')
ax.spines['top'].set_color('none')
# 繫結x軸和y軸
ax.xaxis.set_ticks_position('bottom')
ax.yaxis.set_ticks_position('left')
# 定義x軸和y軸的位置
ax.spines['bottom'].set_position(('data',0))
ax.spines['left'].set_position(('data',0))
plt.show()
多條曲線之曲線說明
import matplotlib.pyplot as plt
import numpy as np
# 從[-1,50)
y1 = 2*x + 1
y2 = 2**x + 1
# 第一個引數表示的是編號，第二個表示的是圖表的長寬
plt.figure(num = 3,linewidth=1.0,linestyle='--')
# 設定取值引數
plt.xlim((-1,2))
plt.ylim((1,3))
# 設定lable
plt.xlabel("I am x")
plt.ylabel("I am y")
# 設定點的位置
new_ticks = np.linspace(-1,5)
plt.xticks(new_ticks)
plt.yticks([-2,r'$readly\ good$'])
l1,= plt.plot(x,y2,label='aaa'
)
l2,# 線條顏色
linewidth = 1.0,# 線條寬度
linestyle='-.',# 線條樣式
label='bbb' #標籤
)
# 使用ｌｅｇｅｎｄ繪製多條曲線
plt.legend(handles=[l1,l2],labels = ['aaa','bbb'],loc = 'best'
)
plt.show()
多個figure，並加上特殊點註釋
import matplotlib.pyplot as plt
import numpy as np
# 從[-1,50)
y1 = 2*x + 1
y2 = 2**x + 1
plt.figure(figsize=(12,8)) # 第一個引數表示的是編號，第二個表示的是圖表的長寬
plt.plot(x,linestyle='--')
# gca = 'get current axis'
ax = plt.gca()
# 將右邊和上邊的邊框（脊）的顏色去掉
ax.spines['right'].set_color('none')
ax.spines['top'].set_color('none')
# 繫結x軸和y軸
ax.xaxis.set_ticks_position('bottom')
ax.yaxis.set_ticks_position('left')
# 定義x軸和y軸的位置
ax.spines['bottom'].set_position(('data',0))
# 顯示交叉點
x0 = 1
y0 = 2*x0 + 1
# s表示點的大小，預設rcParams['lines.markersize']**2
plt.scatter(x0,y0,s = 66,color = 'b')
# 定義線的範圍，X的範圍是定值，y的範圍是從y0到0的位置
# lw的意思是linewidth,線寬
plt.plot([x0,x0],[y0,0],'k-.',lw= 2.5)
# 設定關鍵位置的提示資訊
plt.annotate(r'$2x+1=%s$' %
y0,xy=(x0,y0),xycoords='data',xytext=(+30,-30),textcoords='offset points',fontsize=16,# 這裡設定的是字型的大小
# 這裡設定的是箭頭和箭頭的弧度
arrowprops=dict(arrowstyle='->',connectionstyle='arc3,rad=.2')
)
# 在figure中顯示文字資訊
# 可以使用\來輸出特殊的字元\mu\ \sigma\ \alpha
plt.text(0,3,r'$This\ is\ a\ good\ idea.\ \mu\ \sigma_i\ \alpha_t$',fontdict={'size':16,'color':'r'})
plt.show()
tick能見度設定
import matplotlib.pyplot as plt
import numpy as np
# 從[-1,50)
y = 2*x - 1
plt.figure(figsize=(12,8)) # 第一個引數表示的是編號，第二個表示的是圖表的長寬
# alpha是設定透明度的
plt.plot(x,y,color='r',linewidth=10.0,alpha=0.5)
# gca = 'get current axis'
ax = plt.gca()
# 將右邊和上邊的邊框（脊）的顏色去掉
ax.spines['right'].set_color('none')
ax.spines['top'].set_color('none')
# 繫結x軸和y軸
ax.xaxis.set_ticks_position('bottom')
ax.yaxis.set_ticks_position('left')
# 定義x軸和y軸的位置
ax.spines['bottom'].set_position(('data',0))
# 可以使用tick設定透明度
for label in ax.get_xticklabels() + ax.get_yticklabels():
label.set_fontsize(12)
label.set_bbox(dict(facecolor='y',edgecolor='None',alpha=0.7))
plt.show()
多條曲線通用例子
def init_colors():
return ['blue','red','green','black','pink','purple','gray','yellow']
def show_graph(data,save_png_name=None,colors=init_colors()):
"""
繪製折線圖
:param data: 資料格式：{label:{X:Y},label:{X:Y}...}
:param save_png_name:儲存的圖片的名字
:param colors: 顏色列表
:return:
None
"""
# 解決中文顯示亂碼的問題，不用中文就不需要設定了
my_font = font_manager.FontProperties(fname="/自己補充路徑/IOS8.ttf")
plt.figure(figsize=(14,6))
plts = []
labels = []
for index,label in enumerate(data.keys()):
if label is 'rotate':
continue
color = colors[index]
X = data.get(label).keys()
Y = [data.get(label).get(x) for x in X]
temp,= plt.plot(X,Y,color=color,label=label)
plts.append(temp)
labels.append(label)
plt.legend(handles=plts,labels=labels,prop=my_font)
plt.show()
if save_png_name is not None:
plt.savefig(save_png_name)
散點圖
import matplotlib.pyplot as plt import numpy as np n = 1024 # 從[0] X = np.random.normal(0,n) Y = np.random.normal(0,n) T = np.arctan2(X,Y) plt.scatter(np.arange(5),np.arange(5)) plt.xticks(()) plt.yticks(()) plt.show()
條形圖
import matplotlib.pyplot as plt import numpy as np n = 12 X = np.arange(n) Y1 = (1 - X/float(n)) * np.random.uniform(0.5,1.0,n) Y2 = (1 - X/float(n)) * np.random.uniform(0.5,n) plt.figure(figsize=(12,8)) plt.bar(X,+Y1,facecolor='#9999ff',edgecolor='white') plt.bar(X,-Y2,facecolor='#ff9999',edgecolor='white') for x,y in zip(X,Y1): # ha: horizontal alignment水平方向 # va: vertical alignment垂直方向 plt.text(x,y+0.05,'%.2f' % y,ha='center',va='bottom') for x,-Y2): # ha: horizontal alignment水平方向 # va: vertical alignment垂直方向 plt.text(x,y-0.05,va='top') # 定義範圍和標籤 plt.xlim(-.5,n) plt.xticks(()) plt.ylim(-1.25,1.25) plt.yticks(()) plt.show()
contour等高線圖
import matplotlib.pyplot as plt import numpy as np def get_height(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,n) y = np.linspace(-3,n) X,Y = np.meshgrid(x,y) plt.figure(figsize=(14,8)) # use plt.contourf to filling contours # X,Y and value for (X,Y) point # 橫座標、縱座標、高度、 、透明度、cmap是顏色對應表 # 等高線的填充顏色 plt.contourf(X,get_height(X,Y),16,alpah=0.7,cmap=plt.cm.hot) # use plt.contour to add contour lines # 這裡是等高線的線 C = plt.contour(X,color='black',linewidth=.5) # adding label plt.clabel(C,inline=True,fontsize=16) plt.xticks(()) plt.yticks(()) plt.show()
image圖片顯示
import matplotlib.pyplot as plt import numpy as np # image data a = np.array([0.313660827978,0.365348418405,0.423733120134,0.439599930621,0.525083754405,0.651536351379]).reshape(3,3) """ for the value of "interpolation",check this: http://matplotlib.org/examples/images_contours_and_fields/interpolation_methods.html for the value of "origin"= ['upper','lower'],check this: http://matplotlib.org/examples/pylab_examples/image_origin.html """ # 這是顏色的標註 # 主要使用imshow來顯示圖片，這裡暫時不適用圖片來顯示，採用色塊的方式演示。 plt.imshow(a,interpolation='nearest',cmap='bone',origin='lower') plt.colorbar(shrink=.90) # 這是顏色深度的標註，shrink表示壓縮比例 plt.xticks(()) plt.yticks(()) plt.show()
3D資料圖
import matplotlib.pyplot as plt
import numpy as np
from mpl_toolkits.mplot3d import Axes3D
fig = plt.figure(figsize=(12,8))
ax = Axes3D(fig)
# 生成X，Y
X = np.arange(-4,4,0.25)
Y = np.arange(-4,0.25)
X,Y = np.meshgrid(X,Y)
R = np.sqrt(X**2 + Y**2)
# height value
Z = np.sin(R)
# 繪圖
# rstride（row）和cstride(column)表示的是行列的跨度
ax.plot_surface(X,Z,rstride=1,# 行的跨度
cstride=1,# 列的跨度
cmap=plt.get_cmap('rainbow') # 顏色對映樣式設定
)
# offset 表示距離zdir的軸距離
ax.contourf(X,zdir='z',offest=-2,cmap='rainbow')
ax.set_zlim(-2,2)
plt.show()
Subplot多合一顯示
import matplotlib.pyplot as plt import numpy as np plt.figure() # 將整個figure分成兩行兩列 plt.subplot(2,1) # 第一個引數表示X的範圍，第二個是y的範圍 plt.plot([0,1],[0,1]) plt.subplot(222) plt.plot([0,2]) plt.subplot(223) plt.plot([0,3]) plt.subplot(224) plt.plot([0,4]) plt.show()
分格顯示
subplot2grid
import matplotlib.pyplot as plt import numpy as np import matplotlib.gridspec as gridspec plt.figure() # 第一個元素表示將總的面板進行劃分，劃分為3行3列， # 第二個元素表示該面板從0行0列開始，列的跨度（colspan）為3列，行的跨度（rowspan）為1 ax1 = plt.subplot2grid((3,3),(0,0),colspan=3,rowspan=1) # 第一個元素的表示X的範圍為[1,2]，第二個元素表示Y的範圍為[1,2] ax1.plot([1,2],[1,2]) ax1.set_title(r'$ax1\_title$') # 第一個元素表示將總的面板進行劃分，劃分為3行3列， # 第二個元素表示該面板從1行0列開始，列的跨度（colspan）為2列，行的跨度（rowspan）取預設值1 ax2 = plt.subplot2grid((3,(1,colspan=2) ax2.set_title(r'$ax2\_title$') # 第一個元素表示將總的面板進行劃分，劃分為3行3列， # 第二個元素表示該面板從1行2列開始，行的跨度（rowspan）為2列，列的跨度（colspan）取預設值1 ax3 = plt.subplot2grid((3,2),rowspan=2) ax3.set_title(r'$ax3\_title$') # 第一個元素表示將總的面板進行劃分，劃分為3行3列， # 第二個元素表示該面板從2行0列開始,行的跨度（rowspan）為2列，列的跨度（colspan）取預設值1 ax4 = plt.subplot2grid((3,(2,0)) ax4.set_title(r'$ax4\_title$') # 第一個元素表示將總的面板進行劃分，劃分為3行3列， # 第二個元素表示該面板從2行1列開始,行的跨度（rowspan）為2列，列的跨度（colspan）取預設值1 ax5 = plt.subplot2grid((3,1)) ax5.set_title(r'$ax5\_title$') plt.tight_layout() plt.show()
gridspec
import matplotlib.pyplot as plt import numpy as np plt.figure() # 首先，定義網格的佈局為3行3列 gs = gridspec.GridSpec(3,3) # 這裡表示從0行全部都是ax1的 ax1 = plt.subplot(gs[0,:]) ax1.set_title(r'$ax1\_title$') # 這裡表示第一行中0列和1列都是ax2的 ax2 = plt.subplot(gs[1,:2]) ax2.set_title(r'$ax2\_title$') # 這裡表示第一行中2列是ax3的 ax3 = plt.subplot(gs[1:,2]) ax3.set_title(r'$ax3\_title$') # 這裡表示最後一行中0列是ax4的 ax4 = plt.subplot(gs[-1,0]) ax4.set_title(r'$ax4\_title$') # 這裡表示最後一行中倒數第二列是ax5的 ax5 = plt.subplot(gs[-1,-2]) ax5.set_title(r'$ax5\_title$') plt.tight_layout() plt.show()
easy to define structure分格顯示
import matplotlib.pyplot as plt
import numpy as np
plt.figure()
# sharex表示共享X軸，sharey表示共享y軸
f,((ax11,ax12),(ax21,ax22)) = plt.subplots(2,sharex=True,sharey=True)
# 顯示點（1,2）,（1,2）
ax11.scatter([1,2])
ax11.set_title('11')
ax12.set_title('11')
ax21.set_title('21')
ax22.set_title('22')
plt.tight_layout()
plt.show()
圖中圖
import matplotlib.pyplot as plt
import numpy as np
fig = plt.figure(figsize=(10,6))
x = [1,5,6,7]
y = [1,8,6]
# 大圖
left,bottom,width,weight = 0.1,0.1,0.8,0.8
ax1 = fig.add_axes([left,weight])
ax1.plot(x,'r')
ax1.set_xlabel(r'$x$')
ax1.set_ylabel(r'$y$')
ax1.set_title(r'$××Interesting××$')
# 左上小圖
left,weight = 0.2,0.6,0.25,0.25
ax2 = fig.add_axes([left,weight])
ax2.plot(y,x,'b')
ax2.set_xlabel(r'$x$')
ax2.set_ylabel(r'$y$')
ax2.set_title(r'$title\ inside\ 1$')
# 右下小圖
plt.axes([0.6,0.2,0.25])
# 將y的資料逆序輸出[::1]
plt.plot(y[::-1],'g')
plt.xlabel('x')
plt.ylabel('y')
plt.title(r'$title\ inside\ 2$')
plt.show()
主次座標軸
import matplotlib.pyplot as plt import numpy as np # 從[0,10]以0.1為間隔，形成一個列表 x = np.arange(0,10,0.1) y1 = 0.05 * x**2 y2 = -1 * y1 fig,ax1 = plt.subplots() # 映象（上下左右顛倒） ax2 = ax1.twinx() ax1.plot(x,'g-') ax2.plot(x,'b--') # 為軸進行命名 ax1.set_xlabel(r'$X\ data$',fontsize=16) ax1.set_ylabel(r'$Y1$',color='g',fontsize=16) ax2.set_ylabel(r'$Y2$',color='b',fontsize=16) plt.show()
Animation動畫
import matplotlib.pyplot as plt
import numpy as np
from matplotlib import animation
fig,ax = plt.subplots()
# 從[0,2*np.pi]以0.01為間隔，形成一個列表
x = np.arange(0,2*np.pi,0.01)
# 這裡只需要列表的第一個元素，所以就用逗號“,”加空白的形式省略了列表後面的元素
line,= ax.plot(x,np.sin(x))
def animate(i):
line.set_ydata(np.sin(x + i/100))
return line,def init():
line.set_ydata(np.sin(x))
# 這裡由於僅僅需要列表的第一個引數，所以後面的就直接用空白省略了
return line,ani = animation.FuncAnimation(fig=fig,func=animate,# 動畫函式
frames=100,# 幀數
init_func=init,# 初始化函式
interval=20,# 20ms
blit=True)
plt.show()
到此這篇關於Python Matplotlib簡易教程(小白教程)的文章就介紹到這了,更多相關Python Matplotlib簡易教程內容請搜尋我們以前的文章或繼續瀏覽下面的相關文章希望大家以後多多支援我們！