Python中matplotlib庫的基本用法
阿新 • • 發佈：2018-12-11
matplotlib庫是Python優秀的資料視覺化第三方庫。它提供了一整套和matlab相似的命令API，十分適合互動式地進行製圖。而且也可以方便地將它作為繪圖控制元件，嵌入GUI應用程式中。matplotlib.pyplot是繪製各類視覺化圖形的命令子庫。
引入matplotlib模組方式：import matplotlib.pyplot as plt （一般用plt作為該模組的別名）。
windows系統中安裝matplotlib庫：python3 -m pip install matplotlib，安裝前先確定是否已經安裝了numpy庫。
matplotlib基本用法：
import matplotlib.pyplot as plt import numpy as np x = np.linspace(-1, 1, 50) y1 = 2 * x + 1 y2 = x ** 2 plt.plot(x, y1) plt.show() plt.plot(x, y2) plt.show() # 建立兩個圖表並顯示
執行截圖如下：
figure視窗的使用：
我們想讓不同的圖示放在不同的視窗中。如果不是在pycharm中執行，我們要使用plt.figure()方法。
import matplotlib.pyplot as plt import numpy as np x = np.linspace(-3, 3, 50) y1 = 2 * x + 1 y2 = x ** 2 plt.figure() plt.plot(x, y1) plt.show() plt.figure(num=3, figsize=(8, 5), ) plt.plot(x, y1, color='red', linewidth=1.0, linestyle='--') plt.plot(x, y2) plt.show() # 建立兩個圖表並顯示,()內科設定num=3，即figure3，figsize=(8,5)為設定的長寬 # 我們也可以在一個figure中放入多條線，即放入多個plt.plot()
執行截圖如下：
座標軸的設定：
設定x軸和y軸的取值範圍，改變x軸和外軸的標籤，改變x軸中每個小格表示的數值大小，把y軸一些數值點更改成文字標籤。
import matplotlib.pyplot as plt import numpy as np x = np.linspace(-3, 3, 50) y1 = 2 * x + 1 y2 = x ** 2 plt.figure() plt.plot(x, y1) plt.show() plt.figure(num=3, figsize=(8, 5), ) plt.plot(x, y1, color='red', linewidth=1.0, linestyle='--') plt.plot(x, y2) plt.xlim((-1, 2)) plt.ylim((-2, 3)) # 設定x軸和y軸的取值範圍 plt.xlabel('I am x') plt.ylabel('I am y') # 新增對x軸和y軸的標籤描述 new_ticks = np.linspace(-1, 2, 5) plt.xticks(new_ticks) # 把x軸每個小格表示的數值換一下，現在是-1到2分成5個基點 plt.yticks([-2, -1.8, -1, 1.22, 3, ], [r'$really\ bad$', r'$bad\ \alpha$', r'$normal$', r'$good$', r'$really\ good$']) # 把y的一些基點從數字替換成一些文字標籤，為了便於正則讀取，要加上r,$$之間就是表示要讀取的內容,\alpha會轉置成數學符號阿爾法 plt.show() # 建立兩個圖表並顯示,()內科設定num=3，即figure3，figsize=(8,5)為設定的長寬 # 我們也可以在一個figure中放入多條線，即放入多個plt.plot()
執行截圖如下：
設定x軸和y軸的從原點開始時的數值。
import matplotlib.pyplot as plt
import numpy as np
x = np.linspace(-3, 3, 50)
y1 = 2 * x + 1
y2 = x ** 2
plt.figure()
plt.plot(x, y1)
plt.show()
plt.figure(num=3, figsize=(8, 5), )
plt.plot(x, y1, color='red', linewidth=1.0, linestyle='--')
plt.plot(x, y2)
plt.xlim((-1, 2))
plt.ylim((-2, 3))
# 設定x軸和y軸的取值範圍
plt.xlabel('I am x')
plt.ylabel('I am y')
# 新增對x軸和y軸的標籤描述
new_ticks = np.linspace(-1, 2, 5)
plt.xticks(new_ticks)
# 把x軸每個小格表示的數值換一下，現在是-1到2分成5個基點
plt.yticks([-2, -1.8, -1, 1.22, 3, ],
[r'$really\ bad$', r'$bad\ \alpha$', r'$normal$', r'$good$', r'$really\ good$'])
# 把y的一些基點從數字替換成一些文字標籤，為了便於正則讀取，要加上r,$$之間就是表示要讀取的內容,\alpha會轉置成數學符號阿爾法
ax = plt.gca()
# ax表示我們生成的這張圖，plt.gca()即get current axis即得到目前圖片的四條邊
ax.spines['right'].set_color('none')
ax.spines['top'].set_color('none')
# 將構成圖示的四條邊的右邊和上邊設定成無邊
ax.xaxis.set_ticks_position('bottom')
# 用下面的邊來代替x座標軸
ax.yaxis.set_ticks_position('left')
# 用左邊的邊來代替y座標軸
ax.spines['bottom'].set_position(('data', -1))
ax.spines['left'].set_position(('data', 0))
# 設定x軸和y軸從原點開始的值
plt.show()
# 建立兩個圖表並顯示,()內科設定num=3，即figure3，figsize=(8,5)為設定的長寬
# 我們也可以在一個figure中放入多條線，即放入多個plt.plot()執行截圖如下：
legend圖例：
import matplotlib.pyplot as plt
import numpy as np
x = np.linspace(-3, 3, 50)
y1 = 2 * x + 1
y2 = x ** 2
plt.figure(num=3, figsize=(8, 5), )
plt.xlim((-1, 2))
plt.ylim((-2, 3))
# 設定x軸和y軸的取值範圍
plt.xlabel('I am x')
plt.ylabel('I am y')
# 新增對x軸和y軸的標籤描述
new_ticks = np.linspace(-1, 2, 5)
plt.xticks(new_ticks)
# 把x軸每個小格表示的數值換一下，現在是-1到2分成5個基點
plt.yticks([-2, -1.8, -1, 1.22, 3, ],
[r'$really\ bad$', r'$bad\ \alpha$', r'$normal$', r'$good$', r'$really\ good$'])
# 把y的一些基點從數字替換成一些文字標籤，為了便於正則讀取，要加上r,$$之間就是表示要讀取的內容,\alpha會轉置成數學符號阿爾法
l1, = plt.plot(x, y1, color='red', linewidth=1.0, linestyle='--', label='down')
l2, = plt.plot(x, y2, label='up')
# 如果想傳到handles中去，l1和l2後面必須加逗號
plt.legend(handles=[l1, l2], labels=['aaa', 'bbb'], loc='best')
# 設定一個圖例，handles為要放到圖例中的線l1和l2，loc='best'自動尋找一處比較合適的地方
# labels=['aaa', 'bbb']則把l1的label設為aaa,l2的labels設為bbb,否則會用上面l1和l2賦值時的label
plt.show()
# 建立兩個圖表並顯示,()內科設定num=3，即figure3，figsize=(8,5)為設定的長寬
# 我們也可以在一個figure中放入多條線，即放入多個plt.plot()執行截圖如下：
Annotation標註：
import matplotlib.pyplot as plt
import numpy as np
x = np.linspace(-3, 3, 50)
y = 2 * x + 1
plt.figure(num=3, 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')
ax.spines['bottom'].set_position(('data', 0))
ax.yaxis.set_ticks_position('left')
ax.spines['left'].set_position(('data', 0))
x0 = 1
y0 = 2 * x0 + 1
plt.scatter(x0, y0, s=50, color='b')
# scatter就是在圖上新增點
plt.plot([x0, x0], [y0, 0], 'k--', lw=2.5)
# k就是black，--表示虛線，lw為線寬，plot後面引數有兩個點表示一條虛線
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=(橫座標，縱座標) 箭頭尖端
# xytext=(橫座標，縱座標) 文字的座標，指的是最左邊的座標
# xy（箭頭尖端）和xytext位置（文字位置）都以資料座標為單位。
# 你可以使用xycoords和textcoords以及下列字串之一（預設為data）指定xy和xytext的座標系。
# | 引數 | 座標系 |
# | 'figure points' | 距離圖形左下角的點數量 |
# | 'figure pixels' | 距離圖形左下角的畫素數量 |
# | 'figure fraction' | 0,0 是圖形左下角，1,1 是右上角 |
# | 'axes points' | 距離軸域左下角的點數量 |
# | 'axes pixels' | 距離軸域左下角的畫素數量 |
# | 'axes fraction' | 0,0 是軸域左下角，1,1 是右上角 |
# | 'data' | 使用軸域資料座標系 |
# | 'offset points' | 即箭頭尖端所設點 |
# arrowprops= {facecolor= '顏色',shrink = '數字' <1 收縮箭頭}
# 建立兩個點之間的連線路徑。 這由connectionstyle鍵值控制。
# 如果提供了補丁物件（patchA和patchB），則會剪下路徑以避開該補丁。
# 路徑進一步由提供的畫素總量來縮小（shirnkA&shrinkB）
# 路徑轉換為箭頭補丁，由arrowstyle鍵值控制。
plt.text(-3.5, 3, r'$This is the some text.\mu\ \sigma_i\ \alpha_t$', fontdict={'size': 16, 'color': 'r'})
# \mu\ \sigma_i\ \alpha_t都會轉置成數學符號(注意整句前後加上$)，_i和_t表示下標，fontdict是設定字型大小和顏色
plt.show()執行截圖如下：
tick能見度：
import matplotlib.pyplot as plt
import numpy as np
x = np.linspace(-3, 3, 50)
y = 0.1 * x
plt.figure()
plt.plot(x, y, linewidth=10)
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.spines['bottom'].set_position(('data', 0))
ax.yaxis.set_ticks_position('left')
ax.spines['left'].set_position(('data', 0))
# 通過遍歷把labels都拿出來重新設定一下
for label in ax.get_xticklabels() + ax.get_yticklabels():
label.set_fontsize(16)
label.set_bbox(dict(facecolor='white', edgecolor='black', alpha=100))
# bbox是label後面的框，edgecolor是bbox框的顏色,alpha是透明度
plt.show()執行截圖如下：
Scatter散點圖、Bar柱狀圖、Contours等高線圖：
散點圖：
import matplotlib.pyplot as plt
import numpy as np
n = 1024
X = np.random.normal(0, 1, n)
# 平均值為0，方差為1，生成n個數
Y = np.random.normal(0, 1, n)
T = np.arctan2(Y, X)
# T為顏色變數
plt.scatter(X, Y, s=75, c=T, alpha=0.5)
# 設定散點圖引數
plt.xlim((-1.5, 1.5))
plt.ylim((-1.5, 1.5))
# 設定x軸和y軸範圍
plt.xticks(())
plt.yticks(())
# 隱藏x軸和y軸座標的數字
plt.show()執行截圖如下：
柱狀圖：
import matplotlib.pyplot as plt
import numpy as np
n = 12
X = np.arange(n)
# X0到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)
# Y產生從0.5到1之間的隨機值
plt.bar(X, +Y1, facecolor='#9999ff', edgecolor='white')
plt.bar(X, -Y2, facecolor='#ff9999', edgecolor='white')
# 生成向上和向下的柱狀圖,並設定顏色
for x, y in zip(X, Y1):
plt.text(x + 0.4, y + 0.05, '%.2f' % y, ha='center', va='bottom')
# ha='center',va='bottom'為橫向和縱向對齊方式
# plt.text(x+0.4,y+0.05)設定的是文字在柱狀圖頂的位置
for x, y in zip(X, Y2):
plt.text(x + 0.4, -y - 0.05, '-%.2f' % y, ha='center', va='top')
# ha='center',va='top'為橫向和縱向對齊方式
# plt.text(x-0.4,-y-0.05)設定的是文字在柱狀圖頂的位置
plt.xlim(-5, n)
plt.ylim(-1.25, 1.25)
# 設定x軸和y軸數字的範圍
plt.xticks(())
plt.yticks(())
# 隱藏x軸和y軸座標的數字
plt.show()執行截圖如下：
等高線圖：
import matplotlib.pyplot as plt
import numpy as np
def f(x, 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和y各生成256個數值
X, Y = np.meshgrid(x, y)
# 把X和Y繫結成網格的座標值
plt.contourf(X, Y, f(X, Y), 8, alpha=0.75, cmap=plt.cm.hot)
# 生成一個等高線圖並填充顏色，找出資料值對應在cmap中的顏色，但此時等高線的線還沒有畫
C = plt.contour(X, Y, f(X, Y), 8, colors='black', linewidths=0.5)
# 畫等高線的線，8表示等高線要分成多少部分，8就是10部分
plt.clabel(C, inline=True, fonsize=10)
# 新增線的標籤
plt.xticks()
plt.yticks()
# 隱藏x軸和y軸數字
plt.show()執行截圖如下：
在matplotlib中列印由多點設定顏色後組成的影象：
import matplotlib.pyplot as plt
import numpy as np
# image data
a = np.array([0.313660827978, 0.365348418405, 0.423733120134,
0.365348418405, 0.439599930621, 0.525083754405,
0.423733120134, 0.525083754405, 0.651536351379]).reshape(3,3)
# 建立一個3X3矩陣，白色是值最大的地方，深色是值最小的地方
plt.imshow(a, interpolation='nearest', cmap='bone', origin='lower')
# 顯示圖片，interpolation有多種引數，下面有圖例，origin有lower或upper
plt.colorbar(shrink=.5)
# 新增右邊的比例尺標準，shrink為比例尺長度相對於圖片高度的壓縮比例
plt.xticks(())
plt.yticks(())
plt.show()下圖為interpolation各種引數打印出的影象示例。
執行截圖如下：
matplotlib中3D影象：
import matplotlib.pyplot as plt
import numpy as np
from mpl_toolkits.mplot3d import Axes3D
fig = plt.figure()
ax = Axes3D(fig)
# 建立一個含3D座標軸的figure
X = np.arange(-4, 4, 0.25)
Y = np.arange(-4, 4, 0.25)
# 設定X軸和Y軸數值範圍及每小格數值大小
X, Y = np.meshgrid(X, Y)
# 把X，Y的值作為底面的網格中的座標
R = np.sqrt(X ** 2 + Y ** 2)
Z = np.sin(R)
# Z為高度值
ax.plot_surface(X, Y, Z, rstride=1, cstride=1, cmap=plt.get_cmap('rainbow'))
# 在ax中畫3D圖,rstride=1, cstride=1為線之間的行距和列距
ax.contourf(X, Y, Z, zdir='z', offset=-2, cmap=plt.get_cmap('rainbow'))
# zdir='z'，把3D圖的z軸壓扁到平面上，顯示一個平面圖，offset=-2即壓到比0低2
ax.set_zlim(-2, 2)
# 固定z的高度變化範圍
plt.show()執行截圖如下：
subplot多圖合一顯示：
一個figure均為分成四塊，顯示四個圖：
import matplotlib.pyplot as plt
plt.figure()
plt.subplot(2, 2, 1)
# 把整個figur分成兩行兩列，在左上角第一個位置我要plot上一個圖
plt.plot([0, 1], [0, 1])
# [0, 1], [0, 1]即第一個點為（0,0），第二個點為（1,1）
plt.subplot(2, 2, 2)
plt.plot([0, 1], [0, 2])
plt.subplot(2, 2, 3)
plt.plot([0, 1], [0, 3])
plt.subplot(2, 2, 4)
plt.plot([0, 1], [0, 5])
plt.show()執行截圖如下：
一個figure上面一半放一個圖，下面一半放三個圖：
import matplotlib.pyplot as plt
plt.figure()
plt.subplot(2, 1, 1)
# 把整個figure分成兩行一列，在左上角第一個位置我要plot上一個圖
plt.plot([0, 1], [0, 1])
# [0, 1], [0, 1]即第一個點為（0,0），第二個點為（1,1）
plt.subplot(2, 3, 4)
# 把第2行分成3列，放第2行第1列位置（引數裡是4）
plt.plot([0, 1], [0, 2])
plt.subplot(2, 3, 5)
plt.plot([0, 1], [0, 3])
plt.subplot(2, 3, 6)
plt.plot([0, 1], [0, 5])
plt.show()執行截圖如下：
三種分格顯示的方法：
subplot2grid：
import matplotlib.pyplot as plt
plt.figure()
ax1 = plt.subplot2grid((3, 3), (0, 0), colspan=3, rowspan=1)
# 整個grid有3行3列,(0,0)是從行號0列號0開始（左上角），colspan=3為列跨度,rowspan=1為行跨度
ax1.plot([1, 2], [1, 2])
# ax1加入線
ax1.set_title(label='ax1_titele')
ax2 = plt.subplot2grid((3, 3), (1, 0), colspan=2, rowspan=1)
# 從行號1，列號0開始
ax3 = plt.subplot2grid((3, 3), (1, 2), colspan=1, rowspan=2)
ax4 = plt.subplot2grid((3, 3), (2, 0), colspan=1, rowspan=1)
ax5 = plt.subplot2grid((3, 3), (2, 1), colspan=1, rowspan=1)
plt.show()執行截圖如下：
gridspec：
import matplotlib.pyplot as plt
import matplotlib.gridspec as gridspec
plt.figure()
gs = gridspec.GridSpec(3, 3)
ax1 = plt.subplot(gs[0, :])
# 行號0，所有列佔了
ax2 = plt.subplot(gs[1, :2])
# 行號1，列佔到列號2
ax3 = plt.subplot(gs[1:, 2])
# 列號2，行從行號1佔到最後
ax4 = plt.subplot(gs[-1, 0])
ax5 = plt.subplot(gs[-1, -2])
# -1代表最後一行或列
plt.show()執行截圖如下：
subplots：
import matplotlib.pyplot as plt
f, ((ax11, ax12), (ax21, ax22)) = plt.subplots(2, 2, sharex=True, sharey=True)
# 分成2行2列，,sharex=True,sharey=True表示要共享x軸和y軸
# (ax11,ax12),(ax21,ax22)第一行圖為ax11和ax12,第二行圖為ax21和ax22
ax11.plot([0, 1], [0, 2])
ax12.plot([0, 1], [0, 3])
ax21.plot([0, 1], [0, 4])
ax22.plot([0, 1], [0, 5])
plt.tight_layout()
# tight_layout會自動調整子圖引數，使各個部分不重疊且儘量填充整個區域。
# tight_layout僅僅檢查座標軸標籤、刻度標籤以及標題的部分。
plt.show()執行截圖如下：
圖中圖：
import matplotlib.pyplot as plt
fig = plt.figure()
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])
# 設定ax1相對於整個figure的比例大小，0.1, 0.1, 0.8, 0.8這個是比例
ax1.plot(x, y, 'r')
# 'r'為紅色
ax1.set_xlabel('x')
ax1.set_ylabel('y')
ax1.set_title('title')
# 添加了一個ax1圖
left, bottom, width, height = 0.2, 0.6, 0.25, 0.25
ax2 = fig.add_axes([left, bottom, width, height])
ax2.plot(y, x, 'b')
# 'b'為黑色
ax2.set_xlabel('x')
ax2.set_ylabel('y')
ax2.set_title('title inside1')
# 新增一個小圖
plt.axes([.6, .2, 0.25, 0.25])
plt.plot(y[::-1], x, 'g')
plt.xlabel('x')
plt.ylabel('y')
plt.title('title inside2')
# 再新增一個小圖
plt.show()執行截圖如下：
次座標軸：
import matplotlib.pyplot as plt
import numpy as np
x = np.arange(0, 10, 0.1)
y1 = 0.05 * x ** 2
y2 = -1 * y1
fig, ax1 = plt.subplots()
ax2 = ax1.twinx()
# ax1 座標軸的反向當成ax2的座標軸
ax1.plot(x, y1, 'r--')
ax2.plot(x, y2, 'b-')
ax1.set_xlabel('X data')
ax1.set_ylabel('Y1', color='r')
ax2.set_ylabel('Y2', color='b')
plt.show()執行截圖如下：
Animation動畫：
畫一個能動的波浪動畫。
import matplotlib.pyplot as plt
import numpy as np
from matplotlib import animation
fig, ax = plt.subplots()
x = np.arange(0, 2 * np.pi, 0.01)
line, = ax.plot(x, np.sin(x))
def animate(i):
line.set_ydata(np.sin(x + i / 10))
return line,
def init():
line.set_ydata(np.sin(x))
return line,
ani = animation.FuncAnimation(fig=fig, func=animate, frames=100, init_func=init, interval=20, blit=True)
# frames=100是100次update，func即動畫執行時計算值的函式，init_func即動畫開始時的樣子，interval=20即upadte的頻率，單位是毫秒，blit為是不是更新所有點還是隻更新變化點
plt.show()執行截圖如下：
