Matplotlib教程

Matplotlib

---

matplolib的三层结构：

• 容器层

  • Canvas层

  • 画布层(Figure)

  • 绘图区(Axes)

• 辅助显示层

  • 标题

  • 图线的描述信息

  • x的刻度

  • 网格

• 图像层

  • 折线图
  • 柱状图

容器层可以接触到的只是绘图区，其他的都在底层，辅助显示层其实就是函数图像之外的辅助的图例，像标题，刻度之类的，而图像层就是函数图像

---

图像绘制的基本步骤

# 1.引用库
import matplotlib.pyplot as plt    
# 2.准备数据
x = [1,2,3]
y = [3,4,5]
# 3.创建画布
plt.figure(figsize=(20,8),dpi=80)   # 设置画布属性，figure：画布大小，单位是英寸 
# 4.绘制图像
plt.plot(x,y)               
# 5.显示图像
plt.show()    						# 使用show方法后，会释放figure画布

---

基础功能

图像的辅助信息

# 准备数据
time = range(60)
temp = [np.random.uniform(10,20) for i in time]  # 列表生成式
# 等价于：temp = [20 + 10 * np.random.rand(20,30) for i in time]

plt.figure(figsize=(20,8))     # figsize:画布大小单位是英寸

x_label = ["11 hours:{} secd".format(i) for i in time]
plt.xticks(time[::5],x_label[::5])        # 前面是修改刻度，后面刻度的是名称
plt.yticks(range(0,40,5))              # 修改y轴的刻度
plt.xlabel("时间")                     # 设置y轴的名称
plt.ylabel("温度")                     # 设置y轴的名称
plt.title("温度变化图")                 # 设置大标题
plt.grid(linestyle="-",alpha=0.9)        # 设置网格 linestyle:网格风格  alpha：透明度

plt.plot(time,temp,label="function",color="red",marker="x",linewidth="5")    # 设置曲线的颜色和名称,点的形状
plt.plot([1,2,3,4,10],[1,2,3,4,10],'gx-')       # 属性简写形式 
plt.show()

显示图例

x,y1 = [1,2,3],[2,3,4]
x,y2 = [4,5,6],[9,6,3]
plt.figure(figsize=(20,8))
plt.plot(x,y1,label="function_1")    # 如果只是在这里设置label并不会在图像中显示，因为我们只是修改了图像层
plt.legend(loc="lower right")               # 要想显示图例还要在辅助图像层用legend()方法,loc：图例的位置，右上角还是其他地方
plt.show()

一个格里绘制两个图

plt.figure()
plt.plot(x,y1,color="red",linestyle="--",label="line 1")     # 修改图线属性，颜色，粗细等等
plt.plot(x,y2,label="line 2")
plt.legend(loc="best")         
plt.show()

多绘图区,绘制多个图

面向对象的画图方法

figure,axes = plt.subplots(1,2,figsize=(20,8))    # 返回figure画布,和axes绘图区，注意是subplots而不是subplot
axes[0].plot(x,y1,color="red")          # 表示第一个绘图区
axes[0].set_xticks(range(1,10,1))       # 和正常的方法相似又有点区别

axes[1].plot(x,y2,label="function_2")
axes[1].set_xlabel("fig title")         # 显示标题
axes[1].legend()                        # 函数曲线图例，需要注意的是每个图的辅助层并不是同一个，也需要用对象的方式指定是哪个图的legend
plt.show()

绘制散点图 scatter

绘制简单的散点图

x = 10 * np.random.rand(30,1)
y = np.linspace(1,10,30)
plt.figure()
plt.scatter(x,y)
# 散点图还可以用：plt.plot(kind="scatter",alpha=0.4,x="",y="")

漂亮的的散点图

s = (30*np.random.rand(30))**2       # s参数：设置每个点的大小也就是面积，大小值是上面定义的s，默认是20
c = np.random.rand(30)               # c参数：设置点的颜色
plt.scatter(x,y,s=s,c=c,alpha=0.5)   # 设置透明度

设置每个点的形状

s = (30*np.random.rand(30))**2       
c = np.random.rand(30)               
plt.scatter(x,y,s=s,c=c,alpha=0.5,marker="+")   # 

一张图绘制两组数据的散点图

plt.scatter(x,y,alpha=0.5,marker="+",label="scat1")   # 
plt.scatter(x,y*3,alpha=0.5,marker="^",label="scat2")   # 
plt.legend()

柱状图 bar

x = ["北大","清华","中科大","南大","浙大","哈工大"]
y = [1,2,3,4,5,6]
plt.figure(figsize=(20,8))
plt.bar(x,y,color=["r","blue","green"],width=0.2)    # 设置颜色的时候，如果没有和数量对上的话，就会再循环重复用之前的颜色
plt.title("Test fig")
plt.grid(alpha=0.4)
plt.show()

水平柱状图 barh

x = np.arange(1,8)
y = np.random.randn(7)*10
plt.barh(x,y)
plt.yticks(range(1,8),["bar{}".format(i) for i in range(1,8)])

直方图 hist 和柱状图很像

y = np.random.randn(10000) 
plt.figure()
plt.hist(y,bins=30,edgecolor="black")  
   
"""
y:必选参数，绘图数据
bins:直方图的长条形数目，可选项，默认为10
normed:是否将得到的直方图向量归一化，可选项，默认为0，代表不归一化，显示频数。normed=1，表示归一化，显示频率。
facecolor:长条形的颜色
edgecolor:长条形边框的颜色
alpha:透明度
"""

饼图 pie

x = [1,2,3,4,5]
plt.figure(figsize=(20,8),facecolor="white")    # 设置底色
plt.pie(x,labels=["part a","part b","part c","part d","part e"])     # 
plt.legend()
plt.show()

"""
explode：设置各部分突出
label:设置各部分标签
labeldistance:设置标签文本距圆心位置，1.1表示1.1倍半径
autopct：设置圆里面文本
shadow：设置是否有阴影
startangle：起始角度，默认从0开始逆时针转
pctdistance：设置圆内文本距圆心距离
返回值
l_text：圆内部文本，matplotlib.text.Text object
p_text：圆外部文本
"""