Matplotlib Pyplot

简介: Matplotlib Pyplot

Pyplot 是 Matplotlib 的子库,提供了和 MATLAB 类似的绘图 API。

Pyplot 是常用的绘图模块,能很方便让用户绘制 2D 图表。

Pyplot 包含一系列绘图函数的相关函数,每个函数会对当前的图像进行一些修改,例如:给图像加上标记,生新的图像,在图像中产生新的绘图区域等等。

使用的时候,我们可以使用 import 导入 pyplot 库,并设置一个别名 plt

import matplotlib.pyplot as plt

这样我们就可以使用 plt 来引用 Pyplot 包的方法。

以下是一些常用的 pyplot 函数:

  • plot():用于绘制线图和散点图
  • scatter():用于绘制散点图
  • bar():用于绘制垂直条形图和水平条形图
  • hist():用于绘制直方图
  • pie():用于绘制饼图
  • imshow():用于绘制图像
  • subplots():用于创建子图

除了这些基本的函数,pyplot 还提供了很多其他的函数,例如用于设置图表属性的函数、用于添加文本和注释的函数、用于保存图表到文件的函数等等。

以下实例,我们通过两个坐标 (0,0)(6,100) 来绘制一条线:

实例

import matplotlib.pyplot as plt

import numpy as np


xpoints = np.array([0, 6])

ypoints = np.array([0, 100])


plt.plot(xpoints, ypoints)

plt.show()

输出结果如下所示:

以上实例中我们使用了 Pyplot 的 plot() 函数, plot() 函数是绘制二维图形的最基本函数。

plot() 用于画图它可以绘制点和线,语法格式如下:

# 画单条线

plot([x], y, [fmt], *, data=None, **kwargs)

# 画多条线

plot([x], y, [fmt], [x2], y2, [fmt2], ..., **kwargs)

参数说明:

  • x, y:点或线的节点,x 为 x 轴数据,y 为 y 轴数据,数据可以列表或数组。
  • fmt:可选,定义基本格式(如颜色、标记和线条样式)。
  • **kwargs:可选,用在二维平面图上,设置指定属性,如标签,线的宽度等。

>>> plot(x, y)        # 创建 y 中数据与 x 中对应值的二维线图,使用默认样式

>>> plot(x, y, 'bo')  # 创建 y 中数据与 x 中对应值的二维线图,使用蓝色实心圈绘制

>>> plot(y)           # x 的值为 0..N-1

>>> plot(y, 'r+')     # 使用红色 + 号

颜色字符:'b' 蓝色,'m' 洋红色,'g' 绿色,'y' 黄色,'r' 红色,'k' 黑色,'w' 白色,'c' 青绿色,'#008000' RGB 颜色符串。多条曲线不指定颜色时,会自动选择不同颜色。

线型参数:'‐' 实线,'‐‐' 破折线,'‐.' 点划线,':' 虚线。

标记字符:'.' 点标记,',' 像素标记(极小点),'o' 实心圈标记,'v' 倒三角标记,'^' 上三角标记,'>' 右三角标记,'<' 左三角标记...等等。

如果我们要绘制坐标 (1, 3) 到 (8, 10) 的线,我们就需要传递两个数组 [1, 8] 和 [3, 10] 给 plot 函数:

实例

import matplotlib.pyplot as plt

import numpy as np


xpoints = np.array([1, 8])

ypoints = np.array([3, 10])


plt.plot(xpoints, ypoints)

plt.show()

以上代码输出结果为:

如果我们只想绘制两个坐标点,而不是一条线,可以使用 o 参数,表示一个实心圈的标记:

绘制坐标 (1, 3) 和 (8, 10) 的两个点

import matplotlib.pyplot as plt

import numpy as np


xpoints = np.array([1, 8])

ypoints = np.array([3, 10])


plt.plot(xpoints, ypoints, 'o')

plt.show()

以上代码输出结果为:

我们也可以绘制任意数量的点,只需确保两个轴上的点数相同即可。

绘制一条不规则线,坐标为 (1, 3) 、 (2, 8) 、(6, 1) 、(8, 10),对应的两个数组为:[1, 2, 6, 8] 与 [3, 8, 1, 10]。

实例

import matplotlib.pyplot as plt

import numpy as np


xpoints = np.array([1, 2, 6, 8])

ypoints = np.array([3, 8, 1, 10])


plt.plot(xpoints, ypoints)

plt.show()

以上代码输出结果为:

如果我们不指定 x 轴上的点,则 x 会根据 y 的值来设置为 0, 1, 2, 3..N-1

实例

import matplotlib.pyplot as plt

import numpy as np


ypoints = np.array([3, 10])


plt.plot(ypoints)

plt.show()

以上代码输出结果为:

从上图可以看出 x 的值默认设置为 [0, 1]

再看一个有更多值的实例:

实例

import matplotlib.pyplot as plt

import numpy as np


ypoints = np.array([3, 8, 1, 10, 5, 7])


plt.plot(ypoints)

plt.show()

以上代码输出结果为:

从上图可以看出 x 的值默认设置为 [0, 1, 2, 3, 4, 5]

以下实例我们绘制一个正弦和余弦图,在 plt.plot() 参数中包含两对 x,y 值,第一对是 x,y,这对应于正弦函数,第二对是 x,z,这对应于余弦函数。

实例

import matplotlib.pyplot as plt

import numpy as np


x = np.arange(0,4*np.pi,0.1)   # start,stop,step

y = np.sin(x)

z = np.cos(x)

plt.plot(x,y,x,z)

plt.show()

以上代码输出结果为:

目录
相关文章
|
4月前
|
API Python
Matplotlib 教程 之 Matplotlib Pyplot 2
Matplotlib 的子库 Pyplot 提供了类似 MATLAB 的绘图 API,是常用的 2D 图表绘制模块。通过 `import matplotlib.pyplot as plt` 导入后,可使用如 `plot()`, `scatter()`, `bar()`, `hist()`, `pie()`, `imshow()` 和 `subplots()` 等函数来轻松生成并调整图表。其中 `plot()` 用于绘制线图和散点图,接受 `x` 和 `y` 数据及可选格式参数 `fmt`。
40 8
|
4月前
|
API Python
Matplotlib 教程 之 Matplotlib Pyplot 8
Matplotlib教程之Matplotlib Pyplot第8部分介绍了Pyplot子库,其提供类似MATLAB的绘图API,常用于绘制2D图表。通过导入`matplotlib.pyplot`并设置别名`plt`来使用其功能,如`plot()`、`scatter()`、`bar()`等。此外还支持颜色、线型及标记参数,示例展示了如何绘制正弦和余弦图形。
20 2
|
4月前
|
API Python
Matplotlib 教程 之 Matplotlib Pyplot 4
Matplotlib 子库 Pyplot,提供了类似 MATLAB 的绘图 API,便于用户绘制 2D 图表。Pyplot 包含一系列函数,如 `plot()`、`scatter()`、`bar()`、`hist()`、`pie()` 和 `imshow()` 等,可对图像进行各种修改。通过 `import matplotlib.pyplot as plt` 导入库后,即可使用这些函数。此外,还介绍了颜色、线型和标记等参数的使用方法。
21 2
|
4月前
|
API Python
Matplotlib 教程 之 Matplotlib Pyplot 5
Matplotlib Pyplot 是 Matplotlib 的一个子库,提供了类似 MATLAB 的绘图 API。常用於绘制 2D 图表,包含多种绘图函数如 plot()、scatter() 和 bar() 等,可透过 `import matplotlib.pyplot as plt` 引入并使用。此外还支持颜色、线型及标记自定义,并能绘制任意数量的点。
20 0
|
Python
理解matplotlib、pylab与pyplot之间的关系
官方介绍: http://matplotlib.org/faq/usage_faq.html#matplotlib-pylab-and-pyplot-how-are-they-related 先来说matplotlib与pylab 这些模块其实功能都相同,程序运行的时候都在运行相同的code,不同的是导入模块的方式不同。
2006 0
|
资源调度 Python API
Matplotlib 中文用户指南 3.1 pyplot 教程
pyplot 教程 原文:Pyplot tutorial 译者:飞龙 协议:CC BY-NC-SA 4.0 matplotlib.pyplot是一个命令风格函数的集合,使matplotlib的机制更像 MATLAB。
1484 0
|
4月前
|
Python
以下是一些常用的图表类型及其Python代码示例,使用Matplotlib和Seaborn库。
以下是一些常用的图表类型及其Python代码示例,使用Matplotlib和Seaborn库。
|
4月前
|
数据可视化 数据挖掘 Linux
震撼发布!Python数据分析师必学,Matplotlib与Seaborn数据可视化实战全攻略!
在数据科学领域,数据可视化是连接数据与洞察的桥梁,能让复杂的关系变得直观。本文通过实战案例,介绍Python数据分析师必备的Matplotlib与Seaborn两大可视化工具。首先,通过Matplotlib绘制基本折线图;接着,使用Seaborn绘制统计分布图;最后,结合两者在同一图表中展示数据分布与趋势,帮助你提升数据可视化技能,更好地讲述数据故事。
65 1
|
23天前
|
数据可视化 Python
以下是一些常用的图表类型及其Python代码示例,使用Matplotlib和Seaborn库。
通过这些思维导图和分析说明表,您可以更直观地理解和选择适合的数据可视化图表类型,帮助更有效地展示和分析数据。
64 8
|
4月前
|
存储 数据可视化 数据挖掘
揭秘!Matplotlib与Seaborn联手,如何让Python数据分析结果一目了然,惊艳全场?
在数据驱动时代,高效直观地展示分析结果至关重要。Python中的Matplotlib与Seaborn是两大可视化工具,结合使用可生成美观且具洞察力的图表。本文通过分析某电商平台的商品销量数据集,展示了如何利用这两个库揭示商品类别与月份间的销售关系及价格对销量的影响。首先使用Matplotlib绘制月份销量分布直方图,再借助Seaborn的箱线图进一步探索不同类别和价格区间下的销量稳定性。
74 10