前言
这一篇是关于数分三剑客之一–matplotlib的一些学习笔记。
它的功能非常强大，可以让枯燥的数据“美腻”起来，那么先来看一下官方给的一些样图：
一、基本组成
1、Figure
说到绘图，那必须要有一个画板。Figure作为一个“老画板”，在matlab中经常能看到它的出没，在python中，它的具体语法是什么呢？让我们来看一下。
figure(num, figsize, dpi, facecolor, edgecolor, frameon)
- 六个参数的含义：
num：画板的编号；
figsize：指定画板的长和高；
dpi：绘图对象的参数；
facecolor：背景颜色；
edgecolor：边框颜色；
frameon：是否需要显示边框；
2、Axes
数学图形怎么能离开坐标轴呢？
创建的方法不一、这里利用set函数创建坐标轴。
- set的五个参数含义：
xlim：x轴的范围 [min,max]；
ylim：y轴的范围 [min,max]；
xlable：自定义x轴的名称；
ylable：自定义y轴的名称；
title：自定义标题；
如：
import matplotlib.pyplot as plt fig = plt.figure() ax = fig.add_subplot(111) ax.set(xlim=[-2.5, 2.5], ylim=[-2.5, 2.5], xlabel='X', ylabel='Y', title='first-try') plt.show()
输出：（这里的樱花树，是pycharm的背景，不是代码实现的效果）
看了上例，ax = fig.add_subplot(111)的作用是啥呀？
其实，这部分和matlab中的subplot作用一样，就是在一个打的区域，布置“几个”（可以是1个）画板。
这里面的三个数字可以这么理解：第一个数字代表几行，第二个数字代表几列，第三个数字代表第几个（顺序是自左向右，自上到下）
如：
import matplotlib.pyplot as plt fig = plt.figure() ax1 = fig.add_subplot(221) ax2 = fig.add_subplot(222) ax3 = fig.add_subplot(224) plt.show()
输出：
二、常见图表的绘制
- 开始之前，可以看一下大佬的这篇文章，介绍了很详细的参数值：
matplotlib绘图中与颜色相关的参数(color颜色参数、linestyle线型参数、marker标记参数)可选列表集合
1、折线图
使用plt.plot
import matplotlib.pyplot as plt x = [1, 2, 3, 4, 5, 6] y = [1, 3, 2, 5, 9, 2] # 传进去x,y的坐标 plt.plot(x, y) plt.show()
输出：
2、柱形图
使用plt.bar
import matplotlib.pyplot as plt x = [1, 2, 3, 4, 5, 6] y = [1, 3, 2, 5, 9, 2] # 传进去x,y的坐标 plt.bar(x, y, color='blue') plt.show()
输出：
3、饼图
使用plt.pie
import matplotlib.pyplot as plt name = ['one', 'two', 'three', 'four', 'five', 'six'] x = [1, 3, 2, 5, 9, 2] plt.pie(x, labels=name, colors=['b', 'r', 'g', 'k', 'c', 'm']) plt.axis('equal') plt.show()
输出：
4、散点图
使用plt.scatter
import matplotlib.pyplot as plt x = [1, 2, 3, 4, 5, 6] y = [1, 3, 2, 5, 9, 2] # market的作用是用什么记号来标记点 plt.scatter(x, y, color='red', marker='*') plt.show()
输出：
5、泡泡图
在处理随机数的时候，感觉挺有意思的。
import matplotlib.pyplot as plt import numpy as np plt.figure(figsize=(8, 8)) x = np.random.rand(50) y = np.random.rand(50) z = np.random.rand(50) # color代表颜色，alpha代表透明度 plt.scatter(x, y, s=z * 1000, color='b', alpha=0.5) plt.show()
输出：
三、细节完善
1、坐标轴的完善（移动、“删除”）
对于坐标轴的改动，需要用到plt.gca函数，它有四个参数：top 、bottom、left、right。分别对应上下左右四个轴。如何操作，先看下面的例子。
- 这个是上面我第一次尝试得到的结果图：
改善之后可变成这样（在画函数图像时应该更舒服一些）：
代码：
import matplotlib.pyplot as plt fig = plt.figure() ax = fig.add_subplot(111) ax.set(xlim=[-2.5, 2.5], ylim=[-2.5, 2.5], title='first-try') bx = plt.gca() # 将下面的轴（x轴）设置为xaxis bx.xaxis.set_ticks_position('bottom') # 将设置后的轴移动到y=0的地方 bx.spines['bottom'].set_position(('data', 0)) bx.yaxis.set_ticks_position('left') bx.spines['left'].set_position(('data', 0)) # 将不想看到的右、上方向的轴“删除”，其实就是把轴的颜色改为无色 bx.spines['top'].set_color('none') bx.spines['right'].set_color('none') plt.show()
2、刻度值的一些操作
- ①调整刻度值的大小、颜色、显示情况
import matplotlib.pyplot as plt fig = plt.figure() ax = fig.add_subplot(111) ax.set(xlim=[-2.5, 2.5], ylim=[-2.5, 2.5], title='first-try') # 对x、y轴的刻度值进行设置 plt.yticks(fontsize=20, color='#00000') # y轴刻度值大小为20 ，颜色为黑色 # plt.yticks(fontsize=20, color='black') # 用black也可以 plt.xticks([]) # [] ，即不显示x轴刻度值 plt.show()
输出：
对于颜色转换可以看一下这位大佬的总结：2020 RGB颜色查询大全 #000000 【颜色列表】
- ②刻度值旋转
import matplotlib.pyplot as plt fig = plt.figure() ax = fig.add_subplot(111) ax.set(xlim=[-2.5, 2.5], ylim=[-2.5, 2.5], title='first-try') fig.autofmt_xdate() # 默认旋转45°，可以在括号里加rotation=‘角度’ plt.show()
3、图例
import matplotlib.pyplot as plt from numpy import * x = linspace(0, 4, 50) # linspace(A,B,C),指从A开始B结束，中间分布C个值，C默认为100 y1 = x y2 = x**2 plt.figure() l1, = plt.plot(x, y1, color='b', linestyle='-') l2, = plt.plot(x, y2, color='r', linestyle='--') # handles：需要制作图例的对象;labels:图例的名字；loc:图例的位置，loc的内容可选“best”，最佳位置 plt.legend(handles=[l1, l2], labels=['function1', 'function2'], loc='upper left') plt.show()
注意：l1后面有个 ，
输出：
4、添加注释（如特殊点）
import matplotlib.pyplot as plt from numpy import * x = linspace(0, 4, 50) # linspace(A,B,C),指从A开始B结束，中间分布C个值，C默认为100 y = x**2 plt.figure() # 选取需要标注的点 x0 = 1.5 y0 = x0**2 # 作图 plt.plot(x, y) # 作垂线， plt.plot([x0, x0], [0, y0], 'k--', linewidth=1) # 作出标注的点 plt.scatter([x0, ], [y0, ], s=50, color='b') # 做标注 plt.annotate(r'$x^2=%s$' % y0, xy=(x0, y0), xycoords='data', xytext=(+30, -30), textcoords='offset points', fontsize=16, arrowprops=dict(arrowstyle='->', connectionstyle="arc3,rad=.2")) # 参数xycoords='data' 是说基于数据的值来选位置, # xytext=(+30, -30) 和 textcoords='offset points' 对于标注位置的描述 和 xy 偏差值 # arrowprops是对图中箭头类型的一些设置 plt.show()
- arrowstyle的格式：
``'-'`` None ``'->'`` head_length=0.4,head_width=0.2 ``'-['`` widthB=1.0,lengthB=0.2,angleB=None ``'|-|'`` widthA=1.0,widthB=1.0 ``'-|>'`` head_length=0.4,head_width=0.2 ``'<-'`` head_length=0.4,head_width=0.2 ``'<->'`` head_length=0.4,head_width=0.2 ``'<|-'`` head_length=0.4,head_width=0.2 ``'<|-|>'`` head_length=0.4,head_width=0.2 ``'fancy'`` head_length=0.4,head_width=0.4,tail_width=0.4 ``'simple'`` head_length=0.5,head_width=0.5,tail_width=0.2 ``'wedge'`` tail_width=0.3,shrink_factor=0.5
输出：
四、图中图
import matplotlib.pyplot as plt from numpy import * x = linspace(0, 4, 50) # linspace(A,B,C),指从A开始B结束，中间分布C个值，C默认为100 y = x**2 fig = plt.figure() # 这四个数字分别代表的是相对figure的位置 left, bottom, width, height = 0.1, 0.1, 0.8, 0.8 ax1 = fig.add_axes([left, bottom, width, height]) ax1.plot(x, y, 'r') ax1.set_xlabel('x') ax1.set_ylabel('y') ax1.set_title('main') ax2 = fig.add_axes([0.2, 0.6, 0.25, 0.25]) ax2.plot(y, x, 'b') ax2.set_xlabel('x') ax2.set_ylabel('y') ax2.set_title('children1') ax3 = fig.add_axes([0.65, 0.2, 0.2, 0.2]) ax3.plot(y, x, 'b') ax3.set_xlabel('x') ax3.set_ylabel('y') ax3.set_title('children2') plt.show()
输出：
这里系统会有提示：This figure includes Axes that are not compatible with tight_layout, so results might be incorrect.
意思为：此图包括与紧固件布局不兼容的轴，因此结果可能不正确。
五、动画制图
前排提示：如果使用pycharm无法播放动画，可参考：pycharm中动画函数animation.FuncAnimation不起作用
实例参考：
import numpy as np import matplotlib.pyplot as plt from matplotlib.animation import FuncAnimation fig, ax = plt.subplots() xdata, ydata = [], [] ln, = plt.plot([], [], 'ro') def init(): ax.set_xlim(0, 2*np.pi) ax.set_ylim(-1, 1) return ln, def update(frame): xdata.append(frame) ydata.append(np.sin(frame)) ln.set_data(xdata, ydata) return ln, ani = FuncAnimation(fig, update, frames=np.linspace(0, 2*np.pi, 128), init_func=init, blit=True) plt.show()
输出：
六、参考文章
七、Blogger’s speech
如有不足，还请大佬评论区留言或私信我，我会进行补充。
感谢您的支持，希望可以点赞，关注，收藏，一键三连哟。
