matplotlib 是提供数据绘图功能的第三方库，其pyplot 子库主要用于实现各种数据展示的图
形绘制。
import matplotlib.pyplot as plt
plt库的字体：
字体名称 字体英文表示
宋体 SimSun
黑体 SimHei
楷体 KaiTi
微软雅黑 Microsoft YaHei
隶书 LiSu
仿宋 FangSong
幼圆 YouYuan
华文宋体 STSong
华文黑体 STHeiti
苹果丽中黑 Apple Ligothic Medium
为了正确显示中文字体，要做如下设置：
为了正确显示中文字体，要做如下设置：
>>> import matplotlib.pyplot as plt >>> plt.rcParams['font.sans-serif']=['SimHei'] #黑体 >>> plt.rcParams['axes.unicode_minus']=False # 正常显示负号
plt的操作绘图函数：
plt 子库提供了一批操作和绘图函数，每个函数代表对图像进行的一个操作，比如创建绘图区域、添加标注或者修改坐标轴等。这些函数采用plt.<b>0形式调用，其中<b>是具体函数名称。
函数 描述
plt.figure(figsize=None, facecolor=None) 创建一个全局绘图区域
plt.axes(rect) 创建一个坐标系风格的子绘图区域
plt.subplot(nrows, ncols, plot_number) 在全局绘图区域中创建一个子绘图区域
plt.subplots_adjust() 调整子图区域的布局
plt.figure(figsize=None, facecolor=None):
使用figure(函数创建一个全局绘图区域，并且使它成为当前的绘图对象，figsize参数可以指定绘图区域的宽度和高度，单位为英寸。
import matplotlib.pyplot as plt # 创建一个宽度为8英寸，高度为6英寸的图形，并将背景色设置为白色 fig = plt.figure(figsize=(8, 6), facecolor='w') # 绘制一个简单的图表 plt.plot([1, 2, 3, 4], [1, 4, 2, 3]) # 显示图表 plt.show()
结果：
plt.subplot(nrows, ncols, plot_number)：
subplot都用于在全局绘图区域内创建子绘图区域，subplot是在绘图中创建多个图表的一种方法。它许将多个图表组织在一个大的图表中，以便在同一个图像中进行比较和可视化不同的数据。
import matplotlib.pyplot as plt # 创建一个2x2的图像，并将第一个子图放置在左上角 plt.subplot(2, 2, 1) plt.plot([1, 2, 3, 4], [1, 4, 9, 16]) plt.title('Subplot 1') # 创建第二个子图，放置在右上角 plt.subplot(2, 2, 2) plt.plot([1, 2, 3, 4], [1, 8, 27, 64]) plt.title('Subplot 2') # 创建第三个子图，放置在左下角 plt.subplot(2, 2, 3) plt.plot([1, 2, 3, 4], [1, 2, 3, 4]) plt.title('Subplot 3') # 创建第四个子图，放置在右下角 plt.subplot(2, 2, 4) plt.plot([1, 2, 3, 4], [1, 3, 5, 7]) plt.title('Subplot 4') # 调整子图之间的间距 plt.tight_layout() # 显示图像 plt.show()
plt.axes(rect)：
axes0默认创建一个subplot(111)坐标系，参数rec = [left,bottom,width,height]中四个变量的范围都为[0,1]，表示坐标系与全局绘图区域的关系。
import matplotlib.pyplot as plt # 创建一个10x10的图像 plt.figure(figsize=(10, 10)) # 创建一个左边界为0.1，底边界为0.2，宽度为0.8，高度为0.6的轴 ax = plt.axes([0.1, 0.2, 0.8, 0.6]) # 在轴上绘制一条直线 ax.plot([0, 1], [0, 1]) # 设置轴的标题和标签 ax.set_title('Custom Axes') ax.set_xlabel('X') ax.set_ylabel('Y') # 显示图像 plt.show()
plt.subplots_adjust():
在使用plt.subplots()创建多个子图时，子图默认是紧密排列的，可能会导致子图之间的重叠或者不美观。而plt.subplots_adjust()函数可以通过调整一些参数来改变子图的间距。
参数如下：
left：子图左边缘与画布左边缘之间的距离。
right：子图右边缘与画布右边缘之间的距离。
bottom：子图底边缘与画布底边缘之间的距离。
top：子图顶边缘与画布顶边缘之间的距离。
wspace：子图之间的水平间距。
hspace：子图之间的垂直间距。
以下例子调整了两个子图之间的间距为0.5,即为原来的一倍
import matplotlib.pyplot as plt # 创建两个子图 fig, (ax1, ax2) = plt.subplots(2, 1) # 绘制第一个子图 ax1.plot([1, 2, 3], [4, 5, 6]) ax1.set_title('Subplot 1') # 绘制第二个子图 ax2.plot([1, 2, 3], [6, 5, 4]) ax2.set_title('Subplot 2') # 调整子图间距 plt.subplots_adjust(hspace=0.5) # 显示图形 plt.show()
效果如下:
没有调整之前：
plt的读取和显示相关函数：
plt子库提供了一组读取和显示相关的函数，用于在绘图区域中增加显示内容及读入数据，如下表所示，这些函数需要与其他函数搭配使用。
操作 描述
plt.legend() 在绘图区域中放置绘图标签（也称图注）
plt.show() 显示创建的绘图对象
plt.matshow() 在窗口显示数组矩阵
plt.imshow() 在axes上显示图像
plt.imsave() 保存数组为图像文件
plt.imread 从图像文件中读取数组
plt库的基础图表函数：
操作 描述
plt.plot(x,y,label,color,width) 根据x,y数组绘制直/曲线
plt.boxplot(data,notch,position) 绘制一个箱型图（Box-plot）
plt.bar(x,height,width=0.8,bottom=None) 绘制一个条形图
plt.barh(y, width,height=0.8,left=None) 绘制一个横向条形图
plt.polar(theta,r) 绘制极坐标图
plt.pie(data, explode) 绘制饼图
plt.psd(x, NFFT=256, pad_to, Fs) 绘制功率谱密度图
plt.specgram(x,NFFT=256,pad_to,F) 绘制谱图
plt.cohere(x,y,NFFT=256,Fs) 绘制X-Y的相关性函数
plt.scatter(x,y) 绘制散点图（x,y是长度相同的序列）
plt.step(x,y,where) 绘制步阶图
plt.hist(x,bins,normed) 绘制直方图(x为数据，bins为柱数，normed为是否归一化)
plt.contour(X,Y,Z,N) 绘制等值线
plt.vlines(x,ymin,ymax) 绘制垂直线
plt.stem(x,y,linefmt,markerfmt,basefmt) 绘制曲线每个点到水平轴线的垂线
plt.plot_date() 绘制数据日期
plt.plotfile() 根据文件数据进行图形绘制
plot()函数是用于绘制直线的最基础函数:
其常用参数如下：
•x, y：要绘制的数据点的x和y坐标。可以是列表、数组或者Series对象。
•color：曲线的颜色，可以是字符串表示的颜色名称（例如'red'、'blue'）或者RGB值（例如(0.1, 0.2, 0.3)）。
•linestyle：曲线的线型，可以是字符串（例如'-'、'--'、':'、'-.'等）或者自定义的虚线样式（例如(0, (5, 10))表示5个像素的实线，10个像素的空白）。
•linewidth：曲线的线宽，可以是一个浮点数。
•marker：数据点的标记样式，可以是字符串（例如'.'、'o'、's'等）或者Matplotlib支持的标记样式字符。
•markersize：数据点标记的大小，可以是一个整数。
•label：曲线的标签，用于图例中的显示。
•alpha：曲线的透明度，可以是一个0到1之间的浮点数，0表示完全透明，1表示完全不透明。
•linestyle、linewidth、marker、markersize、label等参数还可以通过关键字参数的形式传递给plot()函数。
举例：
import numpy as np import matplotlib.pyplot as plt # 生成 x 取值范围为 [0, 2π] 的等差数列 x = np.linspace(0, 2*np.pi, 50) # 计算 sin(x) 和 cos(x) 的值 y_sin = np.sin(x) y_cos = np.cos(x) # 绘制正弦曲线和余弦曲线 plt.plot(x, y_sin, label='sin(x)', color='blue', linewidth=2) plt.plot(x, y_cos, label='cos(x)', color='red', linewidth=2) # 添加图例，设置标题和坐标轴标签 plt.legend() plt.title('Sine and Cosine Curves') plt.xlabel('x') plt.ylabel('y') # 显示图形 plt.show()
结果 
带有公式的显示可以用$ $，即$y=\sin(x)$
1. importimport numpy as np import matplotlib.pyplot as plt x = np.linspace(0, 2*np.pi, 50) y = np.sin(x) plt.plot(x, y, label=r'$y=\sin(x)$') plt.legend() plt.xlabel('x') plt.ylabel('y') plt.show()
marker的使用：
import numpy as np import matplotlib.pyplot as plt # 创建一个包含10个元素的随机数数组 x = np.arange(10) y = np.random.randn(10) # 绘制折线图，并使用不同的标记样式 plt.plot(x, y, marker='o', label='Circle') # 使用圆形标记 plt.plot(x, y+1, marker='s', label='Square') # 使用正方形标记 plt.plot(x, y+2, marker='*', label='Star') # 使用星号标记 plt.plot(x, y+3, marker='^', label='Triangle') # 使用正三角形标记 plt.legend() # 显示图例 plt.xlabel('x') plt.ylabel('y') plt.show()
plt库的坐标轴：
plt 库有两个坐标体系，图像坐标和数据坐标
图像坐标将图像所在区域左下角视为原点，将x 方向和y方向长度设定为1。整体绘图区域有一个图像坐标，每个axes0和subplot0函数产生的子图也有属于自己的图像坐标。axes()函数参数rect 指当前产生的子区域相对于整个绘图区域的图像坐标。
数据坐标以当前绘图区域的坐标轴为参考，显示每个数据点的相对位置，这与坐标系里面标记数据点一致。
坐标轴设置函数：
函数 描述
plt.axis(‘v’,’off’,’equal’,’scaled’,’tight’,’image’) 获取/设置轴属性的快捷方法
plt.xlim(xmin,xmax) 设置当前x轴取值范围
plt.ylim(ymin,ymax) 设置当前y轴取值范围
plt.xscale() 设置x轴缩放
plt.yscale() 设置y轴缩放
plt.autoscale() 自动缩放轴视图的数据
plt.thetagrids(angles,labels,fmt,frac) 设置极坐标网格theta的位置
plt.grid(on/off) 打开或者关闭坐标网格
举例：
>>> plt.plot([1,2,4],[1,2,3]) #表示在坐标点(1, 1), (2, 2), (4, 3)之间绘制一条折线 >>> plt.axis() #获得当前坐标轴范围 (1.0, 4.0, 1.0, 3.0) >>> plt.axis([0,5,0,8]) #4个变量分别是[xmin,xmax,ymin,ymax]
自动缩放轴视图数据
import matplotlib.pyplot as plt x = [1, 2, 3, 4, 5] y = [1, 4, 9, 16, 25] plt.plot(x, y) plt.autoscale() plt.show()
标签设置函数：
函数 描述
plt.figlegend(handles,label,loc) 为全局绘图区域放置图注
plt.legend() 为当前坐标图放置图注
plt.xlabel(s) 设置当前x轴的标签
plt.ylabel(s) 设置当前y轴的标签
plt.xticks(array,’a’,’b’,’c’) 设置当前x轴刻度位置的标签和值
plt.yticks(array,’a’,’b’,’c’) 设置当前y轴刻度位置的标签和值
plt.clabel(cs,v) 为等值线图设置标签
plt.get_figlabels() 返回当前绘图区域的标签列表
plt.figtext(x,y,s,fontdic) 为全局绘图区域添加文字
plt.title() 设置标题
plt.suptitle() 为当前绘图区域添加中心标题
plt.text(x,y,s,fontdic,withdash) 为坐标图轴添加注释
plt.annotate(note,xy,xytext,xycoords,textcoords,arrawprops) 用箭头在指定数据点创建一个注释或一段文本
举例
import matplotlib.pyplot as plt import matplotlib matplotlib.rcParams['font.family'] = 'sans-serif' matplotlib.rcParams['font.sans-serif'] = ['SimHei'] plt.plot([1,2,4],[1,2,3]) plt.title('坐标系标题') plt.xlabel('时间(s)') plt.ylabel('范围(m)') #r表示这是一个原始字符串，\pi表示Π plt.xticks([1,2,3,4,5],[r'$\pi/3$',r'$2\pi/3$',r'$\pi$',\ r'$4\pi/3$',r'$5\pi/3$'])#设置x轴刻度，启用了latex绘制数学表达式 plt.show()
plt库的区域填充函数
| 函数 | 描述 |
| fill(x,y,color) | 填充多边形 |
| fill_between(x,y1,y2,where,color) | 填充两条曲线围成的多边形 |
| fill_betweenx(y,x1,x2,where,hold) | 填充两条水平线之间的区域 |
import matplotlib.pyplot as plt import numpy as np x = np.linspace(0,10,100) y = np.cos(2*np.pi*x)*np.exp(-x)+0.8 plt.plot(x,y,color='r',label="$exp-decay$",linewidth=3) plt.axis([0,6,0,1.8]) ix = (x>0.8) & (x<3) plt.fill_between(x,y,0,where=ix, facecolor='grey',alpha=0.25) plt.text(0.5*(0.8+3), 0.2, r"$\int_a^b f(x)\mathrm{d}x$", horizontalalignment='center') plt.legend() plt.show()
举例：
阻尼衰减曲线坐标图：
import numpy as np import matplotlib.pyplot as plt import matplotlib matplotlib.rcParams['font.family']='SimHei' matplotlib.rcParams['font.sans-serif'] = ['SimHei'] def Draw(pcolor, nt_point, nt_text, nt_size): plt.plot(x, y, 'k', label="$exp_decay$", color=pcolor, linewidth=3, linestyle="-") plt.plot(x, z, "b--", label="$cos(x^2)$", linewidth=1) plt.xlabel('时间(s)') plt.ylabel('幅度(mV)') plt.title("阻尼衰减曲线绘制") plt.annotate('$\cos(2 \pi t) \exp(-t)$', xy=nt_point, xytext=nt_text, fontsize=nt_size,\ arrowprops=dict(arrowstyle='->', connectionstyle="arc3,rad=.1")) def Shadow(a, b): ix = (x>a) & (x<b) plt.fill_between(x,y,0,where=ix,facecolor='grey', alpha=0.25) plt.text(0.5 * (a + b), 0.2, "$\int_a^b f(x)\mathrm{d}x$", \ horizontalalignment='center') def XY_Axis(x_start, x_end, y_start, y_end): plt.xlim(x_start, x_end) plt.ylim(y_start, y_end) plt.xticks([np.pi/3, 2 * np.pi/3, 1 * np.pi, 4 * np.pi/3, 5 * np.pi/3], \ ['$\pi/3$', '$2\pi/3$', '$\pi$', '$4\pi/3$', '$5\pi/3$']) x = np.linspace(0.0, 6.0, 100) y = np.cos(2 * np.pi * x) * np.exp(-x)+0.8 z = 0.5 * np.cos(x ** 2)+0.8 note_point,note_text,note_size = (1, np.cos(2 * np.pi) * np.exp(-1)+0.8),(1, 1.4), 14 fig = plt.figure(figsize=(8, 6), facecolor="white") plt.subplot(111) Draw("red", note_point, note_text, note_size) XY_Axis(0, 5, 0, 1.8) Shadow(0.8, 3) plt.legend() plt.savefig('sample.JPG') plt.show()
霍兰德人格分析雷达图:霍兰德人格分析雷达图:
# -- coding: utf-8 -- import numpy as np import matplotlib.pyplot as plt # 如果需要使用中文标签，还需添加以下代码 plt.rcParams['font.sans-serif'] = ['SimHei'] # 指定默认字体为中文黑体 # 数据 data = [[0.40, 0.32, 0.35, 0.30, 0.30, 0.88], [0.85, 0.75, 0.30, 0.25, 0.20, 0.40], [0.43, 0.89, 0.30, 0.28, 0.22, 0.30], [0.20, 0.30, 0.85, 0.45, 0.32, 0.25], [0.19, 0.22, 0.40, 0.90, 0.92, 0.28], [0.62, 0.55, 0.27, 0.25, 0.35, 0.30]] # 角度（弧度） angles = np.linspace(0, 2*np.pi, 6, endpoint=False) # 重复第一个角度以使图像闭合 angles = np.concatenate((angles, [angles[0]])) # 职业 occupations = ['工程师', '实验员', '艺术家', '推销员', '记事员', '社会工作者', '技术员'] # 绘图 fig = plt.figure() ax = fig.add_subplot(111, polar=True) for i in range(len(data)): # 绘制折线图 ax.plot(angles, data[i]+data[i][:1], 'o-', linewidth=2, label=occupations[i]) # 填充颜色 ax.fill(angles, data[i]+data[i][:1], alpha=0.25) # 添加坐标轴标签 ax.set_thetagrids(angles*180/np.pi, occupations) # 添加标题 plt.title('Holland Personality Analysis', fontsize=20) # 添加图例 plt.legend(loc='best') # 显示图形 plt.show()
