一、Matplotlib简介
1. 什么是Matplotlib
Matplotlib 是一个Python的 2D绘图库。通过 Matplotlib，开发者可以仅需要几行代码，便可以生成绘图，直方图，功率谱，条形图，错误图，散点图等。
通过学习Matplotlib，可让数据可视化，更直观的真实给用户。使数据更加客观、更具有说服力。 Matplotlib是Python的库，又是开发中常用的库。
2. Matplotlib的安装
- Windows 系统安装 Matplotlib，执行如下命令：
- pip install matplotlib
换源安装执行命令：
- pip install -i https://pypi.tuna.tsinghua.edu.cn/simple matplotlib
二、绘制基础
在使用Matplotlib绘制图形时，其中有两个最为常用的场景。一个是画点，一个是画线。pyplot基本方法的使用如下表。
1. 绘制直线
在使用Matplotlib绘制线性图时，其中最简单的是绘制线图。在下面的实例代码中，使用Matplotlib绘制了一个简单的直线。具体实现过程如下：
- 导入模块pyplot，并给它指定别名plt，以免反复输入pyplot。在模块pyplot中包含很多用于生产图表的函数。
- 将绘制的直线坐标传递给函数plot()。
- 通过函数plt.show()打开Matplotlib查看器，显示绘制的图形。
【示例】根据两点绘制一条线
# 导入matplotlib模块 import matplotlib.pyplot as plt # 准备要绘制点的坐标(1, 2) (4, 8) # 调用绘制plot方法 plt.plot([1, 4], [2, 8]) # 第一个中括号里是绘制点的横坐标，第二个为绘制点的纵坐标 # 显示绘制的图 plt.show()
注意：在运行以上代码是可能会出现以下类似的报错：
这个错误是因为你的Matplotlib使用了一个名为backend_interagg的后端，但该后端没有FigureCanvas属性。可以尝试更改Matplotlib的后端配置。
例如在代码的开头添加以下代码来更改Matplotlib的后端为默认的TkAgg后端：
import matplotlib matplotlib.use('TkAgg')
运行效果如下：
2. 绘制折线图
在上述的实例代码中，使用两个坐标绘制一条直线，接下来使用平方数序列1、9、25、49和81来绘制一个折线图。
【示例】绘制折线图
# 导入matplotlib模块 import matplotlib.pyplot as plt # 准备绘制点的坐标 x = [1, 3, 5, 7, 9] # 绘制点的横坐标 y = [1, 9, 25, 49, 81] # 绘制点的纵坐标 # 调用绘制plot方法 plt.plot(x, y) # 显示绘制的图 plt.show()
运行效果如下：
3. 设置样式
【示例】绘制折线图并设置样式
# 导入matplotlib模块 import matplotlib.pyplot as plt # 准备绘制点坐标 x = [1, 2, 3, 4, 5] y = [1, 8, 27, 64, 125] # 调用绘制plot方法 # 利用linewidth属性设置线条的宽度 plt.plot(x, y, linewidth=5) # 添加x，y轴名称 plt.xlabel('x', fontsize=14) # fontsize: 设置字体大小 plt.ylabel('x^3', fontsize=14) plt.rcParams['font.sans-serif'] = ['SimHei'] # 用来正常显示中文标签，字体可自由设置电脑中自带的字体 # 给图标添加标题 plt.title('折线绘制图', fontsize=24) # 显示绘制的图 plt.show()
运行效果如下：
Matplotlib 默认情况不支持中文，我们可以使用以下简单的方法来解决：
plt.rcParams['font.sans-serif']=['SimHei'] #用来正常显示中文标签
4. 绘制曲线图
【示例】绘制一元二次方程的曲线y=x^2
这里我们先遍历-100到100之间的整数，然后利用列表推导式求出他们的平方值
# 导入matplotlib模块 import matplotlib.pyplot as plt # 准备绘制点坐标 x = range(-100, 100) # range函数用于生成一个整数序列，这里用于生成-100到100的整数 y = [i ** 2 for i in x] # 列表推导式生成了一个包含-100到100的平方的列表 # 调用绘制plot方法 plt.plot(x, y) # 保存图片 # plt.savefig('一元二次方程曲线图') # 默认图片格式为png plt.savefig('一元二次方程曲线图.jpg') # 设置图片格式 # 显示绘制的图 plt.show()
运行效果如下：
【示例】绘制正弦曲线和余弦曲线
使用plt函数绘制任何曲线的第一步都是生成若干个坐标点（x,y），坐标点越多越好。取0到10之间100个等差数作为x的坐标，然后将这100个x坐标值一起传入Numpy的sin和cos函数，就会得到100个y坐标值，最后就可以使用plot函数绘制正弦曲线和余弦曲线。
# 导入matplotlib和numpy模块 import matplotlib.pyplot as plt import numpy as np # 生成0-10之间100个等差数列 x = np.linspace(0, 10, 100) sin_y = np.sin(x) # sin函数用于计算给定角度的正弦值 cos_y = np.cos(x) # cos函数用于计算给定角度的余弦值 # 调用绘制plot方法 plt.plot(x, sin_y) # 默认第一条曲线颜色为蓝色，第二条为橘色 plt.plot(x, cos_y) # 保存图片 plt.savefig('正弦余弦曲线图.jpg') # 显示绘制的图片 plt.show()
运行效果如下：
上面的示例可以看到，调用两次plot函数，会将sin和cos曲线绘制到同一个二维坐标系中，如果想绘制到两张画布中，可以调用subplot()函数将画布分区。
【示例】将画布分为区域，将图画到画布的指定区域
# 导入matplotlib和numpy模块 import matplotlib.pyplot as plt import numpy as np # 生成0-10之间的100个等差数列 x = np.linspace(0, 10, 100) sin_y = np.sin(x) cos_y = np.cos(x) # 对画布进行分区处理, (行数, 列数, 哪个区域) 将画布分为2行2列 plt.subplot(2, 2, 1) # 将图画在区1 # 修改x, y轴的坐标 plt.xlim(-5, 20) plt.ylim(-2, 2) plt.plot(x, sin_y) plt.subplot(2, 2, 2) # 将图画在区2 plt.plot(x, cos_y) # 显示绘制的图片 plt.show()
运行效果如下：
5. 绘制散点图
使用scatter函数可以绘制随机点，该函数需要接收x坐标和y坐标的序列。
【示例】sin和cos函数的散点图
# 导入matplotlib和numpy模块 import matplotlib.pyplot as plt import numpy as np # 生成0-10之间的100个等差数列 x = np.linspace(0, 10, 100) sin_y = np.sin(x) cos_y = np.cos(x) # 绘制正弦余弦图 # plt.plot(x, sin_y, 'o') # 加一个参数'o'效果与scatter是一样的 # plt.plot(x, cos_y, 'o') # 绘制散点图 plt.scatter(x, sin_y) plt.scatter(x, cos_y) # 显示绘制的图 plt.show()
运行效果如下：
【示例】使用scatter画10中大小100中颜色的散点图
# 导入matplotlib和numpy模块 import matplotlib.pyplot as plt import numpy as np # 创建x, y np.random.seed(0) # 执行多次，通过设置相同的种子，可以确保每次运行生成的随机数序列是可重复的。 x = np.random.rand(100) # 生成100个[0, 1)之间的随机数 y = np.random.rand(100) # 生成100种不同大小 size = np.random.rand(100) * 1000 # 乘一千扩大范围，效果跟明显 # 生成100种不同的颜色 color = np.random.rand(100) # print(x) # 绘制散点图 plt.scatter(x, y, s=size, c=color, alpha=0.8) # s表示大小, c表示颜色，alpha表示透明度 plt.show()
运行效果如下：
注意：这里生成的点的大小个数和颜色个数必须要与点的个数相同。
作为线性图的替代，可以通过向 plot() 函数添加格式字符串来显示离散值。 可以使用以下格式化字符。
以下是颜色的缩写：
【示例】不同种类不同颜色的线
# 导入模块 import matplotlib.pyplot as plt import numpy as np # 创建0-10之间的100个等差数列 x = np.linspace(0, 10, 100) # 调用绘制plot方法 plt.plot(x, x + 0, '-g') # 实线 绿色 plt.plot(x, x + 1, '--c') # 虚线 浅蓝色 plt.plot(x, x + 2, '-.k') # 点划线 黑色 plt.plot(x, x + 3, 'or') # 圆标记 红色 plt.plot(x, x + 4, 'xy') # 叉叉 黄色 plt.plot(x, x + 5, 'dm') # 砖石 品红色 # 显示绘制的图 plt.show()
运行效果如下：
【示例】不同种类不同颜色的线并添加图例
# 导入模块 import matplotlib.pyplot as plt import numpy as np # 创建0-10之间的100个等差数列 x = np.linspace(0, 10, 100) # 调用绘制plot方法 # 给plot方法添加参数label plt.plot(x, x + 0, '-g', label='-g') # 实线 绿色 plt.plot(x, x + 1, '--c', label='--c') # 虚线 浅蓝色 plt.plot(x, x + 2, '-.k', label='-.k') # 点划线 黑色 plt.plot(x, x + 3, 'or', label='or') # 圆标记 红色 plt.plot(x, x + 4, 'xy', label='xy') # 叉叉 黄色 plt.plot(x, x + 5, 'dm', label='dm') # 砖石 品红色 # 使用legend()添加图例 # 通过参数loc设置图例位置，默认在upper left左上角， fancybox边框 framealpha透明度 shadow阴影 borderpad边框宽度 plt.legend(loc='lower right', fancybox=True, framealpha=0.5, shadow=True, borderpad=1) # 显示绘制的图 plt.show()
使用legend函数添加图例，通过参数loc设置图例位置，默认在upper left左上角， fancybox边框 framealpha透明度 shadow阴影 borderpad边框宽度。
运行效果如下：
Python学习笔记之Matplotlib模块入门(直线图、折线图、曲线图、散点图、柱状图、饼状图、直方图、等高线图和三维图的绘制)-2
