Matplotlib的详细使用及原理(二)

简介: Matplotlib是一个Python库,用于创建二维和三维图表,它是NumPy的扩展。使用时,首先创建`Figure`实例,然后在其上添加`Axes`或`Subplot`。每个图表元素(如线、散点、直方图)都是一个`Artist`对象,具有属性如`alpha`、`visible`等,可以通过`get_`和`set_`方法进行访问和修改。`Figure`和`Axes`对象都有对应的`patch`属性,分别代表它们的背景矩形。图形中的线条(`Line2D`)是基本要素之一,可配置颜色、线型、宽度等属性。

Matplotlib的详细使用及原理(一)+https://developer.aliyun.com/article/1543859?spm=a2c6h.13148508.setting.14.1fa24f0e1MwmMO


matplotlib标准用法


matplotlib的标准使用流程为:


  1. 创建一个Figure实例


  1. 使用Figure实例创建一个或者多个AxesSubplot实例


  1. 使用Axes实例的辅助方法来创建primitive


>>>在matplotlib中,一个图形对象(Figure)中的坐标轴(Axes),Figure是一个顶层容器,用于容纳整个绘图区域。而Axes则是Figure内部的一个子容器,用于绘制具体的图形。


>>>Matplotlib库中的primitive,通常译为“原始对象”,是用于创建和操作图形的基元。这些基元包括线、矩形、圆形等,它们是构成复杂图形的基本元素。通过使用这些primitive,开发者可以灵活地定制和配置他们的图形。


import matplotlib.pyplot as plt
import numpy as np
 
# step 1 
# 我们用 matplotlib.pyplot.figure() 创建了一个Figure实例
fig = plt.figure()
 
# step 2
# 然后用Figure实例创建了一个两行一列(即可以有两个subplot)的绘图区,并同时在第一个位置创建了一个subplot
ax = fig.add_subplot(2, 1, 1) # two rows, one column, first plot
 
# step 3
# 然后用Axes实例的方法画了一条曲线
t = np.arange(0.0, 1.0, 0.01)
s = np.sin(2*np.pi*t)
line, = ax.plot(t, s, color='blue', lw=2)



自定义你的Artist对象


Artist属性


在图形中的每一个元素都对应着一个matplotlib Artist,且都有其对应的配置属性列表。


Figure本身包含一个Rectangle,Rectangle的大小就是Figure的大小;你可以用来设置Figure的背景色和透明度。


每个Axes边界框(默认白底黑边),也有一个Rectangle,通过它可以设置Axes的颜色、透明度等。


Figure.patch属性:是一个Rectangle,代表了图表的矩形框,它的大小就是图表的大小, 并且可以通过它设置figure的背景色和透明度。


Axes.patch属性:也是一个Rectangle,代表了绘图坐标轴内部的矩形框(白底黑边), 通过它可以设置Axes的颜色、透明度等。


每个matplotlib Artist都有以下属性:


  • .alpha属性:透明度。值为0—1之间的浮点数


  • .axes属性:返回这个Artist所属的axes,可能为None


  • .figure属性:该Artist所属的Figure,可能为None


  • .label:一个text label


  • .visible:布尔值,控制Artist是否绘制


plt.figure().patch
plt.axes().patch



属性调用方式


Artist对象的所有属性都通过相应的 get_*set_* 函数进行读写。


例如下面的语句将alpha属性设置为当前值的一半:


a = o.get_alpha()
o.set_alpha(0.5*a)


如果想一次设置多个属性,也可以用set方法:


o.set(alpha=0.5, zorder=2)


可以使用 matplotlib.artist.getp(o,"alpha") 来获取属性,如果指定属性名,则返回对象的该属性值;如果不指定属性名,则返回对象的所有的属性和值。


import matplotlib
# Figure rectangle的属性
matplotlib.artist.getp(fig.patch)


基本元素 - primitives



我们还需要知道如何获取该对象。


Artist包含两种对象:基本要素-primitives 和 容器-containers。

primitives是基本要素,它包含一些我们要在绘图区作图用到的标准图形对象,如曲线Line2D,文本text,矩形Rectangle,图像image等。

container是容器,即用来装基本要素的地方,包括图形figure、坐标系Axes和坐标轴Axis


在matplotlib中曲线的绘制,主要是通过类 matplotlib.lines.Line2D 来完成的。

它的基类: matplotlib.artist.Artist


matplotlib中线-line的含义:它表示可以是连接所有顶点的实线样式,也可以是每个顶点的标记。


它的构造函数:


class matplotlib.lines.Line2D(xdata, ydata, linewidth=None, linestyle=None, color=None, marker=None, markersize=None, markeredgewidth=None, markeredgecolor=None, markerfacecolor=None, markerfacecoloralt='none', fillstyle=None, antialiased=None, dash_capstyle=None, solid_capstyle=None, dash_joinstyle=None, solid_joinstyle=None, pickradius=5, drawstyle=None, markevery=None, **kwargs)


常用的的参数有:


  • xdata:需要绘制的line中点的在x轴上的取值,若忽略,则默认为range(1,len(ydata)+1)


  • ydata:需要绘制的line中点的在y轴上的取值


  • linewidth:线条的宽度


  • linestyle:线型


  • color:线条的颜色


  • markersize:标记的size



有三种方法可以用设置线的属性:


1) 直接在plot()函数中设置




2) 通过获得线对象,对线对象进行设置


x = range(0,5)
y = [2,5,7,8,10]
line ,= plt.plot(x, y, '-') # '-'表示线段的样式为实线
# 逗号在这段代码中的作用是将plt.plot(x, y, '-')的返回值赋给变量line。
# plt.plot()函数返回一个包含线条对象的列表,这里只有一个线条对象,所以使用逗号将返回值解包并赋值给line。
line.set_antialiased(False) # 关闭抗锯齿功能,使得线段的边缘更加平滑。



3) 获得线属性,使用setp()函数设置


x = range(0,5)
y = [2,5,7,8,10]
lines = plt.plot(x, y)
plt.setp(lines, color='r', linewidth=10)




Matplotlib的详细使用及原理(三)+https://developer.aliyun.com/article/1543863?spm=a2c6h.13148508.setting.15.1fa24f0eFbYRn7

相关文章
|
5月前
|
前端开发 数据可视化 API
Matplotlib的详细使用及原理(一)
`matplotlib`是Python的数据可视化库,用于生成高质量的2D图形,支持静态、动态和交互式图表。它是pandas和seaborn等库的底层基础。基本绘图通过`pyplot.subplots`创建figure和axes,然后用`plot`函数绘制线条。例如,`plt.plot([1, 2, 3, 4], [1, 4, 2, 3])`可绘制简单折线图。matplotlib有三种API层次,包括FigureCanvas、Renderer和Artist,其中Artist对应具体的图形元素。此外,matplotlib的绘图接口分为显式创建和pyplot隐式创建两种方式。
|
5月前
|
Python 容器
Matplotlib的详细使用及原理(三)
这篇文章介绍了如何使用Python的Matplotlib库绘制线条。主要内容包括两种绘制线条的方法:
matplotlib绘图的核心原理讲解(超详细)(二)
matplotlib绘图的核心原理讲解(超详细)(二)
matplotlib绘图的核心原理讲解(超详细)(二)
matplotlib绘图的核心原理讲解(超详细)(一)
matplotlib绘图的核心原理讲解(超详细)(一)
matplotlib绘图的核心原理讲解(超详细)(一)
|
2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。
|
2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。
50 1
|
2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。
63 10
|
2月前
|
数据可视化 Python
Python中的数据可视化:使用Matplotlib绘制图表
【9月更文挑战第11天】在这篇文章中,我们将探索如何使用Python的Matplotlib库来创建各种数据可视化。我们将从基本的折线图开始,然后逐步介绍如何添加更多的功能和样式,以使您的图表更具吸引力和信息量。无论您是数据科学家、分析师还是任何需要将数据转化为视觉形式的专业人士,这篇文章都将为您提供一个坚实的起点。让我们一起潜入数据的海洋,用视觉的力量揭示其背后的故事。
55 16
|
2月前
|
数据可视化 数据挖掘 API
使用Python进行数据可视化:探索Matplotlib和Seaborn库
【9月更文挑战第19天】在数据科学领域,将复杂的数据集转换成直观、易懂的图形是一项基本而关键的技能。本文旨在通过Python编程语言介绍两个强大的数据可视化库——Matplotlib和Seaborn,以及它们如何帮助数据分析师和研究人员揭示数据背后的故事。我们将从基础概念讲起,逐步深入到高级技巧,确保无论读者的背景如何,都能获得必要的知识和启发,以在自己的项目中实现有效的数据可视化。
|
2月前
|
机器学习/深度学习 数据采集 监控
Pandas与Matplotlib:Python中的动态数据可视化
Pandas与Matplotlib:Python中的动态数据可视化