Matplotlib 教程 之 Matplotlib 绘图标记 2

简介: 在 Matplotlib 中使用 `plot()` 方法的 `marker` 参数来自定义图表标记。通过不同符号如 `"o"`(实心圆)、`"v"`(下三角)等,可实现多样化的标记效果。示例展示了实心圆标记的使用方法,提供了多种标记符号供选择,包括几何形状和特殊符号。

Matplotlib 教程 之 Matplotlib 绘图标记 2

Matplotlib 绘图标记

绘图过程如果我们想要给坐标自定义一些不一样的标记,就可以使用 plot() 方法的 marker 参数来定义。

以下实例定义了实心圆标记:

实例

import matplotlib.pyplot as plt
import numpy as np

ypoints = np.array([1,3,4,5,8,9,6,1,3,4,5,2,4])

plt.plot(ypoints, marker = 'o')
plt.show()

marker 可以定义的符号如下:

标记 符号 描述
"." m00 点
"," m01 像素点
"o" m02 实心圆
"v" m03 下三角
"^" m04 上三角
"<" m05 左三角
">" m06 右三角
"1" m07 下三叉
"2" m08 上三叉
"3" m09 左三叉
"4" m10 右三叉
"8" m11 八角形
"s" m12 正方形
"p" m13 五边形
"P" m23 加号(填充)
"*" m14 星号
"h" m15 六边形 1
"H" m16 六边形 2
"+" m17 加号
"x" m18 乘号 x
"X" m24 乘号 x (填充)
"D" m19 菱形
"d" m20 瘦菱形
"|" m21 竖线
"_" m22 横线
0 (TICKLEFT) m25 左横线
1 (TICKRIGHT) m26 右横线
2 (TICKUP) m27 上竖线
3 (TICKDOWN) m28 下竖线
4 (CARETLEFT) m29 左箭头
5 (CARETRIGHT) m30 右箭头
6 (CARETUP) m31 上箭头
7 (CARETDOWN) m32 下箭头
8 (CARETLEFTBASE) m33 左箭头 (中间点为基准)
9 (CARETRIGHTBASE) m34 右箭头 (中间点为基准)
10 (CARETUPBASE) m35 上箭头 (中间点为基准)
11 (CARETDOWNBASE) m36 下箭头 (中间点为基准)
"None", " " or "" 没有任何标记
'$...$' m37 渲染指定的字符。例如 "$f$" 以字母 f 为标记。

目录
相关文章
|
6天前
|
数据可视化 Python
NumPy 教程 之 NumPy Matplotlib 7
使用Python的绘图库Matplotlib与NumPy结合进行数据可视化,提供Matplotlib作为MatLab开源替代方案的有效方法,以及如何利用plt()函数将数据转换成直观的直方图示例。
31 11
|
6天前
|
Python
NumPy 教程 之 NumPy Matplotlib 6
Matplotlib 是一个强大的 Python 绘图库,能与 NumPy 协同工作,提供类似 MatLab 的开源替代方案,并支持 PyQt 和 wxPython 等图形工具包。通过 `numpy.histogram()` 函数示例,展示了如何创建数据频率分布图,该函数接受输入数组和 bin 参数,生成对应频率的直方图。示例代码及输出清晰展示了 bin 的边界与对应频率的关系。
27 11
|
5天前
|
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`。
21 8
|
2天前
|
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。
8 2
|
7天前
|
Python
NumPy 教程 之 NumPy Matplotlib 5
Matplotlib 是 Python 的绘图库,配合 NumPy 可作为 MatLab 的开源替代方案,并能与 PyQt 和 wxPython 等图形工具包共同使用。本教程重点讲解 `bar()` 函数用于生成条形图的方法,并通过实例展示了如何创建并显示两组数据的条形图。
25 7
|
4天前
|
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。
12 2
|
3天前
|
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。
9 0
|
7天前
|
Python
NumPy 教程 之 NumPy Matplotlib 4
NumPy 教程 之 NumPy Matplotlib 4
7 0
|
2天前
|
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。
12 1
|
3天前
|
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。
24 10