matplotlib 的几种风格 练习

简介: 〇、准备数据import numpy as npx = np.linspace(0, 5, 10)y = x ** 2一、matlab风格的API1.单图from pylab import *figure()plot(x, y, 'r')xlabel('x')ylabel('y')title('title')show()2.

〇、准备数据

import numpy as np

x = np.linspace(0, 5, 10)
y = x ** 2

一、matlab风格的API

1.单图
from pylab import *

figure()
plot(x, y, 'r')
xlabel('x')
ylabel('y')
title('title')
show()
2.多子图
subplot(1,2,1)
plot(x, y, 'r--')
subplot(1,2,2)
plot(y, x, 'g*-');

二、matplotlib面向对象风格的API:

1.两步走:先创建figure实例、接着创建axes实例

a.单图
fig = plt.figure()

# 不关心位置
axes = fig.add_subplot(1, 1, 1)

# 关心位置
axes = fig.add_axes([0.1, 0.1, 0.8, 0.8]) # left, bottom, width, height (range 0 to 1)

axes.plot(x, y, 'r')

axes.set_xlabel('x')
axes.set_ylabel('y')
axes.set_title('title');
b.多子图
fig = plt.figure()

# 不关心位置
axes1 = fig.add_subplot(2, 1, 1)
axes2 = fig.add_subplot(2, 1, 2)

# 关心位置
axes1 = fig.add_axes([0.1, 0.1, 0.8, 0.8]) # main axes
axes2 = fig.add_axes([0.2, 0.5, 0.4, 0.3]) # inset axes

# main figure
axes1.plot(x, y, 'r')
axes1.set_xlabel('x')
axes1.set_ylabel('y')
axes1.set_title('title')

# insert
axes2.plot(y, x, 'g')
axes2.set_xlabel('y')
axes2.set_ylabel('x')
axes2.set_title('insert title')

2.一步走:同时创建figure、axes实例

a.单图(不关心位置)
fig, axes = plt.subplots()

axes.plot(x, y, 'r')
axes.set_xlabel('x')
axes.set_ylabel('y')
axes.set_title('title')
b.多子图(不关心位置)

1)单行,或者单列

fig, axes = plt.subplots(nrows=1, ncols=2)

for ax in axes:
    ax.plot(x, y, 'r')
    ax.set_xlabel('x')
    ax.set_ylabel('y')
    ax.set_title('title')

2)多行多列

fig, axes = plt.subplots(nrows=3, ncols=2, sharex=True)

# 此处不能用 for ax in axes:
for i in range(6):
    axes[i//2, i%2].plot(x, y, 'r')
    axes[i//2, i%2].set_xlabel('x')
    axes[i//2, i%2].set_ylabel('y')
    axes[i//2, i%2].set_title('title')
目录
相关文章
|
1月前
|
Python
Matplotlib 教程 之 Matplotlib 绘制多图 1
这段代码介绍了如何使用 Matplotlib 库中的 `subplot()` 方法在同一画布上绘制多个子图。通过指定行数(`nrows`)、列数(`ncols`)以及子图的位置序号(`index`),可以在一个整体图像中布局多个独立的图表。例如,`subplot(1, 2, 1)` 和 `subplot(1, 2, 2)` 分别指定了在一个 1 行 2 列的网格中的第一个和第二个位置。示例展示了如何创建两个子图,并分别为它们添加标题。
19 4
|
1月前
|
关系型数据库 Python
Matplotlib 教程 之 Matplotlib 绘制多图 3
`subplot()` 需要手动指定位置,而 `subplots()` 可一次性生成多个子图,通过 `ax` 对象进行调用。`subplots()` 方法支持多种参数,如设置行列数 (`nrows`, `ncols`)、共享轴 (`sharex`, `sharey`) 等。示例展示了不同场景下的子图绘制方法,包括共享轴、极坐标图等。
20 0
|
1月前
|
Python
Matplotlib 教程 之 Matplotlib 绘制多图 2
subplot()` 需要手动指定位置参数,而 `subplots()` 可以一次性生成多个子图,只需调用生成对象的 `ax`。示例代码展示了如何在一个 2x2 的网格中绘制四个不同的子图,并为每个子图设置了标题,最后还添加了一个总标题 "Baidu subplot Test"。
17 0
|
3月前
|
数据可视化 API Python
一行代码让matplotlib图表变高大上
一行代码让matplotlib图表变高大上
|
6月前
|
缓存 Linux API
如何使用Matplotlib绘制出美观实用的图形?
如何使用Matplotlib绘制出美观实用的图形?
|
6月前
|
Python
快速上手Matplotlib(折线图)
快速上手Matplotlib(折线图)
51 1
|
数据可视化 索引 Python
玩转Matplotlib的10个高级技巧
Matplotlib是Python中流行的数据可视化库,仅使用简单的几行代码就可以生成图表。但是默认的方法是生成的图表很简单,如果想增强数据演示的影响和清晰度,可以试试本文总结的10个高级技巧,这些技巧可以将可视化提升到一个新的水平:
119 1
|
数据可视化 Python
Matplotlib基础教程之折线图
俗话说,一图胜千言。数据可视化便是将数据通过图形化的方式展现出来,它更加便于我们观察数据蕴含的的规律,洞察了数据蕴含的规律后,我们能够做更好的商业决策。
155 0
|
SQL 数据可视化 数据挖掘
谁说matplotlib做不出好看的可视化
谁说matplotlib做不出好看的可视化
101 0
谁说matplotlib做不出好看的可视化
|
Python
Python编程:matplotlib绘制散点图
Python编程:matplotlib绘制散点图
128 0
Python编程:matplotlib绘制散点图
下一篇
无影云桌面