Python中如何使用Matplotlib庫繪制圖形
前言
Matplotlib 可能是 Python 2D-繪圖領(lǐng)域使用最廣泛的套件。它能讓使用者很輕松地將數(shù)據(jù)圖形化,并且提供多樣化的輸出格式。這里將會探索使用matplotlib 庫實現(xiàn)簡單的圖形繪制。
一、簡單的正弦函數(shù)與余弦函數(shù)
是取得正弦函數(shù)和余弦函數(shù)的值:
X 是一個 numpy 數(shù)組,包含了從 −π 到 +π 等間隔的 256 個值。C 和 S 則分別是這 256 個值對應(yīng)的余弦和正弦函數(shù)值組成的 numpy 數(shù)組。
X = np.linspace(-np.pi, np.pi, 256,endpoint=True) C,S = np.cos(X), np.sin(X)
完整代碼如下
import numpy as np import matplotlib.pyplot as plt X = np.linspace(-np.pi, np.pi, 256, endpoint=True) C, S = np.cos(X), np.sin(X) #繪制并顯示圖形 plt.plot(X, C) plt.plot(X, S) plt.show()

二、進(jìn)階版正弦函數(shù)與余弦函數(shù)
上面我們學(xué)習(xí)了簡單的正弦函數(shù)與余弦函數(shù),接下來我們將精益求精,改變顏色與粗細(xì),設(shè)置記號,調(diào)整邊框等。
1.改變顏色與粗細(xì)
我們以藍(lán)色和紅色分別表示余弦和正弦函數(shù),而后將線條變粗一點。接下來,我們在水平方向拉伸一下整個圖。
代碼如下(示例):
figure(figsize=(10, 6), dpi=80) plot(X, C, color="blue", linewidth=2.5, linestyle="-") plot(X, S, color="red", linewidth=2.5, linestyle="-")

2.設(shè)置圖片邊界
代碼如下(示例):
xmin, xmax = X.min(), X.max() dx = (xmax - xmin) * 0.2 xlim(xmin - dx, xmax + dx)

3.設(shè)置記號
我們討論正弦和余弦函數(shù)的時候,通常希望知道函數(shù)在 ±π 和 ±π2 的值。
xticks( [-np.pi, -np.pi/2, 0, np.pi/2, np.pi]) yticks([-1, 0, +1])

4.設(shè)置記號的標(biāo)簽
我們可以把 3.142 當(dāng)做是 π,但畢竟不夠精確。當(dāng)我們設(shè)置記號的時候,我們可以同時設(shè)置記號的標(biāo)簽。注意這里使用了 LaTeX。
xticks([-np.pi, -np.pi/2, 0, np.pi/2, np.pi],
[r'$-\pi$', r'$-\pi/2$', r'$0$', r'$+\pi/2$', r'$+\pi$'])
yticks([-1, 0, +1],
[r'$-1$', r'$0$', r'$+1$'])
5.設(shè)置X,Y軸
ax = gca()
ax.spines['right'].set_color('none')
ax.spines['top'].set_color('none')
ax.xaxis.set_ticks_position('bottom')
ax.spines['bottom'].set_position(('data', 0))
ax.yaxis.set_ticks_position('left')
ax.spines['left'].set_position(('data', 0))
6.完整代碼
# 導(dǎo)入 matplotlib 的所有內(nèi)容(nympy 可以用 np 這個名字來使用)
from pylab import *
# 創(chuàng)建一個 8 * 6 點(point)的圖,并設(shè)置分辨率為 80
figure(figsize=(8, 6), dpi=80)
# 創(chuàng)建一個新的 1 * 1 的子圖,接下來的圖樣繪制在其中的第 1 塊(也是唯一的一塊)
subplot(1, 1, 1)
X = np.linspace(-np.pi, np.pi, 256, endpoint=True)
C, S = np.cos(X), np.sin(X)
# 繪制余弦曲線,使用藍(lán)色的、連續(xù)的、寬度為 1 (像素)的線條
plot(X, C, color="blue", linewidth=1.0, linestyle="-")
# 繪制正弦曲線,使用綠色的、連續(xù)的、寬度為 1 (像素)的線條
plot(X, S, color="green", linewidth=1.0, linestyle="-")
# 設(shè)置橫軸的上下限
xlim(-4.0, 4.0)
# 設(shè)置橫軸記號
xticks(np.linspace(-4, 4, 9, endpoint=True))
# 設(shè)置縱軸的上下限
ylim(-1.0, 1.0)
# 設(shè)置縱軸記號
yticks(np.linspace(-1, 1, 5, endpoint=True))
# 以分辨率 72 來保存圖片
# savefig("exercice_2.png",dpi=72)
# 設(shè)置顏色與粗細(xì)
figure(figsize=(10, 6), dpi=80)
plot(X, C, color="blue", linewidth=2.5, linestyle="-")
plot(X, S, color="red", linewidth=2.5, linestyle="-")
# 設(shè)置邊框
xmin, xmax = X.min(), X.max()
dx = (xmax - xmin) * 0.2
xlim(xmin - dx, xmax + dx)
# 設(shè)置記號
xticks([-np.pi, -np.pi/2, 0, np.pi/2, np.pi])
yticks([-1, 0, +1])
# 設(shè)置記號的標(biāo)簽
xticks([-np.pi, -np.pi/2, 0, np.pi/2, np.pi],
[r'$-\pi$', r'$-\pi/2$', r'$0$', r'$+\pi/2$', r'$+\pi$'])
yticks([-1, 0, +1],
[r'$-1$', r'$0$', r'$+1$'])
# 設(shè)置xy軸
ax = gca()
ax.spines['right'].set_color('none')
ax.spines['top'].set_color('none')
ax.xaxis.set_ticks_position('bottom')
ax.spines['bottom'].set_position(('data', 0))
ax.yaxis.set_ticks_position('left')
ax.spines['left'].set_position(('data', 0))
# 在屏幕上顯示
show()最終效果

三、繪制簡單的折線圖
折線圖是一種將數(shù)據(jù)點按照順序連起來的圖形,可以體現(xiàn)變量y隨變量x的變化情況。Matplotlib 提供了plot()函數(shù)繪制折線圖,其語法格式如下:
plt.plot(*args, **kwargs)
常用參數(shù)及說明如下:
- x、y:分別表示x軸和y軸對應(yīng)的數(shù)據(jù),接收列表類型參數(shù)
- color:表示折線的顏色
- marker:表示折線上點的類型,有“.”、“o”、“v”等等類型
- linestyle:表示折線的類型,默認(rèn)為“-”,表示實線,設(shè)置為“--”表示長虛線,設(shè)置為“-.”表示點線,設(shè)置為“:”表示點虛線
- linewidth:表示折線的粗細(xì)
- alpha:表示點的透明度,接收0~1之間的小數(shù)
下面我們將以 某地區(qū)周一到周日平均溫度變化折線圖為例,具體的學(xué)習(xí)了解折線圖的繪制。
import matplotlib.pyplot as plt plt.figure(figsize=(10, 8)) # 周一到周日平均溫度數(shù)據(jù) plt.plot([1,2,3,4,5,6,7], [12,11,11,13,12,10,10]) plt.show()
效果如下:

我們可以給圖表添加一些標(biāo)簽和圖例,讓圖表更加清晰好看,具體方法如下:
- plt.title():指定當(dāng)前圖表的標(biāo)題,包括名稱、位置、顏色、字體大小等
- plt.xlabel():指定當(dāng)前圖表x軸的名稱、位置、顏色、字體大小等
- plt.ylabel():指定當(dāng)前圖表y軸的名稱、位置、顏色、字體大小等
- plt.xlim():指定當(dāng)前圖表x軸的范圍
- plt.ylim():指定當(dāng)前圖表y軸的范圍
- plt.xticks():指定當(dāng)前圖表x軸刻度
- plt.yticks():指定當(dāng)前圖表y軸刻度
import matplotlib.pyplot as plt
# 設(shè)置支持中文
plt.rcParams['font.family'] = ['SimHei']
plt.figure(figsize=(10, 8))
plt.plot([1,2,3,4,5,6,7], [12,11,11,13,12,10,10], linestyle="-", marker=".")
plt.xlabel("時間")
plt.ylabel("溫度")
plt.yticks([i for i in range(20)][::5])
plt.show()效果如下:

總結(jié)
到此這篇關(guān)于Python中如何使用Matplotlib庫繪制圖形的文章就介紹到這了,更多相關(guān)Python Matplotlib庫繪制圖形內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家!
- Python中使用matplotlib庫繪制各種圖
- Python使用Matplotlib庫創(chuàng)建3D 圖形和交互式圖形詳解
- 使用Python的matplotlib庫繪制柱狀圖
- 使用Python的數(shù)據(jù)可視化庫Matplotlib實現(xiàn)折線圖
- Python連接數(shù)據(jù)庫使用matplotlib畫柱形圖
- python matplotlib庫的基本使用
- Python三維繪圖之Matplotlib庫的使用方法
- Python如何使用內(nèi)置庫matplotlib繪制折線圖
- python使用matplotlib庫生成隨機(jī)漫步圖
- Python Matplotlib 庫使用指南
相關(guān)文章
tensorflow 20:搭網(wǎng)絡(luò),導(dǎo)出模型,運行模型的實例
這篇文章主要介紹了tensorflow 20:搭網(wǎng)絡(luò),導(dǎo)出模型,運行模型的實例,具有很好的參考價值,希望對大家有所幫助。一起跟隨小編過來看看吧2020-05-05
Python中不可變數(shù)據(jù)類型原理與實戰(zhàn)全解析
在Python的世界里,數(shù)據(jù)對象被明確劃分為兩大陣營:可變(Mutable)與不可變(Immutable),而本文將為大家詳細(xì)介紹一下其中的不可變數(shù)據(jù),感興趣的可以了解下2025-04-04
用Python爬取英雄聯(lián)盟的皮膚詳細(xì)示例
大家好,本篇文章主要講的是用Python爬取英雄聯(lián)盟的皮膚詳細(xì)示例,感興趣的同學(xué)趕快來看一看吧,對你有幫助的話記得收藏一下,方便下次瀏覽2021-12-12
Python中自定義函方法與參數(shù)具有默認(rèn)值的函數(shù)
這篇文章主要介紹了Python中自定義函方法與參數(shù)具有默認(rèn)值的函數(shù),在Python編程中,可以使用已經(jīng)定義好的函數(shù),也可以自定義函數(shù)實現(xiàn)某些特殊的功能,更多相關(guān)資料,請需要的人參考下面文章內(nèi)容2022-02-02
python中DataFrame常用的描述性統(tǒng)計分析方法詳解
這篇文章主要介紹了python中DataFrame常用的描述性統(tǒng)計分析方法詳解,描述性統(tǒng)計分析是通過圖表或數(shù)學(xué)方法,對數(shù)據(jù)資料進(jìn)行整理、分析,并對數(shù)據(jù)的分布狀態(tài)、數(shù)字特征和隨機(jī)變量之間的關(guān)系進(jìn)行估計和描述的方法,需要的朋友可以參考下2023-07-07
Python 200行代碼實現(xiàn)一個滑動驗證碼過程詳解
這篇文章主要介紹了Python 200行代碼實現(xiàn)一個滑動驗證碼過程詳解,各種各樣的驗證碼,比較高級的有滑動、點選等樣式,看起來好像挺復(fù)雜的,但實際上它們的核心原理還是還是很清晰的,本文章大致說明下這些驗證碼的原理以及帶大家實現(xiàn)一個滑動驗證碼2019-07-07

