Python?Matplotlib基本用法詳解
Matplotlib
Matplotlib 是Python中類似 MATLAB 的繪圖工具，熟悉 MATLAB 也可以很快的上手 Matplotlib。
1. 認(rèn)識(shí)Matploblib
1.1 Figure
在任何繪圖之前，我們需要一個(gè)Figure對(duì)象，可以理解成我們需要一張畫板才能開始繪圖。
import matplotlib.pyplot as plt fig = plt.figure()
1.2 Axes
在擁有Figure對(duì)象之后，在作畫前我們還需要軸，沒有軸的話就沒有繪圖基準(zhǔn)，所以需要添加Axes。也可以理解成為真正可以作畫的紙。
fig = plt.figure()
ax = fig.add_subplot(111)
ax.set(xlim=[0.5, 4.5], ylim=[-2, 8], title='An Example Axes',
ylabel='Y-Axis', xlabel='X-Axis')
plt.show()上的代碼，在一幅圖上添加了一個(gè)Axes，然后設(shè)置了這個(gè)Axes的X軸以及Y軸的取值范圍（這些設(shè)置并不是強(qiáng)制的，后面會(huì)再談到關(guān)于這些設(shè)置），效果如下圖：
對(duì)于上面的fig.add_subplot(111)就是添加Axes的，參數(shù)的解釋的在畫板的第1行第1列的第一個(gè)位置生成一個(gè)Axes對(duì)象來準(zhǔn)備作畫。也可以通過fig.add_subplot(2, 2, 1)的方式生成Axes，前面兩個(gè)參數(shù)確定了面板的劃分，例如 2， 2會(huì)將整個(gè)面板劃分成 2 * 2 的方格，第三個(gè)參數(shù)取值范圍是 [1, 2*2] 表示第幾個(gè)Axes。如下面的例子：
fig = plt.figure() ax1 = fig.add_subplot(221) ax2 = fig.add_subplot(222) ax3 = fig.add_subplot(224)
1.3 Multiple Axes
可以發(fā)現(xiàn)我們上面添加 Axes 似乎有點(diǎn)弱雞，所以提供了下面的方式一次性生成所有 Axes：
fig, axes = plt.subplots(nrows=2, ncols=2) axes[0,0].set(title='Upper Left') axes[0,1].set(title='Upper Right') axes[1,0].set(title='Lower Left') axes[1,1].set(title='Lower Right')
fig 還是我們熟悉的畫板， axes 成了我們常用二維數(shù)組的形式訪問，這在循環(huán)繪圖時(shí)，額外好用。
1.4 Axes Vs .pyplot
相信不少人看過下面的代碼，很簡(jiǎn)單并易懂，但是下面的作畫方式只適合簡(jiǎn)單的繪圖，快速的將圖繪出。在處理復(fù)雜的繪圖工作時(shí)，我們還是需要使用 Axes 來完成作畫的。
plt.plot([1, 2, 3, 4], [10, 20, 25, 30], color='lightblue', linewidth=3) plt.xlim(0.5, 4.5) plt.show()
2. 基本繪圖2D
2.1 線
plot()函數(shù)畫出一系列的點(diǎn)，并且用線將它們連接起來?？聪吕樱?/p>
x = np.linspace(0, np.pi) y_sin = np.sin(x) y_cos = np.cos(x) ax1.plot(x, y_sin) ax2.plot(x, y_sin, 'go--', linewidth=2, markersize=12) ax3.plot(x, y_cos, color='red', marker='+', linestyle='dashed')
在上面的三個(gè)Axes上作畫。plot，前面兩個(gè)參數(shù)為x軸、y軸數(shù)據(jù)。ax2的第三個(gè)參數(shù)是 MATLAB風(fēng)格的繪圖，對(duì)應(yīng)ax3上的顏色，marker，線型。
另外，我們可以通過關(guān)鍵字參數(shù)的方式繪圖，如下例：
x = np.linspace(0, 10, 200)
data_obj = {'x': x,
'y1': 2 * x + 1,
'y2': 3 * x + 1.2,
'mean': 0.5 * x * np.cos(2*x) + 2.5 * x + 1.1}
fig, ax = plt.subplots()
#填充兩條線之間的顏色
ax.fill_between('x', 'y1', 'y2', color='yellow', data=data_obj)
# Plot the "centerline" with `plot`
ax.plot('x', 'mean', color='black', data=data_obj)
plt.show()發(fā)現(xiàn)上面的作圖，在數(shù)據(jù)部分只傳入了字符串，這些字符串對(duì)一個(gè)這 data_obj 中的關(guān)鍵字，當(dāng)以這種方式作畫時(shí)，將會(huì)在傳入給 data 中尋找對(duì)應(yīng)關(guān)鍵字的數(shù)據(jù)來繪圖。
2.2 散點(diǎn)圖
只畫點(diǎn)，但是不用線連接起來。
x = np.arange(10) y = np.random.randn(10) plt.scatter(x, y, color='red', marker='+') plt.show()
2.3 條形圖
條形圖分兩種，一種是水平的，一種是垂直的，見下例子：
np.random.seed(1) x = np.arange(5) y = np.random.randn(5) fig, axes = plt.subplots(ncols=2, figsize=plt.figaspect(1./2)) vert_bars = axes[0].bar(x, y, color='lightblue', align='center') horiz_bars = axes[1].barh(x, y, color='lightblue', align='center') #在水平或者垂直方向上畫線 axes[0].axhline(0, color='gray', linewidth=2) axes[1].axvline(0, color='gray', linewidth=2) plt.show()
條形圖還返回了一個(gè)Artists 數(shù)組，對(duì)應(yīng)著每個(gè)條形，例如上圖 Artists 數(shù)組的大小為5，我們可以通過這些 Artists 對(duì)條形圖的樣式進(jìn)行更改，如下例：
fig, ax = plt.subplots()
vert_bars = ax.bar(x, y, color='lightblue', align='center')
# We could have also done this with two separate calls to `ax.bar` and numpy boolean indexing.
for bar, height in zip(vert_bars, y):
if height < 0:
bar.set(edgecolor='darkred', color='salmon', linewidth=3)
plt.show()
2.4 直方圖
直方圖用于統(tǒng)計(jì)數(shù)據(jù)出現(xiàn)的次數(shù)或者頻率，有多種參數(shù)可以調(diào)整，見下例：
np.random.seed(19680801)
n_bins = 10
x = np.random.randn(1000, 3)
fig, axes = plt.subplots(nrows=2, ncols=2)
ax0, ax1, ax2, ax3 = axes.flatten()
colors = ['red', 'tan', 'lime']
ax0.hist(x, n_bins, density=True, histtype='bar', color=colors, label=colors)
ax0.legend(prop={'size': 10})
ax0.set_title('bars with legend')
ax1.hist(x, n_bins, density=True, histtype='barstacked')
ax1.set_title('stacked bar')
ax2.hist(x, histtype='barstacked', rwidth=0.9)
ax3.hist(x[:, 0], rwidth=0.9)
ax3.set_title('different sample sizes')
fig.tight_layout()
plt.show()參數(shù)中density控制Y軸是概率還是數(shù)量，與返回的第一個(gè)的變量對(duì)應(yīng)。histtype控制著直方圖的樣式，默認(rèn)是 ‘bar’，對(duì)于多個(gè)條形時(shí)就相鄰的方式呈現(xiàn)如子圖1， ‘barstacked’ 就是疊在一起，如子圖2、3。 rwidth 控制著寬度，這樣可以空出一些間隙，比較圖2、3. 圖4是只有一條數(shù)據(jù)時(shí)。
2.5 餅圖
labels = 'Frogs', 'Hogs', 'Dogs', 'Logs'
sizes = [15, 30, 45, 10]
explode = (0, 0.1, 0, 0) # only "explode" the 2nd slice (i.e. 'Hogs')
fig1, (ax1, ax2) = plt.subplots(2)
ax1.pie(sizes, labels=labels, autopct='%1.1f%%', shadow=True)
ax1.axis('equal')
ax2.pie(sizes, autopct='%1.2f%%', shadow=True, startangle=90, explode=explode,
pctdistance=1.12)
ax2.axis('equal')
ax2.legend(labels=labels, loc='upper right')
plt.show()餅圖自動(dòng)根據(jù)數(shù)據(jù)的百分比畫餅.。labels是各個(gè)塊的標(biāo)簽，如子圖一。autopct=%1.1f%%表示格式化百分比精確輸出，explode，突出某些塊，不同的值突出的效果不一樣。pctdistance=1.12百分比距離圓心的距離，默認(rèn)是0.6.
2.6 箱形圖
為了專注于如何畫圖，省去數(shù)據(jù)的處理部分。 data 的 shape 為 (n, )， data2 的 shape 為 (n, 3)。
fig, (ax1, ax2) = plt.subplots(2) ax1.boxplot(data) ax2.boxplot(data2, vert=False) #控制方向
2.7 泡泡圖
散點(diǎn)圖的一種，加入了第三個(gè)值 s 可以理解成普通散點(diǎn)，畫的是二維，泡泡圖體現(xiàn)了Z的大小，如下例：
np.random.seed(19680801) N = 50 x = np.random.rand(N) y = np.random.rand(N) colors = np.random.rand(N) area = (30 * np.random.rand(N))**2 # 0 to 15 point radii plt.scatter(x, y, s=area, c=colors, alpha=0.5) plt.show()
2.8 等高線（輪廓圖）
有時(shí)候需要描繪邊界的時(shí)候，就會(huì)用到輪廓圖，機(jī)器學(xué)習(xí)用的決策邊界也常用輪廓圖來繪畫，見下例：
fig, (ax1, ax2) = plt.subplots(2) x = np.arange(-5, 5, 0.1) y = np.arange(-5, 5, 0.1) xx, yy = np.meshgrid(x, y, sparse=True) z = np.sin(xx**2 + yy**2) / (xx**2 + yy**2) ax1.contourf(x, y, z) ax2.contour(x, y, z)
上面畫了兩個(gè)一樣的輪廓圖，contourf會(huì)填充輪廓線之間的顏色。數(shù)據(jù)x, y, z通常是具有相同 shape 的二維矩陣。x, y 可以為一維向量，但是必需有 z.shape = (y.n, x.n) ，這里 y.n 和 x.n 分別表示x、y的長(zhǎng)度。Z通常表示的是距離X-Y平面的距離，傳入X、Y則是控制了繪制等高線的范圍。
3 布局、圖例說明、邊界等
3.1區(qū)間上下限
當(dāng)繪畫完成后，會(huì)發(fā)現(xiàn)X、Y軸的區(qū)間是會(huì)自動(dòng)調(diào)整的，并不是跟我們傳入的X、Y軸數(shù)據(jù)中的最值相同。為了調(diào)整區(qū)間我們使用下面的方式：
ax.set_xlim([xmin, xmax]) #設(shè)置X軸的區(qū)間 ax.set_ylim([ymin, ymax]) #Y軸區(qū)間 ax.axis([xmin, xmax, ymin, ymax]) #X、Y軸區(qū)間 ax.set_ylim(bottom=-10) #Y軸下限 ax.set_xlim(right=25) #X軸上限
具體效果見下例：
x = np.linspace(0, 2*np.pi) y = np.sin(x) fig, (ax1, ax2) = plt.subplots(2) ax1.plot(x, y) ax2.plot(x, y) ax2.set_xlim([-1, 6]) ax2.set_ylim([-1, 3]) plt.show()
可以看出修改了區(qū)間之后影響了圖片顯示的效果。
3.2 圖例說明
我們?nèi)绻覀冊(cè)谝粋€(gè)Axes上做多次繪畫，那么可能出現(xiàn)分不清哪條線或點(diǎn)所代表的意思。這個(gè)時(shí)間添加圖例說明，就可以解決這個(gè)問題了，見下例：
fig, ax = plt.subplots() ax.plot([1, 2, 3, 4], [10, 20, 25, 30], label='Philadelphia') ax.plot([1, 2, 3, 4], [30, 23, 13, 4], label='Boston') ax.scatter([1, 2, 3, 4], [20, 10, 30, 15], label='Point') ax.set(ylabel='Temperature (deg C)', xlabel='Time', title='A tale of two cities') ax.legend() plt.show()
在繪圖時(shí)傳入 label 參數(shù)，并最后調(diào)用ax.legend()顯示體力說明，對(duì)于 legend 還是傳入?yún)?shù)，控制圖例說明顯示的位置：
| Location String | Location Code |
|---|---|
| ‘best’ | 0 |
| ‘upper right’ | 1 |
| ‘upper left’ | 2 |
| ‘lower left’ | 3 |
| ‘lower right’ | 4 |
| ‘right’ | 5 |
| ‘center left’ | 6 |
| ‘center right’ | 7 |
| ‘lower center’ | 8 |
| ‘upper center’ | 9 |
| ‘center’ | 10 |
3.3 區(qū)間分段
默認(rèn)情況下，繪圖結(jié)束之后，Axes 會(huì)自動(dòng)的控制區(qū)間的分段。見下例：
data = [('apples', 2), ('oranges', 3), ('peaches', 1)]
fruit, value = zip(*data)
fig, (ax1, ax2) = plt.subplots(2)
x = np.arange(len(fruit))
ax1.bar(x, value, align='center', color='gray')
ax2.bar(x, value, align='center', color='gray')
ax2.set(xticks=x, xticklabels=fruit)
#ax.tick_params(axis='y', direction='inout', length=10) #修改 ticks 的方向以及長(zhǎng)度
plt.show()上面不僅修改了X軸的區(qū)間段，并且修改了顯示的信息為文本。
3.4 布局
當(dāng)我們繪畫多個(gè)子圖時(shí)，就會(huì)有一些美觀的問題存在，例如子圖之間的間隔，子圖與畫板的外邊間距以及子圖的內(nèi)邊距，下面說明這個(gè)問題：
fig, axes = plt.subplots(2, 2, figsize=(9, 9))
fig.subplots_adjust(wspace=0.5, hspace=0.3,
left=0.125, right=0.9,
top=0.9, bottom=0.1)
#fig.tight_layout() #自動(dòng)調(diào)整布局，使標(biāo)題之間不重疊
plt.show()通過fig.subplots_adjust()我們修改了子圖水平之間的間隔wspace=0.5，垂直方向上的間距hspace=0.3，左邊距left=0.125 等等，這里數(shù)值都是百分比的。以 [0, 1] 為區(qū)間，選擇left、right、bottom、top 注意 top 和 right 是 0.9 表示上、右邊距為百分之10。不確定如果調(diào)整的時(shí)候，fig.tight_layout()是一個(gè)很好的選擇。之前說到了內(nèi)邊距，內(nèi)邊距是子圖的，也就是 Axes 對(duì)象，所以這樣使用 ax.margins(x=0.1, y=0.1)，當(dāng)值傳入一個(gè)值時(shí)，表示同時(shí)修改水平和垂直方向的內(nèi)邊距。
觀察上面的四個(gè)子圖，可以發(fā)現(xiàn)他們的X、Y的區(qū)間是一致的，而且這樣顯示并不美觀，所以可以調(diào)整使他們使用一樣的X、Y軸：
fig, (ax1, ax2) = plt.subplots(1, 2, sharex=True, sharey=True) ax1.plot([1, 2, 3, 4], [1, 2, 3, 4]) ax2.plot([3, 4, 5, 6], [6, 5, 4, 3]) plt.show()
3.5 軸相關(guān)
改變邊界的位置，去掉四周的邊框：
fig, ax = plt.subplots()
ax.plot([-2, 2, 3, 4], [-10, 20, 25, 5])
ax.spines['top'].set_visible(False) #頂邊界不可見
ax.xaxis.set_ticks_position('bottom') # ticks 的位置為下方，分上下的。
ax.spines['right'].set_visible(False) #右邊界不可見
ax.yaxis.set_ticks_position('left')
# "outward"
# 移動(dòng)左、下邊界離 Axes 10 個(gè)距離
#ax.spines['bottom'].set_position(('outward', 10))
#ax.spines['left'].set_position(('outward', 10))
# "data"
# 移動(dòng)左、下邊界到 (0, 0) 處相交
ax.spines['bottom'].set_position(('data', 0))
ax.spines['left'].set_position(('data', 0))
# "axes"
# 移動(dòng)邊界，按 Axes 的百分比位置
#ax.spines['bottom'].set_position(('axes', 0.75))
#ax.spines['left'].set_position(('axes', 0.3))
plt.show()
到此這篇關(guān)于Python Matplotlib基本用法的文章就介紹到這了,更多相關(guān)Python Matplotlib用法內(nèi)容請(qǐng)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?使用?pip?安裝?matplotlib?模塊的方法
- Python?Matplotlib中使用plt.savefig存儲(chǔ)圖片的方法舉例
- Python使用Matplotlib繪制三維散點(diǎn)圖詳解流程
- Python如何查看并打印matplotlib中所有的colormap(cmap)類型
- python??Matplotlib繪圖直線,折線,曲線
- 如何利用Python和matplotlib更改縱橫坐標(biāo)刻度顏色
- Python中使用matplotlib模塊errorbar函數(shù)繪制誤差棒圖實(shí)例代碼
- Python?Matplotlib繪制動(dòng)圖平滑曲線
- python?matplotlib自定義colorbar顏色條及內(nèi)置色條詳解
相關(guān)文章
這篇文章主要為大家詳細(xì)介紹了如何基于wxPython開發(fā)一個(gè)文件管理工具,該工具提供了多種實(shí)用功能,代碼結(jié)構(gòu)清晰,易于理解和擴(kuò)展,需要的可以了解下2025-02-02
基于python爬取梨視頻實(shí)現(xiàn)過程解析
這篇文章主要介紹了基于python爬取梨視頻實(shí)現(xiàn)過程解析,文中通過示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友可以參考下2020-11-11
今天小編就為大家分享一篇Pytorch .pth權(quán)重文件的使用解析，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。一起跟隨小編過來看看吧2020-02-02
詳解Python?Selenium如何獲取鼠標(biāo)指向的元素
這篇文章主要介紹了如何通過Selenium獲取當(dāng)前鼠標(biāo)指向的元素，本文方法的核心，是借助JavaScript的事件(event)來獲取鼠標(biāo)所在的元素，感興趣的可以試一試2022-03-03
大家好，本篇文章主要講的是python中異常的傳播詳解，感興趣的同學(xué)趕快來看一看吧，對(duì)你有幫助的話記得收藏一下2022-01-01
Python使用自帶的ConfigParser模塊讀寫ini配置文件
這篇文章主要介紹了Python使用自帶的ConfigParser模塊讀寫ini配置文件的方法,ConfigParser中包含了對(duì)ini的節(jié)section的一些基本操作,使得改寫ini時(shí)非常簡(jiǎn)便,需要的朋友可以參考下2016-06-06
Python代碼實(shí)現(xiàn)動(dòng)圖倒放
這篇文章主要介紹了Python代碼實(shí)現(xiàn)動(dòng)圖倒放，文章通過利用gif動(dòng)圖實(shí)現(xiàn)倒放效果，具有一定的參考價(jià)值，需要的小伙伴可以參考一下，希望對(duì)你的學(xué)習(xí)有所幫助2022-03-03
這篇文章主要介紹了Python中的變量、引用、拷貝和作用域的相關(guān)問題,是Python學(xué)習(xí)過程當(dāng)中必會(huì)的基礎(chǔ)知識(shí),需要的朋友可以參考下2015-04-04
分解oracle存儲(chǔ)過程或函數(shù)調(diào)試過程步驟
這篇文章主要介紹了調(diào)試oracle存儲(chǔ)過程或函數(shù)過程步驟，文中附含詳細(xì)的圖文操作步驟，有需要的朋友可以借鑒參考下，希望能夠有所幫助2021-09-09
django執(zhí)行原始查詢sql,并返回Dict字典例子
這篇文章主要介紹了django執(zhí)行原始查詢sql,并返回Dict字典例子，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。一起跟隨小編過來看看吧2020-04-04