Matplotlib_basis

Matplotlib_basis

Charles Lv7
  2023-02-02 22:14:39 2023-02-02 22:14:39 Created   2023-07-27 16:45:28 2023-07-27 16:45:28 Updated      3.7k Words  15 Mins  

matplotlib_basis

基本绘图

提供一对相同长度的数组,然后使用plot()绘制曲线.

如果想绘制特别的曲线,有以下修饰

颜色 描述 标记 描述 线条 描述
‘b’ 蓝色 ‘.’ 点标记 ‘-‘ 实线
‘g’ 绿色 ‘o’ 圆圈标记 ‘–’ 虚线
‘r’ 红色 ‘x’ x标记 ‘-.’ 点划线
‘c’ 青色 ‘D’ 钻石标记 ‘:’ 虚线
‘m’ 品红色 ‘H’ 六角标记
‘y’ 黄色 ‘s’ 正方形标记
‘k’ 黑色 ‘+’ 加号标记
‘w’ 白色

如果想在同一幅图里面绘制多条曲线,只需使用多条plot指令即可.如果您想清除图像，直接在程序末尾调用 clf() 方法即可。

figure对象

通过面向对象的思想,将图形封装为图形对象,就能更好的处理控制多个画布.Matplotlib 提供了matplotlib.figure图形类模块，它包含了创建图形对象的方法。通过调用 pyplot 模块中 figure() 函数来实例化 figure 对象。

参数 说明
figsize 指定画布的大小，(宽度,高度)，单位为英寸。
dpi 指定绘图对象的分辨率，即每英寸多少个像素，默认值为80。
facecolor 背景颜色。
dgecolor 边框颜色。
frameon 是否显示边框。

创建画布的步骤如下;

1
2
3
from matplotlib import plot as plt
fig = plt.figure() ## 实例化figure对象
ax=fig.add_axes([0,0,1,1]) ## 添加axes域到画布,这样ax就是我们的画布了

add_axes() 的参数值是一个序列，序列中的 4 个数字分别对应图形的左侧，底部，宽度，和高度，且每个数字必须介于 0 到 1 之间。

1
2
3
ax.set_title("sine wave") ##设置标题
ax.set_xlabel('angle') ##设置x轴标签
ax.set_ylabel('sine') ##设置y轴标签

axes类使用详解

Matplotlib 定义了一个 axes 类（轴域类），该类的对象被称为 axes 对象（即轴域对象），它指定了一个有数值范围限制的绘图区域。在一个给定的画布（figure）中可以包含多个 axes 对象，但是同一个 axes 对象只能在一个画布中使用。

也就是说一个figure里面能有多个axes对象,每个对象是一幅图,但是一个axes对象只能隶属一个figure画布.

通过调用 add_axes() 方法能够将 axes 对象添加到画布中，该方法用来生成一个 axes 轴域对象，对象的位置由参数rect决定。

rect 是位置参数，接受一个由 4 个元素组成的浮点数列表，形如 [left, bottom, width, height] ，它表示添加到画布中的矩形区域的左下角坐标(x, y)，以及宽度和高度。(每个参数都是相对于画布的分数,是相对距离)

1
ax=fig.add_axes([0.1,0.1,0.8,0.8])##表示从画布10%开始画,高与宽是画布的80%

legend()绘制图例

axes 类的 legend() 方法负责绘制画布中的图例，它需要三个参数

1
ax.legend(handles, labels, loc)

  • handles:是一个序列,包含了所有线的实例

  • labels:指定标签名称,也可以在plot的时候,直接命名label

  • loc:指定图例位置

位置 字符串表示 整数数字表示
自适应 Best 0
右上方 upper right 1
左上方 upper left 2
左下 lower left 3
右下 lower right 4
右侧 right 5
居中靠左 center left 6
居中靠右 center right 7
底部居中 lower center 8
上部居中 upper center 9
中部 center 10

axes.plot()方法

这是axes的基本方法,将一个数组和另一个数组汇成线,其修饰符和plot方法类似

颜色 描述 标记 描述 线条 描述
‘b’ 蓝色 ‘.’ 点标记 ‘-‘ 实线
‘g’ 绿色 ‘o’ 圆圈标记 ‘–’ 虚线
‘r’ 红色 ‘x’ x标记 ‘-.’ 点划线
‘c’ 青色 ‘D’ 钻石标记 ‘:’ 虚线
‘m’ 品红色 ‘H’ 六角标记
‘y’ 黄色 ‘s’ 正方形标记
‘k’ 黑色 ‘+’ 加号标记
‘w’ 白色

axes.grid()设置网格格式

rid() 方法可以开启或者关闭画布中的网格（即是否显示网格）以及网格的主/次刻度。除此之外，grid() 函数还可以设置网格的颜色、线型以及线宽等属性。网格在默认状态下是关闭的，通过调用上述函数，网格会被自动开启，如果只是想开启不带任何样式的网格，可以通过 grid(True) 来实现。

1
grid(color, ls, lw)

  • color:网格线的颜色

  • ls:网格线的样式

  • lw:网格线的宽度

    设置坐标轴格式

    有时候不同的函数关系,x和y的刻度不应该相同,所以需要通过scale属性设置.

轴是连接刻度的线，也就是绘图区域的边界，在绘图区域（axes 对象）的顶部、底部、左侧和右侧都有一个边界线（轴）。通过指定轴的颜色和宽度，从而对进行显示格式设置，比如将所有轴的颜色设置为 None，那么它们都会成为隐藏状态，或者也可以给轴添加相应的颜色。

1
2
3
4
5
6
7
8
9
10
11
12
import matplotlib.pyplot as plt
fig = plt.figure()
ax = fig.add_axes([0,0,1,1])
#为左侧轴，底部轴添加颜色
ax.spines['bottom'].set_color('blue')
ax.spines['left'].set_color('red')
ax.spines['left'].set_linewidth(2)
#将侧轴、顶部轴设置为None
ax.spines['right'].set_color(None)
ax.spines['top'].set_color(None)
ax.plot([1,2,3,4,5])
plt.show()

设置坐标轴范围

Matplotlib 可以根据自变量与因变量的取值范围，自动设置 x 轴与 y 轴的数值大小。当然，您也可以用自定义的方式，通过 set_xlim() 和 set_ylim() 对 x、y 轴的数值范围进行设置。当对 3D 图像进行设置的时，会增加一个 z 轴，此时使用 set_zlim() 可以对 z 轴进行设置。

示例如下:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
import matplotlib.pyplot as plt
import numpy as npy

##生成画布
fig = plt.figure()
ax1 = fig.add_axes([0,0,0.5,0.5])
##自变量生成
x = npy.linspace(0,2*npy.pi,100)
##绘图区域生成
ax1.plot(x,npy.cos(x),'r--',label='cos')
ax1.legend()
##设置y轴取值范围
ax1.set_ylim(-npy.pi,npy.pi)
plt.show()

设置刻度和刻度标签

如果需要将刻度设置为“英文数字形式”或者“大写阿拉伯数字”，自带的刻度就需要自己重新设置。

xticks() 和 yticks() 函数接受一个列表对象作为参数，列表中的元素表示对应数轴上要显示的刻度。如:

1
ax.set_xticks([2,4,6,8,10])

也可以分别通过 set_xticklabels() 和 set_yticklabels() 函数设置与刻度线相对应的刻度标签。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
import matplotlib.pyplot as plt
import numpy as npy

##生成画布对象
fig = plt.figure()
#添加绘图区域
ax = fig.add_axes([0.1, 0.1, 0.8, 0.8])
y = npy.cos(x)
ax.plot(x, y)
#设置x轴标签
ax.set_xlabel(‘angle’)
ax.set_title('sin')
ax.set_xticks([0,2,4,6])
#设置x轴刻度标签
ax.set_xticklabels(['zero','two','four','six'])
#设置y轴刻度
ax.set_yticks([-1,0,1])
plt.show()

subplot()函数

matplotlib.pyplot模块提供了一个 subplot() 函数，它可以均等地划分画布，该函数的参数格式如下：

1
plt.subplot(nrows, ncols, index)

subplot如果出现了图像重叠,那么之前的那幅图就会被消除,但是,如果使用figure对象的add_subplot方法就不会被消除,而是两幅图重叠一起.

通过给figure画布创建多个axes对象也能做到subplot的效果.

subplots()函数

subplots() 函数和 subplot() 函数类似。其不同之处在于，subplots() 既创建了一个包含子图区域的画布，又创建了一个 figure 图形对象，而 subplot() 只是创建一个包含子图区域的画布。
格式如下

1
fig , ax = plt.subplots(nrows, ncols)

实例:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
import matplotlib.pyplot as plt
fig,a =  plt.subplots(2,2)
import numpy as np
x = np.arange(1,5)
#绘制平方函数
a[0][0].plot(x,x*x)
a[0][0].set_title('square')
#绘制平方根图像
a[0][1].plot(x,np.sqrt(x))
a[0][1].set_title('square root')
#绘制指数函数
a[1][0].plot(x,np.exp(x))
a[1][0].set_title('exp')
#绘制对数函数
a[1][1].plot(x,np.log10(x))
a[1][1].set_title('log')
plt.show()

subplot2grid()函数

subplot2grid()能够在画布的特定位置创建 axes 对象（即绘图区域）。不仅如此，它还可以使用不同数量的行、列来创建跨度不同的绘图区域。与 subplot() 和 subplots() 函数不同，subplot2gird() 函数以非等分的形式对画布进行切分，并按照绘图区域的大小来展示最终绘图结果。

1
plt.subplot2grid(shape, location, rowspan, colspan)

  • shape：把该参数值规定的网格区域作为绘图区域；

  • location：在给定的位置绘制图形，初始位置 (0,0) 表示第1行第1列；

  • rowsapan/colspan：这两个参数用来设置让子区跨越几行几列。

    1
    2
    3
    4
    5
    6
    7
    8
    9
    10
    11
    12
    13
    14
    15
    16
    import matplotlib.pyplot as plt
    import numpy as np

    #使用 colspan指定列，使用rowspan指定行
    a1 = plt.subplot2grid((3,3),(0,0),colspan = 2)
    a2 = plt.subplot2grid((3,3),(0,2), rowspan = 3)
    a3 = plt.subplot2grid((3,3),(1,0),rowspan = 2, colspan = 2)
    x = np.arange(1,10)
    a2.plot(x, x*x)
    a2.set_title('square')
    a1.plot(x, np.exp(x))
    a1.set_title('exp')
    a3.plot(x, np.log(x))
    a3.set_title('log')
    plt.tight_layout()
    plt.show()

双轴图

在需要两个x轴或者两个y轴的情况下,可以使用Matplotlib提供的twinx()和twiny()函数,实现双轴功能.
绘制指数函数和对数函数的示例如下:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
import matplotlib.pyplot as plt
import numpy as npy

## 布置画布
fig = plt.figure()
ax1 = fig.add_axes([0,0,1,1])
## 准备自变量x
x = npy.linspace(-5,1,200)
## 绘制指数函数
ax1.plot(x,npy.exp(x),'r',label='exp')
ax1.set_ylabel('exp')
ax1.legend()
## 绘制对数函数
ax2 = ax1.twiny()
ax2.plot(x[x>0],npy.log(x[x>0]),'b--',label='log')
ax2.set_ylabel('log')
ax2.legend()
plt.show()

柱状图

Matplotlib 提供了bar()函数来绘制柱状图。当它与 axes 对象一起使用时，其语法格式如下：

1
ax.bar(x, height, width, bottom, align)
  • x:标量,代表x坐标
  • height:标量序列,表示柱状图高度
  • width:可选参数,表示柱状图宽度
  • bottom:表示柱状图开始堆叠的起始值
  • align:有两个可选项 {“center”,”edge”}，默认为 ‘center’，该参数决定 x 值位于柱状图的位置。

直方图

语法格式:

1
hist(x,bins,range,density,histtype)
  • x:数组或者数组序列
  • bins:可选参数,整数或者序列，表示每一个间隔的边缘（起点和终点）默认会生成10个间隔。
  • range:指定全局间隔的下限与上限值 (min,max)，元组类型，默认值为 None。
  • density:如果为 True，返回概率密度直方图；默认为 False，返回相应区间元素的个数的直方图。
  • histtype:要绘制的直方图类型，默认值为“bar”，可选值有 barstacked(堆叠条形图)、step(未填充的阶梯图)、stepfilled(已填充的阶梯图)。

饼状图

Matplotlib 提供了一个 pie() 函数，该函数可以生成数组中数据的饼状图。您可使用 x/sum(x) 来计算各个扇形区域占饼图总和的百分比。pie() 函数的参数说明如下：

1
pie(x,labels,color,autopct)
  • x:数组
  • labels:字符串序列,给每一个扇形区域备注一个名字
  • color:为每个扇形区域设置颜色,默认按照颜色周期填充
  • autopct: 格式化字符串”fmt%pct”，使用百分比的格式设置每个扇形
    区的标签，并将其放置在扇形区内。

折线图

matplotlib里面没有绘制折线图的函数,但是可以通过调用text()的方法在图像上绘制注释文本的方法,示例如下:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
import matplotlib.pyplot as plt

#准备绘制数据
x = ["Mon", "Tues", "Wed", "Thur", "Fri","Sat","Sun"]
y = [20, 40, 35, 55, 42, 80, 50]
# "g" 表示红色，marksize用来设置'D'菱形的大小
plt.plot(x, y, "g", marker='D', markersize=5, label="周活")
#绘制坐标轴标签
plt.xlabel("登录时间")
plt.ylabel("用户活跃度")
plt.title("C语言中文网活跃度")
#显示图例
plt.legend(loc="lower right")
#调用 text()在图像上绘制注释文本
#x1、y1表示文本所处坐标位置，ha参数控制水平对齐方式, va控制垂直对齐方式，str(y1)表示要绘制的文本
for x1, y1 in zip(x, y):
    plt.text(x1, y1, str(y1), ha='center', va='bottom', fontsize=10)
#保存图片
plt.savefig("1.jpg")
plt.show()

散点图

散点图的语法规范:

1
scatter(x, y, color)
  • x:自变量
  • y:因变量
  • color:点的颜色

等高线图

如果您想要查看因变量 Z 与自变量 X、Y 之间的函数图像变化（即 Z=f(X,Y)），那么采用等高线图最为直观。

numpy里面有函数meshgrid构建网格点矩阵.

在matplotlob API里面提供了绘制等高线（contour）与填充等高线（ contourf）的函数。这两个函数都需要三个参数，分别是 X、Y 与 Z。

示例:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
import matplotlib.pyplot as plt
import numpy as npy

## 构建500*500的网格
x = npy.linspace(-10,10,500)
y = npy.linspace(-10,10,500)
X,Y = npy.meshgrid(x,y)
## 构建画布
fig = plt.figure()
ax1 = fig.add_axes([0,0,1,1,])
## 构建函数
Z = npy.log(X**2+Y**2+100)
## 构建等高线
cp = ax1.contourf(X,Y,Z)
fig.colorbar(cp) ##添加颜色柱
ax1.set_title('Test')
ax1.set_ylabel('Y')
ax1.set_xlabel('X')
## 画等高线
plt.show()

3D绘图

通过调用matplotlib的绘图工具包mpl_toolkits.mplot3d的一些接口可以实现绘制3D图形.

基础绘图

首先需要创建一个3D绘图区域,pyplot.axes()这个axes对象构造方法提供了一个参数projection,将其参数值设置为3d.

1
2
3
4
5
from mpl_toolkits import mplot3d as m3d
import matplotlib.pyplot as plt
import numpy as npy

ax1 = plt.axes(projection='3d')

然后构建3D图像

1
2
3
4
#从x,y,z轴开始构建
x = npy.linspace(0,10,200)
y = npy.linspace(0,10,200)
z = npy.exp(x)+npy.hstack((npy.array([0]),npy.log(y[y>0])))

最后调用plot3D()方法构建3d图形

1
2
3
ax1.plot3D(x,y,z,'b')
ax1.set_title('The first 3D')
plt.show()

3D散点图

ax.scatter3D()函数可以绘制 3D 散点图

3D等高线图

ax.contour3D()可以用来创建三维等高线图

3D线框图

plot_wireframe()能够绘制 3D 线框图。

3D曲线图

plot_surface()函数可以绘制 3D 曲面图

Matplotlib绘制文本

Matplotlib通过下列函数绘制出相应内容

函数 解释
text 在绘图区域的任意位置添加文本。
annotate 在绘图区域的任意位置添加带有可选箭头的注释。
xlabel 在绘图区域的 x 轴上添加标签。
ylabel 在绘图区域的 y 轴上添加标签。
title 为绘图区域添加标题。
figtext 在画布的任意位置添加文本。
suptitle 为画布中添加标题。

Matplotlib数学表达式

Matplotlib 中的文本字符串都可以使用 Text Markup（一种文本标记语言）显现出来，Text Markup类似Mathjax.

  • Title: Matplotlib_basis
  • Author: Charles
  • Created at : 2023-02-02 22:14:39
  • Updated at : 2023-07-27 16:45:28
  • Link: https://charles2530.github.io/2023/02/02/matplotlib-basis/
  • License: This work is licensed under CC BY-NC-SA 4.0.
recommend_articles
Swift-note-1 Swift-note-1 CO-Verilog CO-Verilog Swift-note-3 Swift-note-3
recommend_articles
Swift-note-1 Swift-note-1 CO-Verilog CO-Verilog
Comments
On this page
Matplotlib_basis
  1. matplotlib_basis
    1. 基本绘图
    2. figure对象
    3. axes类使用详解
      1. legend()绘制图例
      2. axes.plot()方法
      3. axes.grid()设置网格格式
      4. 设置坐标轴格式
      5. 设置坐标轴范围
      6. 设置刻度和刻度标签
    4. subplot()函数
    5. subplots()函数
    6. subplot2grid()函数
    7. 双轴图
    8. 柱状图
    9. 直方图
    10. 饼状图
    11. 折线图
    12. 散点图
    13. 等高线图
    14. 3D绘图
      1. 基础绘图
      2. 3D散点图
      3. 3D等高线图
      4. 3D线框图
      5. 3D曲线图
    15. Matplotlib绘制文本
    16. Matplotlib数学表达式