代码收藏家技术教程 2022-07-22

Matplotlib绘图（基础篇）

一、Matplotlib绘图的编程方式：

1、pyplot：是 Matplotlib 的子库，提供了和 MATLAB 类似的绘图 API。（常用）

import matplotlib.pyplot as plt
import numpy as np
x=np.arange(0,10)
y=np.random.randn(len(x))
plt.plot(x,y)
plt.title('plplot')
plt.show()

2、pylab：将Matplotlib和Numpy合并的模块，模拟Matlab的编程环境。（不推荐使用）

from pylab import *
x=arange(0,10)
y=randn(len(x))
plot(x,y)
title('pylab',size=15)
show()

总结pyplot与pylab的区别：从pylab代码可以看出，通过pylab可以直接调用函数。例：arange(0,10)，而不是np.arange(0,10)

3、面向对象的方式：Matplotlib的精髓，更基础和底层的方式。（常用）

import matplotlib.pyplot as plt
import numpy as np

x=np.arange(0,10)

y=np.random.randn(len(x))

fig=plt.figure()

ax=fig.add_subplot(1,1,1)

l,=plt.plot(x,y)

t=ax.set_title('object')

plt.show()

总结：使用面向对象编程，需要画布(FigureCanvas)、图像(Figure)、坐标轴(Axes)

编程方式	优势	劣势
pyplot	简单易用，交互使用方便，可以根据命令实时作图	底层定制能力不足
pylab	完全封装，环境最接近Matlab	和matplotlib设计理念不太一致，不利于学习matplotlib
面向对象	接近Matplotlib基础和底层的方式	9难度稍大

实战中，根据需求，综合使用pyplot和面向对象的方式。

二、Matplotlib绘图基础

1、Matplotlib绘图标记使用plot()方法的marker参数定义

merker样式参考：

Matplotlib marker参数样式大全_小羊快学的博客-CSDN博客一、样式大全标记类型标记样式效果o实心圆.点,像素点+加号*星号x乘号X填充乘号s正方形D胖菱形d瘦菱形p五边形h六边形H六边形8八边形^上三角v…https://blog.csdn.net/Yangyuqing_/article/details/124099762?spm=1001.2014.3001.5502

import matplotlib.pyplot as plt
import numpy as np

x=np.arange(0,10)

plt.plot(x,marker='+')

plt.show()

2、Matplotlib绘图线

定义线的类型、颜色与大小等

（1）Matplotlib线的类型用linestyle参数来定义：

类型(简写)	说明
'-'	实线
':'	点虚线
'–'	破折线
'-.'	点划线
''或' '	不画线
'steps'	阶梯线

import matplotlib.pyplot as plt
import numpy as np

x=np.arange(0,10)

plt.plot(x,marker='*',linestyle=':')

plt.show()

（2）Matplotlib线的颜色用color参数来定义

颜色标记	描述
'r'	红色
'g'	绿色
'c'	青色
'y'	黄色
'k'	黑色

说明：列举不全，完整样式参考颜色值

import matplotlib.pyplot as plt
import numpy as np

x=np.arange(0,10)

plt.plot(x,marker='*',linestyle=':',color='r')

plt.show()

（3）Matplotlib线的宽度用linewidth参数来定义

说明：值除了是整数，也可以是浮点数。

import matplotlib.pyplot as plt
import numpy as np

x=np.arange(0,10)

plt.plot(x,marker='*',linestyle=':',color='r',linewidth=4.5)

plt.show()

（4）Matplotlib轴标签使用xlabel()和ylabel()方法

import matplotlib.pyplot as plt
import numpy as np

x=np.arange(0,10)

plt.plot(x,marker='*',linestyle=':',color='r',linewidth=4.5)
plt.xlabel('x-label')
plt.ylabel('y-label')

plt.show()

说明：Matplotlib默认情况下不支持中文，可以使用rcParams显示中文

参数	字体样式
'Fangsong'	仿宋体
'STSong'	华文宋体
'SimHei'	黑体
'STKaiti'	华文楷体
'STLiti'	华文隶书

说明：字体样式列举不全

import matplotlib.pyplot as plt
import numpy as np
# 设置字体为华文隶书 显示中文
plt.rcParams['font.sans-serif']=['STLiti']

x=np.arange(0,10)

plt.plot(x,marker='*',linestyle=':',color='r',linewidth=4.5)
# 使用fontsize设置字体大小
plt.xlabel('x轴',fontsize=20)
plt.ylabel('y轴',fontsize=20)

plt.show()

（5）Matplotlib标题使用title()方法

import matplotlib.pyplot as plt
import numpy as np
# 设置字体为华文隶书 显示中文
plt.rcParams['font.sans-serif']=['STLiti']

x=np.arange(0,10)

plt.plot(x,marker='*',linestyle=':',color='r',linewidth=4.5)
# fontsize设置字体大小
plt.xlabel('x轴',fontsize=20)
plt.ylabel('y轴',fontsize=20)
plt.title('标题',fontsize=25)
plt.show()

（6）Matplotlib标题与标签的定位提供了loc参数

方法	参数	默认
title()	'left', 'right', 和 'center'	'center'
xlabel()	'left', 'right', 和 'center'	'center'
ylabel()	'bottom', 'top', 和 'center'	'center'

import matplotlib.pyplot as plt
import numpy as np

# 设置字体为黑体 显示中文
plt.rcParams['font.sans-serif']=['STLiti']

x=np.arange(0,10)

plt.plot(x,marker='o',color='r',linewidth=2)

# fontsize设置字体大小
# loc设置标签显示位置
plt.xlabel('x轴',fontsize=20,loc='left')
plt.ylabel('y轴',fontsize=20,loc='top')
plt.title('标题',fontsize=25,loc="left")
plt.show()

说明：最开始我试的时候，标签一直显示没有loc参数。所以用了另一种方法，用到了rcParams（标签有loc参数的请忽略）

import matplotlib.pyplot as plt
import numpy as np

# 设置字体为黑体 显示中文
plt.rcParams['font.sans-serif']=['STLiti']

plt.rcParams['xaxis.labellocation']='right'
plt.rcParams['yaxis.labellocation']='top'

x=np.arange(0,10)

plt.plot(x,marker='o',color='r',linewidth=2)

# fontsize设置字体大小
# loc设置标签显示位置
plt.xlabel('x轴',fontsize=20)
plt.ylabel('y轴',fontsize=20)
plt.title('标题',fontsize=25,loc='right')
plt.show()

（7）Matplotlib网格线使用pyplot中的grid()方法

grid()语法：

matplotlib.pyplot.grid(b=None, which='major', axis='both', )

b：可选，默认为 None，可以设置布尔值，true 为显示网格线，false 为不显示，如果设置 **kwargs 参数，则值为 true。

which：可选，可选值有 'major'、'minor' 和 'both'，默认为 'major'，表示应用更改的网格线。

axis：可选，设置显示哪个方向的网格线，可以是取 'both'（默认），'x' 或 'y'，分别表示两个方向，x 轴方向或 y 轴方向。

**kwargs：可选，设置网格样式，可以是 color='r', linestyle='-' 和 linewidth=2，分别表示网格线的颜色，样式和宽度。

例1：添加网格线，参数使用默认值。plt.grid()

import matplotlib.pyplot as plt
import numpy as np

# 设置字体为黑体 显示中文
plt.rcParams['font.sans-serif']=['STLiti']

x=np.arange(0,10)

plt.plot(x,marker='o',color='r',linewidth=2)

# 设置标签和标题
# fontsize设置字体大小
# loc设置标签显示位置
plt.xlabel('x轴',fontsize=20,loc='center')
plt.ylabel('y轴',fontsize=20,loc='center')
plt.title('标题',fontsize=25,loc='center')

# 设置网格线
plt.grid()

plt.show()

例2：使用axis参数控制网格线显示方向。plt.grid(axis='x')或者plt.grid(axis='y')

import matplotlib.pyplot as plt
import numpy as np

# 设置字体为黑体 显示中文
plt.rcParams['font.sans-serif']=['STLiti']

x=np.arange(0,10)

plt.plot(x,marker='o',color='r',linewidth=2)

# 设置标签和标题
# fontsize设置字体大小
# loc设置标签显示位置
plt.xlabel('x轴',fontsize=20,loc='center')
plt.ylabel('y轴',fontsize=20,loc='center')
plt.title('标题',fontsize=25,loc='center')

# 设置网格线
# axis='x' 设置在x轴方向显示网格线 设置y就在y轴方向显示网格线
plt.grid(axis='x')

plt.show()

例3：更改网格线样式参数color,linestyle,linewidth等同于Matplotlib绘图线

import matplotlib.pyplot as plt
import numpy as np

# 设置字体为黑体 显示中文
plt.rcParams['font.sans-serif']=['STLiti']

x=np.arange(0,10)

plt.plot(x,marker='o',color='r',linewidth=2)

# 设置标签和标题
# fontsize设置字体大小
# loc设置标签显示位置
plt.xlabel('x轴',fontsize=20,loc='center')
plt.ylabel('y轴',fontsize=20,loc='center')
plt.title('标题',fontsize=25,loc='center')

# 设置网格线
# axis='x' 设置在x轴方向显示网格线 设置y就在y轴方向显示网格线
# color='g'设置网格线颜色
# linestyle='-.'设置网格线样式
# linewidth=2设置网格线宽度
plt.grid(axis='x',color='g',linestyle='-.',linewidth=2)

plt.show()

（8）绘制多图使用pyplot中的subplot()和subplots()方法

两者区别：

subplot() 方法：在绘图时需要指定位置

subplots() 方法：可以一次生成多个，在调用时只需要调用生成对象的 ax 即可。

subplot()实例：

subplot语法：

subplot(nrows, ncols, index, **kwargs)

nrows：默认为 1，设置图表的行数。

ncols：默认为 1，设置图表的列数。

index：默认为1，设置图表的编号。

import matplotlib.pyplot as plt
import numpy as np

# plot1
xplot1=np.array([0,6])
yplot1=np.array([0,100])
# plt.subplot()中的三个参数分成nrows(行)、ncols(列)和index(编号)
plt.subplot(2,2,1)  # 两行两列 第一个图
plt.plot(xplot1,yplot1,color='g',linestyle='--',linewidth=2)
# 小标题
plt.title('plot 1',fontsize=20)

# plot2
xplot2=np.array([1,2,3,4,5])
yplot2=np.array([1,4,9,16,25])
plt.subplot(2,2,2)  # 两行两列 第二个图
plt.plot(xplot2,yplot2,color='r',linestyle=':',linewidth=2)
# 小标题
plt.title('plot 2',fontsize=20)

# plot3
xplot3=np.array([1,2,3,4,5])
yplot3=np.array([1,4,9,16,25])
plt.subplot(2,2,3)  # 两行两列 第三个图
plt.plot(xplot3,yplot3,color='b',linestyle='-.',linewidth=2)
# 小标题
plt.title('plot 3',fontsize=20)

# plot4
xplot4=np.array([1,2,3,4,5])
yplot4=np.array([1,4,9,16,25])
plt.subplot(2,2,4)  # 两行两列 第四个图
plt.plot(xplot4,yplot4,color='y',linestyle='-',linewidth=2)
# 小标题
plt.title('plot 4',fontsize=20)

# 总标题
plt.suptitle('plots',fontsize=20)

plt.show()

subplots()实例：

subplots()语法：

matplotlib.pyplot.subplots(nrows=1, ncols=1, *, sharex=False, sharey=False, squeeze=True, subplot_kw=None, gridspec_kw=None, **fig_kw)

nrows：默认为 1，设置图表的行数。

ncols：默认为 1，设置图表的列数。

sharex、sharey：设置 x、y 轴是否共享属性，默认为 false，可设置为 'none'、'all'、'row' 或 'col'。 False 或 none 每个子图的 x 轴或 y 轴都是独立的，True 或 'all'：所有子图共享 x 轴或 y 轴，'row' 设置每个子图行共享一个 x 轴或 y 轴，'col'：设置每个子图列共享一个 x 轴或 y 轴。

squeeze：布尔值，默认为 True，表示额外的维度从返回的 Axes(轴)对象中挤出，对于 N*1 或 1*N 个子图，返回一个 1 维数组，对于 N*M，N>1 和 M>1 返回一个 2 维数组。如果设置为 False，则不进行挤压操作，返回一个元素为 Axes 实例的2维数组，即使它最终是1×1。

subplot_kw：可选，字典类型。把字典的关键字传递给 add_subplot() 来创建每个子图。

gridspec_kw：可选，字典类型。把字典的关键字传递给 GridSpec 构造函数创建子图放在网格里(grid)。

**fig_kw：把详细的关键字参数传给 figure() 函数。

import matplotlib.pyplot as plt
import numpy as np

# numpy.linspace作用为：在指定的大间隔内，返回固定间隔的数据(可以理解为等差数列)
# numpy.linspace语法:numpy.linspace(start, stop, num=50, endpoint=True, retstep=False, dtype=None,axis=None)
# start:起始点
# stop:结束点
# num:生成的样本数（默认50，必须是非负）
# endpoint:默认为True（为False时，不输出结束点）
# retstep默认为False（为True时,返回每个步骤之间的间距）(可以理解为等差数列的公差)
# dtype:输出数组的类型
# axis=0时，输出最开始的轴值，axis=-1时，输出最后的轴值

# np.pi是一个常数表示圆周率Π
# 2*np.pi是2 x Π
x=np.linspace(0,2*np.pi,400)
y=np.sin(x**2)

# 创建一个画像和子图 -----图1
# fig,ax=plt.subplots()等价于fig=plt.figure() ax=fig.add_subbplot()
# fig代表绘图窗口(Figure)
# fig=plt.figure()
# figure()语法:figure(num=None, figsize=None, dpi=None, facecolor=None, edgecolor=None, frameon=True)
# num:图像编号或名称，数字为编号 ，字符串为名称
#figsize:指定figure的宽和高，单位为英寸；
#dpi参数指定绘图对象的分辨率，即每英寸多少个像素，缺省值为80 ,1英寸等于2.5cm,A4纸是 21*30cm的纸张
#facecolor:背景颜色
#edgecolor:边框颜色
#frameon:是否显示边
# ax代表这个绘图窗口上的坐标系(axis)
# ax=fig.add_subbplot()
fig,ax=plt.subplots()
ax.plot(x,y)
ax.set_title('first')

# 创建两个子图   -----图2
# subplots语法:(nrows=1, ncols=1, *, sharex=False, sharey=False, squeeze=True, subplot_kw=None, gridspec_kw=None,
# **fig_kw)
# nrows：默认为 1，设置图表的行数。
# ncols：默认为 1，设置图表的列数。
# sharex、sharey：设置 x、y 轴是否共享属性，默认为 false，可设置为 'none'、'all'、'row' 或 'col'。 False 或 none 每个子图的 x 轴或 y 轴都是独立的，True 或 'all'：所有子图共享 x 轴或 y 轴，'row' 设置每个子图行共享一个 x 轴或 y 轴，'col'：设置每个子图列共享一个 x 轴或 y 轴。
# squeeze：布尔值，默认为 True，表示额外的维度从返回的 Axes(轴)对象中挤出，对于 N*1 或 1*N 个子图，返回一个 1 维数组，对于 N*M，N>1 和 M>1 返回一个 2 维数组。如果设置为 False，则不进行挤压操作，返回一个元素为 Axes 实例的2维数组，即使它最终是1x1。
# subplot_kw：可选，字典类型。把字典的关键字传递给 add_subplot() 来创建每个子图。
# gridspec_kw：可选，字典类型。把字典的关键字传递给 GridSpec 构造函数创建子图放在网格里(grid)。
# **fig_kw：把详细的关键字参数传给 figure() 函数。

# 创建一个画像和两个子图  一行两列 共享y轴   
f,(ax1,ax2)=plt.subplots(1,2,sharey=True)
ax1.plot(x,y)
ax1.set_title('one')
# scatter(x,y) 在向量 x 和 y 指定的位置创建一个散点图。该类型的图形也称为气泡图。
ax2.scatter(x,y)
ax2.set_title('two')

# 创建四个子图   -----图3
# projection='polar'等价于polar=True 极坐标图投影
fig,axs=plt.subplots(2,2,subplot_kw=dict(projection='polar'))
# [0,0],[1,1]散射点
axs[0,0].plot(x,y)
axs[1,1].scatter(x,y)

# 共享x轴
# axs.subplots(2,2,sharex='col')

# 共享y轴
# plt.subplots(2,2,sharey='row')

# 共享x轴和y轴 第一种
# plt.subplots(2,2,sharex='col',sharey='row')

# 共享x轴和y轴 第二种   ------图4
plt.subplots(2,2,sharex=True,sharey=True)

plt.show()

效果如图：