带你十分钟快速入门画图神器 Matplotlib |
您所在的位置:网站首页 › matplotlib colorbar标题 › 带你十分钟快速入门画图神器 Matplotlib |
第一时间关注程序猿(媛)身边的故事 作者 王伟同学 已获原作者授权,如需转载,请联系原作者。 一篇快速上手 Matplotlib 的好文章~ 在开始正式介绍 Matplotlib 用法之前,先来简单了解下 Matplotlib。 Matplotlib 是 Python 的一个绘图库。它包含了大量的工具,你可以使用这些工具创建各种图形,包括简单的散点图,正弦曲线,甚至是三维图形。 目录 1. 画一个简单的图形 2. 在一张图纸里绘制多个图形 3. 更多设置 3.1 设置 figure 3.2 设置标题 3.3 设置坐标轴 3.4 设置 label 和 legend 3.5 添加注释 4. 使用子图 5. 常见的图形 5.1 散点图 5.2 柱状图 6. 中文乱码解决 # 导入相关模块import matplotlib.pyplot as pltimport numpy as np 画一个简单的图形 这里我们通过画出一个正弦曲线图来讲解下基本用法。 首先通过 np.linspace 方式生成 x,它包含了 50 个元素的数组,这 50 个元素均匀的分布在 [0, 2pi] 的区间上。然后通过 np.sin(x) 生成 y。 x = np.linspace(0, 2 * np.pi, 50)y = np.sin(x) 有了 x 和 y 数据之后,我们通过 plt.plot(x, y) 来画出图形,并通过 plt.show() 来显示。 plt.plot(x, y)plt.show() 在一张图纸里绘制多个图形 有时候,可能需要在一个图纸里绘制多个图形,这里我们同时绘制了 (x, y), (x, y * 2)两个图形。 plt.plot(x, y)plt.plot(x, y * 2)plt.show() 绘制出图形之后,我们可以自己调整更多的样式,比如颜色、点、线。 plt.plot(x, y, 'y*-')plt.plot(x, y * 2, 'm--')plt.show() 可以看到,设置样式时,就是增加了一个字符串参数,比如 'y*-' ,其中 y 表示黄色,* 表示 星标的点,- 表示实线。 这里列举一些常见的颜色表示方式: 蓝色b绿色g红色r青色c品红m黄色y黑色k白色w颜色表示方式常见的点的表示方式: 点.像素,圆o方形s三角形^点的类型表示方式常见的线的表示方式: 直线-虚线--点线:点划线-.线的类型表示方式更多设置 Matplotlib 支持各种灵活的设置,这里我们列举一些常见的内容。 设置 figure 你可以认为Matplotlib绘制的图形都在一个默认的 figure 中,当然了,你可以自己创建 figure,好处就是可以控制更多的参数,常见的就是控制图形的大小,这里创建一个 figure,设置大小为 (6, 3)。 plt.figure(figsize=(6, 3))plt.plot(x, y)plt.plot(x, y * 2)plt.show() 设置标题 来看下如何设置标题。 plt.plot(x, y)plt.plot(x, y * 2)plt.title("sin(x) & 2sin(x)")plt.show() 直接通过 plt.title 即可设置图形标题。 设置坐标轴 来看下如何设置坐标轴的范围以及名称。 plt.plot(x, y)plt.plot(x, y * 2)plt.xlim((0, np.pi + 1))plt.ylim((-3, 3))plt.xlabel('X')plt.ylabel('Y')plt.show() 通过 xlim 和 ylim 来设限定轴的范围,通过 xlabel 和 ylabel 来设置轴的名称。 此外,我们也可以通过 xticks 和 yticks 来设置轴的刻度。 plt.plot(x, y)plt.plot(x, y * 2)plt.xticks((0, np.pi * 0.5, np.pi, np.pi * 1.5, np.pi * 2))plt.show() 设置 label 和 legend 设置 label 和 legend 的目的就是为了区分出每个数据对应的图形名称。 plt.plot(x, y, label="sin(x)")plt.plot(x, y * 2, label="2sin(x)")# plt.legend()plt.legend(loc='best')plt.show() 添加注释 有时候我们需要对特定的点进行标注,我们可以使用 plt.annotate 函数来实现。 这里我们要标注的点是 (x0, y0) = (π, 0)。 我们也可以使用 plt.text 函数来添加注释。 plt.plot(x, y)x0 = np.piy0 = 0# 画出标注点plt.scatter(x0, y0, s=50)plt.annotate('sin(np.pi)=%s' % y0, xy=(np.pi, 0), xycoords='data', xytext=(+30, -30), textcoords='offset points', fontsize=16, arrowprops=dict(arrowstyle='->', connectionstyle="arc3,rad=.2"))plt.text(0.5, -0.25, "sin(np.pi) = 0", fontdict={'size': 16, 'color': 'r'})plt.show() 对于 annotate 函数的参数,做一个简单解释: 'sin(np.pi)=%s' % y0 代表标注的内容,可以通过字符串 %s 将 y0 的值传入字符串; 参数 xycoords='data' 是说基于数据的值来选位置; xytext=(+30, -30) 和 textcoords='offset points' 表示对于标注位置的描述 和 xy 偏差值,即标注位置是 xy 位置向右移动 30,向下移动30; arrowprops 是对图中箭头类型和箭头弧度的设置,需要用 dict 形式传入。 使用子图 有时候我们需要将多张子图展示在一起,可以使用 subplot() 实现。即在调用 plot() 函数之前需要先调用 subplot() 函数。该函数的第一个参数代表子图的总行数,第二个参数代表子图的总列数,第三个参数代表活跃区域。 ax1 = plt.subplot(2, 2, 1) # (行,列,活跃区)plt.plot(x, np.sin(x), 'r')ax2 = plt.subplot(2, 2, 2, sharey=ax1) # 与 ax1 共享y轴plt.plot(x, 2 * np.sin(x), 'g')ax3 = plt.subplot(2, 2, 3)plt.plot(x, np.cos(x), 'b')ax4 = plt.subplot(2, 2, 4, sharey=ax3) # 与 ax3 共享y轴plt.plot(x, 2 * np.cos(x), 'y')plt.show() 上面的 subplot(2, 2, x) 表示将图像窗口分为 2 行 2 列。x 表示当前子图所在的活跃区。 可以看到,上面的每个子图的大小都是一样的。有时候我们需要不同大小的子图。比如将上面第一张子图完全放置在第一行,其他的子图都放在第二行。 ax1 = plt.subplot(2, 1, 1) # (行,列,活跃区)plt.plot(x, np.sin(x), 'r')ax2 = plt.subplot(2, 3, 4)plt.plot(x, 2 * np.sin(x), 'g')ax3 = plt.subplot(2, 3, 5, sharey=ax2)plt.plot(x, np.cos(x), 'b')ax4 = plt.subplot(2, 3, 6, sharey=ax2)plt.plot(x, 2 * np.cos(x), 'y')plt.show() 简单解释下,plt.subplot(2, 1, 1) 将图像窗口分为了 2 行 1 列, 当前活跃区为 1。 使用 plt.subplot(2, 3, 4) 将整个图像窗口分为 2 行 3 列, 当前活跃区为 4。 解释下为什么活跃区为 4,因为上一步中使用 plt.subplot(2, 1, 1) 将整个图像窗口分为 2 行 1 列, 第1个小图占用了第1个位置, 也就是整个第1行. 这一步中使用 plt.subplot(2, 3, 4) 将整个图像窗口分为 2 行 3 列, 于是整个图像窗口的第1行就变成了3列, 也就是成了3个位置, 于是第2行的第1个位置是整个图像窗口的第4个位置。 常见的图形 这里带大家画一些常见的示例图。 散点图 首先来看下如何绘制散点图。 k = 500x = np.random.rand(k) y = np.random.rand(k)size = np.random.rand(k) * 50 # 生成每个点的大小colour = np.arctan2(x, y) # 生成每个点的颜色大小plt.scatter(x, y, s=size, c=colour)plt.colorbar() # 添加颜色栏plt.show() 上面我们首先生成了要绘制的数据的点x 和 y,接下来为每个数据点生成控制大小的数组 size,然后未每个数据点生成控制颜色的数组 colour。最后通过 colorbar() 来增加一个颜色栏。 柱状图 柱状图我们经常会用到,我们来看下如何画出柱状图,并在图上标注出数据对应的数值。 k = 10x = np.arange(k)y = np.random.rand(k)plt.bar(x, y) # 画出 x 和 y 的柱状图# 增加数值for x, y in zip(x, y): plt.text(x, y , '%.2f' % y, ha='center', va='bottom')plt.show() 生成数据 x 和 y 之后,调用 plt.bar 函数绘制出柱状图,然后通过 plt.text 标注数值,设置参数 ha='center' 横向居中对齐,设置 va='bottom'纵向底部(顶部)对齐。 中文乱码解决 Matplotlib 有个让人恼火的问题是,默认情况下,Matplotlib 中文会乱码。 x = ['北京', '上海', '深圳', '广州']y = [60000, 58000, 50000, 52000]plt.plot(x, y)plt.show() 可以看到,上面所有的中文都乱码了,显示成方框了,如何解决呢? 其实只需要配置下后台字体即可。 plt.rcParams['font.sans-serif']=['SimHei'] #用来正常显示中文标签plt.rcParams['axes.unicode_minus']=False #用来正常显示负号plt.plot(x, y)plt.show() |
CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3 |