matplotlib是python里用于绘图的专用包,功能十分强大。下面介绍一些最基本的用法:
一、最基本的划线
先来一个简单的示例,代码如下,已经加了注释:
import matplotlib.pyplot as plt import numpy as np # 先获取一个图表 plt.figure() # 设置图表的标题 plt.title("sale report") # 设置y轴的label标签 plt.ylabel("amount") # 设置x轴的label标签 plt.xlabel("month") # 模拟一些(X,Y)坐标数据(注:习惯上用大写表示矩阵) X = np.arange(0, 13) Y = np.array([100, 200, 200, 300, 400, 600, 500, 550, 600, 700, 800, 750, 800]) # 将x轴的刻度范围限制为-0.5~12.2 plt.xlim(-0.5, 12.2) # 将y轴的刻度范围限制为0~1000 plt.ylim(0, 1000) # 将(X,Y)坐标用red红色画线 plt.plot(X, Y, 'r') # X坐标也可以省略,只要Y轴的坐标值即可,--表示是虚线 plt.plot(Y + 50, '--') # g+表示green绿色,画图的样式为+号 plt.plot(Y - 50, 'g+') # 同时划二条线,第1个是yellow黄色,第2个是magenta色,另外还设置了样式1 plt.plot(Y - 100, 'y', Y - 150, 'm1') # 渲染出来 plt.show()
注:plt中有很多缩写,比如r代表red,y代表yellow,xlim即x-axis-limit(x轴的限制),另外g+,表示颜色是green,而后面的+号表示划线的样式。从源码中可以找到更多的缩写说明。 matplotlib/axes/_axes.py 在这个文件中,plot方法的注释里有相关描述:
1 The following format string characters are accepted to control 2 the line style or marker: 3 4 ================ =============================== 5 character description 6 ================ =============================== 7 ``'-'`` solid line style 8 ``'--'`` dashed line style 9 ``'-.'`` dash-dot line style 10 ``':'`` dotted line style 11 ``'.'`` point marker 12 ``','`` pixel marker 13 ``'o'`` circle marker 14 ``'v'`` triangle_down marker 15 ``'^'`` triangle_up marker 16 ``'<'`` triangle_left marker 17 ``'>'`` triangle_right marker 18 ``'1'`` tri_down marker 19 ``'2'`` tri_up marker 20 ``'3'`` tri_left marker 21 ``'4'`` tri_right marker 22 ``'s'`` square marker 23 ``'p'`` pentagon marker 24 ``'*'`` star marker 25 ``'h'`` hexagon1 marker 26 ``'H'`` hexagon2 marker 27 ``'+'`` plus marker 28 ``'x'`` x marker 29 ``'D'`` diamond marker 30 ``'d'`` thin_diamond marker 31 ``'|'`` vline marker 32 ``'_'`` hline marker 33 ================ =============================== 34 35 36 The following color abbreviations are supported: 37 38 ========== ======== 39 character color 40 ========== ======== 41 'b' blue 42 'g' green 43 'r' red 44 'c' cyan 45 'm' magenta 46 'y' yellow 47 'k' black 48 'w' white 49 ========== ========
二、绘制数学函数
下面是抛物线、直线、三角函数的演示:
import matplotlib.pyplot as plt import numpy as np # 先获取一个图表 fig = plt.figure() # 抛物线 X1 = np.linspace(-5, 5, 50) # -5 ~ 5 之间生成50个点 Y1 = X1 ** 2 + 5 plt.plot(X1, Y1, 'r') # plt.plot(X1, Y1, color='red', label='parabola') # 三角函数 X2 = np.linspace(np.pi, 5 * np.pi, 50) # 在pi ~ 5pi之间生成50个点 Y2 = 6 * np.cos(X2) plt.plot(X2, Y2, 'y') # plt.plot(X2, Y2, color='y', label='cosine') # 直线 X3 = np.linspace(-4, 6, 20) Y3 = 3 * X3 + 10 plt.plot(X3, Y3, 'g--') # plt.plot(X3, Y3, color='green', linestyle='--', label='line') # 显示图例说明 # plt.legend() # 渲染出来 plt.show()
注意:代码中有一些行被注释掉了,比如:plt.plot(X1, Y1, color='red', label='parabola') ,这其实是 plt.plot(X1, Y1, 'r') 的完整写法,其中label只有完整写法中才能指定。换成完整写法后,同时把plt.legend() 前面的注释去掉,再次运行图上就会显示出所谓的"图例"
三、坐标轴控制、文本注解显示
先看效果图:
代码如下:
# coding:utf8 import matplotlib.pyplot as plt import numpy as np # 先获取一个图表 fig = plt.figure() # 设置x,y坐标轴的刻度显示范围 plt.xlim(-7, 7) plt.ylim(0, 7) # 抛物线 X1 = np.linspace(-5, 5, 50) # -5 ~ 5 之间生成50个点 Y1 = 0.25 * X1 ** 2 plt.plot(X1, Y1, color='red', label=r'$y=\frac{x^2}{4}$') # 直线 X2 = np.linspace(-5, 5, 50) Y2 = X2 plt.plot(X2, Y2, color='green', linestyle='--', label=r'$y=x$') # 黑色辅助线 plt.plot([4, 4], [4, 0], "k--") # 抛物线与直线的交点处,标记1个黑点 plt.plot([4, 4], [4, 4], 'ko') # 交点处的文本(annotate方式) plt.annotate(r'$y=\frac{4^2}{4}=4$', xy=(4, 4), xycoords='data', xytext=(+10, -30), textcoords='offset points', fontsize=12, color="red", arrowprops=dict(arrowstyle="->", color="red", connectionstyle="arc3,rad=.5")) # text方式的文本 plt.text(5.2, 6.1, r'$y=\frac{x^2}{4}$', fontdict={'size': 16, 'color': 'r'}) plt.text(5.2, 5.1, r'$y=x$', fontdict={'size': 16, 'color': 'g'}) # 获取当前坐标轴gca即get current axis ax = plt.gca() # 去掉上、右二侧的边框线 ax.spines['top'].set_color('none') ax.spines['right'].set_color('none') # 将左侧的y轴,移到x=0的位置 ax.spines['left'].set_position(('data', 0)) # 调整x轴刻度(从-5到+5,正好11个点) plt.xticks(np.linspace(-5, 5, 11)) # 调整y轴刻度 plt.yticks(np.linspace(1, 6, 6)) # 给坐标轴加箭头 plt.arrow(0, 7, 0, 0, width=0.2, color="k", clip_on=False, head_width=0.2, head_length=0.2) plt.arrow(7, 0, 0.01, 0, width=0.2, color="k", clip_on=False, head_width=0.2, head_length=0.2) # 显示图例说明 plt.legend() # 显示 plt.show()
三、散点图
# coding:utf8 import matplotlib.pyplot as plt # 先获取一个图表 fig = plt.figure() # 设置x,y坐标轴的刻度显示范围 plt.xlim(-5, 20) plt.ylim(-5, 30) # 画散点图 X1 = [0, 10] Y1 = [10, 20] # c即color , s即scale plt.scatter(X1, Y1, c='r', s=80, label='scatter 1') plt.scatter([10, 15], [5, 10], c='g', label='scatter 2') # 显示网格 plt.grid(True, alpha=0.3) # 加上坐标说明 plt.text(0.5, 10.5, r'$(0,10)$') plt.text(10.5, 20.5, r'$(10,20)$') plt.text(10.5, 5.5, r'$(10,5)$') plt.text(15.5, 10.5, r'$(15,10)$') # 显示图例说明 plt.legend() # 显示 plt.show()
参考文章:
6、莫烦的视频
作者:菩提树下的杨过
出处:http://yjmyzz.cnblogs.com
本文版权归作者和博客园共有,欢迎转载,但未经作者同意必须保留此段声明,且在文章页面明显位置给出原文连接,否则保留追究法律责任的权利。
出处:http://yjmyzz.cnblogs.com
本文版权归作者和博客园共有,欢迎转载,但未经作者同意必须保留此段声明,且在文章页面明显位置给出原文连接,否则保留追究法律责任的权利。