Python matplotlib绘图可视化知识点整理(小结)

时间:2021-11-01 03:03:30

无论你工作在什么项目上,ipython都是值得推荐的。利用ipython --pylab,可以进入pylab模式,已经导入了matplotlib库与相关软件包(例如numpy和scipy),额可以直接使用相关库的功能。

本文作为学习过程中对matplotlib一些常用知识点的整理,方便查找。

这样ipython配置为使用你所指定的matplotlib gui后端(tk/wxpython/pyqt/mac os x native/gtk)。对于大部分用户而言,默认的后端就已经够用了。pylab模式还会向ipython引入一大堆模块和函数以提供一种更接近matlab的界面。

?
1
2
3
4
5
6
7
8
import matplotlib.pyplot as plt
labels='frogs','hogs','dogs','logs'
sizes=15,20,45,10
colors='yellowgreen','gold','lightskyblue','lightcoral'
explode=0,0.1,0,0
plt.pie(sizes,explode=explode,labels=labels,colors=colors,autopct='%1.1f%%',shadow=true,startangle=50)
plt.axis('equal')
plt.show()

matplotlib图标正常显示中文

为了在图表中能够显示中文和负号等,需要下面一段设置:

?
1
2
3
import matplotlib.pyplot as plt
plt.rcparams['font.sas-serig']=['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

matplotlib inline和pylab inline

可以使用ipython --pylab打开ipython命名窗口。

?
1
2
%matplotlib inline #notebook模式下
%pylab inline  #ipython模式下

这两个命令都可以在绘图时,将图片内嵌在交互窗口,而不是弹出一个图片窗口,但是,有一个缺陷:除非将代码一次执行,否则,无法叠加绘图,因为在这两种模式下,是要有plt出现,图片会立马show出来,因此:

推荐在ipython notebook时使用,这样就能很方便的一次编辑完代码,绘图。

为项目设置matplotlib参数

在代码执行过程中,有两种方式更改参数:

  1. 使用参数字典(rcparams)
  2. 调用matplotlib.rc()命令通过传入关键字元祖,修改参数

如果不想每次使用matplotlib时都在代码部分进行配置,可以修改matplotlib的文件参数。可以用matplot.get_config()命令来找到当前用户的配置文件目录。

配置文件包括以下配置项:

axex: 设置坐标轴边界和表面的颜色、坐标刻度值大小和网格的显示
backend: 设置目标暑促tkagg和gtkagg
figure: 控制dpi、边界颜色、图形大小、和子区( subplot)设置
font: 字体集(font family)、字体大小和样式设置
grid: 设置网格颜色和线性
legend: 设置图例和其中的文本的显示
line: 设置线条(颜色、线型、宽度等)和标记
patch: 是填充2d空间的图形对象,如多边形和圆。控制线宽、颜色和抗锯齿设置等。
savefig: 可以对保存的图形进行单独设置。例如,设置渲染的文件的背景为白色。
verbose: 设置matplotlib在执行期间信息输出,如silent、helpful、debug和debug-annoying。
xticks和yticks: 为x,y轴的主刻度和次刻度设置颜色、大小、方向,以及标签大小。

线条相关属性标记设置

用来该表线条的属性

 

线条风格linestyle或ls 描述 线条风格linestyle或ls 描述
‘-‘ 实线 ‘:' 虚线
‘–' 破折线 ‘none',' ‘,'' 什么都不画
‘-.' 点划线    

 

线条标记

 

标记maker 描述 标记 描述
‘o' 圆圈 ‘.'
‘d' 菱形 ‘s' 正方形
‘h' 六边形1 ‘*' 星号
‘h' 六边形2 ‘d' 小菱形
‘_' 水平线 ‘v' 一角朝下的三角形
‘8' 八边形 ‘<' 一角朝左的三角形
‘p' 五边形 ‘>' 一角朝右的三角形
‘,' 像素 ‘^' 一角朝上的三角形
‘+' 加号 ‘\ 竖线
‘none','',' ‘ ‘x' x

 

颜色

可以通过调用matplotlib.pyplot.colors()得到matplotlib支持的所有颜色。

 

别名 颜色 别名 颜色
b 蓝色 g 绿色
r 红色 y 黄色
c 青色 k 黑色
m 洋红色 w 白色

 

如果这两种颜色不够用,还可以通过两种其他方式来定义颜色值:

  1. 使用html十六进制字符串color='eeefff'使用合法的html颜色名字('red','chartreuse'等)。
  2. 也可以传入一个归一化到[0,1]的rgb元祖。color=(0.3,0.3,0.4)

很多方法可以介绍颜色参数,如title()。

?
1
plt.tilte('title in a custom color',color='#123456'

背景色

通过向如matplotlib.pyplot.axes()或者matplotlib.pyplot.subplot()这样的方法提供一个axisbg参数,可以指定坐标这的背景色。

?
1
subplot(111,axisbg=(0.1843,0.3098,0.3098)

基础

如果你向plot()指令提供了一维的数组或列表,那么matplotlib将默认它是一系列的y值,并自动为你生成x的值。默认的x向量从0开始并且具有和y同样的长度,因此x的数据是[0,1,2,3].

Python matplotlib绘图可视化知识点整理(小结)

确定坐标范围plt.axis([xmin, xmax, ymin, ymax])

上面例子里的axis()命令给定了坐标范围。

xlim(xmin, xmax)和ylim(ymin, ymax)来调整x,y坐标范围

?
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
%matplotlib inline
import numpy as np
import matplotlib.pyplot as plt
from pylab import *
 
x = np.arange(-5.0, 5.0, 0.02)
y1 = np.sin(x)
 
plt.figure(1)
plt.subplot(211)
plt.plot(x, y1)
 
plt.subplot(212)
#设置x轴范围
xlim(-2.5, 2.5)
#设置y轴范围
ylim(-1, 1)
plt.plot(x, y1)

Python matplotlib绘图可视化知识点整理(小结)

叠加图

用一条指令画多条不同格式的线。

?
1
2
3
4
5
6
7
8
9
import numpy as np
import matplotlib.pyplot as plt
 
# evenly sampled time at 200ms intervals
t = np.arange(0., 5., 0.2)
 
# red dashes, blue squares and green triangles
plt.plot(t, t, 'r--', t, t**2, 'bs', t, t**3, 'g^')
plt.show()

Python matplotlib绘图可视化知识点整理(小结)

plt.figure()

你可以多次使用figure命令来产生多个图,其中,图片号按顺序增加。这里,要注意一个概念当前图和当前坐标。所有绘图操作仅对当前图和当前坐标有效。通常,你并不需要考虑这些事,下面的这个例子为大家演示这一细节。

?
1
2
3
4
5
6
7
8
9
10
11
12
13
14
import matplotlib.pyplot as plt
plt.figure(1)        # 第一张图
plt.subplot(211)       # 第一张图中的第一张子图
plt.plot([1,2,3])
plt.subplot(212)       # 第一张图中的第二张子图
plt.plot([4,5,6])
 
 
plt.figure(2)        # 第二张图
plt.plot([4,5,6])      # 默认创建子图subplot(111)
 
plt.figure(1)        # 切换到figure 1 ; 子图subplot(212)仍旧是当前图
plt.subplot(211)       # 令子图subplot(211)成为figure1的当前图
plt.title('easy as 1,2,3'# 添加subplot 211 的标题

Python matplotlib绘图可视化知识点整理(小结)

figure感觉就是给图像id,之后可以索引定位到它。

plt.text()添加文字说明

text()可以在图中的任意位置添加文字,并支持latex语法

xlable(), ylable()用于添加x轴和y轴标签

title()用于添加图的题目

?
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
import numpy as np
import matplotlib.pyplot as plt
 
mu, sigma = 100, 15
x = mu + sigma * np.random.randn(10000)
 
# 数据的直方图
n, bins, patches = plt.hist(x, 50, normed=1, facecolor='g', alpha=0.75)
 
 
plt.xlabel('smarts')
plt.ylabel('probability')
#添加标题
plt.title('histogram of iq')
#添加文字
plt.text(60, .025, r'$\mu=100,\ \sigma=15$')
plt.axis([40, 160, 0, 0.03])
plt.grid(true)
plt.show()

Python matplotlib绘图可视化知识点整理(小结)

text中前两个参数感觉应该是文本出现的坐标位置。

plt.annotate()文本注释

在数据可视化的过程中,图片中的文字经常被用来注释图中的一些特征。使用annotate()方法可以很方便地添加此类注释。在使用annotate时,要考虑两个点的坐标:被注释的地方xy(x, y)和插入文本的地方xytext(x, y)。[^1]

 

?
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
import numpy as np
import matplotlib.pyplot as plt
 
ax = plt.subplot(111)
 
t = np.arange(0.0, 5.0, 0.01)
s = np.cos(2*np.pi*t)
line, = plt.plot(t, s, lw=2)
 
plt.annotate('local max', xy=(2, 1), xytext=(3, 1.5),
      arrowprops=dict(facecolor='black', shrink=0.05),
      )
 
plt.ylim(-2,2)
plt.show()

Python matplotlib绘图可视化知识点整理(小结)

plt.xticks()/plt.yticks()设置轴记号

现在是明白干嘛用的了,就是人为设置坐标轴的刻度显示的值。

?
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
# 导入 matplotlib 的所有内容(nympy 可以用 np 这个名字来使用)
from pylab import *
 
# 创建一个 8 * 6 点(point)的图,并设置分辨率为 80
figure(figsize=(8,6), dpi=80)
 
# 创建一个新的 1 * 1 的子图,接下来的图样绘制在其中的第 1 块(也是唯一的一块)
subplot(1,1,1)
 
x = np.linspace(-np.pi, np.pi, 256,endpoint=true)
c,s = np.cos(x), np.sin(x)
 
# 绘制余弦曲线,使用蓝色的、连续的、宽度为 1 (像素)的线条
plot(x, c, color="blue", linewidth=1.0, linestyle="-")
 
# 绘制正弦曲线,使用绿色的、连续的、宽度为 1 (像素)的线条
plot(x, s, color="r", lw=4.0, linestyle="-")
 
plt.axis([-4,4,-1.2,1.2])
# 设置轴记号
 
xticks([-np.pi, -np.pi/2, 0, np.pi/2, np.pi],
    [r'$-\pi$', r'$-\pi/2$', r'$0$', r'$+\pi/2$', r'$+\pi$'])
 
yticks([-1, 0, +1],
    [r'$-1$', r'$0$', r'$+1$'])
# 在屏幕上显示
show()

Python matplotlib绘图可视化知识点整理(小结)

当我们设置记号的时候,我们可以同时设置记号的标签。注意这里使用了 latex。[^2]

移动脊柱 坐标系

?
1
2
3
4
5
6
7
ax = gca()
ax.spines['right'].set_color('none')
ax.spines['top'].set_color('none')
ax.xaxis.set_ticks_position('bottom')
ax.spines['bottom'].set_position(('data',0))
ax.yaxis.set_ticks_position('left')
ax.spines['left'].set_position(('data',0))

这个地方确实没看懂,囧,以后再说吧,感觉就是移动了坐标轴的位置。

plt.legend()添加图例

?
1
2
3
4
plot(x, c, color="blue", linewidth=2.5, linestyle="-", label="cosine")
plot(x, s, color="red", linewidth=2.5, linestyle="-", label="sine")
 
legend(loc='upper left')

Python matplotlib绘图可视化知识点整理(小结)

matplotlib.pyplot

使用plt.style.use('ggplot')命令,可以作出ggplot风格的图片。

?
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
# import necessary packages
import pandas as pd
%matplotlib inline
import matplotlib.pyplot as plt
plt.style.use('ggplot')
from sklearn import datasets
from sklearn import linear_model
import numpy as np
# load data
boston = datasets.load_boston()
yb = boston.target.reshape(-1, 1)
xb = boston['data'][:,5].reshape(-1, 1)
# plot data
plt.scatter(xb,yb)
plt.ylabel('value of house /1000 ($)')
plt.xlabel('number of rooms')
# create linear regression object
regr = linear_model.linearregression()
# train the model using the training sets
regr.fit( xb, yb)
# plot outputs
plt.scatter(xb, yb, color='black')
plt.plot(xb, regr.predict(xb), color='blue',
     linewidth=3)
plt.show()

Python matplotlib绘图可视化知识点整理(小结)

给特殊点做注释

好吧,又是注释,多个例子参考一下!

我们希望在 2π/32π/3 的位置给两条函数曲线加上一个注释。首先,我们在对应的函数图像位置上画一个点;然后,向横轴引一条垂线,以虚线标记;最后,写上标签。

?
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
t = 2*np.pi/3
# 作一条垂直于x轴的线段,由数学知识可知,横坐标一致的两个点就在垂直于坐标轴的直线上了。这两个点是起始点。
plot([t,t],[0,np.cos(t)], color ='blue', linewidth=2.5, linestyle="--")
scatter([t,],[np.cos(t),], 50, color ='blue')
 
annotate(r'$\sin(\frac{2\pi}{3})=\frac{\sqrt{3}}{2}$',
     xy=(t, np.sin(t)), xycoords='data',
     xytext=(+10, +30), textcoords='offset points', fontsize=16,
     arrowprops=dict(arrowstyle="->", connectionstyle="arc3,rad=.2"))
 
plot([t,t],[0,np.sin(t)], color ='red', linewidth=2.5, linestyle="--")
scatter([t,],[np.sin(t),], 50, color ='red')
 
annotate(r'$\cos(\frac{2\pi}{3})=-\frac{1}{2}$',
     xy=(t, np.cos(t)), xycoords='data',
     xytext=(-90, -50), textcoords='offset points', fontsize=16,
     arrowprops=dict(arrowstyle="->", connectionstyle="arc3,rad=.2"))

Python matplotlib绘图可视化知识点整理(小结)

plt.subplot()

plt.subplot(2,3,1)表示把图标分割成2*3的网格。也可以简写plt.subplot(231)。其中,第一个参数是行数,第二个参数是列数,第三个参数表示图形的标号。

plt.axes()

我们先来看什么是figure和axes对象。在matplotlib中,整个图像为一个figure对象。在figure对象中可以包含一个,或者多个axes对象。每个axes对象都是一个拥有自己坐标系统的绘图区域。其逻辑关系如下:

Python matplotlib绘图可视化知识点整理(小结)

plt.axes-官方文档

  1. axes() by itself creates a default full subplot(111) window axis.
  2. axes(rect, axisbg='w') where rect = [left, bottom, width, height] in normalized (0, 1) units. axisbg is the background color for the axis, default white.
  3. axes(h) where h is an axes instance makes h the current axis. an axes instance is returned.

rect=[左, 下, 宽, 高] 规定的矩形区域,rect矩形简写,这里的数值都是以figure大小为比例,因此,若是要两个axes并排显示,那么axes[2]的左=axes[1].左+axes[1].宽,这样axes[2]才不会和axes[1]重叠。

show code:

?
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
import matplotlib.pyplot as plt
import numpy as np
 
# create some data to use for the plot
dt = 0.001
t = np.arange(0.0, 10.0, dt)
r = np.exp(-t[:1000]/0.05)        # impulse response
x = np.random.randn(len(t))
s = np.convolve(x, r)[:len(x)]*dt # colored noise
 
# the main axes is subplot(111) by default
plt.plot(t, s)
plt.axis([0, 1, 1.1*np.amin(s), 2*np.amax(s)])
plt.xlabel('time (s)')
plt.ylabel('current (na)')
plt.title('gaussian colored noise')
 
# this is an inset axes over the main axes
a = plt.axes([.65, .6, .2, .2], axisbg='y')
n, bins, patches = plt.hist(s, 400, normed=1)
plt.title('probability')
plt.xticks([])
plt.yticks([])
 
# this is another inset axes over the main axes
a = plt.axes([0.2, 0.6, .2, .2], axisbg='y')
plt.plot(t[:len(r)], r)
plt.title('impulse response')
plt.xlim(0, 0.2)
plt.xticks([])
plt.yticks([])
 
plt.show()

Python matplotlib绘图可视化知识点整理(小结)

pyplot.pie参数

matplotlib.pyplot.pie

colors颜色

找出matpltlib.pyplot.plot中的colors可以取哪些值?

  1. so-named colors in matplotlib
  2. matplotlib学习之设置线条颜色、形状 
?
1
2
for name,hex in matplotlib.colors.cnames.iteritems():
  print name,hex

打印颜色值和对应的rgb值。

plt.axis('equal')避免比例压缩为椭圆

autopct

how do i use matplotlib autopct?

autopct enables you to display the percent value using python string formatting. for example, if autopct='%.2f', then for each pie wedge, the format string is '%.2f' and the numerical percent value for that wedge is pct, so the wedge label is set to the string '%.2f'%pct.
 

以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持服务器之家。

原文链接:https://www.cnblogs.com/zhizhan/p/5615947.html