python plt 绘图详解(plt.版本)

时间:2024-10-23 08:13:08

文章目录

  • 一.plt介绍
  • 二.安装与导入
  • 三.使用说明
    • 1. 使用与绘制并显示图像
      • (1)曲线颜色(color 简写为 c):
      • (2)点型(标记marker):
      • (3)线型(linestyle 简写为 ls):
      • (4)剩余参数说明
    • 2.图像属性设置
      • (1)坐标轴标签设置
      • (2)图像标题设置
      • (3)图例设置
      • (4)坐标轴范围设置
      • (5)坐标间隔设定
      • (6)添加网格
    • 3.一张图像上绘制多个图
    • 4.在一张图上绘制双坐标轴

一.plt介绍

  python中的绘图工具 :matplotli,专门用于画图。

二.安装与导入

  工具包安装:

conda install matplotli

  导入:

import matplotlib.pyplot as plt

三.使用说明

1. 使用与绘制并显示图像

plt.plot(x, y, color, linestyle, marker, markersize, markeredgewidth, markeredgecolor, markerfacecolor, alpha, linewidth)

(1)曲线颜色(color 简写为 c):

r g b y k
红色 绿色 蓝色 黄色 黑色

(2)点型(标记marker):

+ o * . x s d ^ v p
加号 圆圈 星号 实心点 叉号 正方形 钻石形 上三角 下三角 五角星

(3)线型(linestyle 简写为 ls):

- -.
实线 虚线 点线 点横线

(4)剩余参数说明

markersize 简写为 ms(标记大小):实数

markeredgewidth 简写为 mew(标记边缘宽度):实数

markeredgecolor 简写为 mec(标记边缘颜色):颜色选项中的任意值

markerfacecolor 简写为 mfc(标记表面颜色):颜色选项中的任意值

alpha(透明度): [0,1]之间的浮点数

linewidth(线宽):实数

import matplotlib.pyplot as plt
plt.rcParams['-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

x = [1, 2, 3, 4, 5, 6, 7, 8, 9]
y = [1, 2, 3, 4, 5, 6, 7, 8, 9]
y2 = [1, 4, 9, 16, 25, 36, 49, 64, 81]

# 绘制的曲线属性设置
line1, = plt.plot(x, y, color='r', marker='d', linestyle='--', markersize=6, alpha=0.5, linewidth=3)
line2, = plt.plot(x, y2, color='g', marker='*', linestyle='-', markersize=6, alpha=0.5, linewidth=3)
# (x, y, 'rd--')  # 可以使用这种方式进行画图的属性设置

# x,y坐标轴名称设置,可以同时设置标签的字体大小颜色等
plt.xlabel(u'x坐标轴', fontsize=14, color='r')
plt.ylabel(u'y坐标轴', fontsize=14, color='b')

# 显示曲线图像
plt.show()
()显示结果

2.图像属性设置

(1)坐标轴标签设置

# 注意,要使用中文的话,需要在引入库后,添加下列代码
plt.rcParams['-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

# x,y坐标轴名称设置,可以同时设置标签的字体大小颜色等
plt.xlabel(u'x坐标轴', fontsize=14, color='r')
plt.ylabel(u'y坐标轴', fontsize=14, color='b')

(2)图像标题设置

# 设置图表标题
plt.title(u"图像标题", fontsize=14, color='k')

(3)图例设置

# 添加图例
plt.legend([line1, line2], ["Weekend", "Weekday"], loc='upper left')

(4)坐标轴范围设置

# 设置x轴的范围为[0, 100],y轴的范围为[0, 100], 或者通过xlim, ylim设置XY轴的范围上下限
plt.axis([0, 10, 0, 100])
# (0, 10)
# (0, 100)

(5)坐标间隔设定

(参数一,参数二,参数三) 用来实现对x轴和y轴坐标间隔(也就是轴记号)的设定。

  • 参数一:x或者y的参数
  • 参数二:新的标签,个数必须和参数一个数相同
  • 参数三:旋转角度
# 坐标间隔及标签设定
a = [1, 2, 3, 4, 5]
labels = ['A', 'B', 'C', 'D', 'E']
plt.xticks(a, labels, rotation=0)

(6)添加网格

# 添加网格
plt.grid(visible=True, axis='x')  # 只显示x轴网格线
plt.grid(visible=True, axis='y')  # 只显示y轴网格线
最终显示效果

全部代码

import matplotlib.pyplot as plt
plt.rcParams['-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

x = [1, 2, 3, 4, 5, 6, 7, 8, 9]
y = [1, 2, 3, 4, 5, 6, 7, 8, 9]
y2 = [1, 4, 9, 16, 25, 36, 49, 64, 81]

# 绘制的曲线属性设置
line1, = plt.plot(x, y, color='r', marker='d', linestyle='--', markersize=6, alpha=0.5, linewidth=3)
line2, = plt.plot(x, y2, color='g', marker='*', linestyle='-', markersize=6, alpha=0.5, linewidth=3)
# (x, y, 'rd--')  # 可以使用这种方式进行画图的属性设置

# x,y坐标轴名称设置,可以同时设置标签的字体大小颜色等
plt.xlabel(u'x坐标轴', fontsize=14, color='r')
plt.ylabel(u'y坐标轴', fontsize=14, color='b')

# 设置图表标题
plt.title(u"图像标题", fontsize=14, color='k')

# 添加图例
plt.legend([line1, line2], ["Weekend", "Weekday"], loc='upper left')

# 设置x轴的范围为[0, 100],y轴的范围为[0, 100], 或者通过xlim, ylim设置XY轴的范围上下限
plt.axis([0, 10, 0, 100])
# (0, 10)
# (0, 100)

# 坐标间隔及标签设定
a = [1, 2, 3, 4, 5]
labels = ['A', 'B', 'C', 'D', 'E']
plt.xticks(a, labels, rotation=0)

# 添加网格
plt.grid(visible=True, axis='x')  # 只显示x轴网格线
plt.grid(visible=True, axis='y')  # 只显示y轴网格线

# 显示曲线图像
plt.show()


3.一张图像上绘制多个图

  • 使用(arg)创建画板,arg为画板名称
  • 使用(arg1, arg2, arg3)方法创建画纸,并选择当前画纸并绘图。其中,ag1代表第几行,arg2代表第几列,arg3代表第几个图像
import matplotlib.pyplot as plt
import numpy as np
plt.rcParams['-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

x = np.arange(0, 100, 10)

plt.figure(1)  # 生成第一个图,且当前要处理的图为fig.1

plt.subplot(1, 2, 1)  # fig.1是一个一行两列布局的图,且现在画的是左图
y1 = np.exp(x)
plt.plot(x, y1, color="r", linestyle="-", marker="^", linewidth=1)  # 画图
plt.xlabel("x")
plt.ylabel("y1")

plt.figure(1)  # 当前要处理的图为fig.1,而且当前图是fig.1的左图
plt.subplot(1, 2, 2)  # 当前图变为fig.1的右图
y2 = np.exp(1.5 * x)
plt.plot(x, y2, color="b", linestyle="-", marker="v", linewidth=1)
plt.xlabel("x")
plt.ylabel("y2")

plt.show()
多图显示

4.在一张图上绘制双坐标轴

主要通过fig.add_subplot()来添加坐标轴,然后把坐标轴绘制在同一张图上

import matplotlib.pyplot as plt
import numpy as np
plt.rcParams['-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

# 生成数据
x = np.arange(1, 12, 4)
y = np.arange(1, 4, 1)
x2 = x * 10
y2 = y ** 2

# 设置画布大小
width, height = 16, 14  # 单位为cm;因为保存图片时使用 bbox_inches = 'tight' 可能使图片尺寸略微放大,所以此处宽度设置得略小

# 设置刻度线在坐标轴内
plt.rcParams[''] = 'in'
plt.rcParams[''] = 'in'

# 绘制图像
lns = []  # 用于存储绘图句柄以合并图例的list

# 创建画布并设置大小
fig = plt.figure()
fig.set_size_inches(width / 2.54, height / 2.54)  # 因为画布输入大小为厘米,此处需转换为英寸,所以除以2.54

# 通过 add_subplot 方式创建两个坐标轴,相当于在同一个子图上叠加了两对坐标系
ax = fig.add_subplot(111, label="1")
ax2 = fig.add_subplot(111, label="2", frame_on=False)

# 绘制图1并将绘图句柄返回,以便添加合并图例
lns1 = ax.plot(x, y, color='r', label='r')
lns = lns1
lns2 = ax2.plot(x2, y2, color='b', label='b')
lns += lns2

# 调整第二对坐标轴的label和tick位置,以实现双X轴双Y轴效果
ax2.xaxis.tick_top()
ax2.yaxis.tick_right()
ax2.xaxis.set_label_position('top')
ax2.yaxis.set_label_position('right')

# 设置坐标轴标注
ax.set_xlabel("X1", color='r', fontsize=12)
ax.set_ylabel("Y1", color='r', fontsize=12)
ax2.set_xlabel('X2', color='b', fontsize=12)
ax2.set_ylabel('Y2', color='b', fontsize=12)

# 设置图表标题
fig.suptitle("Title", fontsize=12)

# 设置坐标轴刻度颜色
ax.tick_params(axis='x', colors='r')
ax.tick_params(axis='y', colors='r')
ax2.tick_params(axis='x', colors='b')
ax2.tick_params(axis='y', colors='b')

# 设置坐标轴线颜色
ax.spines["left"].set_color("r")  # 修改左侧颜色
ax.spines["right"].set_color("b")  # 修改右侧颜色
ax.spines["top"].set_color("b")  # 修改上边颜色
ax.spines["bottom"].set_color("r")  # 修改下边颜色

# 添加图例
labs = [l.get_label() for l in lns]
ax.legend(lns, labs, loc=0, fontsize=12)
plt.tight_layout()
plt.show()