matplotlib 是 python 的二维绘图库，用于生成符合出版质量或跨平台交互环境的各类图形。
图形解析与工作流
图形解析
工作流
matplotlib 绘图的基本步骤：
1 准备数据
2 创建图形
3 绘图
4 自定义设置
5 保存图形
6 显示图形
|
1
2
3
4
5
6
7
8
9
10
11
12
13
|
import matplotlib.pyplot as plt
x = [1,2,3,4] # step1
y = [10,20,25,30]
fig = plt.figure() # step2
ax = fig.add_subplot(111) # step3
ax.plot(x, y, color='lightblue', linewidth=3) # step3\4
ax.scatter([2,4,6],
[5,15,25],
color='darkgreen',
marker='^')
ax.set_xlim(1, 6.5)
plt.savefig('foo.png') # step5
plt.show() # step6
|
准备数据
一维数据
|
1
2
3
4
5
|
import numpy as np
x = np.linspace(0, 10, 100)
y = np.cos(x)
z = np.sin(x)
|
二维数据或图片
|
1
2
3
4
5
6
7
|
data = 2 * np.random.random((10, 10))
data2 = 3 * np.random.random((10, 10))
y, x = np.mgrid[-3:3:100j, -3:3:100j]
u = -1 - x**2 + y
v = 1 + x - y**2
from matplotlib.cbook import get_sample_data
img = np.load('e:/anaconda3/envs/torch/lib/site-packages/matplotlib/mpl-data/aapl.npz')
|
绘制图形
|
1
|
import matplotlib.pyplot as plt
|
画布
|
1
2
|
fig = plt.figure()
fig2 = plt.figure(figsize=plt.figaspect(2.0))
|
坐标轴
图形是以坐标轴为核心绘制的，大多数情况下，子图就可以满足需求。子图是栅格系统的坐标轴。
|
1
2
3
4
5
|
fig.add_axes()
ax1 = fig.add_subplot(221) # row-col-num
ax3 = fig.add_subplot(212)
fig3, axes = plt.subplots(nrows=2,ncols=2)
fig4, axes2 = plt.subplots(ncols=3)
|
绘图例程
一维数据
|
1
2
3
4
5
6
7
8
9
|
fig, ax = plt.subplots()
lines = ax.plot(x,y) # 用线或标记连接点
ax.scatter(x,y) # 缩放或着色未连接的点
axes[0,0].bar([1,2,3],[3,4,5]) # 绘制等宽纵向矩形
axes[1,0].barh([0.5,1,2.5],[0,1,2]) # 绘制等高横向矩形
axes[1,1].axhline(0.45) # 绘制与轴平行的横线
axes[0,1].axvline(0.65) # 绘制与轴垂直的竖线
ax.fill(x,y,color='blue') # 绘制填充多边形
ax.fill_between(x,y,color='yellow') # 填充y值和0之间
|
二维数据或图片
|
1
2
3
4
5
6
7
8
9
10
11
|
import matplotlib.image as imgplt
img = imgplt.imread('c:/users/administrator/desktop/timg.jpg')
fig, ax = plt.subplots()
im = ax.imshow(img, cmap='gist_earth', interpolation='nearest', vmin=-200, vmax=200)# 色彩表或rgb数组
axes2[0].pcolor(data2) # 二维数组伪彩色图
axes2[0].pcolormesh(data) # 二维数组等高线伪彩色图
cs = plt.contour(y,x,u) # 等高线图
axes2[2].contourf(data)
axes2[2]= ax.clabel(cs) # 等高线图标签
|
向量场
|
1
2
3
|
axes[0,1].arrow(0,0,0.5,0.5) # 为坐标轴添加箭头
axes[1,1].quiver(y,z) # 二维箭头
axes[0,1].streamplot(x,y,u,v) # 二维箭头
|
数据分布
|
1
2
3
|
ax1.hist(y) # 直方图
ax3.boxplot(y) # 箱形图
ax3.violinplot(z) # 小提琴图
|
自定义图形 颜色、色条与色彩表
|
1
2
3
4
5
6
|
plt.plot(x, x, x, x**2, x, x**3)
ax.plot(x, y, alpha = 0.4)
ax.plot(x, y, c='k')
fig.colorbar(im, orientation='horizontal')
im = ax.imshow(img,
cmap='seismic')
|
标记
|
1
2
3
|
fig, ax = plt.subplots()
ax.scatter(x,y,marker=".")
ax.plot(x,y,marker="o")
|
线型
|
1
2
3
4
5
|
plt.plot(x,y,linewidth=4.0)
plt.plot(x,y,ls='solid')
plt.plot(x,y,ls='--')
plt.plot(x,y,'--',x**2,y**2,'-.')
plt.setp(lines,color='r',linewidth=4.0)
|
文本与标注
|
1
2
3
4
5
6
7
8
9
10
11
|
ax.text(1,
-2.1,
'example graph',
style='italic')
ax.annotate("sine",
xy=(8, 0),
xycoords='data',
xytext=(10.5, 0),
textcoords='data',
arrowprops=dict(arrowstyle="->",
connectionstyle="arc3"),)
|
数学符号
|
1
|
plt.title(r'$sigma_i=15$', fontsize=20)
|
尺寸限制、图例和布局
尺寸限制与自动调整
|
1
2
3
4
|
ax.margins(x=0.0,y=0.1) # 添加内边距
ax.axis('equal') # 将图形纵横比设置为1
ax.set(xlim=[0,10.5],ylim=[-1.5,1.5]) # 设置x轴与y轴的限
ax.set_xlim(0,10.5)
|
图例
|
1
2
3
4
|
ax.set(title='an example axes',
ylabel='y-axis',
xlabel='x-axis') # 设置标题与x、y轴的标签
ax.legend(loc='best') # 自动选择最佳的图例位置
|
标记
|
1
2
3
4
5
|
ax.xaxis.set(ticks=range(1,5),
ticklabels=[3,100,-12,"foo"]) # 手动设置x轴刻度
ax.tick_params(axis='y',
direction='inout',
length=10) # 设置y轴长度与方向
|
子图间距
|
1
2
3
4
5
6
7
|
fig3.subplots_adjust(wspace=0.5,
hspace=0.3,
left=0.125,
right=0.9,
top=0.9,
bottom=0.1)
fig.tight_layout() # 设置画布的子图布局
|
坐标轴边线
|
1
2
|
ax1.spines['top'].set_visible(false) # 隐藏顶部坐标轴线
ax1.spines['bottom'].set_position(('outward',10)) # 设置底部边线的位置为outward
|
保存
|
1
2
3
4
|
#保存画布
plt.savefig('foo.png')
# 保存透明画布
plt.savefig('foo.png', transparent=true)
|
显示图形
|
1
|
plt.show()
|
关闭与清除
|
1
2
3
|
plt.cla() # 清除坐标轴
plt.clf() # 清除画布
plt.close() # 关闭窗口
|
以上就是python 数据科学 matplotlib的详细内容，更多关于python 数据科学 matplotlib的资料请关注服务器之家其它相关文章！
原文链接：https://blog.csdn.net/weixin_44593046/article/details/118529404