Python中plt绘图包的基本使用方法_plt.xlabel

        在对数据进行处理和分析时，我们经常需要借助可视化工具，来将数据的一些特征以更易于我们理解的方式展现出来。在学习对Titanic - Machine Learning from Disaster | Kaggle的数据处理时，发现了自己对plt的了解和使用的缺失，因此进行一定的基础用法的学习，方便之后自己的使用，而不需要频繁的查阅资料。

        本文的代码参考自 Python深度学习入门之plt画图工具基础使用，并根据自己的理解做了一些改动。

        我将plt的图像绘制细分为四个步骤，分别是1）获取数据；2）设置画布；3）绘制内容；4）设置坐标轴刻度；5）添加网格；6）添加图例；7）添加坐标轴名称和图像标题；8）保存和展示。

1.数据的获取

         获取自己需要绘制的数据，一幅图需要x轴和y轴，所以需要两组数据。

import matplotlib.pyplot as plt
import random
 
x = range(60)
y1 = [random.uniform(35, 40) for i in x]    # uniform提供[35, 40)随机值
y2 = [random.uniform(25, 30) for j in x]

2.创建画布

# 创建画布
plt.figure(figsize=(8, 6), dpi=80) 

        我们使用plt.figure()函数创建空白画布。常用的参数中，figsize需要一个元组值，表示空白画布的横纵坐标比；dpi表示像素的个数，实际上就是对图像大小的控制。

3.绘制内容

        plt中提供了很多形式的内容绘制模块以供调用，例如曲线、散点图（scatter）、柱状图（bar)、饼图（pie)等。此处我们绘制双曲线图作为示例。

# 绘制曲线
plt.plot(x, y1, color='r', linestyle='--', label='Shanghai')
plt.plot(x, y2, color='g', linestyle='-.', label='Beijing')

        我们使用plt.plot()函数进行曲线的绘制。其中，前两个输入参数表示x轴和y轴的坐标，plot函数将提供的坐标点连接，即成为要绘制的各式线型。因此，平滑的曲线一般需要较密集的数据才能够绘制。常用的参数中，color表示绘制的颜色。官方提供的颜色种类如下表：

         linestyle参数表示绘制的线型，可用的线型包括 '-',  '--',  '-.',  ':',  'None',  ' ',  '',  'solid', 'dashed', 'dashdot', 'dotted'，共11类。label参数则是对线段的一种名称标记，用于之后图例的绘制。

4.绘制图例

plt.legend(loc='best')  # 提供11种不同的图例显示位置

         plt.legend()函数用于绘制图例。loc参数表示图例的位置，默认为best，表示自动选择。

5.设置坐标轴刻度

# 设置刻度和步长
z = range(-10, 45)
x_label = ["10:{}".format(i) for i in x]
plt.xticks(x[::5], x_label[::5])
plt.yticks(z[::5])

        plt.xticks()和plt.yticks()函数用于设置坐标轴的步长和刻度。其中，第一个参数表示设置的步长大小；第二个参数表示显示的坐标轴刻度，默认为坐标的值。

6.添加网格信息

plt.grid(linestyle='--', alpha=0.5, linewidth=2)

        plt.grid()函数用于添加图片中的背景网格。常用参数中，alpha表示透明度设置，linewith表示线宽。

7.添加标题

# 添加标题
plt.xlabel('Time/ min')
plt.ylabel('Temperature/ ℃')
plt.title('Curve of Temperature Change with Time')

        plt.xlabel()、plt.ylabel()和plt.title()函数分别用于设置x坐标轴、y坐标轴和图标的标题信息。

8.保存和展示

# 保存和展示
# plt.savefig('./plt_img/test2.png')
plt.show()

        plt.savefig()函数用于保存图片，plt.show()函数则用于显示图片。

通过以上8个步骤，我们就能够使用plt包绘制出各式各样的基本图像了。

以下是几种常见图形的绘制和代码：

1.单折线

 代码：

import matplotlib.pyplot as plt
import numpy as np
import random
 
# have a try
 
plt.rcParams['font.sans-serif'] = ['SimHei']  # 显示中文
plt.rcParams['axes.unicode_minus'] = False  # 用来正常显示负号
 
x = range(60)
# print(type(x))
y = [random.uniform(35, 40) for i in x]  # uniform提供[35, 40)随机值
# print(type(y))
 
# 创建画布
plt.figure(figsize=(12, 8), dpi=80)  # figsize为横纵坐标比，dpi为像素点个数
 
plt.plot(x, y)
 
# 设置刻度和步长
z = range(-10, 45)
x_label = ["10:{}".format(i) for i in x]
plt.xticks(x[::5], x_label[::5])
plt.yticks(z[::5])
 
# 添加网格信息
plt.grid(linestyle='--', alpha=0.5, linewidth=2)
 
# 添加标题
plt.xlabel('Time/ min')
plt.ylabel('Temperature/ ℃')
plt.title('Curve of Temperature Change with Time')
 
# 保存和展示
plt.savefig('./plt_img/test1.png')
plt.show()

 2.双折线

代码：

import matplotlib.pyplot as plt
import numpy as np
import random
 
# 多曲线图
x = range(60)
# print(type(x))
y1 = [random.uniform(35, 40) for i in x]    # uniform提供[35, 40)随机值
y2 = [random.uniform(25, 30) for j in x]
# print(type(y))
 
# 创建画布
plt.figure(figsize=(8, 6), dpi=80)  # figsize为横纵坐标比，dpi为像素点个数
 
# 绘制曲线
plt.plot(x, y1, color='r', linestyle='--', label='Shanghai')
plt.plot(x, y2, color='g', linestyle='-.', label='Beijing')
 
# 绘制曲线图例
plt.legend(loc='best')  # 提供11种不同的图例显示位置
 
# 设置刻度和步长
z = range(-10, 45)
x_label = ["10:{}".format(i) for i in x]
plt.xticks(x[::5], x_label[::5])
plt.yticks(z[::5])
 
# 添加网格信息
plt.grid(linestyle='--', alpha=0.5, linewidth=2)
 
# 添加标题
plt.xlabel('Time/ min')
plt.ylabel('Temperature/ ℃')
plt.title('Curve of Temperature Change with Time')
 
# 保存和展示
# plt.savefig('./plt_img/test2.png')
plt.show()

3.多图像绘制

 代码：

import matplotlib.pyplot as plt
import numpy as np
import random
 
# 多图
area = ['Shanghai\'s', 'Beijing\'s']
x = range(60)
# print(type(x))
y1 = [random.uniform(35, 40) for i in x]    # uniform提供[35, 40)随机值
y2 = [random.uniform(25, 30) for j in x]
# print(type(y))
 
# 创建画布
fig, axes = plt.subplots(nrows=1, ncols=2, figsize=(12, 8), dpi=80)
axes[0].plot(x, y1, color='r', linestyle='--', label='Shanghai')
axes[1].plot(x, y2, color='g', linestyle='-.', label='Beijing')
 
# 分别对axes[0]和axes[1]进行之前操作
z = range(-10, 45)
x_label = ["10:{}".format(i) for i in x]
for t in range(2):
    # 设置步长
    axes[t].set_xticks(x[::10])
    axes[t].set_xticklabels(x_label[::10])
    axes[t].set_yticks(z[::5])
 
    # 添加图例
    axes[t].legend(loc='lower left')
 
    # 添加网格信息
    axes[t].grid(linestyle='--', alpha=0.5, linewidth=2)
 
    # 添加标题
    axes[t].set_xlabel('Time/ min')
    axes[t].set_ylabel('Temperature/ ℃')
    axes[t].set_title('Curve of {} Temperature Change with Time'.format(area[t]))
 
# 保存和展示
plt.savefig('./plt_img/test3.png')
plt.show()

4.曲线

 代码：

import matplotlib.pyplot as plt
import numpy as np
import random
 
# 获取数据
x = np.linspace(-1, 1, 1000)    # 在[-1, 1]间生成1000个数
y = 2 * (x ** 2)
 
# 创建画布
plt.figure(figsize=(12, 8), dpi=80)  # figsize为横纵坐标比，dpi为像素点个数
 
# 绘制曲线
plt.plot(x, y)
 
# 绘制图例
# plt.legend()
 
# 添加网格信息
plt.grid(linestyle='--', alpha=0.5, linewidth=2)
 
# 添加标题
plt.xlabel('X')
plt.ylabel('Y')
 
# 保存和展示
plt.savefig('./plt_img/test4.png')
plt.show()

5.散点图

 代码：

import matplotlib.pyplot as plt
import numpy as np
import random
 
# 散点图
x = np.linspace(-1, 1, 10)
y = 2 * (x ** 2)
 
# 创建画布
plt.figure(figsize=(12, 8), dpi=80)
plt.scatter(x, y)
 
# plt.legend()
# 添加网格信息
plt.grid(linestyle='--', alpha=0.5, linewidth=2)
 
# 添加标题
plt.xlabel('X')
plt.ylabel('Y')
 
# 保存和展示
plt.savefig('./plt_img/test5.png')
plt.show()

6.柱状图

 代码：

import matplotlib.pyplot as plt
import numpy as np
import random
 
# 单柱状图
x = range(6)
# print(type(x))
y = [random.uniform(0, 100) for i in x]
# print(type(y))
 
# 创建画布
plt.figure(figsize=(8, 6), dpi=80)  # figsize为横纵坐标比，dpi为像素点个数
 
# 绘制内容
plt.bar(x, y, width=0.4, color=['r', 'k', 'y', 'g', 'b', 'c'], align='center')
 
# 绘制图例
# plt.legend()
 
# 显示具体值
for t in range(6):
    plt.text(x=t-0.08, y=y[t]+1, s=int(y[t]))   # x,y为显示坐标，s为内容
 
# 修改刻度
plt.xticks(x, ['class1', 'class2', 'class3', 'class4', 'class5', 'class6'])
 
# 添加网格信息
plt.grid(linestyle='--', alpha=0.5, linewidth=2)
 
# 添加标题
plt.xlabel('Classes')
plt.ylabel('Numbers')
plt.title('Bar')
 
# 保存和展示
plt.savefig('./plt_img/test6.png')
plt.show()

7.双柱状图

 代码：

import matplotlib.pyplot as plt
import numpy as np
import random
 
# 双柱状图
x = range(6)
# print(type(x))
y = [random.uniform(0, 100) for i in x]
z = [random.uniform(0, 100) for j in x]
# print(type(y))
 
# 创建画布
plt.figure(figsize=(8, 6), dpi=80)  # figsize为横纵坐标比，dpi为像素点个数
 
# 绘制内容
plt.bar(x, y, width=0.2, color='b', label='value1')
# [i+0.2 for i in x]是对横坐标值的调整
plt.bar([i+0.2 for i in x], z, width=0.2, color='g', label='value2')
 
# 绘制图例
plt.legend()
 
# 显示具体值
for t in range(6):
    plt.text(x=t-0.08, y=y[t] + 1, s=int(y[t]))   # x,y为显示坐标，s为内容
    plt.text(x=t+0.12, y=z[t] + 1, s=int(z[t]))  # x,y为显示坐标，s为内容
 
# 修改刻度
plt.xticks(x, ['class1', 'class2', 'class3', 'class4', 'class5', 'class6'])
 
# 添加网格信息
plt.grid(linestyle='--', alpha=0.5, linewidth=2)
 
# 添加标题
plt.xlabel('Classes')
plt.ylabel('Numbers')
plt.title('Bar')
 
# 保存和展示
plt.savefig('./plt_img/test7.png')
plt.show()

 8.饼图

 代码：

import matplotlib.pyplot as plt
import numpy as np
import random
 
# 饼图，一般小于9个类别
 
# 数据和标签
x = range(8)
y = [random.uniform(0, 200) for i in x]
label = ['class1', 'class2', 'class3', 'class4', 'class5', 'class6', 'class7', 'class8']
 
# 画布
plt.figure(figsize=(14, 8), dpi=80)
 
# 饼图
plt.pie(y, labels=label, colors=['r', 'gray', 'y', 'g', 'b', 'c', 'm', 'pink']
        , autopct='%1.1f%%')    # autopct表示显示数字百分比
 
# 图例
plt.legend(loc='upper right')
 
# 调整整体布局,防止图例和内容重叠
plt.axis('equal')
 
# 标题
plt.title('the Number of Classes')
 
 
# 展示
plt.savefig('./plt_img/test8.png')
plt.show()

感谢阅读！