Matplotlib入门[01]——Pyplot_plot 'ro

Matplotlib入门[01]——Pyplot

参考：

• https://ailearning.apachecn.org/
• Matplotlib官网

使用Jupyter进行练习

Matplotlib简介

matplotlib 是一个 Python 的 2D 图形包。

在线文档：http://matplotlib.org ，提供了 Examples, FAQ, API, Gallery，其中 Gallery 是很有用的一个部分，因为它提供了各种画图方式的可视化，方便用户根据需求进行选择。

import numpy as np
import matplotlib.pyplot as plt
1
2
'
运行
运行

下文中，以 plt 作为 matplotlib.pyplot 的省略。

plt.plot() 函数

举例

# plot函数可以用来绘图
plt.plot([1,2,3,4])
plt.ylabel('some numbers')

plt.show()
1
2
3
4
5

基本用法

plot 函数基本的用法有以下四种：

默认参数

• plt.plot(x,y)

指定参数

• plt.plot(x,y, format_str)

默认参数，x 为 0~N-1

• plt.plot(y)

指定参数，x 为 0~N-1

• plt.plot(y, format_str)

因此，在上面的例子中，我们没有给定 x 的值，所以其默认值为 [0,1,2,3]。

传入 x 和 y：

plt.plot([1,2,3,4], [1,4,9,16])
plt.show()
1
2

​

字符参数

可以用字符来指定绘图的格式：

表示颜色的字符参数有：

表示类型的字符参数有：

例如画出红色圆点蓝色虚线：

plt.plot([1,2,3,4], [1,4,9,16], 'b--',
         [1,2,3,4], [1,4,9,16], 'ro')
plt.show()
1
2
3

​

显示范围

与 MATLAB 类似，这里可以使用 axis 函数指定坐标轴显示的范围：

plt.axis([xmin, xmax, ymin, ymax])
1

plt.plot([1,2,3,4], [1,4,9,16], 'ro')
# 指定 x 轴显示区域为 0-6，y 轴为 0-20
plt.axis([0,6,0,20])
plt.show()
1
2
3
4

​

传入Numpy数组

之前传给 plot 的参数都是列表，事实上，向 plot 中传入 numpy 数组是更常用的做法。事实上，如果传入的是列表，matplotlib 会在内部将它转化成数组再进行处理：

t = np.arange(0., 5., 0.2)

# 不需要使用多个 plot 函数来画多组数组
# 只需要可以将这些组合放到一个 plot 函数中去即可。
plt.plot(t, t, 'r--', 
         t, t**2, 'bs', 
         t, t**3, 'g^')

plt.show()
1
2
3
4
5
6
7
8
9

线条属性

还可以通过关键词来改变线条的性质，例如 linwidth 可以改变线条的宽度，color 可以改变线条的颜色：

x = np.linspace(-np.pi,np.pi)
y = np.sin(x)

plt.plot(x, y, linewidth=2.0, color='r')

plt.show()
1
2
3
4
5
6

​

使用plt.plot() 的返回值来设置线条属性

plot 函数返回一个 Line2D 对象组成的列表，每个对象代表输入的一对组合，例如：

• line1, line2 为两个 Line2D 对象

  line1, line2 = plt.plot(x1, y1, x2, y2)

• 返回 3 个 Line2D 对象组成的列表

  lines = plt.plot(x1, y1, x2, y2, x3, y3)

可以使用这个返回值来对线条属性进行设置：

# 加逗号 line 中得到的是 line2D 对象，不加逗号得到的是只有一个 line2D 对象的列表
line, = plt.plot(x, y, 'r-')

# 将抗锯齿关闭
line.set_antialiased(False)

plt.show()
1
2
3
4
5
6
7

​

plt.setp() 修改线条性质

更方便的做法是使用 plt 的 setp 函数：

lines = plt.plot(x, y)

# 使用键值对
plt.setp(lines, color='r', linewidth=2.0)

plt.show()
1
2
3
4
5
6

​

可以设置的属性有很多，可以使用 plt.setp(lines) 查看 lines 可以设置的属性，各属性的含义可参考 matplotlib 的文档。

plt.setp(lines)
1

  agg_filter: a filter function, which takes a (m, n, 3) float array and a dpi value, and returns a (m, n, 3) array
  alpha: scalar or None
  animated: bool
  antialiased or aa: bool
  clip_box: `.Bbox`
  clip_on: bool
  clip_path: Patch or (Path, Transform) or None
  color or c: color
  contains: unknown
  dash_capstyle: `.CapStyle` or {'butt', 'projecting', 'round'}
  dash_joinstyle: `.JoinStyle` or {'miter', 'round', 'bevel'}
  dashes: sequence of floats (on/off ink in points) or (None, None)
  data: (2, N) array or two 1D arrays
  drawstyle or ds: {'default', 'steps', 'steps-pre', 'steps-mid', 'steps-post'}, default: 'default'
  figure: `.Figure`
  fillstyle: {'full', 'left', 'right', 'bottom', 'top', 'none'}
  gid: str
  in_layout: bool
  label: object
  linestyle or ls: {'-', '--', '-.', ':', '', (offset, on-off-seq), ...}
  linewidth or lw: float
  marker: marker style string, `~.path.Path` or `~.markers.MarkerStyle`
  markeredgecolor or mec: color
  markeredgewidth or mew: float
  markerfacecolor or mfc: color
  markerfacecoloralt or mfcalt: color
  markersize or ms: float
  markevery: None or int or (int, int) or slice or list[int] or float or (float, float) or list[bool]
  path_effects: `.AbstractPathEffect`
  picker: float or callable[[Artist, Event], tuple[bool, dict]]
  pickradius: float
  rasterized: bool
  sketch_params: (scale: float, length: float, randomness: float)
  snap: bool or None
  solid_capstyle: `.CapStyle` or {'butt', 'projecting', 'round'}
  solid_joinstyle: `.JoinStyle` or {'miter', 'round', 'bevel'}
  transform: `matplotlib.transforms.Transform`
  url: str
  visible: bool
  xdata: 1D array
  ydata: 1D array
  zorder: float
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
34
35
36
37
38
39
40
41
42

子图

figure() 函数会产生一个指定编号为 num 的图：

plt.figure(num) 
1

使用 subplot 可以在一副图中生成多个子图，其参数为：

plt.subplot(numrows, numcols, fignum) 
1

当 numrows * numcols < 10 时，中间的逗号可以省略，因此 plt.subplot(211) 就相当于 plt.subplot(2,1,1)。

def f(t):
    return np.exp(-t) * np.cos(2*np.pi*t)

t1 = np.arange(0.0, 5.0, 0.1)
t2 = np.arange(0.0, 5.0, 0.02)

plt.figure(1)
# 两行一列第一个
plt.subplot(211)
plt.plot(t1, f(t1), 'bo', t2, f(t2), 'k')

# 两行一列第二个
plt.subplot(212)
plt.plot(t2, np.cos(2*np.pi*t2), 'r--')
plt.show()
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15

​

图形上加上文字

plt.hist() 可以用来画直方图。

mu, sigma = 100, 15
x = mu + sigma * np.random.randn(10000)

# the histogram of the data
n, bins, patches = plt.hist(x, 50, density=True, facecolor='g', alpha=0.75)

plt.xlabel('Smarts')
plt.ylabel('Probability')
plt.title('Histogram of IQ')
plt.text(60, .025, r'$\mu=100,\ \sigma=15$')
plt.axis([40, 160, 0, 0.03])
plt.grid(True)
plt.show()
1
2
3
4
5
6
7
8
9
10
11
12
13

​

对于这幅图形，我们使用 xlabel ，ylabel，title，text 方法设置了文字，其中：

• xlabel ：x 轴标注
• ylabel ：y 轴标注
• title ：图形标题
• text ：在指定位置放入文字

输入特殊符号支持使用 Tex 语法，用 $<some Tex code>$ 隔开。

除了使用 text 在指定位置标上文字之外，还可以使用 annotate 函数进行注释，annotate 主要有两个参数：

• xy ：注释位置
• xytext ：注释文字位置

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()
1
2
3
4
5
6
7
8
9
10
11
12

​