matplotlib入门之plt.plot折线图跟常用基本函数_plt折线图

目录

一、简单折线图

二、常用基本函数:plt.xticks,plt.yticks,ply.xlim,plt.ylim,plt.xlabel,plt.ylabel,plt.title,plt.legend等

三、折线图函数plt.plot()的参数介绍及详解

四、调整坐标轴：plt.spines[]

五、文本标注：plt.text()

六、文本箭头注释:plt.annotate()

七、绘图的填充：plt.fill_between()

八、归纳练习

九、面对对象画图

一、简单折线图

1、调用包：

import numpy as np 
import matplotlib.pyplot as plt 

2、正常显示中文及负号：（经常用到，否则无法显示中文及负号，经常用到，建议记住代码）

plt.rcParams['font.family'] = 'SimHei' # 正常显示中文
plt.rcParams['axes.unicode_minus'] = False # 正常显示负号

3、简单折线图：以横轴坐标值为x，纵轴坐标值为sin(x),颜色为红色画线

x = np.linspace(0, 10, 30) # x轴坐标值
plt.plot(x, np.sin(x),c = 'r') # 参数c为color简写，表示颜色,r为red即红色
plt.show() # 显示图像

4、常用颜色简写为：

 高级配色参考网站：https://xkcd.com/color/rgb/

 网站界面如下：

 把#开头的复制到参数c中即可，如下：

二、常用基本函数:plt.xticks,plt.yticks,plt.xlim,plt.ylim,plt.xlabel,plt.ylabel,plt.title,plt.legend等

1、plt.xticks()、plt.yticks()分别表示横纵轴的刻度：

    labels参数调整刻度为自己想要的字符或文字：

 2、plt.xlim(),plt.ylim()分别表示横纵轴的刻度范围：

 3、给图设置标题：plt.title()，plt.xlabel(),plt.ylabel()

 4,显示图例：plt.legend()

    首先要在折线图上注明label参数：

       plt.legend()中loc参数可选值如下（默认为best）：

	best
	upper right
	upper left
	lower left
	lower right
	right
	center left
	center right
	lower center
	upper center
	center

 5、网格线：plt.grid()

6、保存图片：plt.savefig(fname)

三、折线图函数plt.plot()的参数介绍及详解

调用方法：plt.plot(x, y, linestyle, linewidth,color,marker, markersize, markeredgecolor, markerfactcolor, label, alpha)

• x：指定折线图的x轴数据；
• y：指定折线图的y轴数据；
• linestyle：指定折线的类型，可以是实线、虚线、点虚线、点点线等，默认实线；
• linewidth：指定折线的宽度
• marker：可以为折线图添加点，该参数是设置点的形状；
• markersize：设置点的大小；
• markeredgecolor：设置点的边框色；
• markerfacecolor：设置点的填充色；
• label：为折线图添加标签，类似于图例的作用；

 用法：

plt.plot(x,
         np.sin(x),
         color = 'b',            # 线条颜色 blue
         linewidth = 1,          # 线条宽度 
         linestyle='-',          # 线的类型:虚线:'--',点线：'-.',短虚线':',实线：'-'
         marker='o',             # 线上点的形状
         markersize = 10,        # 点的大小
         markeredgecolor = 'r',  # 点的边框颜色
         markerfacecolor ='y',   # 点的背景颜色
         label = 'sin',          # 图例
         alpha = 1 )             # 透明度：0-1之间 ,默认1
 
plt.legend(fontsize = 15)        # 显示图例
plt.show()

 

 其中参数color可简写成c,linewidth可简写为lw,linestyle可简写为ls

四、调整坐标轴：plt.spines[]

1、去除上轴线及右边轴线：

x = np.linspace(0, 10, 30)
plt.plot(x, np.sin(x),c = '#0ffef9',label = 'sin(x)')
 
ax = plt.gca()    # 获取当前子图 get current axes
ax.spines['right'].set_color('none')  # spines中文脊柱的意思，表示图边框四条脊柱线：top,bottom,left,right
ax.spines['top'].set_color('none')    # 使上轴线及右轴线颜色设置为none或‘white’
 
plt.show()

 2、调整坐标轴为x,y直角坐标轴

x = np.linspace(0, 10, 30)
plt.plot(x, np.sin(x),c = '#0ffef9',label = 'sin(x)')
 
ax = plt.gca() # 获取当前子图 get current axes
ax.spines['right'].set_color('none')  # spines中文脊柱的意思，表示图边框四条脊柱线：top,bottom,left,right
ax.spines['top'].set_color('none')    # 使上轴线及右轴线颜色设置为none或‘white’
ax.spines['left'].set_position(('data',0))   # 调整左轴线位置到横坐标0的位置
ax.spines['bottom'].set_position(('data',0)) # 调整下轴线位置到纵坐标0的位置
 
plt.show()

 

五、文本标注：plt.text()

plt.text(x,y,s)

 x表示x轴坐标值,y表示y轴坐标值 通过x,y来控制标注的位置

x = np.linspace(0, 10, 30)
 
plt.plot(x, np.sin(x),c = '#0ffef9',label = 'sin(x)')
# plt.text(x,y,s) x表示x轴坐标值,y表示y轴坐标值 通过x,y来控制标注的位置
plt.text(x = 1,y = 0.5,s = '这是标注',fontsize = 15,c = 'b',rotation = 20) # rotation控制文本字体角度
plt.show()

六、文本箭头注释:plt.annotate()

plt.annotate(text,xy,xytext,arrowprops)

text表示注释文本，xy表示箭头端点位置，xytext表示文本注释的位置，arrowprops控制箭头，形式为字典

x = np.linspace(0, 10, 30)
 
plt.plot(x, np.sin(x),c = '#0ffef9',label = 'sin(x)')
plt.annotate(text = '底点',xy = (4.65,-1),xytext = (4.2,0),
             arrowprops = {'headwidth':10,'facecolor':'r'},fontsize = 15)
plt.show()

 注：若未设置arrowprops参数则没有箭头显示，只有文本注释

七、绘图的填充：plt.fill_between()

x = np.linspace(0, 10, 30)
y1 = x*2
y2 = x**2+5
 
plt.figure(figsize = (8,5))
plt.plot(x,y1,'r',x,y2,'g') #注：可以在一个plot函数内画出多条线
 
plt.fill_between(x,y1,y2,facecolor = 'k',alpha = 0.2)
 
plt.show()

# 第一个参数表示要覆盖的左右范围，第二个参数表示覆盖的下限，第三个参数表示覆盖的上限，在这里则表示填充y1曲线和y2曲线中间的区域

八、归纳练习

import matplotlib.pyplot as plt
import numpy as np
 
plt.rcParams['font.family'] = 'SimHei'      # 正常显示中文
plt.rcParams['axes.unicode_minus'] = False # 正常显示负号
 
x = np.linspace(-3, 3, 50)
y1 = 2*x + 1
y2 = x**2
 
# 创建画布并设置大小
plt.figure( figsize=(8, 5))
 
plt.plot(x, y1, label='linear line',marker = '+')
# zorder控制绘图顺序，值越大画的越慢，防止先画从而被后画的图挡住，如下图防止红线被图例挡住从而不清晰
plt.plot(x, y2, color='red', lw=2.0, ls='--', label='square line',zorder = 10) 
 
plt.xlim(-4,5)
plt.ylim(-5,10)
plt.xticks(rotation = 30,fontsize = 12,c = 'k') # rotation：旋转角度
plt.yticks(rotation = 30,fontsize = 12,c = 'k')
plt.grid(True)
plt.legend(loc='upper right',edgecolor = 'none',facecolor = 'g',fontsize =13)
 
# 注释
plt.text(-2,-4,'这是直线',fontsize = 15,c = 'b')
plt.annotate('这是曲线',xy = (2,2),xytext = (3,-1),
             arrowprops ={'headwidth':10,'facecolor':'g'},fontsize = 15,c = 'r')
# 填充
plt.fill_between(x,y1,y2,facecolor = 'g',alpha = 0.2)
 
plt.show()

九、面对对象画图：

在面对对象画图前，让我们来看看图像的组成：

Figure：画布，顶层级，用来容纳所有绘图元素

Axes：可以认为是figure这张画图上的子图，因为子图上一般都是坐标图，也可以愿意理解为轴域或者坐标系。

Axis：axes的下属层级，用于处理所有和坐标轴有关的元素

Tick：axis的下属层级，用来处理所有和刻度有关的元素
 

综上可知，画出的图像是在画布figure上显示的，axes可理解成figure上的一个子图，axis可理解成子图axes的坐标轴，tick是坐标轴axis上的刻度

我们来看看面对对象是如何画图的，其实很简单，只需要把plt改为面对自己创建的axes即可

如下：

import matplotlib.pyplot as plt
import numpy as np
 
plt.rcParams['font.family'] = 'SimHei'      # 正常显示中文
plt.rcParams['axes.unicode_minus'] = False # 正常显示负号
 
x = np.linspace(-3, 3, 50)
y1 = 2*x + 1
y2 = x**2
 
 
# 方法一
fig = plt.figure( figsize=(8, 5))  # 创建画布并设置大小
ax = fig.add_subplot(111)  # 111，表示在画布中创建一行，一列，编号为一的子图，即创建一个子图的意思
# 方法二
# fig,ax = plt.subplots(figsize =(8,5))
 
 
ax.plot(x, y1, label='linear line',marker = '+')
ax.plot(x, y2, color='red', lw=2.0, ls='--', label='square line',zorder = 10) 
 
ax.set_xlim(-4,5)
ax.set_ylim(-5,10)
plt.xticks(rotation = 30,fontsize = 12,c = 'k') # rotation：旋转角度
plt.yticks(rotation = 30,fontsize = 12,c = 'k')
ax.grid(True)
ax.legend(loc='upper right',edgecolor = 'none',facecolor = 'g',fontsize =13)
 
# 注释
ax.text(-2,-4,'这是直线',fontsize = 15,c = 'b')
ax.annotate('这是曲线',xy = (2,2),xytext = (3,-1),
             arrowprops ={'headwidth':10,'facecolor':'g'},fontsize = 15,c = 'r')
# 填充
ax.fill_between(x,y1,y2,facecolor = 'g',alpha = 0.2)
 
plt.show()