Matplotlib-基础知识_plot label

matplotlib

目录

•  

一、【重点】Matplotlib基础知识

二、设置plot的风格和样式
1、【重点】点和线的样式
2、X、Y轴坐标刻度

三、2D图形

1、示例
2、【重点】直方图
3、【重点】条形图
4、【重点】饼图
5、【重点】散点图
=============以上为重点=================

下面的自学

        0.45045045,  0.46546547,  0.48048048,  0.4954955 ,  0.51051051,

四、图形内的文字、注释、箭头
1、图形内的文字
2、注释
3、箭头

五、3D图
1、曲面图

一、Matplotlib基础知识

Matplotlib中的基本图表包括的元素

• x轴和y轴
  水平和垂直的轴线

• x轴和y轴刻度
  刻度标示坐标轴的分隔，包括最小刻度和最大刻度

• x轴和y轴刻度标签
  表示特定坐标轴的值

• 绘图区域
  实际绘图的区域

In [1]:

import numpy as np

import matplotlib.pyplot as plt

%matplotlib inline

In [ ]:

#pandas 绘图，提供方便

#matplotlib专门绘图工具，样式更加丰富

只含单一曲线的图

In [2]:

#用linspace生成10个均匀间隔的数字

x = np.linspace(0,10,10)

x

Out[2]:

array([ 0.        ,  1.11111111,  2.22222222,  3.33333333,  4.44444444,

        5.55555556,  6.66666667,  7.77777778,  8.88888889, 10.        ])

In [3]:

#假如plot里面的参数只有一个，x轴的坐标默认从0,1,2...

plt.plot(x)

Out[3]:

[<matplotlib.lines.Line2D at 0x7f7145a12be0>]

 

In [4]:

#假如plot里面是2个参数，那么就有x轴、y轴,参数可以是函数

plt.plot(x,x**2)

Out[4]:

[<matplotlib.lines.Line2D at 0x7f713d96eb38>]

 

In [5]:

#scatter，绘制散点图

plt.scatter(x,x**2)

Out[5]:

<matplotlib.collections.PathCollection at 0x7f713d868be0>

 

包含多个曲线的图

1、可以使用多个plot函数（推荐），在一个图中绘制多个曲线

In [6]:

#arange，重新生成一组，等差数组

x = np.arange(0,10,1)

x

Out[6]:

array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])

In [7]:

plt.plot(x,x*2)

plt.plot(x,x/2)

plt.plot(x,x**2)

Out[7]:

[<matplotlib.lines.Line2D at 0x7f713d7dcda0>]

 

In [8]:

plt.plot(x,x*2)

plt.plot(x,x*5)

plt.plot(x,np.sin(x))

Out[8]:

[<matplotlib.lines.Line2D at 0x7f713d7cdb38>]

 

2、也可以在一个plot函数中传入多对X,Y值，在一个图中绘制多个曲线

In [9]:

#y轴会自动用不同的颜色显示

lines = plt.plot(x,x*2,x,x*5,x,x/2)

 

In [10]:

lines[0]

Out[10]:

<matplotlib.lines.Line2D at 0x7f713d782ac8>

网格线

绘制正选余弦

In [11]:

x = np.linspace(0,15,1000)

​

y = np.sin(x)

In [12]:

display(x,y)

array([ 0.        ,  0.01501502,  0.03003003,  0.04504505,  0.06006006,

      ......

       14.86486486, 14.87987988, 14.89489489, 14.90990991, 14.92492492,

        0.74670761,  0.73663654,  0.7263994 ,  0.71599849,  0.70543617,

        0.69471481,  0.68383682,  0.67280467,  0.66162083,  0.65028784])

使用plt.grid(True)方法为图添加网格线

In [13]:

plt.plot(x,y)

plt.grid(True)

 

In [14]:

#另外一种产生随机数的方式，对比一下

#用np.pi产生数据，用到arange

x = np.arange(-np.pi,np.pi,0.01)

display(x)

array([-3.14159265e+00, -3.13159265e+00, -3.12159265e+00, -3.11159265e+00,

       -3.10159265e+00, -3.09159265e+00, -3.08159265e+00, -3.07159265e+00,

       -3.06159265e+00, -3.05159265e+00, -3.04159265e+00, -3.03159265e+00,

       -3.02159265e+00, -3.01159265e+00, -3.00159265e+00, -2.99159265e+00,

        3.05840735e+00,  3.06840735e+00,  3.07840735e+00,  3.08840735e+00,

        3.09840735e+00,  3.10840735e+00,  3.11840735e+00,  3.12840735e+00,

        3.13840735e+00])

In [15]:

plt.plot(x,np.sin(x),x,np.cos(x))

plt.grid(True)

转存失败重新上传取消

设置grid参数（参数与plot函数相同），使用plt面向对象的方法，创建多个子图显示不同网格线

转存失败重新上传取消

• lw代表linewidth，线的粗细
• alpha表示线的明暗程度
• color代表颜色

In [16]:

x = np.arange(-20,20,0.1)

y = np.sin(x)

In [17]:

#使用plt创建子视图

#axis 轴；axes 面

#sub = 子

#figsize=(12,9)是对视图的大小进行设置

plt.figure(figsize=(12,9))

#subplot(1,3,1)，子视图，1为一行，3为三列，1为第一个

axes1 = plt.subplot(1,3,1)

axes1.plot(x,y)

axes1.grid(True)

​

axes2 = plt.subplot(1,3,2)

axes2.plot(x,y)

axes2.grid(True,axis = 'x',color = 'purple',alpha = 0.1) #可以Shift+Tab查看具体的方法参数

​

axes3 = plt.subplot(1,3,3)

x3 = np.linspace(0,6,200)

y3 = np.cos(x3)

axes3.plot(x3,y3)

axes3.grid(True,color = 'g',linestyle = '--',linewidth = 2)

 

坐标轴界限

axis方法

如果axis方法没有任何参数，则返回当前坐标轴的上下限axis(xmin =,ymax = )

In [18]:

x = np.arange(0,5,0.01)

​

y = np.sin(x)

​

plt.plot(x,y)

​

#axis 轴：x，y

#axes 面，子视图

plt.axis([-5,10,-2,np.pi])

Out[18]:

(-5.0, 10.0, -2.0, 3.141592653589793)

 

plt.axis('xxx') 'tight'、'off'、'equal'……

设置坐标轴类型
关闭坐标轴

 

In [19]:

plt.plot(x,y)

plt.axis('off') #axis('off') 将坐标轴关闭，tight是默认

Out[19]:

(-0.24950000000000003,

 5.2395000000000005,

 -1.0999969878536957,

 1.0999995243978122)

 

In [20]:

x = np.linspace(-np.pi,np.pi,1000)

#plt.figure(figsize=(4,4))

#figsize=(4,4)与axis('equal')的效果差不多

plt.plot(np.sin(x),np.cos(x))

​

plt.axis('equal') #axis('equal') 改变最大值、最小值的范围

Out[20]:

(-1.0999986402114572,

 1.0999986402114572,

 -1.0999997527658723,

 1.0999948080833182)

 

In [21]:

#没有使用axis('equal')，就变成了椭圆

plt.plot(np.sin(x),np.cos(x))

Out[21]:

[<matplotlib.lines.Line2D at 0x7f713c941a58>]

 

xlim方法和ylim方法

除了plt.axis方法，还可以通过xlim，ylim方法设置坐标轴范围

In [22]:

plt.plot(np.sin(x),np.cos(x))

​

plt.xlim(-2,2)

plt.ylim(0,2)

Out[22]:

(0.0, 2.0)

 

 

### 坐标轴标签

xlabel方法和ylabel方法  

plt.ylabel('y = x^2 + 5',rotation = 85)旋转

In [23]:

x = np.linspace(0,5,1000)

y = x**2 + 5

​

plt.plot(x,y,'red')

​

plt.xlabel('X',size = 20)

​

plt.ylabel('f(x) = x^2 + 5',rotation = 85,fontsize = 20)

Out[23]:

Text(0, 0.5, 'f(x) = x^2 + 5')

 

标题

title方法

In [24]:

x = np.linspace(0,5,1000)

y = x**2 + 5

​

plt.plot(x,y,'red')

​

# Set a title of the current axes.

​

plt.title('function(x):x^2 + 5',size = 18,verticalalignment = 'bottom')

Out[24]:

Text(0.5, 1.0, 'function(x):x^2 + 5')

 

图例

legend方法

两种传参方法：

• 【推荐使用】在plot函数中增加label参数
• 在legend方法中传入字符串列表

In [25]:

x = np.arange(0,10,1)

​

plt.plot(x,x*4,label = 'fast')

plt.plot(x,x/2,label = 'slow')

plt.plot(x,x,label = 'normal')

​

#label要想显示，调用legend方发

plt.legend()

Out[25]:

<matplotlib.legend.Legend at 0x7f713c895fd0>

 

In [26]:

x = np.arange(0,10,1)

​

plt.plot(x,x*4)

plt.plot(x,x/2)

plt.plot(x,x)

​

#label要想显示，调用legend方发，下面是通过参数的数组形式传递

plt.legend(['fast','slow','normal'])

Out[26]:

<matplotlib.legend.Legend at 0x7f713ad3b9b0>

 

label参数为'xxx'，则图例中不显示
plt.plot(x, x*1.5, label = 'xxx')

In [27]:

x = np.arange(0,10,1)

​

plt.plot(x,x*4,label = 'fast')

plt.plot(x,x/2,label = '_slow')  #加个下划线“_”，就不会显示

plt.plot(x,x,label = 'normal')

​

#label要想显示，调用legend方发

plt.legend()

Out[27]:

<matplotlib.legend.Legend at 0x7f713acba748>

 

loc参数

In [28]:

x = np.arange(0,10,1)

​

plt.plot(x,x*4,label = 'fast')

plt.plot(x,x/2,label = 'slow')

plt.plot(x,x,label = 'normal')

x = np.ones(10)

y = np.arange(0,40,4)

plt.plot(x,y)

​

#label要想显示，调用legend方发

plt.legend(loc = 4)

Out[28]:

<matplotlib.legend.Legend at 0x7f713ac3c5c0>

 

loc参数可以是2元素的元组，表示图例左下角的坐标

In [29]:

x = np.arange(0,10,1)

​

plt.plot(x,x*4,label = 'fast')

plt.plot(x,x/2,label = 'slow')

plt.plot(x,x,label = 'normal')

x = np.ones(10)

y = np.arange(0,40,4)

plt.plot(x,y)

​

#label要想显示，调用legend方发

#loc 元组，相对值，宽、高

plt.legend( bbox_to_anchor=(0, 1,1,0),mode = 'expand')

Out[29]:

<matplotlib.legend.Legend at 0x7f713abb9898>

 

图例也可以超过图的界限loc = (-0.1,0.9)

ncol参数

ncol控制图例中有几列

In [30]:

x = np.arange(0,10,1)

​

plt.plot(x,x*4,label = 'fast')

plt.plot(x,x/2,label = 'slow')

plt.plot(x,x,label = 'normal')

x = np.ones(10)

y = np.arange(0,40,4)

plt.plot(x,y)

​

#label要想显示，调用legend方发

#loc 元组，相对值，宽高

#bbox_to_anchor 后两个参数是图例的宽高

#前两个参数，坐标

plt.legend( bbox_to_anchor=(0,1,1,0),mode = 'expand',ncol = 3)  #ncol = 3,3列

Out[30]:

<matplotlib.legend.Legend at 0x7f713c8732b0>

 

linestyle、color、marker

修改线条样式

In [31]:

y1 = np.random.normal(loc  = 0 ,scale= 1,size=100)

y2 = np.random.normal(loc = 10,scale= 1.5,size = 100)

y3 = np.random.normal(loc= - 10 ,scale= 1,size = 100)

​

​

plt.plot(y1,linestyle = '--',color = 'green',marker = '+')

plt.plot(y2,linestyle = '-.')

plt.plot(y3,marker = 'v',color = 'cyan')

Out[31]:

[<matplotlib.lines.Line2D at 0x7f713c844d68>]

 

保存图片

figure.savefig的选项

• filename
  含有文件路径的字符串或Python的文件型对象。图像格式由文件扩展名推断得出，例如，.pdf推断出PDF，.png推断出PNG （“png”、“pdf”、“svg”、“ps”、“eps”……）
• dpi
  图像分辨率（每英寸点数），默认为100
• facecolor
  图像的背景色，默认为“w”（白色）

In [32]:

y1 = np.random.normal(loc  = 0 ,scale= 1,size=100)

y2 = np.random.normal(loc = 10,scale= 1.5,size = 100)

y3 = np.random.normal(loc= - 10 ,scale= 1,size = 100)

​

plt.plot(y1,linestyle = '--',color = 'green',marker = '+')

plt.plot(y2,linestyle = '-.')

plt.plot(y3,marker = 'v',color = 'cyan')

​plt.savefig('fig2.jpg',facecolor = 'red',dpi = 100)

 

二、设置plot的风格和样式

plot语句中支持除X,Y以外的参数，以字符串形式存在，来控制颜色、线型、点型等要素，语法形式为：
plt.plot(X, Y, 'format', ...)

点和线的样式

颜色

参数color或c

In [33]:

x  = np.linspace(0,10,100)

plt.plot(x,x,c = 'black')

Out[33]:

[<matplotlib.lines.Line2D at 0x7f713c6f0780>]

 

In [34]:

plt.plot(x,np.sin(x),c = '#100000')

Out[34]:

[<matplotlib.lines.Line2D at 0x7f713c94b2e8>]

 

颜色值的方式

• 别名
  • color='r'

• 合法的HTML颜色名
  • color = 'red'

• HTML十六进制字符串
  • color = '#eeefff'

• 归一化到[0, 1]的RGB元组
  • color = (0.3, 0.3, 0.4)

In [35]:

#ff = 255

#只能使用6位进行表示，红绿蓝

plt.plot(x,x,color = '#887700')

Out[35]:

[<matplotlib.lines.Line2D at 0x7f713aabce48>]

 

In [36]:

#RGB元组，color

plt.plot(x,x,color = (0.1,0.2,0.7))

Out[36]:

[<matplotlib.lines.Line2D at 0x7f713aaa8be0>]

 

透明度

alpha参数

In [37]:

plt.plot(x,x,color = (0.1,0.2,0.7),alpha = 0.5)

Out[37]:

[<matplotlib.lines.Line2D at 0x7f713aa73b70>]

 

背景色

设置背景色，通过plt.subplot()方法传入facecolor参数，来设置坐标轴的背景色

In [38]:

axes = plt.subplot(facecolor = 'green')

​

axes.plot(x,x,'r')

Out[38]:

[<matplotlib.lines.Line2D at 0x7f713a9edcc0>]

 

 

#### 线型

参数linestyle或ls

linestyle可选参数

• solid line style -- dashed line style -. dash-dot line style : dotted line style

In [39]:

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

plt.plot(x,np.sin(x),ls = '-.')

Out[39]:

[<matplotlib.lines.Line2D at 0x7f713a953710>]

 

线宽

linewidth或lw参数

In [48]:

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

plt.plot(x,np.sin(x),linestyle = 'dotted',linewidth = 4)

Out[48]:

[<matplotlib.lines.Line2D at 0x7f713a487ba8>]

 

不同宽度的破折线

dashes参数
设置破折号序列各段的宽度

In [49]:

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

#dashes列表中参数：第一条线长度，间隔，第二条线长度，间隔

plt.plot(x,np.sin(x),dashes = [10,10,3,4,6,2])

Out[49]:

[<matplotlib.lines.Line2D at 0x7f713a49ab38>]

 

点型

marker参数

In [50]:

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

#dashes列表中参数：第一条线长度，间隔，第二条线长度，间隔

plt.plot(x,np.sin(x),dashes = [10,10,3,4,6,2],marker = '3',markersize = 10)

Out[50]:

[<matplotlib.lines.Line2D at 0x7f713a3da128>]

 

In [51]:

x = np.linspace(0,10,20)

#dashes列表中参数：第一条线长度，间隔，第二条线长度，间隔

plt.plot(x,np.sin(x),dashes = [10,10,3,4,6,2],marker = 'p',markersize = 10)

Out[51]:

[<matplotlib.lines.Line2D at 0x7f713a33aba8>]

 

In [52]:

x = np.linspace(0,10,20)

#dashes列表中参数：第一条线长度，间隔，第二条线长度，间隔

plt.plot(x,np.sin(x),dashes = [10,10,3,4,6,2],marker = ',',markersize = 10)

Out[52]:

[<matplotlib.lines.Line2D at 0x7f713a29d080>]

 

In [53]:

x = np.linspace(0,10,20)

#dashes列表中参数：第一条线长度，间隔，第二条线长度，间隔

plt.plot(x,np.sin(x),dashes = [10,10,3,4,6,2],marker = 'o',markersize = 10)

Out[53]:

[<matplotlib.lines.Line2D at 0x7f713a211390>]

 

 

In [54]:

x = np.linspace(0,10,20)

#dashes列表中参数：第一条线长度，间隔，第二条线长度，间隔

plt.plot(x,np.sin(x),dashes = [10,10,3,4,6,2],marker = '_',markersize = 30)

Out[54]:

[<matplotlib.lines.Line2D at 0x7f713a518cf8>]

 

In [55]:

x = np.linspace(0,10,20)

#dashes列表中参数：第一条线长度，间隔，第二条线长度，间隔

plt.plot(x,np.sin(x),dashes = [10,10,3,4,6,2],marker = '^',markersize = 10)

Out[55]:

[<matplotlib.lines.Line2D at 0x7f713a3e2cf8>]

 

多参数连用

颜色、点型、线型

In [56]:

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

#dashes列表中参数：第一条线长度，间隔，第二条线长度，间隔

plt.plot(x,np.sin(x),'r--<')

Out[56]:

[<matplotlib.lines.Line2D at 0x7f713a17d6d8>]

 

更多点和线的设置

 

In [57]:

x = np.arange(0,10,1)

​

plt.plot(x,x,'r-.o',markersize = 10,markeredgecolor = 'green',markerfacecolor = 'purple',markeredgewidth = 5)

Out[57]:

[<matplotlib.lines.Line2D at 0x7f713a694d68>]

 

在一条语句中为多个曲线进行设置

多个曲线同一设置

属性名声明

plt.plot(x1, y1, x2, y2, fmt, ...)

In [58]:

plt.plot(x,x,x,2*x,color = 'r',linestyle = ':')

Out[58]:

[<matplotlib.lines.Line2D at 0x7f713a0ce128>,

 <matplotlib.lines.Line2D at 0x7f713a078780>]

 

多个曲线不同设置

多个都进行设置时，无需声明属性 plt.plot(x1, y1, fmt1, x2, y2, fmt2, ...)

In [ ]:

plt.plot(x,x,'g--o',x,2*x,'r:v')

Out[ ]:

[<matplotlib.lines.Line2D at 0x7fbb6ed977b8>,

 <matplotlib.lines.Line2D at 0x7fbb6ed97940>]

 

In [59]:

plt.plot(x,x,color = 'g',x,2*x,color = 'r')

  File "<ipython-input-59-420939186529>", line 1    plt.plot(x,x,color = 'g',x,2*x,color = 'r')

                            ^SyntaxError: positional argument follows keyword argument

三种设置方式

向方法传入关键字参数

In [60]:

plt.plot(x,x,x,2*x,color = 'r')

Out[60]:

[<matplotlib.lines.Line2D at 0x7f713a0912b0>,

 <matplotlib.lines.Line2D at 0x7f713a05eb00>]

 

对实例使用一系列的setter方法

In [61]:

axes1 = plt.subplot()

 

In [62]:

line1,line2, = plt.plot(x,x,x,2*x)

​

#现在有了具体的对象了，当然就可以进行设置

line1.set_alpha(0.3)

line1.set_ls('--')

​

line2.set_marker('*')

line2.set_markersize(10)

 

使用setp()方法

In [63]:

line1,line2, = plt.plot(x,x,x,2*x)

​

#属性property

plt.setp([line1,line2],linestyle = '--',color = 'r')

Out[63]:

[None, None, None, None]

 

X、Y轴坐标刻度

xticks()和yticks()方法

In [64]:

x = np.linspace(0,10,1000)

plt.plot(x,np.sin(x))

​

plt.yticks([-1,0,1],['min',0,'max'])

​

plt.xticks(np.arange(10),list('abcdefhjik'))

Out[64]:

([<matplotlib.axis.XTick at 0x7f7139ecd748>,

  <matplotlib.axis.XTick at 0x7f7139ecd470>,

  <matplotlib.axis.XTick at 0x7f7139ecd0b8>,

  <matplotlib.axis.XTick at 0x7f7139e7d4a8>,

  <matplotlib.axis.XTick at 0x7f7139e7d940>,

  <matplotlib.axis.XTick at 0x7f7139e7ddd8>,

  <matplotlib.axis.XTick at 0x7f7139e872b0>,

  <matplotlib.axis.XTick at 0x7f7139e87748>,

  <matplotlib.axis.XTick at 0x7f7139e87be0>,

  <matplotlib.axis.XTick at 0x7f7139e8f0b8>],

 [Text(0, 0, 'a'),

  Text(1, 0, 'b'),

  Text(2, 0, 'c'),

  Text(3, 0, 'd'),

  Text(4, 0, 'e'),

  Text(5, 0, 'f'),

  Text(6, 0, 'h'),

  Text(7, 0, 'j'),

  Text(8, 0, 'i'),

  Text(9, 0, 'k')])

 

面向对象方法

set_xticks、set_yticks、set_xticklabels、set_yticklabels方法

In [65]:

x = np.linspace(0,10,1000)

axes = plt.subplot()

​

axes.plot(x,np.sin(x))

​

#设置对象的属性(刻度值、标签)

axes.set_yticks([-1,0,1])

axes.set_yticklabels(['min',0,'max'])

Out[65]:

[Text(0, -1, 'min'), Text(0, 0, '0'), Text(0, 1, 'max')]

 

正弦余弦

LaTex语法，用ππ等表达式在图表上写上希腊字母

In [66]:

np.arange(0,12,np.pi/2)

Out[66]:

array([ 0.        ,  1.57079633,  3.14159265,  4.71238898,  6.28318531,

        7.85398163,  9.42477796, 10.99557429])

In [67]:

np.linspace(0,2*np.pi,5)

Out[67]:

array([0.        , 1.57079633, 3.14159265, 4.71238898, 6.28318531])

In [68]:

x = np.linspace(0,2*np.pi,1000)

plt.plot(x,np.sin(x),x,np.cos(x))

​

plt.yticks(np.arange(-1,2),['min',0,'max'])

​

plt.xticks(np.linspace(0,2*np.pi,5),[0,'$\sigma/2$','$\delta$','$3\pi/2$','$2\pi$'],size = 20)

Out[68]:

([<matplotlib.axis.XTick at 0x7f7139e080b8>,

  <matplotlib.axis.XTick at 0x7f7139e05c50>,

  <matplotlib.axis.XTick at 0x7f7139e05898>,

  <matplotlib.axis.XTick at 0x7f7139db90f0>,

  <matplotlib.axis.XTick at 0x7f7139db9588>],

 [Text(0.0, 0, '0'),

  Text(1.5707963267948966, 0, '$\\sigma/2$'),

  Text(3.141592653589793, 0, '$\\delta$'),

  Text(4.71238898038469, 0, '$3\\pi/2$'),

  Text(6.283185307179586, 0, '$2\\pi$')])

 

三、2D图形

直方图

【直方图的参数只有一个x！！！不像条形图需要传入x,y】

hist()的参数

• bins
  可以是一个bin数量的整数值，也可以是表示bin的一个序列。默认值为10
• density
  如果值为True，直方图的值将进行归一化处理，形成概率密度，默认值为False
• color
  指定直方图的颜色。可以是单一颜色值或颜色的序列。如果指定了多个数据集合，颜色序列将会设置为相同的顺序。如果未指定，将会使用一个默认的线条颜色
• orientation
  通过设置orientation为horizontal创建水平直方图。默认值为vertical

In [77]:

x = np.random.randint(0,10,10)

x

Out[77]:

array([3, 8, 1, 4, 9, 2, 3, 6, 9, 6])

In [78]:

plt.hist(x,density=True)

Out[78]:

(array([0.125, 0.125, 0.25 , 0.125, 0.   , 0.   , 0.25 , 0.   , 0.125,

        0.25 ]),

 array([1. , 1.8, 2.6, 3.4, 4.2, 5. , 5.8, 6.6, 7.4, 8.2, 9. ]),

 <BarContainer object of 10 artists>)

 

条形图

【条形图有两个参数x,y！】

bar()、barh()

In [79]:

x = [1,2,3,5,6]

y = [4,7,9,2,10]

plt.bar(x,y,width = 0.2)

Out[79]:

<BarContainer object of 5 artists>

 

水平条形图

barh()

In [80]:

plt.barh(x,y)

Out[80]:

<BarContainer object of 5 artists>

 

饼图

【饼图也只有一个参数x！】

pie()
饼图适合展示各部分占总体的比例，条形图适合比较各部分的大小

普通各部分占满饼图

In [81]:

x = [0.3,0.4,0.3]

plt.pie(x,labels = ['Dog','Cat','Orther'])

plt.axis('equal')

plt.show()

 

普通未占满饼图

In [82]:

x = [0.3,0.4,0.25]

plt.pie(x,labels = ['A','B','C'])

plt.axis('equal')

plt.show()

/usr/local/lib/python3.7/dist-packages/ipykernel_launcher.py:2: MatplotlibDeprecationWarning: normalize=None does not normalize if the sum is less than 1 but this behavior is deprecated since 3.3 until two minor releases later. After the deprecation period the default value will be normalize=True. To prevent normalization pass normalize=False 

 

饼图阴影、分裂等属性设置

#labels参数设置每一块的标签；labeldistance参数设置标签距离圆心的距离（比例值）

#autopct参数设置比例值的显示格式(%1.1f%%)；pctdistance参数设置比例值文字距离圆心的距离

#explode参数设置每一块顶点距圆形的长度（比例值）；colors参数设置每一块的颜色；

#shadow参数为布尔值，设置是否绘制阴影

In [83]:

x = [0.2,0.15,0.15,0.1,0.1,0.2,0.1]

labels = ['USA','China','Europe','Japan','Russia','UK','India']

plt.pie(x,labels = labels,labeldistance=1.3,autopct = '%1.2f%%',pctdistance=0.8,

        explode =[0,0,0.2,0.1,0.3,0,0],shadow = True,startangle =0)

plt.axis('equal')

plt.show()

 

startangle设置旋转角度

散点图

【散点图需要两个参数x,y，但此时x不是表示x轴的刻度，而是每个点的横坐标！】

scatter()

In [84]:

s = np.random.normal(loc = 35,scale= 50,size = 1000)

s

Out[84]:

array([  80.57394296,  -43.56574953,   -9.97268372,   47.13484284,

        ......

        -12.02232651,  -28.62345139,   49.74371119,  -42.30824974,

         -2.02534908,    5.71458714,   97.39618762,   34.11035012,

        -17.27104914,   42.86930113,  -17.16743251,    9.44454005])

In [85]:

x = np.random.randn(1000)

​y = np.random.randn(1000)

​colors = np.random.rand(3000).reshape(1000,3)

​plt.scatter(x,y,s = s,color = colors,marker = 'd')

/home/ccoy/.local/lib/python3.7/site-packages/matplotlib/collections.py:922: RuntimeWarning: invalid value encountered in sqrt

  scale = np.sqrt(self._sizes) * dpi / 72.0 * self._factor

Out[85]:

<matplotlib.collections.PathCollection at 0x7f71396e34e0>

 

四、图形内的文字、注释、箭头(自学)

控制文字属性的方法:

所有的方法会返回一个matplotlib.text.Text对象

图形内的文字

text()

使用figtext()

In [86]:

x = np.linspace(0,2*np.pi,1000)

​plt.plot(x,np.sin(x))

​#调用方法text 坐标是绝对值

plt.text(s = 'sin(0) = 0',x = 0.2,y = 0)

plt.text(s = "sin($\pi$) = 0",x = 3.14,y = 0)

plt.figtext(s = "sin($3\pi/2$) = -1",x = 0.65,y = 0.2)

Out[86]:

Text(0.65, 0.2, 'sin($3\\pi/2$) = -1')

 

注释

annotate()
xy参数设置箭头指示的位置，xytext参数设置注释文字的位置
arrowprops参数以字典的形式设置箭头的样式
width参数设置箭头长方形部分的宽度，headlength参数设置箭头尖端的长度，
headwidth参数设置箭头尖端底部的宽度，
facecolor设置箭头颜色
shrink参数设置箭头顶点、尾部与指示点、注释文字的距离（比例值）

In [87]:

import numpy as np

import matplotlib.pyplot as plt

%matplotlib inline

练习
三个随机正太分布数据

设置图例
bbox_to_anchor,ncol mode,borderaxespad
设置注解 arrowstyle

In [88]:

x1 = np.random.normal(loc = 35,scale= 1,size = 100)

​x2 = np.random.normal(loc = 15,scale= 1 ,size = 100)

​x3 = np.random.normal(loc= 0,scale= 5,size = 100)

​plt.plot(x1)

plt.plot(x2)

plt.plot(x3)

​plt.legend(['first','second','third'],

           bbox_to_anchor =[0,1,1,0],

           ncol = 3,mode = 'expand')

​#添加注释

# plt.annotate('this line is important',

#              xy = (55,13),

#              xytext = (10,30),arrowprops = {'arrowstyle' : '<-'})

​

​# width        the width of the arrow in points

#     headwidth    the width of the base of the arrow head in points

#     headlength   the length of the arrow head in points

#     shrink 

plt.annotate('this line is important',

             xy = (55,13),

             xytext = (10,30),arrowprops = {'width':5,'headwidth':10,'headlength':10,'shrink':0.1})

Out[88]:

Text(10, 30, 'this line is important')

 

箭头

箭头的样式，没必要记

In [89]:

plt.figure(figsize=(12,9))

plt.axis([0, 10, 0, 20]);

arrstyles = ['-', '->', '-[', '<-', '<->', 'fancy', 'simple', 'wedge']

for i, style in enumerate(arrstyles):

    plt.annotate(style, xytext=(1, 2+2*i), xy=(4, 1+2*i), arrowprops=dict(arrowstyle=style));

​

connstyles=["arc", "arc,angleA=10,armA=30,rad=30", "arc3,rad=.2", "arc3,rad=-.2", "angle", "angle3"]

for i, style in enumerate(connstyles):

    plt.annotate(style, xytext=(6, 2+2*i), xy=(8, 1+2*i), arrowprops=dict(arrowstyle='->', connectionstyle=style));

plt.show()

 

五、3D图(自学)

曲面图

 

导包
from mpl_toolkits.mplot3d.axes3d import Axes3D

In [90]:

from mpl_toolkits.mplot3d.axes3d import Axes3D

生成数据

In [91]:

x = np.linspace(0,2*np.pi,100)

y = np.linspace(0,7,100)

​

#x,y一条线，绘制面，numpy提供方法，可以将，x，y转变成面

​

X,Y = np.meshgrid(x,y)

​

Z = 0.7*X + 2 - np.sin(Y) + 2*np.cos(3 - X)

​

plt.figure(figsize=(14,9))

​

axes1 = plt.subplot(1,2,1,projection = '3d')

​

axes1.plot_surface(X,Y,Z)

​

axes2 = plt.subplot(1,2,2,projection = '3d')

​

axes2.set_xlabel('X')

axes2.set_ylabel('Y')

axes2.set_zlabel('Z')

​

axes2.set_xticks(np.linspace(0,2*np.pi,5))

axes2.set_xticklabels(list('abcde'))

​

#p 3维图形，

p = axes2.plot_surface(X,Y,Z,cmap = 'autumn')

​

plt.colorbar(p,shrink = 0.5)

Out[91]:

<matplotlib.colorbar.Colorbar at 0x7f71395359b0>

 

In [92]:

fig = plt.figure(figsize=(14,6))

​

#创建3d的视图，使用属性projection

ax = fig.add_subplot(1, 2, 1, projection='3d')

​

ax.plot_surface(X,Y,Z,rstride = 15,cstride = 5)

​

#创建3d视图，使用colorbar，添加颜色柱

ax = fig.add_subplot(1, 2, 2, projection='3d')

p = ax.plot_surface(X, Y, Z, rstride=5, cstride=5, cmap='rainbow', antialiased=True)

cb = fig.colorbar(p, shrink=0.5)

 

In [93]:

plt.plot(x,y)

Out[93]:

[<matplotlib.lines.Line2D at 0x7f713942c9b0>]

 

In [94]:

X

Out[94]:

array([[0.        , 0.06346652, 0.12693304, ..., 6.15625227, 6.21971879,

        6.28318531],

       [0.        , 0.06346652, 0.12693304, ..., 6.15625227, 6.21971879,

        6.28318531],

       [0.        , 0.06346652, 0.12693304, ..., 6.15625227, 6.21971879,

        6.28318531],

       ...,

       [0.        , 0.06346652, 0.12693304, ..., 6.15625227, 6.21971879,

        6.28318531],

       [0.        , 0.06346652, 0.12693304, ..., 6.15625227, 6.21971879,

        6.28318531],

       [0.        , 0.06346652, 0.12693304, ..., 6.15625227, 6.21971879,

        6.28318531]])

In [95]:

a = np.array([1,2,6])

b = np.array([3,7,9,0])

A,B = np.meshgrid(a,b)

display(A,B)

array([[1, 2, 6],

       [1, 2, 6],

       [1, 2, 6],

       [1, 2, 6]])

array([[3, 3, 3],

       [7, 7, 7],

       [9, 9, 9],

       [0, 0, 0]])

绘制图形

玫瑰图/极坐标条形图(自学)

 

In [96]:

x = np.random.randint(0,10,size = 10)

y = np.random.randint(10,20,size = 10)

​

plt.bar(x,y,width = 0.5)

Out[96]:

<BarContainer object of 10 artists>

 

创建极坐标条形图

使用np.histogram计算一组数据的直方图

In [97]:

wind = np.load('Ravenna_wind.npy')

wind.shape

Out[97]:

(66,)

In [98]:

wind

Out[98]

       159.5   , 100.    ,  80.    ,  90.    ,  80.    ,  80.    ,

        90.    ,  90.    ,  90.    ,  97.    ,  89.    ,  88.0147,

       107.004 , 107.004 , 132.503 , 132.503 , 132.503 , 251.    ])

In [99]:

 np.arange(0,360,45)

Out[99]:

array([  0,  45,  90, 135, 180, 225, 270, 315])

In [100]:

#绘制玫瑰图，极坐标图，360 ：东南西北，东北，西北，西南，东南

​

#66 个数据分成八份

#range 指明范围，最大值，最小值

degree,ranges = np.histogram(wind,bins = 8,range = [0,360])

In [101]:

degree

Out[101]:

array([ 5, 12, 24,  9, 11,  4,  0,  1])

In [102]:

ranges

Out[102]:

array([  0.,  45.,  90., 135., 180., 225., 270., 315., 360.])

In [103]:

#使用玫瑰图显示数据

ranges = np.arange(0,2*np.pi,2*np.pi/8)

​

# axes(rect, facecolor='w')`` where *rect* = [left, bottom, width,

#   height]

# plt.figure(figsize=(10,10))

plt.axes([0,0,1.5,1.5],polar = True,facecolor = 'green')

​

colors = np.random.rand(8,3)

​

plt.bar(ranges,degree,color = colors,width = 2*np.pi/8)

Out[103]:

<BarContainer object of 8 artists>

 

仅供参考学习，严禁转载！