Python----matplotlib库_python matplotlib库

目录

plt库的字体：

plt的操作绘图函数：

plt.figure(figsize=None, facecolor=None):

plt.subplot(nrows, ncols, plot_number)：

plt.axes(rect)：

plt.subplots_adjust():

plt的读取和显示相关函数：

plt库的基础图表函数：

plt库的坐标轴：

plt库的区域填充函数

举例：

阻尼衰减曲线坐标图：

霍兰德人格分析雷达图:

---

matplotlib 是提供数据绘图功能的第三方库，其pyplot 子库主要用于实现各种数据展示的图
形绘制。

import matplotlib.pyplot as plt

plt库的字体：

为了正确显示中文字体，要做如下设置：

>>> import matplotlib.pyplot as plt
>>> plt.rcParams['font.sans-serif']=['SimHei'] #黑体
>>> plt.rcParams['axes.unicode_minus']=False # 正常显示负号

plt的操作绘图函数：

plt 子库提供了一批操作和绘图函数，每个函数代表对图像进行的一个操作，比如创建绘图区域、添加标注或者修改坐标轴等。这些函数采用plt.<b>0形式调用，其中<b>是具体函数名称。

plt.figure(figsize=None, facecolor=None):

使用figure(函数创建一个全局绘图区域，并且使它成为当前的绘图对象，figsize参数可以指定绘图区域的宽度和高度，单位为英寸。

import matplotlib.pyplot as plt
 
# 创建一个宽度为8英寸，高度为6英寸的图形，并将背景色设置为白色
fig = plt.figure(figsize=(8, 6), facecolor='w')
 
# 绘制一个简单的图表
plt.plot([1, 2, 3, 4], [1, 4, 2, 3])
 
# 显示图表
plt.show()

结果：

plt.subplot(nrows, ncols, plot_number)：

subplot都用于在全局绘图区域内创建子绘图区域，subplot是在绘图中创建多个图表的一种方法。它允许将多个图表组织在一个大的图表中，以便在同一个图像中进行比较和可视化不同的数据。

import matplotlib.pyplot as plt
 
# 创建一个2x2的图像，并将第一个子图放置在左上角
plt.subplot(2, 2, 1)
plt.plot([1, 2, 3, 4], [1, 4, 9, 16])
plt.title('Subplot 1')
 
# 创建第二个子图，放置在右上角
plt.subplot(2, 2, 2)
plt.plot([1, 2, 3, 4], [1, 8, 27, 64])
plt.title('Subplot 2')
 
# 创建第三个子图，放置在左下角
plt.subplot(2, 2, 3)
plt.plot([1, 2, 3, 4], [1, 2, 3, 4])
plt.title('Subplot 3')
 
# 创建第四个子图，放置在右下角
plt.subplot(2, 2, 4)
plt.plot([1, 2, 3, 4], [1, 3, 5, 7])
plt.title('Subplot 4')
 
# 调整子图之间的间距
plt.tight_layout()
 
# 显示图像
plt.show()

plt.axes(rect)：

axes0默认创建一个subplot(111)坐标系，参数rec = [left,bottom,width,height]中四个变量的范围都为[0,1]，表示坐标系与全局绘图区域的关系。

import matplotlib.pyplot as plt
 
# 创建一个10x10的图像
plt.figure(figsize=(10, 10))
 
# 创建一个左边界为0.1，底边界为0.2，宽度为0.8，高度为0.6的轴
ax = plt.axes([0.1, 0.2, 0.8, 0.6])
 
# 在轴上绘制一条直线
ax.plot([0, 1], [0, 1])
 
# 设置轴的标题和标签
ax.set_title('Custom Axes')
ax.set_xlabel('X')
ax.set_ylabel('Y')
 
# 显示图像
plt.show()

plt.subplots_adjust():

在使用plt.subplots()创建多个子图时，子图默认是紧密排列的，可能会导致子图之间的重叠或者不美观。而plt.subplots_adjust()函数可以通过调整一些参数来改变子图的间距。

参数如下：

left：子图左边缘与画布左边缘之间的距离。
right：子图右边缘与画布右边缘之间的距离。
bottom：子图底边缘与画布底边缘之间的距离。
top：子图顶边缘与画布顶边缘之间的距离。
wspace：子图之间的水平间距。
hspace：子图之间的垂直间距。

以下例子调整了两个子图之间的间距为0.5,即为原来的一倍

import matplotlib.pyplot as plt
 
# 创建两个子图
fig, (ax1, ax2) = plt.subplots(2, 1)
 
# 绘制第一个子图
ax1.plot([1, 2, 3], [4, 5, 6])
ax1.set_title('Subplot 1')
 
# 绘制第二个子图
ax2.plot([1, 2, 3], [6, 5, 4])
ax2.set_title('Subplot 2')
 
# 调整子图间距
plt.subplots_adjust(hspace=0.5)
 
# 显示图形
plt.show()

效果如下:

没有调整之前：

plt的读取和显示相关函数：

plt子库提供了一组读取和显示相关的函数，用于在绘图区域中增加显示内容及读入数据，如下表所示，这些函数需要与其他函数搭配使用。

plt库的基础图表函数：

plot()函数是用于绘制直线的最基础函数:
其常用参数如下：

•x, y：要绘制的数据点的x和y坐标。可以是列表、数组或者Series对象。
•color：曲线的颜色，可以是字符串表示的颜色名称（例如'red'、'blue'）或者RGB值（例如(0.1, 0.2, 0.3)）。
•linestyle：曲线的线型，可以是字符串（例如'-'、'--'、':'、'-.'等）或者自定义的虚线样式（例如(0, (5, 10))表示5个像素的实线，10个像素的空白）。
•linewidth：曲线的线宽，可以是一个浮点数。
•marker：数据点的标记样式，可以是字符串（例如'.'、'o'、's'等）或者Matplotlib支持的标记样式字符。
•markersize：数据点标记的大小，可以是一个整数。
•label：曲线的标签，用于图例中的显示。
•alpha：曲线的透明度，可以是一个0到1之间的浮点数，0表示完全透明，1表示完全不透明。
•linestyle、linewidth、marker、markersize、label等参数还可以通过关键字参数的形式传递给plot()函数。

举例：

import numpy as np
import matplotlib.pyplot as plt
 
# 生成 x 取值范围为 [0, 2π] 的等差数列
x = np.linspace(0, 2*np.pi, 50)
 
# 计算 sin(x) 和 cos(x) 的值
y_sin = np.sin(x)
y_cos = np.cos(x)
 
# 绘制正弦曲线和余弦曲线
plt.plot(x, y_sin, label='sin(x)', color='blue', linewidth=2)
plt.plot(x, y_cos, label='cos(x)', color='red', linewidth=2)
 
# 添加图例，设置标题和坐标轴标签
plt.legend()
plt.title('Sine and Cosine Curves')
plt.xlabel('x')
plt.ylabel('y')
 
# 显示图形
plt.show()

结果

带有公式的显示可以用$ $，即$y=\sin(x)$

import numpy as np
import matplotlib.pyplot as plt
 
x = np.linspace(0, 2*np.pi, 50)
y = np.sin(x)
 
plt.plot(x, y, label=r'$y=\sin(x)$')
plt.legend()
plt.xlabel('x')
plt.ylabel('y')
 
plt.show()

marker的使用：

import numpy as np
import matplotlib.pyplot as plt
 
# 创建一个包含10个元素的随机数数组
x = np.arange(10)
y = np.random.randn(10)
 
# 绘制折线图，并使用不同的标记样式
plt.plot(x, y, marker='o', label='Circle')  # 使用圆形标记
plt.plot(x, y+1, marker='s', label='Square')  # 使用正方形标记
plt.plot(x, y+2, marker='*', label='Star')  # 使用星号标记
plt.plot(x, y+3, marker='^', label='Triangle')  # 使用正三角形标记
 
plt.legend()  # 显示图例
plt.xlabel('x')
plt.ylabel('y')
 
plt.show()

plt库的坐标轴：

plt 库有两个坐标体系，图像坐标和数据坐标

图像坐标将图像所在区域左下角视为原点，将x 方向和y方向长度设定为1。整体绘图区域有一个图像坐标，每个axes0和subplot0函数产生的子图也有属于自己的图像坐标。axes()函数参数rect 指当前产生的子区域相对于整个绘图区域的图像坐标。

数据坐标以当前绘图区域的坐标轴为参考，显示每个数据点的相对位置，这与坐标系里面标记数据点一致。

坐标轴设置函数：

举例：

>>> plt.plot([1,2,4],[1,2,3]) #表示在坐标点(1, 1), (2, 2), (4, 3)之间绘制一条折线
>>> plt.axis() #获得当前坐标轴范围
(1.0, 4.0, 1.0, 3.0)
>>> plt.axis([0,5,0,8]) #4个变量分别是[xmin,xmax,ymin,ymax]

自动缩放轴视图数据 

import matplotlib.pyplot as plt
 
x = [1, 2, 3, 4, 5]
y = [1, 4, 9, 16, 25]
 
plt.plot(x, y)
plt.autoscale()
 
plt.show()

标签设置函数：

举例

import matplotlib.pyplot as plt
import matplotlib
matplotlib.rcParams['font.family'] = 'sans-serif'
matplotlib.rcParams['font.sans-serif'] = ['SimHei']
plt.plot([1,2,4],[1,2,3])
plt.title('坐标系标题')
plt.xlabel('时间(s)')
plt.ylabel('范围(m)')
#r表示这是一个原始字符串，\pi表示Π
plt.xticks([1,2,3,4,5],[r'$\pi/3$',r'$2\pi/3$',r'$\pi$',\
                        r'$4\pi/3$',r'$5\pi/3$'])#设置x轴刻度，启用了latex绘制数学表达式
plt.show()

plt库的区域填充函数

import matplotlib.pyplot as plt
import numpy as np
x = np.linspace(0,10,100)
y = np.cos(2*np.pi*x)*np.exp(-x)+0.8
plt.plot(x,y,color='r',label="$exp-decay$",linewidth=3)
plt.axis([0,6,0,1.8])
ix = (x>0.8) & (x<3)
plt.fill_between(x,y,0,where=ix,
                 facecolor='grey',alpha=0.25)
plt.text(0.5*(0.8+3), 0.2, r"$\int_a^b f(x)\mathrm{d}x$",
         horizontalalignment='center')
plt.legend()
plt.show()

举例：

阻尼衰减曲线坐标图：

import numpy as np
import matplotlib.pyplot as plt
import matplotlib
matplotlib.rcParams['font.family']='SimHei'
matplotlib.rcParams['font.sans-serif'] = ['SimHei']
def Draw(pcolor, nt_point, nt_text, nt_size):
    plt.plot(x, y, 'k', label="$exp_decay$", color=pcolor, linewidth=3, linestyle="-")
    plt.plot(x, z, "b--", label="$cos(x^2)$", linewidth=1)
    plt.xlabel('时间(s)')
    plt.ylabel('幅度(mV)')
    plt.title("阻尼衰减曲线绘制")
    plt.annotate('$\cos(2 \pi t) \exp(-t)$', xy=nt_point, xytext=nt_text, fontsize=nt_size,\
               arrowprops=dict(arrowstyle='->', connectionstyle="arc3,rad=.1"))
def Shadow(a, b):
    ix = (x>a) & (x<b)
    plt.fill_between(x,y,0,where=ix,facecolor='grey', alpha=0.25)
    plt.text(0.5 * (a + b), 0.2, "$\int_a^b f(x)\mathrm{d}x$", \
             horizontalalignment='center')
def XY_Axis(x_start, x_end, y_start, y_end):
    plt.xlim(x_start, x_end)
    plt.ylim(y_start, y_end)
    plt.xticks([np.pi/3, 2 * np.pi/3, 1 * np.pi, 4 * np.pi/3, 5 * np.pi/3], \
               ['$\pi/3$', '$2\pi/3$', '$\pi$', '$4\pi/3$', '$5\pi/3$'])
x = np.linspace(0.0, 6.0, 100)
y = np.cos(2 * np.pi * x) * np.exp(-x)+0.8
z = 0.5 * np.cos(x ** 2)+0.8
note_point,note_text,note_size = (1, np.cos(2 * np.pi) * np.exp(-1)+0.8),(1, 1.4), 14
fig = plt.figure(figsize=(8, 6), facecolor="white")
plt.subplot(111)
Draw("red", note_point, note_text, note_size)
XY_Axis(0, 5, 0, 1.8)
Shadow(0.8, 3)
plt.legend()
plt.savefig('sample.JPG')
plt.show()

霍兰德人格分析雷达图:

# -- coding: utf-8 --
import numpy as np
import matplotlib.pyplot as plt
# 如果需要使用中文标签，还需添加以下代码
plt.rcParams['font.sans-serif'] = ['SimHei']  # 指定默认字体为中文黑体
# 数据
data = [[0.40, 0.32, 0.35, 0.30, 0.30, 0.88],
        [0.85, 0.75, 0.30, 0.25, 0.20, 0.40],
        [0.43, 0.89, 0.30, 0.28, 0.22, 0.30],
        [0.20, 0.30, 0.85, 0.45, 0.32, 0.25],
        [0.19, 0.22, 0.40, 0.90, 0.92, 0.28],
        [0.62, 0.55, 0.27, 0.25, 0.35, 0.30]]
 
# 角度（弧度）
angles = np.linspace(0, 2*np.pi, 6, endpoint=False)
 
# 重复第一个角度以使图像闭合
angles = np.concatenate((angles, [angles[0]]))
 
# 职业
occupations = ['工程师', '实验员', '艺术家', '推销员', '记事员', '社会工作者', '技术员']
 
# 绘图
fig = plt.figure()
ax = fig.add_subplot(111, polar=True)
for i in range(len(data)):
    # 绘制折线图
    ax.plot(angles, data[i]+data[i][:1], 'o-', linewidth=2, label=occupations[i])
    # 填充颜色
    ax.fill(angles, data[i]+data[i][:1], alpha=0.25)
# 添加坐标轴标签
ax.set_thetagrids(angles*180/np.pi, occupations)
# 添加标题
plt.title('Holland Personality Analysis', fontsize=20)
# 添加图例
plt.legend(loc='best')
# 显示图形
plt.show()