文章目录

前言一、图形绘制二、坐标轴刻度、标签、标题1.寻找字体2.设置三、图例四、脊柱移动五、风格样式-颜色、线形、点形、线宽、透明度2.更多属性设置六、多图布局1.子视图2.视图嵌套3.多图布局4.不平均分布7、双轴显示总结

前言

python学习笔记—matplotlib day8（仅供学习使用）

软件的安装

pip3 install matplotlib -i https://pypi.tuna./simple

介绍：在数据分析与机器学习中，我们经常要用到大量的可视化操作。一张制作精美的数据图片，可以展示大量的信息，一图顶千言。

而在可视化中，Matplotlib算得上是最常用的工具。Matplotlib 是 python 最著名的绘图库，它提供了一整套 API，十分适合绘制图表，或修改图表的一些属性，如字体、标签、范围等。

Matplotlib 是一个 Python 的 2D 绘图库，它交互式环境生成出版质量级别的图形。通过 Matplotlib这个标准类库，开发者只需要几行代码就可以实现生成绘图，折线图、散点图、柱状图、饼图、直方图、

组合图等数据分析可视化图表。

一、图形绘制

import numpy as npimport matplotlib.pyplot as pltx = np.linspace(0,2 * np.pi,100)# 说明：正弦波。x：NumPy数组# 所有的数据，进行正弦计算y = np.sin(x)plt.plot(x,y)#这里绘制的图是默认的，以下代码是进行图片美化plt.xlim(-1,10)#x的坐标轴范围plt.ylim(-1.5,1.5)#y轴的范围plt.grid(color = 'green',alpha = 0.5,linestyle = '--',linewidth = 1)#grid指网格线，alpha透明度，linestyle指虚线，linewidth虚线宽度

二、坐标轴刻度、标签、标题

1.寻找字体

from matplotlib import font_managerfm = font_manager.FontManager()[font.name for font in fm.ttflist] # 列表生成式

可使用command+f进行搜索字体：（如图所示共有五种楷体 ）

2.设置

plt.figure(figsize=(9,6))#调整图片尺寸plt.plot(x,y)# 设置字体plt.rcParams['font.family'] = 'Adobe Kaiti Std'#设置字体大小plt.rcParams['font.size'] = 28# 设置数字负号（等于false时表示负号可以正常展示）plt.rcParams['axes.unicode_minus'] = Falseplt.title('正弦波',fontsize = 18,color = 'red',pad = 20)plt.xlabel('X')#x轴标签plt.ylabel('f(x) = sin(x)',rotation = 0,horizontalalignment = 'right')#rotation，fx旋转a = plt.yticks([-1,0,1])#y轴刻度#设置x轴刻度_ = plt.xticks([0,np.pi/2,np.pi,1.5*np.pi,2*np.pi],[0,r'$\frac{\pi}{2}$',r'$\pi$',r'$\frac{3\pi}{2}$',r'$2\pi$'],color = 'red')# 字符串前面+r表示转义，$pi$=希腊字母的pi#frac表示分号，前面的大括号表示分子，后面的大括号表示分母。

三、图例

import numpy as npimport matplotlib.pyplot as plt# 1、图形绘制x = np.linspace(0,2*np.pi) # x轴# y轴y = np.sin(x) # 正弦# 绘制线形图# 调整尺寸plt.figure(figsize=(9,6))plt.plot(x,y)plt.plot(x,np.cos(x)) # 余弦波plt.plot(x,np.sin(x) + np.cos(x))# 2、图例plt.legend(['Sin','Cos','Sin + Cos'],fontsize = 18,loc = 'center',ncol = 3,bbox_to_anchor = (0,1,1,0.2)) # x,y,widht,height#坐标轴左下角表示（0，0）右上角表示（1，1）

四、脊柱移动

import numpy as npimport matplotlib.pyplot as pltx = np.linspace(-np.pi,np.pi,50)plt.rcParams['axes.unicode_minus'] = Falseplt.figure(figsize=(9,6),facecolor='green')#这里的颜色是图形边框的颜色设置。# plot绘制了两个图形，x-y成对出现，可以！！！plt.plot(x,np.sin(x),x,np.cos(x),color = 'cyan')#这里的颜色设置是sin，cos线的颜色。# 获取当前子视图ax = plt.gca() # 获取当前视图ax.set_facecolor(np.random.rand(3))#这里设置的是背景填充颜色。# 右边和上面脊柱消失ax.spines['right'].set_color('white') # 白色ax.spines['top'].set_color('#FFFFFF') # rgb白色# ax.spines['right'].set_alpha(0)# ax.spines['top'].set_alpha(0)# # 设置下面左边脊柱位置，data表示数据，axes表示相对位置0~1ax.spines['bottom'].set_position(('data',0)) # 中间，竖直中间ax.spines['left'].set_position(('data',0)) # 水平中间plt.yticks([-1,0,1],labels=['-1','0','1'],fontsize = 18)_ = plt.xticks([-np.pi,-np.pi/2,np.pi/2,np.pi],labels=[r'$-\pi$',r'$-\frac{\pi}{2}$',r'$\frac{\pi}{2}$',r'$\pi$'],fontsize = 18)plt.grid()#背景网格位置。plt.savefig('./2.pdf',dpi = 300)#dpi表示像素，分辨率

寻找颜色：

plt.colormaps()

五、风格样式-颜色、线形、点形、线宽、透明度

import numpy as npimport matplotlib.pyplot as pltx = np.linspace(0,2*np.pi,20) # 等差数列，20个y1 = np.sin(x)y2 = np.cos(x)# 设置颜色，线型，点型plt.plot(x,y1,color = 'indigo',ls = '-.',marker = 'p')# rgb颜色表示 256 0 ~ 255 # 0 、1、2……A、B、C、D、E、F#marker=o就是线上的点点 p是五边形plt.plot(x,y2,color = '#FF00EE',ls = '--',marker = 'o')# 0 ~ 1之间plt.plot(x,y1 + y2,color = (0.2,0.7,0.2),marker = '*',ls = ':')plt.plot(x,y1 + 2*y2,linewidth = 5,alpha = 0.3,color = 'orange') # 线宽、透明度# b --- blue o marker圆圈， --虚线# 参数连用plt.plot(x,2*y1 - y2,'bo--')

2.更多属性设置

import numpy as npimport pandas as pddef f(x):return np.exp(-x) * np.cos(2*np.pi*x)x = np.linspace(0,5,50)plt.figure(figsize=(9,6))# plot 参数plt.plot(x,f(x),color = 'purple',marker = 'o', # markerls = '--', # 样式lw = 2, # 线宽alpha = 0.6,#透明度markerfacecolor = 'red',# 点颜色markersize = 10,# 点大小markeredgecolor = 'green',#点边缘颜色markeredgewidth = 3)#点边缘宽度plt.xticks(size = 18) # 设置刻度大小_ = plt.yticks(size = 18)

六、多图布局

1.子视图

import numpy as npimport matplotlib.pyplot as pltx = np.linspace(0,2*np.pi)plt.figure(figsize=(9,6))# 创建子视图# 2行，1列，1第一个图ax = plt.subplot(2,1,1)ax.plot(x,np.sin(x))# 后面这个2就是编号，从1，开始# 1,2,3,4# 5,6,7,8# 9,10,11,12ax = plt.subplot(2,1,2) # 2行，1列，第二个视图ax.plot(x, np.cos(x))

fig,axes = plt.subplots(2,2) # 四个图# 索引，0开始axes[0,0].plot(x,np.sin(x),color = 'red')axes[0,1].plot(x,np.sin(x),color = 'green')axes[1,0].plot(x,np.cos(x),color = 'purple')axes[1,1].plot(x,np.cos(x))

import numpy as npimport matplotlib.pyplot as pltx = np.linspace(-np.pi,np.pi,20)y = np.sin(x)# 子视图1plt.figure(figsize=(9,6))ax = plt.subplot(221) # 两行两列第一个子视图ax.plot(x,y,color = 'red')ax.set_facecolor('green') # 调用子视图设置方法，设置子视图整体属性# 子视图2ax = plt.subplot(2,2,2) # 两行两列第二个子视图line, = ax.plot(x,-y) # 返回绘制对象,列表中只有一个数据，取出来lineline.set_marker('*') # 调用对象设置方法，设置属性line.set_markerfacecolor('red')line.set_markeredgecolor('green')line.set_markersize(10)# 子视图3ax = plt.subplot(2,1,2) # 两行一列第二行视图plt.sca(ax) # 设置当前视图x = np.linspace(-np.pi,np.pi,200)# 直接调用pltplt.plot(x,np.sin(x*x),color = 'red')

2.视图嵌套

import numpy as npimport matplotlib.pyplot as pltx = np.linspace(-np.pi,np.pi,25)y = np.sin(x)fig = plt.figure(figsize=(9,6)) # 创建视图plt.plot(x,y)# 嵌套方式一，axes轴域（横纵坐标范围），子视图# x,y,width,heightax = plt.axes([0.2,0.55,0.3,0.3]) # 参数含义[left, bottom, width, height]ax.plot(x,y,color = 'g')# 嵌套方式二# 具体对象，添加子视图ax = fig.add_axes([0.55,0.2,0.3,0.3]) # 使用视图对象添加子视图ax.plot(x,y,color = 'r')

3.多图布局

import numpy as npimport matplotlib.pyplot as pltx = np.linspace(0,2*np.pi)# sharex:所有小图共享x轴 sharey:表示所有小图共享y轴 坐标轴以所有小图中范围最大的进行显示fig, ((ax11,ax12,ax13), (ax21,ax22,ax23),(ax31,ax32,ax33)) = plt.subplots(3, 3)# 也可通过plt.subplot() 一个个添加子视图fig.set_figwidth(9)fig.set_figheight(6)ax11.plot(x,np.sin(x))ax12.plot(x,np.cos(x))ax13.plot(x,np.tanh(x))ax21.plot(x,np.tan(x))ax22.plot(x,np.cosh(x))ax23.plot(x,np.sinh(x))ax31.plot(x,np.sin(x) + np.cos(x))ax32.plot(x,np.sin(x*x) + np.cos(x*x))ax33.plot(x,np.sin(x)*np.cos(x))# 紧凑显示，边框会比较小，可以注释掉该行查看效果plt.tight_layout()plt.show()

4.不平均分布

import numpy as npimport matplotlib.pyplot as pltx = np.linspace(0,2*np.pi,200)fig = plt.figure(figsize=(12,9))# 使用切片方式设置子视图ax1 = plt.subplot(3,1,1) # 视图对象添加子视图ax1.plot(x, np.sin(10*x))# 设置ax1的标题，xlim、ylim、xlabel、ylabel等所有属性现在只能通过set_属性名的方法设置ax1.set_title('ax1_title') # 设置小图的标题# 添加：第二行，第一和第二列ax2 = plt.subplot(3,3,(4,5))ax2.set_facecolor('green')ax2.plot(x,np.cos(x),color = 'red')# 添加，右下角，那一列ax3 = plt.subplot(3,3,(6,9))ax3.plot(x,np.sin(x) + np.cos(x))ax4 = plt.subplot(3,3,7)ax4.plot([1,3],[2,4])ax5 = plt.subplot(3,3,8)ax5.scatter([1,2,3], [0,2, 4])ax5.set_xlabel('ax5_x',fontsize = 12)ax5.set_ylabel('ax5_y',fontsize = 12)plt.show()

7、双轴显示

import numpy as npimport matplotlib.pyplot as pltx = np.linspace(-np.pi, np.pi,50)y = np.sin(x)plt.plot(x,y,color = 'blue')_ = plt.yticks(np.linspace(-1,1,11),color = 'blue')ax = plt.gca()# 获取当前视图# twinx 请问是否有twiny呢？有的 ，就是公用y轴，然后两个x轴。ax2 = ax.twinx() # 双胞胎，两个X轴合到一起的，两个X轴，对应着两个Y轴# 其中一个视图，纵坐标范围：-1~1.0# 另一个视图，范围 0 ~ 25# 刻度会自适应y2 = np.exp(x)plt.plot(x,y2,color = 'red') # 默认向ax2这个子视图中绘制_ = plt.yticks(np.arange(0,26,5),color = 'red')

总结

matplotlib基础知识（图形绘制坐标轴 标签 刻度字体设置图例脊柱移动风格样式多图布局双轴显示）（1）