文章目录
- matplotlib概述
- matplotlib基本功能
- 一.基本绘图
- 1.绘制线条
- 2.设置坐标轴的范围
- 3.设置坐标轴刻度
- 4.设置坐标轴
- 5.绘制特殊点
- 6.添加备注
- 7.线型、线宽和颜色
- 8.图例
- 案例一
- 二.图形对象(图形窗口)
- 1.设置当前窗口参数
- 2.子图
- (1)矩阵式布局
- 案例二
- (2)网格式布局
- (3)自由式布局
- 3.刻度定位器
- 4.刻度网格线
- 5.半对数坐标
- 6.散点图
- 7.填充
- 8.条形图(柱状图)
- 9.饼图
- 10.等高线图
- 11.热成像图
- 12.3D图像绘制
- 3d散点图的绘制相关API
- 3d平面图的绘制相关API
- 3d线框图的绘制
- 13.极坐标系
- 14.简单动画
matplotlib概述
matplotlib是python的一个绘图库。使用它可以很方便的绘制出版质量级别的图形。
matplotlib基本功能
一.基本绘图
1.绘制线条
import numpy as np
import matplotlib.pyplot as plt
xs = np.arange(6)
ys = np.array([23, 62, 36, 42, 9, 12])
plt.plot(xs, ys) # xs:水平坐标序列, ys:水平坐标序列
# 绘制水平线与垂直线
plt.vlines([3, 5, 7, 8], 20, 50)
plt.hlines(30, 1, 4)
plt.show() # 显示图表
2.设置坐标轴的范围
#x_limt_min: <float> x轴范围最小值
#x_limit_max: <float> x轴范围最大值
plt.xlim(x_limt_min, x_limit_max)
#y_limt_min: <float> y轴范围最小值
#y_limit_max: <float> y轴范围最大值
plt.ylim(y_limt_min, y_limit_max)
3.设置坐标轴刻度
#x_val_list: x轴刻度值序列
#x_text_list: x轴刻度标签文本序列 [可选]
plt.xticks(x_val_list , x_text_list )
#y_val_list: y轴刻度值序列
#y_text_list: y轴刻度标签文本序列 [可选]
plt.yticks(y_val_list , y_text_list )
4.设置坐标轴
# 获取当前坐标轴字典,{'left':左轴,'right':右轴,'bottom':下轴,'top':上轴 }
ax = plt.gca()
# 获取其中某个坐标轴
axis = ax.spines['坐标轴名']
# 设置坐标轴的位置。 该方法需要传入2个元素的元组作为参数
# type: <str> 移动坐标轴的参照类型 一般为'data' (以数据的值作为移动参照值)
# val: 参照值
axis.set_position(('data', val))
# 设置坐标轴的颜色
# color: <str> 颜色值字符串
axis.set_color(color)
5.绘制特殊点
# xarray: <序列> 所有需要标注点的水平坐标组成的序列
# yarray: <序列> 所有需要标注点的垂直坐标组成的序列
plt.scatter(xarray, yarray,
marker='', #点型 ~ matplotlib.markers
s=50, #大小
edgecolor='', #边缘色
facecolor='', #填充色
zorder=3 #绘制图层编号 (编号越大,图层越靠上)
label=' ' #标签,显示在图例上
)
6.添加备注
# 在图表中为某个点添加备注。包含备注文本,备注箭头等图像的设置。
mp.annotate(
r'$\frac{\pi}{2}$', #备注中显示的文本内容
xycoords='data', #备注目标点所使用的坐标系(data表示数据坐标系)
xy=(x, y), #备注目标点的坐标
textcoords='offset points', #备注文本所使用的坐标系(offset points表示参照点的偏移坐标系)
xytext=(x, y), #备注文本的坐标
fontsize=14, #备注文本的字体大小
arrowprops=dict() #使用字典定义文本指向目标点的箭头样式
)
# arrowprops参数使用字典定义指向目标点的箭头样式
# arrowprops字典参数的常用key
arrowprops=dict(
arrowstyle='', #定义箭头样式
connectionstyle='' #定义连接线的样式
)
# 箭头样式(arrowstyle)字符串如下
============ =============================================
Name Attrs
============ =============================================
'-' None
'->' head_length=0.4,head_width=0.2
'-[' widthB=1.0,lengthB=0.2,angleB=None
'|-|' widthA=1.0,widthB=1.0
'-|>' head_length=0.4,head_width=0.2
'<-' head_length=0.4,head_width=0.2
'<->' head_length=0.4,head_width=0.2
'<|-' head_length=0.4,head_width=0.2
'<|-|>' head_length=0.4,head_width=0.2
'fancy' head_length=0.4,head_width=0.4,tail_width=0.4
'simple' head_length=0.5,head_width=0.5,tail_width=0.2
'wedge' tail_width=0.3,shrink_factor=0.5
============ =============================================
# 连接线样式(connectionstyle)字符串如下
============ =============================================
Name Attrs
============ =============================================
'angle' angleA=90,angleB=0,rad=0.0
'angle3' angleA=90,angleB=0`
'arc' angleA=0,angleB=0,armA=None,armB=None,rad=0.0
'arc3' rad=0.0
'bar' armA=0.0,armB=0.0,fraction=0.3,angle=None
============ =============================================
7.线型、线宽和颜色
#linestyle: 线型 "-" "--" ":" ".-"
#linewidth: 线宽
# 数字
#color: <关键字参数> 颜色
# 英文颜色单词 或 常见颜色英文单词首字母 或 #495434 或 (1,1,1) 或 (1,1,1,1)
#alpha: <关键字参数> 透明度
# 浮点数值
plt.plot(xarray, yarray, linestyle='', linewidth=1, color='', alpha=0.5, label= '')
8.图例
# 再绘制曲线时定义曲线的label
# label: <关键字参数 str> 支持LaTex排版语法字符串
plt.plot(xarray, yarray ... label='', ...)
# 设置图例的位置
# loc: <关键字参数> 制定图例的显示位置 (若不设置loc,则显示默认位置)
# =============== =============
# Location String Location Code
# =============== =============
# 'best' 0
# 'upper right' 1
# 'upper left' 2
# 'lower left' 3
# 'lower right' 4
# 'right' 5
# 'center left' 6
# 'center right' 7
# 'lower center' 8
# 'upper center' 9
# 'center' 10
# =============== =============
plt.legend(loc='')
案例一
import numpy as np
import matplotlib.pyplot as plt
# 绘制一条正弦曲线
x = np.linspace(-np.pi, np.pi, 1000)
print(x.shape)
# 矢量化的sin方法将会返回每个x对应的y
sinx = np.sin(x)
# 绘制一条余弦曲线 cos(x)/2
cosx = np.cos(x) / 2
# 设置坐标轴的范围 第一象限
# plt.xlim(0, np.pi + 0.1) # x轴范围为 [0, np.pi + 0.1]
# plt.ylim(0, 1.1) # y轴范围为 [0, 1.1]
# 修改坐标轴刻度
plt.xticks(
[-np.pi, -np.pi / 2, 0, np.pi / 2, np.pi], # x轴刻度值序列
[r'$-\pi$', r'$-\frac{\pi}{2}$', '0',
r'$\frac{\pi}{2}$', r'$\pi$']) # x轴刻度标签文
plt.yticks([-1.0, -0.5, 0, 0.5, 1]) # plt.yticks(y_val_list , y_text_list )
# 设置坐标轴
ax = plt.gca() # 获取当前坐标轴字典,{'left':左轴,'right':右轴,'bottom':下轴,'top':上轴 }
ax.spines['top'].set_color('none') # 获取上轴并设置颜色为none
ax.spines['right'].set_color('none')
# 设置坐标轴的位置 set_position(type, val)
# 参数type:移动坐标轴的参照类型 一般为'data'(以数据的值为移动参考值)
# 参数val:参照值
ax.spines['left'].set_position(('data', 0))
ax.spines['bottom'].set_position(('data', 0))
# 绘制特殊点
px = [3 / 4 * np.pi, 3 / 4 * np.pi]
py = [np.sin(px[0]), np.cos(px[1]) / 2]
plt.scatter(px, py, marker='o', color='red',
s=70, label='Points', zorder=3)
# 添加备注
plt.annotate(
r'$[\frac{3\pi}{4}, \frac{cos(\frac{3\pi}{4})}{2}]$',
xycoords='data',
xy=(3 / 4 * np.pi, np.cos(px[1]) / 2),
textcoords='offset points',
xytext=(-80, -30),
fontsize=14,
arrowprops=dict(
arrowstyle='-|>',
connectionstyle='angle3'
)
)
plt.plot(x, sinx, linestyle='--', alpha=0.8,
linewidth=2, color='dodgerblue',
label=r'$y=sin(x)$')
plt.plot(x, cosx, linestyle='-.', alpha=0.8,
linewidth=2, color='orangered',
label=r'$y=\frac{1}{2}cos(x)$')
plt.legend()
plt.show()
二.图形对象(图形窗口)
# 手动构建 matplotlib 窗口
plt.figure(
'A', #窗口标题栏文本
facecolor='' #图表背景色
)
plt.figure('B')
plt.figure('A') # 把A创建置为当前窗口
plt.plot(....) # 将会作用在A窗口中
plt.show()
# plt.figure方法不仅可以构建一个新窗口,如果已经构建过
# title='xxx'的窗口,又使用figure方法构建了title='xxx'
# 的窗口的话,plt将不会创建新的窗口,而是把title='xxx'的窗口置为当前操作窗口。
# plt.figure方法不仅可以构建一个新窗口,如果已经构建过title='xxx'的窗口,又使用figure方法构建了title='xxx' 的窗口的话,plt将不会创建新的窗口,而是把title='xxx'的窗口置为当前操作窗口。
1.设置当前窗口参数
# 设置图表标题 显示在图表上方
plt.title(title, fontsize=12)
# 设置水平轴的文本
plt.xlabel(x_label_str, fontsize=12)
# 设置垂直轴的文本
plt.ylabel(y_label_str, fontsize=12)
# 设置刻度参数 labelsize设置刻度字体大小
plt.tick_params(labelsize=8)
# 设置图表网格线 linestyle设置网格线的样式
# - or solid 粗线
# -- or dashed 虚线
# -. or dashdot 点虚线
# : or dotted 点线
plt.grid(linestyle='')
# 设置紧凑布局,把图表相关参数都显示在窗口中
plt.tight_layout()
2.子图
(1)矩阵式布局
plt.figure('Subplot Layout', facecolor='lightgray')
# 拆分矩阵
# rows: 行数
# cols: 列数
# num: 编号
plt.subplot(rows, cols, num)
# 1 2 3
# 4 5 6
# 7 8 9
plt.subplot(3, 3, 5) #操作3*3的矩阵中编号为5的子图
plt.plot()
plt.subplot(3, 3, 1) #操作3*3的矩阵中编号为1的子图
plt.plot()
plt.subplot(335) #简写
案例二
import matplotlib.pyplot as plt
plt.figure('Subplot', facecolor='lightgray')
for i in range(1, 10):
plt.subplot(3, 3, i)
plt.text(0.5, 0.5, i, size=36, ha='center', va='center')
# plt.text(x, y, string, weight="bold", color="b")
# x: 注释文本内容所在位置的横坐标
# y:注释文本内容所在位置的纵坐标
# string:注释文本内容
# weight:注释文本内容的粗细风格
# color:注释文本内容的字体颜色
# ha:水平方向,va:垂直方向
plt.xticks([])
plt.yticks([])
plt.tight_layout()
plt.show()
(2)网格式布局
# 网格式布局支持单元格的合并
import matplotlib.gridspec as mg
plt.figure('Grid Layout', facecolor='lightgray')
# 调用GridSpec方法拆分网格式布局
# rows: 行数
# cols: 列数
# gs = mg.GridSpec(rows, cols) 拆分成3行3列
gs = mg.GridSpec(3, 3)
# 合并0行与0、1列为一个子图表
plt.subplot(gs[0, :2])
plt.text(0.5, 0.5, '1', ha='center', va='center', size=36)
plt.show()
(3)自由式布局
plt.figure('Flow Layout', facecolor='lightgray')
# 设置图标的位置,给出左下角点坐标与宽高即可
# left_bottom_x: 坐下角点x坐标
# left_bottom_x: 坐下角点y坐标
# width: 宽度
# height: 高度
# plt.axes([left_bottom_x, left_bottom_y, width, height])
plt.axes([0.03, 0.03, 0.94, 0.94])
plt.text(0.5, 0.5, '1', ha='center', va='center', size=36)
plt.show()
3.刻度定位器
# 获取当前坐标轴
ax = plt.gca()
# 设置水平坐标轴的主刻度定位器
ax.xaxis.set_major_locator(plt.NullLocator())
# 设置水平坐标轴的次刻度定位器为多点定位器,间隔0.1
ax.xaxis.set_minor_locator(plt.MultipleLocator(0.1))
# 常用刻度器如下
# 空定位器:不绘制刻度
mp.NullLocator()
# 最大值定位器:
# 最多绘制nbins+1个刻度
mp.MaxNLocator(nbins=3)
# 定点定位器:根据locs参数中的位置绘制刻度
mp.FixedLocator(locs=[0, 2.5, 5, 7.5, 10])
# 自动定位器:由系统自动选择刻度的绘制位置
mp.AutoLocator()
# 索引定位器:由offset确定起始刻度,由base确定相邻刻度的间隔
mp.IndexLocator(offset=0.5, base=1.5)
# 多点定位器:从0开始,按照参数指定的间隔(缺省1)绘制刻度
mp.MultipleLocator()
# 线性定位器:等分numticks-1份,绘制numticks个刻度
mp.LinearLocator(numticks=21)
# 对数定位器:以base为底,绘制刻度
mp.LogLocator(base=2)
4.刻度网格线
ax = plt.gca()
# 绘制刻度网格线
ax.grid(
which='', # 'major'/'minor' <-> '主刻度'/'次刻度'
axis='', # 'x'/'y'/'both' <-> 绘制x或y轴
linewidth=1, # 线宽
linestyle='', # 线型
color='', # 颜色
alpha=0.5 # 透明度
)
5.半对数坐标
# y轴将以指数方式递增。 基于半对数坐标绘制第二个子图,表示曲线:[1, 10, 100, 1000, 100, 10, 1]。
plt.figure('Grid', facecolor='lightgray')
y = [1, 10, 100, 1000, 100, 10, 1]
plt.semilogy(y)
plt.show()
6.散点图
plt.scatter(
x, # x轴坐标数组
y, # y轴坐标数组
marker='', # 点型
s=10, # 大小
color='', # 颜色
edgecolor='', # 边缘颜色
facecolor='', # 填充色
zorder='' # 图层序号
)
# cmap颜色映射, 参见cmap颜色映射表
d = (x - 173)**2 + (y - 65)**2
mp.scatter(x, y, marker='o', s=70,
label='Persons', c=d, cmap='jet_r')
7.填充
# 以某种颜色自动填充两条曲线的闭合区域
plt.fill_between(
x, # x轴的水平坐标
sin_x, # 下边界曲线上点的垂直坐标
cos_x, # 上边界曲线上点的垂直坐标
sin_x<cos_x, # 填充条件,为True时填充
color='', # 填充颜色
alpha=0.2 # 透明度
)
8.条形图(柱状图)
plt.figure('Bar', facecolor='lightgray')
plt.bar(
x, # 水平坐标数组
y, # 柱状图高度数组
width, # 柱子的宽度
color='', # 填充颜色
label='', #
alpha=0.2 #
)
9.饼图
# 绘制饼状图的基本API:
plt.pie(
values, # 值列表
spaces, # 扇形之间的间距列表
labels, # 标签列表
colors, # 颜色列表
'%d%%', # 标签所占比例格式
shadow=True, # 是否显示阴影
startangle=90 # 逆时针绘制饼状图时的起始角度
radius=1 # 半径
)
10.等高线图
# 组成等高线需要网格点坐标矩阵,也需要每个点的高度。
# 所以等高线属于3D数学模型范畴。
#绘制等高线的相关API:
cntr = plt.contour(
x, # 网格坐标矩阵的x坐标 (2维数组)
y, # 网格坐标矩阵的y坐标 (2维数组)
z, # 网格坐标矩阵的z坐标 (2维数组)
8, # 把等高线绘制成8部分
colors='black', # 等高线的颜色
linewidths=0.5 # 线宽
)
# 绘制等高线的高度标签文本
plt.clabel(cntr, inline_spacing=1, fmt='%.1f',
fontsize=10)
plt.contourf(x, y, z, 8, cmap='jet')
11.热成像图
# 把矩阵z图形化,使用cmap表示矩阵中每个元素值的大小
# origin: 坐标轴方向
# upper: 缺省值,原点在左上角
# lower: 原点在左下角
# 绘制热成像图的相关API:
plt.imshow(z, cmap='jet', origin='lower')
# 使用颜色条显示热度值:
plt.colorbar()
12.3D图像绘制
# matplotlib支持绘制三维曲面。若希望绘制三维曲面,
# 需要使用axes3d提供的3d坐标系
from mpl_toolkits.mplot3d import axes3d
ax3d = plt.gca(projection='3d') # class axes3d
# matplotlib支持绘制三维点阵、三维曲面、三维线框图:
ax3d.scatter(..) # 绘制三维点阵
ax3d.plot_surface(..) # 绘制三维曲面
ax3d.plot_wireframe(..) # 绘制三维线框图
3d散点图的绘制相关API
ax3d.scatter(
x, # x轴坐标数组
y, # y轴坐标数组
z, # z轴坐标数组
marker='', # 点型
s=10, # 大小
zorder='', # 图层序号
color='', # 颜色
edgecolor='', # 边缘颜色
facecolor='', # 填充色
c=v, # 颜色值 根据cmap映射应用相应颜色
cmap='' #
)
3d平面图的绘制相关API
ax3d.plot_surface(
x, # 网格坐标矩阵的x坐标 (2维数组)
y, # 网格坐标矩阵的y坐标 (2维数组)
z, # 网格坐标矩阵的z坐标 (2维数组)
rstride=30, # 行跨距
cstride=30, # 列跨距
cmap='jet' # 颜色映射
)
3d线框图的绘制
# 绘制3D线框图
# rstride: 行跨距
# cstride: 列跨距
ax3d.plot_wireframe(x,y,z,rstride=30,cstride=30,
linewidth=1, color='dodgerblue')
13.极坐标系
# 与笛卡尔坐标系不同,某些情况下极坐标系适合显示与角度
# 有关的图像。例如雷达等。极坐标系可以描述极径ρ与
# 极角θ的线性关系
plt.figure("Polar", facecolor='lightgray')
plt.gca(projection='polar')
plt.title('Porlar', fontsize=20)
plt.xlabel(r'$\theta$', fontsize=14)
plt.ylabel(r'$\rho$', fontsize=14)
plt.tick_params(labelsize=10)
plt.grid(linestyle=':')
plt.show()
14.简单动画
# 动画即是在一段时间内快速连续的重新绘制图像的过程。
# matplotlib提供了方法用于处理简单动画的绘制。
# 定义update函数用于即时更新图像。
import matplotlib.animation as ma
#定义更新函数行为
def update(number):
pass
# 每隔10毫秒执行一次update更新函数,作用于plt.gcf()当前窗口对象
# plt.gcf(): 获取当前窗口
# update: 更新函数
# interval: 间隔时间(单位:毫秒)
anim = ma.FuncAnimation(plt.gcf(), update, interval=10)
mp.show()
使用生成器函数提供数据,实现动画绘制
在很多情况下,绘制动画的参数是动态获取的,matplotlib支持定义generator生成器函数,用于生成数据,把生成的数据交给update函数更新图像:
import matplotlib.animation as ma
#定义更新函数行为
def update(data):
t, v = data
...
pass
def generator():
yield t, v
# 每隔10毫秒将会先调用生成器,获取生成器返回的数据,
# 把生成器返回的数据交给并且调用update函数,执行更新图像函数
anim = ma.FuncAnimation(mp.gcf(), update, generator,interval=10)