python画图设置窗口大小 python画图窗口保留

python学习——Matplotlib库

• 三层结构
• 折线图的绘制

• 设置画布属性、保存图片
• 添加自定义x、y刻度
• 添加网格
• 描述信息（x、y轴意义、标题、图例）
• 在一幅图中绘制多幅图像
• 绘制多幅图像

• 散点图Scatter的绘制
• 柱状图的绘制
• 直方图的绘制
• 饼图的绘制

作用：用于创建静态，动画， 以及 Python 中的交互式可视化。

三层结构

一、容器层

• 画板层：放置画布的工具
• 画布层：画画用的纸
• 绘图区（坐标系）：画画的区域

二、辅助显示层

为绘图区内的除了根据数据绘制出的图像以外的内容，主要包括外观、边框线、坐标轴等等。

三、图像层

根据数据绘制图像

折线图的绘制

设置画布属性、保存图片

plt.figure(figsize=(), dpi=)
# figsize：指定图的长、宽
# dpi：图像清晰度
# 返回值是fig对象

plt.savefig(path)
# path：保存路径
# 注意：需要放在plt.show()前，因为show()后会直接释放资源

样例：

import matplotlib.pyplot as plt

plt.figure(figsize=(4, 4), dpi=80)
plt.plot([1,0,9,4,5,6], [4,5,6,3,7,10])
plt.savefig("D:/桌面/test.png")
plt.show()

结果：

添加自定义x、y刻度

plt.xticks(x, **kwargs)
# x要显示的刻度值
plt.yticks(y, **kwargs)
# y要显示的刻度值

测试：检测一个小时的温度

import matplotlib.pyplot as plt
import random
# 设置中文
import matplotlib
font = {'family' : 'Microsoft YaHei',
              'weight' : 'bold',
              'size'   : '12'}
matplotlib.rc('font', **font)

x = range(60)
y = [random.uniform(15,10) for i in x]
plt.figure(figsize=(20, 8), dpi=80)
plt.plot(x, y)

x_label = ["11点{}分".format(i) for i in x]
plt.xticks(x[::5], x_label[::5])
plt.yticks(range(0, 36, 5))
plt.show()

结果：

添加网格

plt.grid(True, linestyle='--', alpha=0.5)
# True，默认，添加网格
# linestyle：线条风格
# alpha：透明度

效果如下：

描述信息（x、y轴意义、标题、图例）

plt.xlabel("内容")
plt.ylabel("内容")
plt.title("标题")
plt.legend(loc= "")
# loc：位置信息（默认是右上，可与i通过String也可以通过数字进行选择）

在一幅图中绘制多幅图像

需求：绘制上海，北京的温度图像

代码：

import matplotlib.pyplot as plt
import random
# 设置中文
import matplotlib
font = {'family' : 'Microsoft YaHei',
              'weight' : 'bold',
              'size'   : '12'}
matplotlib.rc('font', **font)

x = range(60)
y_shanghai = [random.uniform(15,10) for i in x]
y_beijing = [random.uniform(1,3) for i in x]
plt.figure(figsize=(20, 8), dpi=80)
plt.plot(x, y_shanghai)
plt.plot(x, y_beijing)

x_label = ["11点{}分".format(i) for i in x]
plt.xticks(x[::5], x_label[::5])
plt.yticks(range(0, 36, 5))
plt.grid(True, linestyle='--', alpha= 0.5)
plt.xlabel("时间")
plt.ylabel("温度")
plt.title("温度变化图")
plt.show()

绘制多幅图像

fig , axes = matplotlib.pyplot.subplots(nrows=1, ncols=1,**)
# 函数的返回值是一个元组，包括一个图形对象和所有的 axes 对象。其中 axes 对象的数量等于 nrows * ncols，且每个 axes 对象均可通过索引值访问，通过对axes[nrow][ncols]对不同区域的图像进行操作。

代码：

import matplotlib.pyplot as plt
import random
import matplotlib
font = {'family' : 'Microsoft YaHei',
              'weight' : 'bold',
              'size'   : '12'}
matplotlib.rc('font', **font)

x = range(60)
y_shanghai = [random.uniform(15,10) for i in x]
y_beijing = [random.uniform(1,3) for i in x]

# 创建画布
figure, axes = plt.subplots(nrows=1, ncols=2, figsize=(20, 8), dpi=80)

# 绘制图像
axes[0].plot(x, y_shanghai, label="上海")
axes[1].plot(x, y_beijing, label="北京")

# 显示图例
axes[0].legend()
axes[1].legend()

# 修改刻度
x_label = ["11点{}分".format(i) for i in x]
axes[0].set_xticks(x[::10], x_label[::10])
axes[0].set_yticks(range(0, 36, 5))

axes[1].set_xticks(x[::10], x_label[::10])
axes[1].set_yticks(range(0, 36, 5))

axes[0].set_xlabel("时间")
axes[0].set_ylabel("shanghai温度")
axes[0].set_title("温度变化图")

axes[1].set_xlabel("时间")
axes[1].set_ylabel("beijing温度")
axes[1].set_title("温度变化图")

plt.show()

结果：

散点图Scatter的绘制

plt.scatter()

# 数据准备
x = [225.98, 247.07, 253.14, 457.85, 241.58, 301.01, 20.67, 288.64, 163.56, 120.06, 207.83, 342.75, 147.9, 53.06, 224.72, 29.51, 21.61, 483.21, 399.25, 343.35]

y = [196.63, 203.88, 210.75, 327.74, 202.41, 247.61, 24.9, 239.34, 140.32, 104.15, 176.84, 288.23, 128.79, 49.64, 191.74, 33.1, 30.74, 400.02, 205.33, 330.64]
# 三步走
plt.figure(figsize=(20,8), dpi=80)
plt.scatter(x, y)
plt.show()

柱状图的绘制

plt.bar(x, width, align='center', color=, **kwargs)
# x:类别
# width:宽度

样例1：对比不同电影票房

# 数据准备
movie_name = ['雷神3', '正义联盟', '全球风暴', '降魔传','追捕', '寻梦环游记']
tickets = [73853, 57767, 22354, 15969, 14839, 8725]
plt.figure(figsize=(10,8), dpi = 90)
x_tickets = range(len(movie_name))
plt.bar(x_tickets, tickets)
plt.xticks(x_tickets, movie_name)
plt.title("电影票房对比")
plt.grid(linestyle='--', alpha=0.5)
plt.show()

结果：

样例2：绘制比较首日、首周电影票房对比

# 数据准备
movie_name=['雷神三', '正义联盟', '寻梦环游记']
first_day=[10587.6, 10062.5, 1275.7]
first_weekend=[36224.9, 34479.6, 11830]

plt.figure(figsize=(20,8),dpi=80)

plt.bar(range(len(movie_name)), first_day, width=0.2, label='首日票房')
plt.bar([0.2,1.2,2.2], first_weekend, width=0.2, label='首周票房')
plt.legend()

plt.xticks([.01,1.1,2.1],movie_name)
plt.show()

直方图的绘制

定义：对数据进行分组，统计每个分组内数据元的数量

组数：分成组的个数

组距：每一组两个端点的差值

plt.hist(x, bins=None, density=None, **kwargs)
# x:数据
# bins:组数
# density:频率

样例：电影市场分布状况

# 准备数据
time= [131,  98, 125, 131, 124, 139, 131, 117, 128, 108, 135, 138, 131, 102, 107, 114, 119, 128, 121, 142, 127, 130, 124, 101, 110, 116, 117, 110, 128, 128, 115,  99, 136, 126, 134,  95, 138, 117, 111,78, 132, 124, 113, 150, 110, 117,  86,  95, 144, 105, 126, 130,126, 130, 126, 116, 123, 106, 112, 138, 123,  86, 101,  99, 136,123, 117, 119, 105, 137, 123, 128, 125, 104, 109, 134, 125, 127,105, 120, 107, 129, 116, 108, 132, 103, 136, 118, 102, 120, 114,105, 115, 132, 145, 119, 121, 112, 139, 125, 138, 109, 132, 134,156, 106, 117, 127, 144, 139, 139, 119, 140,  83, 110, 102,123,107, 143, 115, 136, 118, 139, 123, 112, 118, 125, 109, 119, 133,112, 114, 122, 109, 106, 123, 116, 131, 127, 115, 118, 112, 135,115, 146, 137, 116, 103, 144,  83, 123, 111, 110, 111, 100, 154,136, 100, 118, 119, 133, 134, 106, 129, 126, 110, 111, 109, 141,120, 117, 106, 149, 122, 122, 110, 118, 127, 121, 114, 125, 126,114, 140, 103, 130, 141, 117, 106, 114, 121, 114, 133, 137,  92,121, 112, 146,  97, 137, 105,  98, 117, 112,  81,  97, 139, 113,134, 106, 144, 110, 137, 137, 111, 104, 117, 100, 111, 101, 110,105, 129, 137, 112, 120, 113, 133, 112,  83,  94, 146, 133, 101,131, 116, 111,  84, 137, 115, 122, 106, 144, 109, 123, 116, 111,111, 133, 150]

plt.figure(figsize=(20,8), dpi=80)
# 求组数
distance=2
group_num = int(max(time)- min(time)/distance)
plt.hist(time, bins= group_num)
# 修改x刻度
plt.xticks(range(min(time),max(time) + 2,distance))
plt.show()

结果：

饼图的绘制

plt.pie(x, labels=, autopct=,colors)
# x:数量
# labels:每部分的名称
# autopct:占比显示指定%1.2f%%
# color:每部分颜色
plt.axis('equal')
# 让画布中的图像保持正型（正圆）

样例：显示不同电影的排片占比

movie_name=['雷神3', '正义联盟', '全球风暴', '追捕', '降魔传']
place_count=[60605, 54546, 28243, 13270, 9945]
plt.figure(figsize=(20,8),dpi=80)
plt.pie(place_count,labels=movie_name, colors=['b','r','g','y','c','m','y','k'],autopct="%1.2f%%")
plt.axis('equal')
plt.legend()
plt.show()

结果：