看了莫烦大佬的视频，做下笔记

1.基本用法

1.1 绘制直线

1.2 创建一个figure

1.3 对坐标轴的操作

1.4 在图中添加注释

2 各种图的绘制

2.1 散点图

2.2 柱状图

2.3 3D图

3 多图显示

4 img图像显示

1.基本用法

用之前先安装matplot，安装好之后我们导入包。

import matplotlib.pyplot as plt

最后要显示的时候不要忘了plt.show()

1.1 绘制直线

plt.plot()

常用参数：x, y, [fmt]

x，y，对应你画的直线的数据，fmt用于修改直线的format样式，可以修改直线的 color， maker，linestyle。比如 ‘bo--’ ，就会画出一个蓝色的圆形虚线。

plt.plot(x,y1,'bo--',x,y2,'gh:',x,y3) #同时画出了三条线
#也可以单独赋值
plt.plot(x,y1，color = 'red')

1.2 创建一个figure

plt.figure()

功能：创建一个画图

常用参数：num, figsize

num 给figure编号，figsizie调节大小。

可以同时画多个figure，每个figure只对自己下面的操作感应，以下一个figure为边界。

plt.figure(num = 3,figsize= (10,8))

1.3 对坐标轴的操作

plt.xlim() 和 plt.ylim()

功能：控制坐标轴的长度

plt.xlim(left = -10,right = 10)  #横坐标从-10 到10
plt.ylim(bottom = -10 , top = 10)  #纵坐标从-10 到10

plt.xlabel() 和 plt.ylabel()

功能：更改标签名,可以配置字体样式，

plt.xlabel('x label')
plt.ylabel('y label')

plt.xticks() 和 plt.ytick()

功能：更改坐标轴上的记号点

plt.xticks(x,label,color = 'green',rotation=60)
plt.yticks(y1,label1,color = 'green',rotation=60)

plt.gca()

功能：get current axis ，返回一个ax，可以通过这个改图标的边框属性

ax = plt.gca()
ax.spines['right'].set_color('red')
ax.spines['left'].set_color('blue')
ax.spines['top'].set_color('yellow')
ax.spines['bottom'].set_color('none')

效果：

plt中没有默认的x，y轴，我们可以自己设置，

ax.xaxis.set_ticks_position('bottom') #设置bottom 为x轴
ax.yaxis.set_ticks_position('left')   #设置left 为y轴

使用时，要先做好tick，在设置我们的x轴和y轴，才可以更改轴的位置

import matplotlib.pyplot as plt
import numpy as np
label = ['a', 'b','c','d','e']
label1 = ['very good','good','nomal','bad','very bad']x = np.linspace(1,10,10)
y1 = x*2 + 1
plt.figure()
ax = plt.gca()
plt.xticks(x)
plt.yticks(y1,label1+label,color = 'green',rotation=60)
ax.xaxis.set_ticks_position('bottom') #设置bottom 为x轴
ax.yaxis.set_ticks_position('left')   #设置left 为y轴
ax.spines['bottom'].set_position(('data', 3))  #'data' 表示跟着数据来定
ax.spines['left'].set_position(('data', 1))  #也有'axes' ，表示在轴的百分之几
plt.show()

效果：

1.4 在图中添加注释

plt.text()

功能：文本注释

plt.text(x,y,'文字',ha ='center',va ='top')

plt.legend（）

功能：画一个小框框来对解释线。

在plt.plot中会有返回值，我们取第一个值为legend需要的handls，代码如下

l1, = plt.plot(x,y1,'g--')
l2, = plt.plot(x,y2,'ro:')
plt.legend(handles = [l1,l2,] , labels = ['a','b'],loc = 'best')

效果：

plt.annotate（）

功能：画一个箭头注释

第一个参数是你的文本，xy= ( )点的位置，xycoords配置你的箭头位置模式，

textcoords文本位置模式，fontsize字体大小，arrowprops配置箭头的format

plt.annotate(r'2x+1=%s' % y0,   xy=(x0,y0),xycoords = 'data',textcoords ='offset points',fontsize = 16, arrowprops = dict(arrowstyle = '->', connectionstyle = 'arc3,rad = 2'))

效果：

2 各种图的绘制

2.1 散点图

plt.scatter（）

功能：画点的，多几个点就是散点图了

n = 512
X = np.random.normal(0,1,n)
Y = np.random.normal(0,1,n)
T = np.arctan2(Y,X) #只是用来给点配置一些颜色plt.scatter(X,Y,s=50,c=T,alpha=0.5)
plt.xticks(()) #什么都不显示
plt.yticks(())
plt.show()

效果：

2.2 柱状图

plt.bar()

很简单，看下面例子就差不多了

X = np.arange(10)
Y = X*np.random.uniform(0,1)
plt.bar(X,Y,facecolor = '#9999ff',edgecolor = 'black')
for x,y in zip(X,Y):plt.text(x,y+0.3,'%.2f'%y,ha = 'center',va = 'top')
plt.show()

效果:

2.3 3D图

3 多图显示

plt.subplot()

plt.subplot(2,2,1)两行两列的第一个位置

plt.figure()
plt.subplot(2,2,1)
plt.plot([0,1],[1,0])
plt.subplot(2,2,2)
plt.subplot(2,2,3)
plt.subplot(2,2,4)
plt.show()

也可以在第一行的两个位置，用来显示一个图

plt.figure()
plt.subplot(2,1,1)
plt.plot([0,1],[1,0])
plt.subplot(2,2,3)
plt.subplot(2,2,4)
plt.show()

效果：

plt.subplot2grid(shape,origin,colspan,rowspan)

功能：据网格来画图

shape大小，origin该图起点，colspan花费多少的列，rowspan多少的行

plt.figure()
ax1 = plt.subplot2grid((3,3),(0,0),colspan=3,rowspan=1)
ax2 = plt.subplot2grid((3,3),(1,0),colspan=2)
ax3 = plt.subplot2grid((3,3),(1,2),rowspan=2)
ax4 = plt.subplot2grid((3,3),(2,0))
ax5 = plt.subplot2grid((3,3),(2,1))plt.show()

效果：

plt.subplots()

感觉用的比较少这个，根据返回的坐标系ax，调用plot就可以画图了，也可以配置坐标系的参数。

ax1.twinx()

功能：在一个图里，画直线，用不同的y轴

x = np.arange(0,10,0.1)
y1 = 0.1*x**2
y2 = -0.1*x**2fig,ax1 = plt.subplots()
ax2 = ax1.twinx()
ax1.plot(x,y1,'g-')
ax2.plot(x,y2,'ro-')plt.show()

4 img图像显示

plt.imshow()

在里面放入数据就好,可以是narray的数据，格式为[h , w ,C] ，h高，w宽，C颜色通道

要想同时显示几张图，可以和plt.subplot一起用。

plt.figure()
for i in range(1,4)plt.subplot(2,2,i)plt.imshow(imgdata[i]) #[h , w, c]plt.xticks(()) #去除ticksplt.yticks(())
plt.show()

学习笔记-matplot相关推荐

机器学习入门学习笔记：（3.2）ID3决策树程序实现
前言之前的博客中介绍了决策树算法的原理并进行了数学推导(机器学习入门学习笔记:(3.1)决策树算法).决策树的原理相对简单,决策树算法有:ID3,C4.5,CART等算法.接下来将对ID3决策树算法 ...
【莫烦Python】Matplotlib学习笔记（二）
[莫烦Python]Matplot学习笔记(一) [莫烦Python]Matplotlib学习笔记(二) 一.Bar柱状图/条形图二.Contours等高线图三.Image图像四.3D图像五. ...
【转载】R语言与数据挖掘学习笔记
(1):数据挖掘相关包的介绍今天发现一个很不错的博客(http://www.RDataMining.com),博主致力于研究R语言在数据挖掘方面的应用,正好近期很想系统的学习一下R语言和数据挖掘的整 ...
PyTorch 学习笔记（六）：PyTorch hook 和关于 PyTorch backward 过程的理解 call
您的位置首页 PyTorch 学习笔记系列 PyTorch 学习笔记(六):PyTorch hook 和关于 PyTorch backward 过程的理解发布: 2017年8月4日 7,195阅读 ...
容器云原生DevOps学习笔记——第三期：从零搭建CI/CD系统标准化交付流程
暑期实习期间,所在的技术中台-效能研发团队规划设计并结合公司开源协同实现符合DevOps理念的研发工具平台,实现研发过程自动化.标准化: 实习期间对DevOps的理解一直懵懵懂懂,最近观看了阿里专家带 ...
容器云原生DevOps学习笔记——第二期：如何快速高质量的应用容器化迁移
暑期实习期间,所在的技术中台-效能研发团队规划设计并结合公司开源协同实现符合DevOps理念的研发工具平台,实现研发过程自动化.标准化: 实习期间对DevOps的理解一直懵懵懂懂,最近观看了阿里专家带 ...
2020年Yann Lecun深度学习笔记（下）
2020年Yann Lecun深度学习笔记(下)
2020年Yann Lecun深度学习笔记（上）
2020年Yann Lecun深度学习笔记(上)
知识图谱学习笔记（1）
知识图谱学习笔记第一部分,包含RDF介绍,以及Jena RDF API使用知识图谱的基石:RDF RDF(Resource Description Framework),即资源描述框架,其本质是一个 ...

学习笔记-matplot

1.基本用法

1.1 绘制直线

1.2 创建一个figure

1.3 对坐标轴的操作

1.4 在图中添加注释

2 各种图的绘制

2.1 散点图

2.2 柱状图

2.3 3D图

3 多图显示

4 img图像显示

学习笔记-matplot相关推荐

最新文章

热门文章