漂亮,超详细的matplotlib画图基础
来自 | 逐梦er
https://zhumenger.blog.csdn.net/article/details/106530281
本文仅作技术交流,如有侵权,请联系后台删除。
数据可视化非常重要,因为错误或不充分的数据表示方法可能会毁掉原本很出色的数据分析工作。
matplotlib 库是专门用于开发2D图表(包括3D图表)的,突出优点:
使用起来极为简单。
以渐进、交互式方式实现数据可视化。
表达式和文本使用LaTeX排版。
对图像元素控制力强。
可输出PNG、PDF、SVG和EPS等多种格式。
目 录
安装
matplotlib 架构
matplotlib的基本用法
一.线性图
二.柱状图
三.散点图
四.等高线图
五.处理图片
六.3D图
安 装
conda install matplotlib
或者
pip install matplotlib
matplotlib 架构
matplotlib 的主要任务之一,就是提供一套表示和操作图形对象(主要对象)以及它的内部对象的函数和工具。其不仅可以处理图形,还提供事件处理工具,具有为图形添加动画效果的能力。有了这些附加功能,matplotlib 就能生成以键盘按键或鼠标移动触发的事件的交互式图表。
从逻辑上来讲,matplotlib 的整体架构为3层,各层之间单向通信:
Scripting (脚本)层。
Artist (表现)层。
Backend (后端)层。
一、matplotlib的基本用法
import numpy as np
import matplotlib.pyplot as pltx = np.linspace(-np.pi, np.pi, 30) # 在区间内生成30个等差数
y = np.sin(x)
print('x = ', x)
print('y = ', y)
输出:
x = [-3.14159265 -2.92493109 -2.70826953 -2.49160797 -2.2749464 -2.05828484-1.84162328 -1.62496172 -1.40830016 -1.19163859 -0.97497703 -0.75831547-0.54165391 -0.32499234 -0.10833078 0.10833078 0.32499234 0.541653910.75831547 0.97497703 1.19163859 1.40830016 1.62496172 1.841623282.05828484 2.2749464 2.49160797 2.70826953 2.92493109 3.14159265]
y = [-1.22464680e-16 -2.14970440e-01 -4.19889102e-01 -6.05174215e-01-7.62162055e-01 -8.83512044e-01 -9.63549993e-01 -9.98533414e-01-9.86826523e-01 -9.28976720e-01 -8.27688998e-01 -6.87699459e-01-5.15553857e-01 -3.19301530e-01 -1.08119018e-01 1.08119018e-013.19301530e-01 5.15553857e-01 6.87699459e-01 8.27688998e-019.28976720e-01 9.86826523e-01 9.98533414e-01 9.63549993e-018.83512044e-01 7.62162055e-01 6.05174215e-01 4.19889102e-012.14970440e-01 1.22464680e-16]
一.线性图
画一条曲线
plt.figure() # 创建一个新的窗口
plt.plot(x, y) # 画一个x与y相关的曲线
plt.show()# 显示图像
画多条曲线以及添加坐标轴和标签
import numpy as np
import matplotlib.pyplot as pltx = np.linspace(-np.pi, np.pi, 100) # 在区间内生成21个等差数
y = np.sin(x)
linear_y = 0.2 * x + 0.1plt.figure(figsize = (8, 6)) # 自定义窗口的大小plt.plot(x, y)
plt.plot(x, linear_y, color = "red", linestyle = '--') # 自定义颜色和表示方式plt.title('y = sin(x) and y = 0.2x + 0.1') # 定义该曲线的标题
plt.xlabel('x') # 定义横轴标签
plt.ylabel('y') # 定义纵轴标签plt.show()
指定坐标范围 and 设置坐标轴刻度
import numpy as np
import matplotlib.pyplot as pltx = np.linspace(-np.pi, np.pi, 100) # 在区间内生成21个等差数
y = np.sin(x)
linear_y = 0.2 * x + 0.1plt.figure(figsize = (8, 6)) # 自定义窗口的大小plt.plot(x, y)
plt.plot(x, linear_y, color = "red", linestyle = '--') # 自定义颜色和表示方式plt.title('y = sin(x) and y = 0.2x + 0.1') # 定义该曲线的标题
plt.xlabel('x') # 定义横轴标签
plt.ylabel('y') # 定义纵轴标签
plt.xlim(-np.pi, np.pi)
plt.ylim(-1, 1)# 重新设置x轴的刻度
# plt.xticks(np.linspace(-np.pi, np.pi, 5))
x_value_range = np.linspace(-np.pi, np.pi, 5)
x_value_strs = [r'$\pi$', r'$-\frac{\pi}{2}$', r'$0$', r'$\frac{\pi}{2}$', r'$\pi$']
plt.xticks(x_value_range, x_value_strs)
plt.show() # 显示图像
定义原点在中心的坐标轴
import numpy as np
import matplotlib.pyplot as pltx = np.linspace(-np.pi, np.pi, 100)
y = np.sin(x)
linear_y = 0.2 * x + 0.1plt.figure(figsize = (8, 6)) plt.plot(x, y)
plt.plot(x, linear_y, color = "red", linestyle = '--') plt.title('y = sin(x) and y = 0.2x + 0.1')
plt.xlabel('x')
plt.ylabel('y')
plt.xlim(-np.pi, np.pi)
plt.ylim(-1, 1)# plt.xticks(np.linspace(-np.pi, np.pi, 5))
x_value_range = np.linspace(-np.pi, np.pi, 5)
x_value_strs = [r'$\pi$', r'$-\frac{\pi}{2}$', r'$0$', r'$\frac{\pi}{2}$', r'$\pi$']
plt.xticks(x_value_range, x_value_strs)ax = plt.gca() # 获取坐标轴
ax.spines['right'].set_color('none') # 隐藏上方和右方的坐标轴
ax.spines['top'].set_color('none')# 设置左方和下方坐标轴的位置
ax.spines['bottom'].set_position(('data', 0)) # 将下方的坐标轴设置到y = 0的位置
ax.spines['left'].set_position(('data', 0)) # 将左方的坐标轴设置到 x = 0 的位置plt.show() # 显示图像
legend图例
使用xticks()和yticks()函数替换轴标签,分别为每个函数传入两列数值。第一个列表存储刻度的位置,第二个列表存储刻度的标签。
import numpy as np
import matplotlib.pyplot as pltx = np.linspace(-np.pi, np.pi, 100)
y = np.sin(x)
linear_y = 0.2 * x + 0.1plt.figure(figsize = (8, 6)) # 为曲线加上标签
plt.plot(x, y, label = "y = sin(x)")
plt.plot(x, linear_y, color = "red", linestyle = '--', label = 'y = 0.2x + 0.1') plt.title('y = sin(x) and y = 0.2x + 0.1')
plt.xlabel('x')
plt.ylabel('y')
plt.xlim(-np.pi, np.pi)
plt.ylim(-1, 1)# plt.xticks(np.linspace(-np.pi, np.pi, 5))
x_value_range = np.linspace(-np.pi, np.pi, 5)
x_value_strs = [r'$\pi$', r'$-\frac{\pi}{2}$', r'$0$', r'$\frac{\pi}{2}$', r'$\pi$']
plt.xticks(x_value_range, x_value_strs)ax = plt.gca()
ax.spines['right'].set_color('none')
ax.spines['top'].set_color('none')ax.spines['bottom'].set_position(('data', 0))
ax.spines['left'].set_position(('data', 0)) # 将曲线的信息标识出来
plt.legend(loc = 'lower right', fontsize = 12)
plt.show()
legend方法中的loc 参数可选设置
位置字符串 | 位置编号 | 位置表述 |
---|---|---|
‘best’ | 0 | 最佳位置 |
‘upper right’ | 1 | 右上角 |
‘upper left’ | 2 | 左上角 |
‘lower left’ | 3 | 左下角 |
‘lower right’ | 4 | 右下角 |
‘right’ | 5 | 右侧 |
‘center left’ | 6 | 左侧垂直居中 |
‘center right’ | 7 | 右侧垂直居中 |
‘lower center’ | 8 | 下方水平居中 |
‘upper center’ | 9 | 上方水平居中 |
‘center’ | 10 | 正中间 |
二、柱状图
使用的方法:plt.bar
import numpy as np
import matplotlib.pyplot as pltplt.figure(figsize = (16, 12))
x = np.array([1, 2, 3, 4, 5, 6, 7, 8])
y = np.array([3, 5, 7, 6, 2, 6, 10, 15])
plt.plot(x, y, 'r', lw = 5) # 指定线的颜色和宽度x = np.array([1, 2, 3, 4, 5, 6, 7, 8])
y = np.array([13, 25, 17, 36, 21, 16, 10, 15])
plt.bar(x, y, 0.2, alpha = 1, color='b') # 生成柱状图,指明图的宽度,透明度和颜色
plt.show()
有的时候柱状图会出现在x轴的俩侧,方便进行比较,代码实现如下:
import numpy as np
import matplotlib.pyplot as pltplt.figure(figsize = (16, 12))
n = 12
x = np.arange(n) # 按顺序生成从12以内的数字
y1 = (1 - x / float(n)) * np.random.uniform(0.5, 1.0, n)
y2 = (1 - x / float(n)) * np.random.uniform(0.5, 1.0, n)# 设置柱状图的颜色以及边界颜色
#+y表示在x轴的上方 -y表示在x轴的下方
plt.bar(x, +y1, facecolor = '#9999ff', edgecolor = 'white')
plt.bar(x, -y2, facecolor = '#ff9999', edgecolor = 'white')plt.xlim(-0.5, n) # 设置x轴的范围,
plt.xticks(()) # 可以通过设置刻度为空,消除刻度
plt.ylim(-1.25, 1.25) # 设置y轴的范围
plt.yticks(())# plt.text()在图像中写入文本,设置位置,设置文本,ha设置水平方向对其方式,va设置垂直方向对齐方式
for x1, y in zip(x, y2):plt.text(x1, -y - 0.05, '%.2f' % y, ha = 'center', va = 'top')
for x1, y in zip(x, y1):plt.text(x1, y + 0.05, '%.2f' % y, ha = 'center', va = 'bottom')
plt.show()
三、散点图
import numpy as np
import matplotlib.pyplot as plt
N = 50
x = np.random.rand(N)
y = np.random.rand(N)
colors = np.random.rand(N)
area = np.pi * (15 * np.random.rand(N))**2
plt.scatter(x, y, s = area,c = colors, alpha = 0.8)plt.show()
四、等高线图
import matplotlib.pyplot as plt
import numpy as npdef f(x, y):return (1 - x / 2 + x ** 5 + y ** 3) * np.exp(-x ** 2 - y ** 2)n = 256
x = np.linspace(-3, 3, n)
y = np.linspace(-3, 3, n)
X, Y = np.meshgrid(x, y) # 生成网格坐标 将x轴与y轴正方形区域的点全部获取
line_num = 10 # 等高线的数量plt.figure(figsize = (16, 12))#contour 生成等高线的函数
#前俩个参数表示点的坐标,第三个参数表示等成等高线的函数,第四个参数表示生成多少个等高线
C = plt.contour(X, Y, f(X, Y), line_num, colors = 'black', linewidths = 0.5) # 设置颜色和线段的宽度
plt.clabel(C, inline = True, fontsize = 12) # 得到每条等高线确切的值# 填充颜色, cmap 表示以什么方式填充,hot表示填充热量的颜色
plt.contourf(X, Y, f(X, Y), line_num, alpha = 0.75, cmap = plt.cm.hot)plt.show()
五、处理图片
import matplotlib.pyplot as plt
import matplotlib.image as mpimg # 导入处理图片的库
import matplotlib.cm as cm # 导入处理颜色的库colormapplt.figure(figsize = (16, 12))
img = mpimg.imread('image/fuli.jpg')# 读取图片
print(img) # numpy数据
print(img.shape) # plt.imshow(img, cmap = 'hot')
plt.colorbar() # 得到颜色多对应的数值
plt.show()
[[[ 11 23 63][ 12 24 64][ 1 13 55]...[ 1 12 42][ 1 12 42][ 1 12 42]][[ 19 31 71][ 3 15 55][ 0 10 52]...[ 0 11 39][ 0 11 39][ 0 11 39]][[ 22 34 74][ 3 15 55][ 7 19 61]...[ 0 11 39][ 0 11 39][ 0 11 39]]...[[ 84 125 217][ 80 121 213][ 78 118 214]...[ 58 90 191][ 54 86 187][ 53 85 186]][[ 84 124 220][ 79 119 215][ 78 117 218]...[ 55 87 188][ 55 87 188][ 55 87 188]][[ 83 121 220][ 80 118 219][ 83 120 224]...[ 56 88 189][ 58 90 191][ 59 91 192]]]
(728, 516, 3)
利用numpy矩阵得到图片
import matplotlib.pyplot as plt
import matplotlib.cm as cm # 导入处理颜色的库colormap
import numpy as npsize = 8
# 得到一个8*8数值在(0, 1)之间的矩阵
a = np.linspace(0, 1, size ** 2).reshape(size, size)plt.figure(figsize = (16, 12))
plt.imshow(a)
plt.show()
六、3D图
import numpy as np
import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D # 导入Axes3D对象fig = plt.figure(figsize = (16, 12))
ax = fig.add_subplot(111, projection = '3d') # 得到3d图像x = np.arange(-4, 4, 0.25)
y = np.arange(-4, 4, 0.25)
X, Y = np.meshgrid(x, y) # 生成网格
Z = np.sqrt(X ** 2 + Y ** 2)# 画曲面图 # 行和列对应的跨度 # 设置颜色
ax.plot_surface(X, Y, Z, rstride = 1, cstride = 1, cmap = plt.get_cmap('rainbow'))
plt.show()
以上是matplotlib基于测试数据的数据可视化,结合实际项目中数据,代码稍加修改,即可有让人印象深刻的效果。
推荐阅读:
我的2022届互联网校招分享
我的2021总结
浅谈算法岗和开发岗的区别
互联网校招研发薪资汇总
2022届互联网求职现状,金9银10快变成铜9铁10!!
公众号:AI蜗牛车
保持谦逊、保持自律、保持进步
发送【蜗牛】获取一份《手把手AI项目》(AI蜗牛车著)
发送【1222】获取一份不错的leetcode刷题笔记
发送【AI四大名著】获取四本经典AI电子书
漂亮,超详细的matplotlib画图基础相关推荐
- matplotlib画图_漂亮,超详细的matplotlib画图基础
来自 | 逐梦erhttps://zhumenger.blog.csdn.net/article/details/106530281本文仅作技术交流,如有侵权,请联系后台删除.数据可视化非常重要,因为 ...
- 【超详细】MySQL零基础入门实战
文章目录 1.MySQL入门 1.1.源码安装MySQL5.7 1.2.Docker安装MySQL5.7 1.3.忘记MySQL超户密码 1.4.MySQL支持简体中文 2.MySQL数据库操作 2. ...
- Python Matplotlib画图基础介绍
文章目录 Matplotlib第一个简单的图形 坐标轴控制,标题 打上文字标注,公式 一个图中画多张子图 大小不一的多张子图 散点图 柱状图 plt.rcParams参数设置 详细颜色字母对照表 参考 ...
- 存储过程while_超详细的Oracle存储过程基础入门介绍
概述 前面已经对存储过程.函数.包做了个介绍,但是毕竟是写成了一篇,所以没那么细,今天单独介绍一下存储过程基础方面,后面再说遍历什么游标啊,数组啊~ 1.语法 CREATE [OR REPLACE] ...
- 超详细 | 贝叶斯网络基础——有图有真相
Hello,大家好,我是starz.这是本系列的第二篇<概率基础Ⅱ>,虽说是概率基础,但作为过渡,它开始以图为载体 这节的主要内容有: 贝叶斯网络 三种结构 D-划分 贝叶斯球 马尔科夫毯 ...
- python基础笔记,超详细,包含面向对象基础,爬虫实战【持续更新中...】
前言: 本笔记中的函数和方法同义,面向python3 本笔记部分概念及代码由newbing搜集整理得出 本笔记适合有一定其他编程语言基础的同学,因为笔记中省略了部分基础概念(比如整型,浮点型等基本数据 ...
- Python数据爬取超详细讲解(零基础入门,老年人都看的懂)
转载于:https://www.bilibili.com/video/BV12E411A7ZQ?spm_id_from=333.337.search-card.all.click 本文是根据视频教程记 ...
- Python爬虫超详细讲解(零基础入门,老年人都看的懂)!
注重版权,转载请注明原作者和原文链接 作者:码农BookSea 原文链接:https://blog.csdn.net/bookssea/article/details/107309591 先看后赞,养 ...
- 2021超详细的Dart语言基础总结~你值得拥有~
文章目录 前言:dart语言简介 一.变量 1.1.类型推导 1.2.默认值 1.3.Final 和 const修饰符 二.内建类型 2.1.数据类型 2.2.集合的相关操作 三.函数 3.1.函数的 ...
最新文章
- Mac下使用crontab来实现定时任务
- Spring+MyBatis
- 有关数据库的多库查询
- Spring-bean的生命周期
- 唱歌如何保持高位置_歌唱中如何找到声音的高位置,内容详解
- Java SE 7、8、9 –推进Java
- 美国副教授现身说法:如何改变“只收藏不阅读”的习惯
- jQuery.Validate验证库 2
- Oracle share server
- 【英语学习】【Daily English】U04 Neighborhood L02 Would you mind if I used your ladder for a second?
- Spring读书笔记(一)
- array 删除指定的元素的方法
- 计算机机房空调设计规范,计算机机房空调设计规范
- how-to-solve-the-specific-problem,learn-this,imitate-this
- 密码学——变色龙哈希
- html内嵌式的语言,html嵌入窗口
- 技术的鄙视链,其实是职业天花板问题!
- html转pdf页面缩小,缩小HTML页面并转换为A4尺寸pdf
- 机器学习的可解释性(总结)
- 最新整理:传智播客springboot