python-Matplotlib(2D绘图)

绘制基础

点线绘制

柱状图

饼状图

直方图

三维图

Matplotlib是一个Python的2D 绘图库。通过Matplotib, 开发者可以仅需要几行代码，便可以生成绘图，直方图，功率谱，条形图，错误图，散点图等。Matplotib，可让数据可视化，更直观的真实给用户。使数据更加客观、更具有说服力。Matplotlib 是Python的库，又是开发中常用的库。

matplotlib开发环境搭建：如果使用的是Anaconda Python开发环境，那么Matplotib己经被集成进Anaconda，并不需要单独安装。如果使用的是标准的Python开发环境则需安装：pip install matplotlib，Matplotlib官方网站：Matplotlib — Visualization with Python

绘制基础

在使用Matplotlib绘制图形时，其中有两个最为常用的场景。一个是画点，一个是画线。pyplot基本方法的使用如下表：

点线绘制

使用plot和scatter绘制出来的图形没有区别，但使用plot绘制图形的速度优于scatter。如果画一堆点，而且点的形式没有差别，则使用plot；如果点的形式有差别(指点的大小和颜色不同)则必须使用scatter。线的形状和颜色：

import matplotlib.pyplot as plt
import numpy as npdef zhixian():plt.plot([2, 5, ], [7, 9])  # 绘制直线def zhexian():x = range(-50, 51)y = [i ** 3 for i in x]plt.plot(x, y, linewidth=5)  # linewidth线条粗细参数plt.title('一元三次方程坐标图', fontsize=24)  # 图标标题plt.xlabel('x值', fontsize=12)  # x坐标轴标签plt.ylabel('y值:x^3', fontsize=12)  # y坐标轴标签plt.rcParams['font.sans-serif'] = ['SimHei']  # matplotlib默认不支持中文，解决正常显示中文标签plt.rcParams['axes.unicode_minus'] = False  # 解决负坐标不显示的问题plt.savefig('一元三次图.jpg')  # 保存图片，不指定图片格式时默认保存为.png格式def zyxtest(model=0):x = np.linspace(0, 10, 100)  # 生成1-10之间的100个等差数列sin_y = np.sin(x)cos_y = np.cos(x)if model == 0:  # 如果是0，线条绘制到同一个坐标中plt.plot(x, sin_y)  # 绘制正弦曲线plt.plot(x, cos_y)  # 绘制余弦曲线else:  # 划分区域绘制 subplot参数：划分的行数，划分的列数，所在行列的区域位置(第几块位置)plt.subplot(2, 3, 1)plt.plot(x, sin_y)plt.subplot(2, 3, 5)plt.plot(x, cos_y)def change_xy():x = range(-10, 11)y = [i ** 2 for i in x]plt.xlim(-20, 20)  # 修改x轴坐标plt.ylim(-120, 120)  # 修改y轴坐标plt.plot(x, y)def Scatter():x = np.linspace(0, 10, 100)sin_y = np.sin(x)# plt.scatter(x,sin_y)   # 散点图plt.plot(x, sin_y, 'o')  # 指定点的种类画散点图def random_Scatter():#注意:点的个数和颜色的个数要相同。点的个数和点大小的个数可以不同，如果点的个数大于大小的个数，则会循环获取大小np.random.seed(0)  # 执行多次，每次获取同样的随机数x = np.random.rand(100)y = np.random.rand(100)size = np.random.rand(100) * 300color = np.random.rand(100)plt.scatter(x, y, s=size, c=color,alpha=0.8)if __name__ == '__main__':random_Scatter()plt.show()

import matplotlib.pyplot as plt# 设置线条颜色样式和图例
x = range(1, 11)
y1, y2, y3 = [i for i in x], [i + 1 for i in x], [i + 2 for i in x]plt.plot(x, y1, 'or', label='红色点')  # label图例名
plt.plot(x, y2, '*g', label='绿色*')
plt.plot(x, y3, ':y', label='黄虚线')# 添加图例右下角lower right（左上角upper left）；边框；透明度；阴影；边框宽度
plt.legend(loc='lower right', fancybox=True, framealpha=0.1, shadow=True, borderpad=1)
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.show()

25 个常用 Matplotlib 图的 Python 代码 - 守护式等待 - 博客园

柱状图

使用bar函数绘制柱状图，柱状图需要水平的x坐标值，以及每一个x坐标值对应的y坐标值，从而形成柱状的图，柱状图主要用来纵向对比和横向对比。需要注意的是bar函数的宽度并不是像素宽度。bar 函数会根据二维坐标系的尺寸，以及x坐标值的多少，自动确定每一个柱的宽度，而widh指定的宽度就是这个标准柱宽度的倍数。该参数值可以是浮点数，如0.5，表示柱的宽度是标准宽度的0.5倍。

import matplotlib.pyplot as pltdef bartest():x = ['第一季度', '第二季度', '第三季度', '第四季度']y = [-1011, 1500, -1390, 1280]br = plt.bar(x, y, width=0.3)  # width修改柱状图的宽度# plt.xticks(x1,x2)   # 修改x坐标轴的值,参数为原来的值和新值# plt.yticks(y1,y2)   # 修改y坐标轴的值plt.axhline(0, color='red', linewidth=2)  # 添加分割线,0表示y=0的直线for bar, width in zip(br, y):  # 通过判断正负显示不同颜色if width < 0:bar.set(color='yellow')def barhtest():x = ['第一季度', '第二季度', '第三季度', '第四季度']y = [-1011, 1500, -1390, 1280]bh = plt.barh(x, y, height=0.3)  # width修改柱状图的宽度plt.axvline(0, color='yellow', linewidth=2)  # 添加分割线,0表示x=0的直线for bar, height in zip(bh, y):if height < 0:bar.set(color='green')if __name__ == '__main__':plt.subplot(2, 2, 1)bartest()plt.subplot(2, 2, 4)barhtest()plt.rcParams['axes.unicode_minus'] = Falseplt.rcParams['font.sans-serif'] = ['SimHei']plt.show()

import matplotlib.pyplot as plt
import numpy as npdef test():x = [1, 2, 3, 4]y1 = np.random.randint(100, 500, size=4)y2 = np.random.randint(100, 500, size=4)y3 = np.random.randint(100, 500, size=4)width = 0.2plt.bar(x, y1, alpha=0.5, width=width, label='季度第一月')plt.bar([i + width for i in x], y2, alpha=0.5, width=width, label='季度第二月')plt.bar([i + width * 2 for i in x], y3, alpha=0.5, width=width, label='季度第三月')x_label = ['第{}季度'.format(i) for i in x]plt.xticks([i + width for i in x], x_label)plt.ylim(0, 650)if __name__ == '__main__':test()plt.legend()plt.rcParams['font.sans-serif'] = ['SimHei']plt.show()

饼状图

import matplotlib.pyplot as pltdef bingtu():python = 10.95c = 11.62java = 11.17vb = 4.5other = (100 - python - c - java - vb)labels = ['python', 'c', 'java', 'vb', 'other']# colors = ['']# labels:名称、colors:颜色、explode:分裂、autopct:显示百分比paches, texts, autotexts = plt.pie([python, c, java, vb, other], labels=labels, explode=[0.1, 0, 0, 0, 0],autopct='%0.1f%%')for text in autotexts:text.set_color('white')  # 设置饼状图的字体颜色text.set_fontsize(10)for text in texts:text.set_fontsize(20)  # 设置饼状图的字体大小if __name__ == '__main__':bingtu()plt.show()

直方图

使用hist函数绘制直方图，直方图与柱状图的分格类似，都是由若干个柱组成，但直方图和柱状图的含义却有很大的差异。直方图是用来观察分布状态的，而柱状图是用来看每一个X坐标对应的Y的值的。也就是说，直方图关注的是分布并不关心具体的某个值，而柱状图关心的是具体的某个值。
import matplotlib.pyplot as plt
import numpy as npdef zft1():x = np.random.randn(1000)plt.hist(x, bins=100)  # bins修改柱的宽度def zft2():# 正态分布直方图x, y, z = np.random.normal(0, 0.8, 1000), np.random.normal(-2, 1, 1000), np.random.normal(1, 2, 1000)kwargs = dict(bins=100, alpha=0.5)plt.hist(x, **kwargs)plt.hist(y, **kwargs)plt.hist(z, **kwargs)def dgx():x = np.linspace(-10, 10.100)y = np.linspace(-10, 10, 100)# 计算x和y的相交点aX, Y = np.meshgrid(x, y)# 计算Z的坐标Z = np.sqrt(X ** 2 + Y ** 2)plt.contourf(X, Y, Z)# plt.contour(X, Y, Z)# 颜色越深表示值越小，中间的黑色表示z=0.if __name__ == '__main__':dgx()plt.show()

三维图

import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D# 创建X、Y、Z坐标
X = [10, 8, 4, 7]
Y = [5, 4, 4, 3]
Z = [10, 100, 50, 45]
fig = plt.figure()
# 创建一个Axes3D子图放到figure画布里面
ax = Axes3D(fig)
ax.plot_trisurf(X, Y, Z)
plt.show()

三维绘图：Matplotlib.pyplot 三维绘图 - 文锅儿 - 博客园